AI视频提示词工程完全指南：从「抽卡」到「精准控制」

你有没有算过一笔账——你花了多少时间在"抽卡"上？

打开AI视频工具，输入一段描述，生成，不满意，改几个词，再生成，还是不满意……循环十几次，最后勉强选了一条凑合用的。如果你在2026年还在这样做AI视频，那你真的在浪费这个时代的工具。

真相是：AI视频生成不是玄学，而是一门可以被系统化掌握的工程学科。 那些你羡慕的"一次就出片"的创作者，不是运气比你好，是他们的提示词写得比你好。今天这篇文章，就是要把这门手艺掰开揉碎了教给你。

一、AI视频提示词的底层逻辑

在学怎么写之前，你必须先理解一个核心概念：AI视频模型不是在"理解"你的文字，而是在"翻译"你的文字。

当你写"一个女孩在雨中奔跑"时，模型干了三件事：

• 场景解析：识别"女孩""雨""奔跑"三个实体
• 关系建模：建立"女孩-奔跑"（动作）、"雨-场景"（环境）的关系
• 视觉映射：将文字描述映射到训练数据中对应的视觉模式

问题是：你的提示词里有没有给这三步提供足够的信息？如果不够，模型就会用它的"默认模板"来填充——而默认模板通常就是最平庸、最AI感的那个版本。

好的提示词 = 约束条件 × 创意空间

这是一个反直觉的公式。很多新手以为提示词越自由越好，但实际上，约束越多，效果越好。因为约束条件降低了模型的"选择空间"，让它更容易做出正确的决策。

来看两个提示词的对比：

❌ 新手写法：

一个女孩在雨中奔跑，电影感

✅ 进阶写法：

一个25岁左右的亚洲女性，黑色长发湿漉漉地贴在脸颊上，
穿着深蓝色风衣和白色衬衫，在傍晚的东京涉谷十字路口奔跑。
中雨，雨滴清晰可见。暖黄色的路灯灯光透过雨幕形成光晕。
镜头：35mm定焦，从侧面跟拍，低角度仰拍。
色调：冷蓝+暖橙对比，德味电影调色。
人物表情：坚定中带着焦急，嘴角紧闭，眉毛微蹙。

为什么第二个效果好？因为它给模型提供了：

• 人物细节：年龄、发型、服装、表情（限制角色外观）
• 环境细节：时间、地点、天气、光线（限制场景氛围）
• 镜头语言：焦距、机位、角度（限制视觉呈现）
• 色彩风格：色调、调色风格（限制色彩倾向）

每一层信息都在缩小模型的"猜测空间"，最终生成的画面就更接近你脑子里想的那个。

二、提示词的七层结构法

经过大量实践（以及无数次的翻车），我总结了一套适用于几乎所有AI视频模型的提示词结构——七层法：

第一层：主体描述（Who/What）

描述画面中的核心主体：人物、物体、动物。包括外观、服装、姿态、表情。

一位穿着白色实验服的中年男性科学家，戴着金丝边眼镜，
头发花白但精神矍铄，双手撑在实验台上。

第二层：动作描述（Action）

主体在做什么？动作的幅度、速度、节奏是怎样的？

他缓慢地抬起头，摘下眼镜，用拇指和食指捏了捏鼻梁，
然后深吸一口气，重新戴上眼镜。动作沉稳、不紧不慢。

第三层：场景环境（Where/When）

时间、地点、空间特征。

深夜的生物实验室，凌晨两点。房间里只有他一个人。
四周是发着蓝光的实验设备和培养皿。
窗外的城市灯光在远处闪烁。

第四层：光线与氛围（Lighting/Mood）

光源方向、光质、色温、整体氛围感。

主光源来自实验台上的蓝色LED培养灯，从下方打在他的脸上，
形成戏剧性的底光，阴影锐利。房间的其余部分处于半黑暗中。
整体氛围：孤独、专注、带着一丝科学狂人的偏执感。

第五层：镜头与构图（Camera/Composition）

镜头焦段、机位、运动方式、构图规则。

镜头：50mm定焦，大光圈f/1.8，浅景深。
机位：正面中近景，与人物视线齐平。
运动：镜头极缓慢地向前推进，模仿呼吸感的手持拍摄。
构图：人物居中偏右，左侧留白给实验设备。

