渐进式生成流程
痛点钩子：把 2000 字的要求一次性丢给 agent，喊一句「帮我做条视频」——它确实会跑完，但成品总是差点意思：定位漂了、风格混了、节奏平了。同样这个 agent，把任务拆成六七轮、每轮只让它干一件事，质量完全是两个物种。差别不在模型，在你给它的是「一把梭」还是「渐进」。
7.1为什么必须分轮推进
第 5 章给了流程骨架，第 6 章给了 G1–G4 四道闸门。这一章把它们变成下次做视频可以直接照喊的操作法：一条视频分成若干轮，每轮只产出一个可确认的中间产物，过完闸再进下一轮。这么做的理由有三条：
| 理由 | 机制 | 后果 |
|---|---|---|
| ① 错误会复利 | 视频是链条产物：定位 → 脚本 → 风格 → 素材 → 成片，每一级都建立在上一级之上 | 第一步偏了 5°，后面每一级都在这个偏差上继续放大——到成片时已经偏出 40°。越早拦截越便宜 |
| ② 长提示词注意力漂移 | 一次性塞 2000 字约束，模型往往只抓住开头和结尾，中间的约束最容易丢 | 「受众是开发者」「不要营销腔」这类中段要求被静默忽略，你还以为它听到了 |
| ③ 生成便宜，定稿贵 | 出草稿是 AI 的事，又快又便宜；确认方向是人的事，慢但只做一次 | 正确姿势是多出草稿、人来做选择、选定后再精修——而不是让 AI 一次猜中你要什么 |
💡 核心原则
每一级的验证成本，要和下游返工成本成正比。下游返工越贵，这一级越值得停下来仔细确认；下游改起来只要几分钟的，就不要设闸硬停。这正是第 6 章「闸门设在下游返工成本 > 评审成本处」的执行版——渐进不是「步骤越多越好」，是把确认的力气花在刀刃上。
7.2六轮五闸：完整渐进流程
把第 5、6 章的流程和闸门展开成逐轮操作，就是下面这张表。每一轮的产物都小而可决策，闸（⛔）是人工确认点，过闸前不进下一轮。最后一列是每道闸的评审标准——引用第 4 章的八个知识域（4.1 表的第五列是本列的反向索引）：
| 轮 | 产物 | 闸 | 这一轮的要点 | 评审标准（八域） |
|---|---|---|---|---|
| 0 | 内容来源：调研报告 / 定稿文章 | — | 脚本的唯一事实出处。没有地基不动笔，别让 agent 从一句主题里现编 | — |
| 1 | 定位：选题 / 钩子 / 受众 / 时长 | ⛔ G1 | 10 分钟确认，写进脚本文件头；之后的每一轮都把它贴回提示词 | 域 5 钩子公式：开场四型 / SCQA / open loop 选一个写进定位 |
| 2 | 一份视频脚本 | ⛔ G2 → ⛔ G3 | 先只起草口播栏，按「读出来顺不顺」审（⛔G2）；锁定后再补画面栏，逐镜画面＋素材来源类型标注（⛔G3）（第 5 章） | G2：域 3＋5（Mayer「声音讲细节」＋叙事骨架成立） G3：域 1＋3＋7（图解一镜一图＋「画面讲关系」＋景别视线） |
| 3 | 视觉风格方向 | 人挑选 | 让 agent 出 2–3 个风格方向（配色 / 字体 / 版式小样），人做选择题；选定的那套写进设计契约，后面所有镜头引用它 | 域 4＋2：色彩排版（可写成自动检查）＋动效规范（单动作 0.3–0.5 秒）写进契约 |
| 4 | 关键帧预览 | ⛔ G3.5 | 素材开工前先看关键帧——但按素材类型分级施用，不是每镜都审（见 7.4） | 域 1：图解选型是否贴合八型，一镜一图 |
