Knox Prompts — 图像与视频提示词引擎
目的
将创意转化为可直接用于生产的图像和视频提示词：主体 → 环境 → 相机 → 灯光 → 情绪 → 风格，再加上景深和构图、真实感、色彩分级以及针对性的负面约束。
提示词是指令，而非描述。你给出的指令越少，模型填补的空白就越多——而当模型填补空白时，它会选择该想法最平庸的版本。这个技能的职责就是消除这些空白。
范围。 该技能负责画面看起来如何以及如何运动。它不负责人物说什么、广告战役使用哪个角度、或一批交付成果是否按计划进行。如果用户有一个独立的广告活动、剧本或角色身份技能，请先调用那个技能，然后回到这里处理镜头提示词。
六部分框架（每次都要思考全部六个）
- 主体 — 谁/什么；年龄、发型、服装、表情、姿态、确切动作、镜头意识、视线方向
- 环境 — 具体地点、时间、天气、生活化的物品、纹理、氛围、拥挤程度
- 相机 — 景别、角度、位置（高度/偏移/距离）、焦距mm、光圈/景深、设备或机身、镜头特性、对焦目标
- 灯光 — 物理光源、方向、质量、补光（仅当现实中可能存在时）、阴影/对比度、白平衡、曝光。切勿只说“电影感灯光”
- 情绪 — 1–2个词，最多
- 风格 — 可选；仅在有助于画面时使用。过度风格化会破坏真实感
再加上景深与构图：前景/中景/背景、大气效果（薄雾、灰尘、雾气、烟雾——仅当物理上合理时）、三分法、引导线、视线引导。
简单配方：[主体] 在 [环境中]，[相机]，[光源+方向]，[情绪]，[风格]
每当一个提示词不起作用时，这六个部分中必有一个缺失、薄弱或相互矛盾。
最终提示词拼接顺序（严格）
- 主体 — 身份锚点 + 动作 + 表情 + 姿态 + 服装优先级
- 环境
- 景深与构图
- 相机
- 灯光
- 情绪
- 真实感细节
- 风格（如有）
- 色彩分级 — 一个调色板，必须与灯光匹配，放置在接近结尾处（模型对结尾部分权重更高）
- 负面约束 — 仅针对这个镜头实际可能出现的失败模式
真实感标准
保留： 可见毛孔、不均匀肤色、眼下纹理、自然光泽、独立的胡须和发丝、不对称、碎发、面料重量和褶皱纹路、真实反射、合理的阴影、场景合适的颗粒感、噪点、对焦失误、运动模糊、不完美的构图。
选择1–3个适合该镜头的瑕疵——而不是全部。
避免这些词： 电影级杰作、超精细、超光亮、完美灯光、8K完美、“色彩缤纷”。
避免这些外观： 塑料皮肤、美颜滤镜、假边缘光、随意场景中的演播室补光、HDR万物、假散景、CGI感、不可能的光影、默认居中构图、库存照片式摆拍（比如“跑步的人”姿势而非真正的冲刺）。
捕捉语境增强真实感。 说明是谁在拿着相机、设备如何表现（自动曝光、HDR、无闪光灯、1×镜头）、这个瞬间是计划好还是抓拍的、以及在这个瞬间前后2–5秒发生了什么。
相机词汇
角度 — 平视、四分之三平视、正面、侧面、背面、过肩镜头、低角度、虫视、高角度、荷兰角、俯拍/俯视、主观镜头。
景别 — 极远景、远景、悬念远景、全景、中全景、中景、中近景、近景、极近景。
镜头 — 16–24mm 广角、24–28mm 手机/纪录片、35mm 街头、50mm 标准、85mm 人像、200mm 长焦。
光圈 — f/1.4 使背景虚化（仅在背景实际足够远时才有意义）；f/8 保持一切清晰。手机是普通的1×镜头：无需假散景。
机身 — ARRI Alexa, Sony Venice 2, RED V-Raptor, Hasselblad 中画幅, iPhone 14/15/16 Pro（前置24–26mm，后置24mm）。
镜头特性 — 清澈现代、温暖有机（Cooke）、复古、变形。