第六层：风格与质感（Style/Texture）

视觉风格、质感、后期处理方向。

风格：参考《银翼杀手2049》的视觉美学。
质感：数字胶片质感，微量的胶片颗粒。
后期方向：青橙色调，高对比度，暗部保留细节。

第七层：技术与参数（Technical）

分辨率、帧率、画幅比例、特殊要求。

输出：4K分辨率，24fps电影帧率，2.35:1宽银幕画幅比。
特殊要求：画面中的发光物体应产生柔和的辉光效果（bloom）。

完整示例（七层合并）

把以上七层合并成一个完整的提示词，就是这个效果：

一位穿着白色实验服的中年男性科学家，戴着金丝边眼镜，头发花白但精神矍铄。

他缓慢地抬起头，摘下眼镜，用拇指和食指捏了捏鼻梁，然后深吸一口气，重新戴上眼镜。

深夜的生物实验室，凌晨两点。四周是发着蓝光的实验设备和培养皿，窗外的城市灯光在远处闪烁。主光源来自实验台上的蓝色LED培养灯，从下方打在他的脸上，形成戏剧性的底光。

镜头：50mm定焦，f/1.8，正面中近景，极缓慢推进，手持呼吸感。

风格参考《银翼杀手2049》，青橙色调，数字胶片质感，4K/24fps/2.35:1宽银幕。

这个提示词大约300字，看起来很长，但它符合"约束条件 × 创意空间"的原则——每一个信息块都在帮模型做正确的决策。用这个提示词在Kling 3上测试，3次以内必出一条可用的素材。

三、不同模型的提示词策略差异

七层法是一个通用框架，但不同的模型对不同类型的描述敏感度不同。你需要根据模型特性做针对性调整：

Kling 3 优化策略：加重动作描述

Kling 3对动作细节极其敏感。你在提示词里写了"转身"，它就是一个转身；你写了"缓慢转身，先转动肩膀，再带动腰部，最后移动脚步"，它就能生成一个层次分明的转身。

Kling 3黄金法则：动作描述越细，生成越稳。

针对Kling 3的优化提示词片段：

动作：她不是直接转身，而是先微微侧头看向右后方，
然后右肩向后转动45度，带动整个上半身旋转，
左脚作为轴心不动，右脚跟随身体旋转向后迈出一步，
最后完全转过身去。整个过程约3秒。

Veo 3.1 优化策略：强化文字与结构描述

Veo 3.1对结构化信息敏感。如果你需要精确的构图、文字位置或者多元素布局，用分点式描述比自然段落效果更好：

针对Veo 3.1的优化提示词：

画面结构（从上到下）：
- 顶部20%：标题"THE FUTURE IS NOW"，白色无衬线字体，居中
- 中部60%：主视觉——一位宇航员在火星表面行走，远景
- 底部20%：底部渐变黑色遮罩，无文字

Sora 2 优化策略：多用意象和类比

Sora 2的"艺术直觉"非常强。你不需要告诉它具体怎么做，给它一个美学方向和感觉就行：

针对Sora 2的优化提示词：

这个场景应该让人想起特伦斯·马利克的电影——
光线像蜂蜜一样流淌，每一个镜头都像一幅可以挂在美术馆里的照片。
不是记录现实，而是捕捉现实的诗意。

Seedance 2.0 优化策略：明确风格锚点

Seedance 2.0对风格关键词极其敏感。不要只说"中国风"，要精确到具体的风格流派：

针对Seedance 2.0的优化提示词：

风格：北宋院体山水画，参考范宽《溪山行旅图》。
特征：高远构图，雨点皴法，水墨为主、淡赭石渲染。
画面动态：山间的云雾缓慢流动，瀑布倾泻而下，松树枝叶随风微动。

MiniMax 优化策略：简洁直给

MiniMax对复杂描述的消化能力有限，提示词控制在100字以内效果最好。聚焦在"主体+动作+场景"三层，不要加太多修饰：

针对MiniMax的优化提示词：

一个年轻人坐在咖啡店里对着笔记本电脑工作，阳光从窗户照进来。
中景，固定镜头，自然色彩。

四、提示词实战：5个可直接复用的模板

以下模板已经过Kling 3、Veo 3.1和Sora 2的实测验证，你可以直接套用或基于它们修改：

模板1：产品展示类

[产品]放置在[材质/颜色的台面]上，[光照方式]从[方向]打光。
镜头做[运动方式]，[速度描述]。
背景为[颜色/场景]，虚化处理。
画面比例为[比例]，整体风格[风格关键词]。
高光处有[特殊光效描述]。