| 5 | 并行生产 ＋ 低成本草稿片 | ⛔ G4 / G4a | TTS 最先（音频先行，第 5 章）；先出低分辨率草稿片审节奏与事实（⛔G4）；片段之间的组合衔接单独确认（G4a，见第 8 章） | 域 6＋2：ducking 与 BGM 情绪线＋动效密度均匀；节奏 / 密度等涌现项在草稿片上复核域 3 |
| 6 | 高质量终稿 | ⛔ G5 | 分辨率、调色、字幕规范这些「贵」的要求只在终稿轮追加——草稿轮提它们纯属浪费 | 域 8：封面与标题公式（点开率）＋质量项 |
⚠️ 别把渐进理解成「每次只发一句短提示词」
渐进拆的是决策点，不是字数。第 2 轮起草口播栏时提示词可以很长——长在该轮的上下文和约束上，而不是长在「顺便把后面六轮的要求也说了」。每轮只携带：已确认的决定 ＋ 当前这一步的要求。
7.3演示：一把梭 vs 渐进 · 偏差复利模拟器
一个初始偏差，两种推进方式，成片差多少
拖动「初始方向偏差」和「链条级数」。红线（一把梭）的偏差逐级复利放大；青线（渐进式）每到一道闸（琥珀虚线）就被人工纠正回落，呈锯齿形。链条越长，两者差距越夸张。
一把梭成片偏差：—
渐进式成片偏差：—
返工成本对比：—
—
∑ 想深一层
注意渐进式的青线不是不回弹——每道闸都有评审时间成本（第 6 章的停顿成本），而且闸只能把偏差压小、压不到零。所以渐进式的前提是「初始偏差别太大」：立意层面的错误（预设里那个 13°）再多闸也救不回来，它必须在 G1 就被拦下。这也是六轮流程里 G1 最便宜却最不可跳过的原因。
7.4关键帧预览闸（G3.5）：按素材类型分级施用
第 4 轮的「关键帧预览」是本章新增的闸：素材正式开工前，先让 agent 出关键帧图确认画面方向。但它绝不能一刀切——不同素材类型的「改稿成本」差着数量级，预览强度必须分级：
| 素材类型 | 预览强度 | 审什么 | 成本理由 |
|---|---|---|---|
| AI 生成视频 | ★★★ 最强 | 首帧＋尾帧＋中间关键帧全审：主体一致性、有没有乱码文字、构图是否符合画面栏 | 按次计费，改稿＝重做一条；确认后的关键帧图直接作为生成的首/尾帧条件，不是审完就扔 |
| 数字人 | ★★☆ 强 | 人物形象定妆图＋场景设定图 | 形象定了渲染只是照做，但重渲染仍要排队计费 |
| 纯代码 MG | ★☆☆ 弱 | 线框 / 分镜结构扫一眼即可 | 确定性产出、可以 diff（对比两版代码差异），改参数重渲只要几分钟 |
| 静帧＋运镜 | ★☆☆ 弱 | 素材图本身就是草图，标出运镜的起点框和终点框 | 素材即草图，运镜路径改起来便宜 |
| 实拍 / 录屏 | — 无草图可审 | 闸前移到操作步骤确认：开录之前对一遍步骤清单 | 真实世界没有关键帧，录错只能重录，所以确认设在「录之前」 |
⚠️ 闸门太多等于没有闸门
不分级施用的下场是审批疲劳：每镜都弹确认，人审到第十镜就开始无脑点「满意」——闸门形同虚设，还不如不设。把最严格的审留给最贵的素材（AI 生成视频），便宜的素材用软闸门批量过（联络表拼图一次过完，第 6 章）。
这道预览闸该多严？
点按镜头类型，看对应的分级结论：预览强度、该审什么、一句成本理由。对照上表记忆——核心是「改稿成本决定预览强度」。
预览强度：—
闸的位置：—
💡 关键帧不是一次性消耗品