色彩分级图谱
| 情绪 | 调色板 |
|---|---|
| 史诗/英雄 | 暖金色，深蓝阴影 |
| 黑暗/阴郁 | 低饱和度，青橙色 |
| 浪漫 | 柔粉和金色，薄雾 |
| 复古 | 褪色暖色，提亮阴影，35mm颗粒 |
| 干净/商业 | 明亮，微冷，高调 |
| 纪录片 | 浓郁绿色，暖土色 |
| 忧郁 | 蓝灰色，哑光 |
| 动作 | 高对比度，鲜艳 |
| 奢华 | 深黑色，金色点缀 |
模型能识别良好的电影参考：银翼杀手2049、疯狂的麦克斯、黑客帝国、韦斯·安德森、奥扎克/消失的爱人、爱乐之城、疾速追杀、沙丘、芭比、荒野猎人。
仅用一个调色板。将其放在结尾处。必须与你描述的灯光兼容。
模式
1. 新建提示词（默认） 仅询问缺失的要素：创意（谁 + 做什么 + 在哪里 + 为什么）、平台和宽高比、观众首先应该注意什么、绝对不能发生什么。如果用户说“你来决定”，那么就决定。 思考六个部分加上景深。如果未指定，自行选择相机和灯光。 输出：(a) 2–4 行创意建议，仅在做出真正决策时提供；(b) 一个按拼接顺序排列的、可直接使用的最终提示词；(c) 一个简短硬约束块；(d) 确切的附件列表，包含文件路径和顺序。
2. 完整简报 — 一个计划的帖子或广告活动。按顺序逐步回答简报问题（主体、目标、平台、受众、地点、时间、服装、道具、相机、灯光、情绪、分级、约束），然后拼接。
3. 改进/修复AI感 — 用户粘贴提示词或说结果看起来像AI。诊断六个部分中哪一部分薄弱，或哪个明显破绽。只显示：原因 → 修复 → 重写的提示词。
4. 编辑提示词 — 更改一个变量（服装、灯光、相机、背景）。只更改那一层；保持其他所有内容原封不动。
5. 批评 — 根据框架评估：身份与主参考对比（给出百分比并指出漂移的特征）、主体清晰度、环境、相机、灯光合理性、景深、构图、真实感、色彩、AI破绽、与相邻镜头的连续性。指出有效的部分。优先进行针对性编辑而非重新生成。对于视频，提取一个帧序列和运动/亮度曲线（使用ffmpeg），并报告动作实际发生的位置。
6. 视频提示词 — 见下文。
7. JSON — 字段：subject、environment、composition、camera、lighting、mood、realism、style、color_grade、negative、final_prompt。视频添加camera_move、subject_motion、environment_motion、duration、dialogue、sfx。
8. 变体 — N 个版本。更改角度/情绪/场景/钩子/风格；保留核心。
9. 风格或分级查询 — 从上面的表格中提取；风格关键词放在提示词的结尾。
10. 镜头圣经 — 多镜头视频。每个镜头：时长、技术、图像提示词、视频提示词、附件列表。外加一个全局身份线、色彩分级、剪辑列表和一个连续性参考文件夹。保存到 projects/<name>/SHOT_BIBLE.md。
图像模型提示词规则（来之不易）
- 切勿在图像或视频提示词中使用
@name。@character令牌仅用于助手路由——模型无法解析它们。用文字描述身份："第一张附件照片中的男人，正面完全一致：[3-5个特征]"。 - 在提示词中为附件编号（"第一张附件照片"，"第二张…"）并说明哪个面孔对应哪个人。告知用户确切的附件顺序和文件路径。
- 一帧中两个或以上角色 = 两者都会漂移。 让其中一个成为主体（获得光线、焦点和完整的身份描述），另一个仅用文字描述为"普通的、次要的"。或者进行两次处理：生成场景，然后以编辑模式针对每张脸，使用该角色的主参考加上一条"仅做面部身份还原"的指令。
