AI 短剧前期制作 Skill合集：从零到上线的详细使用教程

最近一直在整理收集AI提示词相关的数据，很多提示词都收录到上面的小程序中了。需要的友友可以去文末的小程序去查找。

然后最近去研究了当下比较好用热门的 skill，发现制作漫剧的很多skill都比较好玩，本文就是基于shuohao-skills来制作的skills合集。

这一套skills可以把小说变成「可拍 AI 短剧」前期资产的开源 Skill 合集：novel-outline（大纲）、novel-characters（角色）、novel-art（美术设定）。三个 Skill 各管一段，JSON 互相打通，零依赖、零 API key，只用 Node 标准库。可以直接上传到WorkBuddy中调用使用。

本文示例以刘慈欣的《全频带阻塞干扰》为实例操作示例。

前言：为什么现在直接让 AI 写短剧会翻车

很多人会随便找一个skills把一本小说丢给大模型说「基于这个skill帮我出短剧分集」，就能拿到可用的剧本。最终拿到的都是指令很差的内容：

• 结构散：模型随手编集数，主角团人数爆炸、爽点间隔忽长忽短、每集没有钩子，观众三秒划走。
• 人设飘：同一个角色，这一集是高冷，下一集变话痨；别名满天飞（「陆行远 / 陆 / 姑娘」其实是同一人），出图时人物形象对不上。
• 视觉乱：AI 生成几十次，场景一会儿暖一会儿冷，手机被画成家具那么大，主角换张脸——所谓「一致性」全靠运气。

核心结论：好短剧不是靠模型「自觉」，而是把「好」这件事用代码卡死。本文的AI漫剧skills三件套就是这么一套「用确定性规则替代模型自觉」的流水线。

一：AI漫剧skills三件套各自做什么、不做什么

这套合集只做前期资产（角色、结构、美术），不碰后期：

项目地址：https://github.com/BaYue-SYJ/shuixian-manju-skills

一句话定位：characters 定人，outline 定故事结构，art 定视觉资产。

二. 目录骨架：整体长这样

仓库根目录叫 shuixian-manju-skill/，三个 Skill 平铺，每个都自带 scripts/、references/、examples/、assets/：

shuixian-manju-skills/├── README.md              # 总览├── LICENSE                # Apache-2.0├── .gitattributes         # 跨平台换行规则├── novel-outline/│   ├── SKILL.md│   ├── scripts/           # outline.mjs 等（纯 Node 标准库）│   ├── references/        # 质量门定义、分档规则│   └── examples/          # 渡口-* 自带样例（兼自测夹具）├── novel-characters/│   ├── SKILL.md│   ├── scripts/           # novel-characters.mjs│   └── ...└── novel-art/    ├── SKILL.md    ├── scripts/           # art.mjs    └── ...

设计要点：零依赖——所有脚本只用 Node 标准库（fs、path），不需要 npm install 任何东西，Node ≥ 18 即可跑。三个skill相互独立，可以单独调用，也可以一起调用。

三. 触发条件：什么时候用哪个

举例：使用outline-skill出剧情大纲

三个 Skill 互不抢占：你说「出图」就走 characters/art，说「出结构」就走 outline，不会串味。

四. 质量门：把「好」用代码卡死

这是三件套的心脏。每一条规则都是脚本确定性检查，不靠模型自觉。

4.1 novel-outline —— 13 道质量门（节选核心）

另外还有「体检模式」：你贴一份现成大纲进来，它只跑诊断、不改写，专门查「哪里不达标」。

4.2 novel-art —— 11 道质量门（节选核心）

4.3 novel-characters —— 6 类校验规则

• 别名归并（「陆行远 / 陆 / 姑娘」收成一人）
• 引文逐字校验（角色台词/描述必须与原文一致）
• 形象提示词必含画风标记
• 必填字段完整（姓名、分档、外貌、音色）
• 分档与剧情权重一致
• 设定图三视图齐备（左半身像 + 右全身三视图 + 细节条）

五. 三者接力：数据怎么互通

三份 JSON 不是孤岛，而是互相喂数据，形成闭环。

flowchart LR    A[原文 book.txt] --> B[novel-characters]    A --> C[novel-outline]    A --> D[novel-art]    B -->|cast.json| C    C -->|outline.json| D    B -->|cast.json --cast| D

三对互通机制：

1. characters → outline：cast.json 可作为角色原料导入，分档按 importance 字段映射（主角/配角/群演）。
2. outline → art：art 的 seed 吃 outline.json，确定性搬运场景清单与复用方案，不让模型自由发挥。
3. characters → art：art 的 validate --cast 吃 cast.json，专门查「美术提示词里是否混进了角色名」。

六. 参数、默认值与冲突

冲突处理：当 --cast 与原文同时提供时，角色以 cast.json 为准、原文只补背景；当 outline.json 与 seed 冲突时，以 seed 搬运的结构为准。

七. 工作流与标准产物

每个 Skill 都是「分步骤 + 命令」的确定性流程。

7.1 novel-outline 流程（Step 0 → 7）

7.2 novel-characters 流程（Step 0 → 10）

7.3 novel-art 流程（Step 0 → 5）

标准产物三件套：每个 Skill 都输出 *.json（机器可读、可回喂）+ Markdown（人读）+ 单页评审报告 HTML（可视化质量门结果）。

★ 总结：三条设计哲学

1. AI 生成不是实拍——所以才需要锚点、尺度参照、白底无手提示词这些「防漂移」手段。
2. 质量门靠代码，不靠模型自觉——13 / 11 / 6 类规则全是脚本确定性检查。
3. 零依赖、零 API key——只用 Node 标准库，克隆即跑，任何人都能复现。

把「好短剧」做成一条可复制的生产线，而不是每一次都靠运气。