确认通过的关键帧图有两个后续用途：作为图生视频（I2V）的首帧 / 尾帧条件直接喂给生成模型，以及作为跨镜头一致性的参考锚点（人物换脸、风格漂移时就拿它对齐，第 6 章坑 #04）。审过的每一张图都进素材库，别审完就扔。
7.5渐进提示词四要点
分轮只是框架，每轮的提示词写法决定它落不落地。四条要点：
| 要点 | 写法 | 反面教材 |
|---|---|---|
| ① 携带「已确认的决定」 | 每轮提示词开头贴定稿清单：「已定稿勿改：定位＝…；口播栏第 2 段＝…；风格契约＝…」 | 不贴——模型没有记忆边界，会把上一轮定稿的东西「顺手优化」掉 |
| ② 限定当前只做哪一步 | 「这一轮先只出大纲，不要写正文」「只改第 4 镜的画面描述」 | 「把脚本完善一下」——它会连口播栏一起重写，G2 白过 |
| ③ 卡点产物要可决策 | 「给我 3 个风格方向，各配一句取舍说明」——人做选择题 | 「给我个风格方案」——人被迫做审稿人，逐句批改比自己做还累 |
| ④ 质量约束最后才加 | 分辨率、调色、字幕规范只进第 6 轮终稿提示词 | 草稿轮就要 4K＋调色——每一轮迭代都在为最终才需要的质量付费 |
💡 一句话记住
渐进式 = 把「做视频」从一次开卷考试，改成六轮有标准答案的小测验。每轮你都知道该检查什么、错了改哪里——这就是可以直接照喊的操作法。
7.6六轮提示词模板：可直接拷贝
把上面所有要点落成可以直接发给 agent 的话，每一段对应第 5 章完整工作流（5.3）的一环——从脚本的三栏结构、TTS 时长回填，到 ducking 混音、分发物料，都写进了模板。【】里换成你自己的内容，每轮只发对应那一段——注意每段开头都贴了「已定稿勿改」，这是防漂移的关键（要点①）。
轮 1 · 定位（⛔ G1：选题 / 钩子 / 受众 / 时长）
你是短视频策划。基于下面这份内容来源，这一轮只做定位，不要写脚本。 请输出：选题角度、开头 3 秒钩子（从开场四型中选：反直觉 / 数据 / 提问 / 场景， 或用 SCQA、open loop 结构）、目标受众、目标时长， 每项给我 2 个候选并各附一句取舍说明，我来选。 确认后的定位会写进脚本文件头，之后每一轮都把它贴回给你。 【粘贴内容来源：调研报告 / 定稿文章——脚本的事实出处】
轮 2 上半 · 视频脚本之口播栏（⛔ G2：先只填口播）
已定稿勿改：选题＝【…】；钩子＝【…】；受众＝【…】；目标时长＝【…】。 脚本是一份文档、分段写，每段固定三栏：【画面】【口播】【备注】。 这一轮只填【口播】栏，【画面】和【备注】留空，不要提前写。 要求：口语化、短句、一句一个信息点、读出来顺； 口播负责逐步推理的细节，不复述画面里已经展示的关系（画面讲关系、声音讲细节）； 全文读完落在目标时长 ±10%；每段末尾标注预估秒数。 （脚本是全片最贵的产物，约花 30% 精力——可以分几次给我，不要一次硬出全文。）
轮 2 下半 · 画面栏＝逐镜分镜表（⛔ G3：口播锁定后补画面）
已定稿勿改：脚本的【口播】栏全文如下，一字不改。 【粘贴锁定后的脚本】 这一轮为每段补【画面】栏和【备注】栏，形成逐镜分镜表： · 【画面】：逐镜画面描述 ＋ 素材来源类型标注 （实拍 / 录屏 / 静帧运镜 / 纯代码 MG / 数据可视化 / AI 视频 / 数字人）—— 来源标注直接决定成本和工期，每镜必填； 图解类镜头从八型中选型（流程图 / 对比表 / 时间线 / 金字塔分层 / 地图 / 数轴曲线 / 象限图 / 代码 diff 卡），一镜一图； · 【备注】：该镜的转场意向、强调词、类比锚点、与上下镜的衔接关系。 不要动【口播】栏的任何文字。