模板2：人物叙事类

[人物描述：年龄、外貌、服装]，正在[动作细节]。
场景为[时间+地点+环境特征]。光线来自[光源描述]，形成[光影效果]。
镜头：[焦段]+[机位]+[景别]+[运动方式]。
人物表情：[具体表情描述，细化到眉毛、嘴角]。
色调：[色彩倾向]，整体氛围[情绪关键词]。

模板3：风景空镜类

[地点/场景]在[时间/季节/天气]下。
画面从[起始构图]开始，镜头做[运动方式]。
光线[角度+质感]，[特殊光影效果]。
色调[风格]，[参考作品或摄影师]。

模板4：文字/标题动画类

文字"[具体文字内容]"以[出现方式]呈现在画面[位置]。
文字风格：[字体特征]+[材质质感]+[颜色]。
背景为[场景描述]，与文字形成[对比关系]。
动画持续[时长]，节奏[快/慢/缓入缓出]。

模板5：创意转场类

场景A：[起始场景描述]，[持续时长]后开始过渡。
过渡方式：[具体描述A如何变成B]。
场景B：[结束场景描述]。
过渡期间：[中间状态的视觉特征]。
整体风格：[风格关键词]，过渡流畅自然。

五、避坑指南：最常见的5个提示词错误

错误1：抽象形容词太多

❌ "一个美丽的、令人惊叹的、史诗般的日落风景"

✅ "日落时分，橙红色的太阳在地平线上，天空从深紫渐变到金黄。逆光下的棕榈树形成黑色剪影。低角度广角拍摄，前景有波光粼粼的海面。"

为什么错："美丽""令人惊叹""史诗"这些词对AI来说毫无意义——它在训练数据里见过100万种"美丽"的日落，但它不知道你想要哪一种。

错误2：矛盾的描述

❌ "明亮的夜晚，月光照亮整个房间，同时窗外阳光明媚"

为什么错：别让模型精神分裂。一个场景只能有一种主光源。

错误3：忽略了"不想要什么"

很多模型支持否定提示词（negative prompt），用好它：

否定提示词：文字、字幕、Logo、水印、模糊、变形、额外的手指、不自然的面部表情、过曝、欠曝

Kling 3和Seedance 2.0都支持否定提示词字段，不要浪费。

错误4：提示词太短

2024年的时候，50字的提示词可能够了。但2026年的模型更强了，它能消化300字的详细描述，并且转化得更好。写得越细，翻车越少。

错误5：不迭代提示词

每次生成失败都是一个数据点。不要只是重新点"生成"——分析问题出在哪里，修改提示词。建立一个"提示词→问题→修正"的循环：

第1版：女孩在雨中奔跑 → 人物模糊
第2版：一个亚洲女性在雨中奔跑，中景 → 动作僵硬
第3版：一个25岁亚洲女性，黑发湿贴在脸上，在傍晚雨中奔跑，
       侧面跟拍，35mm镜头 → 效果满意

结语：提示词是你和AI之间的语言

很多人以为AI视频生成的未来是"一句话生成一部电影"——你不需要学任何技巧，AI会自己搞定一切。但我认为这个想法至少在5年内是不现实的。

提示词工程不是你为了用AI而学的"额外技能"，而是你作为创作者，借AI之手表达你内心画面的一种语言。你越熟练掌握这门语言，AI就越能忠实地成为你的画笔。

如果你不想从零开始写提示词，Tomato AI (cctocv.com) 提供了智能提示词优化功能——你输入简单的创意描述，平台自动扩展为结构化的专业提示词，同时支持Kling 3、Veo 3.1、Sora 2、Seedance 2.0等多模型一键切换生成。让工具帮你省掉"翻译"的过程，你只需要专注创意本身。

---

本文由 Tomato AI 内容团队出品。访问 cctocv.com 体验AI视频智能创作。