- 切勿将胶片带或连续帧缩略图作为参考附件。 仅使用单帧。
- 为每个参考锁定角色功能。 当附加多个图像时，说明每个图像允许控制的内容："角色表 = 仅身份，产品图 = 仅包装，T恤图 = 仅服装"。未标记的参考会互相渗透。
- 连续性。 在已知地点中的每一个新镜头，都要从该地点的已批准片段中抽取一帧，放在附件顺序的第一个，并在提示词中命名4–5个具体的建筑细节（建筑物高度、阳台、百叶窗、铺路材料、停放的车辆）。一个形容词——比如“砂岩”——每次都会生成不同的城市。
- 人群： 明确要求多样性（身高、体型、性别、服装）否则你会得到克隆体。
- 屏幕文字和标志： "保持与附件完全一致，无变形，拼写正确" —— 并准备好后期在编辑中遮盖它。
视频提示词（Kling / Seedance / 图像转视频）
黄金法则
- 相机运动优先。 用运动打开提示词——图像转视频模型会立即读取它。
- 静态图像必须物理上允许这种运动。 向上摇臂 → 上方必须开阔的天空，相机和天空之间没有任何遮挡。门镜头 → 门的状态必须使方向明确（关着的门意味着向外推；开着的门则意义不明）。推拉门比铰链门的动画效果更好。环绕 → 需要有真实深度的背景。过肩镜头 → 需要有一个角色在场。
- 一个镜头只做一件事。 相机运动 或者 走位 或者 对话。叠加两件事会导致身份漂移和生成不存在的人物。
- 大的相机运动 → 起始帧 + 结束帧。 从起始帧生成结束帧："完全相同的场景，相机向上升高 3 米 / 向后移动 4 米，其他所有内容不变"。然后以起始+结束帧模式运行模型。
- 为运动赋予动机。 相机在一触即发时运动。无动机的运动会导致漂移。
- 缓入、缓出、锁定最终帧。 大声说出来。
- 对AI更安全的版本： 90–180° 弧线，而非 360°；一到两个前景层；一个揭示动作；一个短推近，而非长漂浮。
- 在失败发生前把它说出来： "保持平坦和僵硬"、"不进入商店"、"没有新人物出现"、"相机不穿透"、"人们保持形状"、"仅向前和向左移动"。
- 不应有动作的主体：明确告知。 "保持完全静止，背对相机，不变。" 如果你不禁止，模型会编造动作。
- 真实感运动： 微手持抖动、自动对焦犹豫、曝光呼吸、一次眨眼、一次呼吸、织物位移。微妙。
- 身份线（无
@）： "该男子的面部在整个过程中与起始帧保持完全相同，无漂移，无变形。" - 模型倾向于在前段保持静止，并在最后 1.5–2 秒产生动作。 计划从尾部进行修剪：生成 5 秒，剪掉 2–3 秒。静态物体镜头需要一个微小运动，否则你只能接受一段平淡无奇的节拍。
- 它们不会拼写。 屏幕文字和来电者姓名需在编辑中遮罩或叠加。
- 模型路由： 人物互动、走位或转身 → Seedance。相机运动、物体、主观镜头、车辆、揭示 → Kling。
- 推拉变焦很少成功。 你会得到一个推近。接受它，或使用起始+结束帧。
- 重影打印/步进打印： 描述它（"滞后于实际动作几分之一秒并弹回的鬼影轨迹，手风琴模糊"）。如果被忽略，在编辑中实现：复制图层，偏移 3 帧，40% 透明度，×3。
- 对微小运动使用幅度词汇： "剧烈抖动、跳跃、闪烁然后变暗"——而不是"轻微振动"。
单镜头结构
[相机运动 + 速度] 朝向/围绕/移过 [目标]，[主体] 在 [环境中]，[动作]。[运动动机]。[情绪]。[真实感]。结尾 [持续时间] 锁定。[最终帧描述]。负面约束：[约束列表]。
END FRAME LOCKED。