轮 3 · 视觉风格方向（人做选择题）
已定稿勿改：【粘贴定位 ＋ 脚本要点】。 给我 3 个视觉风格方向，各含：配色（给具体色值）、字体、版式小样描述、 字幕样式与章节卡样式、一句取舍说明（适合什么、牺牲什么）。我来选，不要替我定。 选定的那套会写成风格契约，后面所有镜头引用它。
轮 4 · 关键帧预览（⛔ G3.5：按素材类型分级）
已定稿勿改：风格契约＝【粘贴选定的风格方向】。 先不要生成视频。按分镜表为以下镜头各出 1 张关键帧图：【镜头编号列表】。 要求：严格套用风格契约；每张图附一句「这一帧要验证什么」，方便我审。 （实拍 / 录屏镜头没有草图可审，改为输出开录前的操作步骤清单。）
轮 5 上半 · TTS 口播＋时长同步（音频先行）
已定稿勿改：脚本＝【…】（口播栏已锁定）。 先合成全部 TTS 口播，拿到每句真实时长＋词级时间戳； 把真实时长回填进脚本对应段，画面时长按配音反向适配—— 回填之后脚本时长不再手改，一切以真实语音为准。 （音乐 / 音效可以并行开始准备，但混音到组装阶段再做。）
轮 5 下半 · 并行生产＋组装＋草稿片（⛔ G4 / G4a）
已定稿勿改：脚本＝【…】（含回填后的真实时长）；风格契约＝【…】；已审关键帧＝【…】。 按【画面】栏的来源标注逐镜生产素材，然后组装：转场 → 字幕 → 混音 （混音做 ducking——人声压过 BGM——与音量标准化）。 先出低成本草稿片：低分辨率、不调色——只用于审节奏、信息密度、事实正确。 另出一段 15 秒衔接小样：挑 3 处切镜点，验证转场方式与配音连续性（组合衔接单独确认）。
轮 6 · 高质量终稿＋分发物料（⛔ G5：贵的约束最后加）
已定稿勿改：草稿片已审通过，叙事结构、口播、节奏不再动。 这一轮只追加质量约束并出分发物料： · 渲染：分辨率【1080p / 4K】、调色【…】、字幕规范【字体 / 位置 / 样式】； · 分发物料：封面多尺寸、标题、简介、章节时间轴、多画幅版本（16:9 / 9:16…）。 只改质量项，不改内容。
⚠️ 模板是骨架，不是咒语
直接整套照抄而不填【】，等于又变回「一句主题让 AI 自由发挥」。每段模板里真正起作用的是三样东西：贴回的定稿、当前这一步的边界、可决策的产物形式。填得越具体，闸越好过。
✓ 本章小结
渐进式生成：错误会复利、长提示词会漂移、生成便宜定稿贵，所以分轮推进、每轮一个可决策的小产物。六轮五闸：内容来源 → G1 定位 → 脚本（G2 口播栏 / G3 画面栏）→ 风格 2–3 选 1 → G3.5 关键帧预览（按素材类型分级，AI 生成视频最严、实拍录屏无草图可审）→ G4 草稿片（组合衔接 G4a 见下一章）→ G5 终稿（贵的约束最后加）。每道闸的评审标准引用第 4 章八个知识域（见 7.2 表最后一列；4.1 表第五列是反向索引）。提示词四要点：携带已定稿决定、限定当前步骤、产物出成选择题、质量约束最后加——六轮提示词模板在 7.6，可直接拷贝。下一章解决「单镜都满意、拼起来一顿一顿」的问题——接缝。