看到一条喜欢的 AI 视频，最常见的动作是把它丢给模型，问一句：“帮我反推提示词。”这通常只能得到一段听起来很专业、却无法稳定复现的描述。
真正有价值的反推，不是猜中原作者写过的句子，而是把成片中的镜头逻辑、视觉约束和连续性方法提炼出来，变成下一次创作可以执行、检查和改写的工作流。
第一步：先做镜头时间轴
不要从总结主题开始。先按时间顺序记录：
- 主体身份与外观锚点；
- 动作轨迹和表情变化；
- 场景的前、中、后景关系；
- 景别、机位、焦段、构图和景深；
- 摄影机运动、速度与运动起止点；
- 光线方向、色温、材质和环境变化；
- 转场、特效、环境声和节奏节点。
时间轴的作用，是让“电影感”“高级”“震撼”这些形容词落到可观察的事实上。
第二步：把观察转成执行约束
每个镜头至少回答五个问题：起始画面是什么、主体做什么、摄影机怎么动、结束画面是什么、怎样衔接下一个镜头。
如果是多镜头序列，还应明确哪些东西不能变：人物脸型、服装、道具方向、空间位置、光线逻辑和动作连续性。这样得到的不是散文式描述，而是一份可以交给视频模型的镜头任务书。
第三步：针对目标模型改写
通用时间轴不能直接等于最终 Prompt。不同模型对镜头长度、参考图、动作密度、镜头切换和自然语言结构的响应不同。执行前要补上：
- 目标模型与版本；
- 单次生成时长和画幅；
- 参考图片、参考视频或首尾帧的职责；
- 每个镜头允许的动作数量；
- 模型已知的高风险项。
这里的模型适配属于待验证假设。只有生成结果和参数被保留下来，才能判断某种写法是否真的有效。
第四步：把负面约束变成质检表
“避免变脸、服装漂移、肢体错误、背景闪烁、动作断裂和物理失真”并不能保证模型不犯错，但可以直接转成生成后的检查清单。
我通常把问题分为三档：影响人物身份或叙事的错误必须重做；可以通过剪辑掩盖的错误优先修剪；对叙事无影响的微小瑕疵，在质量线内停止返工。
一份可直接使用的反推指令
不要只总结视频内容。请按时间顺序逐镜头拆解主体身份与外观锚点、动作轨迹、表情、空间关系、景别、机位、焦段、构图、景深、运镜、速度、光线、材质、节奏、转场、特效和环境声音。先输出完整时间轴，再针对指定视频模型生成执行提示词。每个镜头标注起始画面、人物动作、摄影机运动、结束画面和衔接方式，并补充连续性风险与生成后质检项。只学习镜头逻辑和视觉方法，不复制人物、品牌、台词或具体故事。
原创边界
反推应该复用方法，不应复刻作品身份。保留镜头结构和视觉机制，替换人物、品牌、对白、世界观和核心情节，才能让参考真正变成自己的生产资产。
公开来源完整展示了反推模板，但没有展示真实输入、模型参数和生成结果，因此不能声称这套模板已经验证有效。它目前更适合作为一份检查骨架，成功标准是：同一团队能否用它稳定产出结构一致、内容原创的镜头执行稿。