AI 短片提示词生成技能（shortfilm-prompt）
把任何点子变成可直接投喂 Sora / Kling / Veo / Seedance 等视频模型的电影级提示词，附 21 个题材模板与分模型适配建议。
纯文本型 skill，仅通过 Read 加载本仓库内 templates/ 文件，无网络请求、无凭据访问、无外部副作用，数据流透明；对 IP 名给出拦截提示与替代方案，来源归属（Mx-Shell）明确且 MIT 许可覆盖本 skill。扣分：发布者未经注册表验证，且仓库中 prompts/ 部分（Mx-Shell 原始提示词）为保留所有权利，边界依赖 NOTICE 文件，本静态评审未能核验 skill 与该部分的隔离是否彻底。
指令自洽：Step1-4 工作流、七条硬规则与 30 秒清单前后一致，模板加载规则清晰（SKILL 规则优先）；examples 提供期望特征与一个完整参考输出。扣分：无执行证据（静态上限 10）；各视频模型的时长/过滤/反向框等声明（如 Pika 2.2、豆包 App 锁 5s/10s）无法静态验证，部分模型元数据会随前端变化而失真，异常输入下的失败反馈依赖 Claude 默认行为而非显式定义。
description 触发条件写得很具体（变身/多分镜/情感叙事等），中英双语 SKILL 并存，目标模型含 Seedance/可灵/即梦等国内可达服务，中文用户适配良好；Step1 明确输入判断、模板库分支清晰。扣分：未声明不适配边界（如非视频类请求、纯文本动画），模板文件本体未随本次评审提供，21 个模板的实际覆盖质量无从核实。
结构分层好：SKILL 主文件 + 模板库 + TESTING + examples，README 含四种安装方式；MIT 许可明确，NOTICE 双许可安排披露了 Mx-Shell 部分的权利限制。扣分：skill 本身无版本号或 changelog，维护责任与更新路径仅在社区层面暗示；TESTING.md 是手工流程，evals.yml 引用的 evals/run_evals.py 未在证据中出现，无法确认其真实存在。
核心任务（生成可粘贴的视频模型提示词）设计完整，输出格式明确、含模型分流建议，examples/02 提供结构完备的参考输出，显示边际价值明显优于裸写提示词。扣分：静态上限 7；仅一个自评通过的完整样本，且为作者自产自评，代表性输出的实际可用性（Seedance 抽卡成功率等）无第三方验证；README 中的数据与推文链接（2026 年）无法核实。
证据类型多样：TESTING.md 提供可复现的 A/B 测试脚本与 10 条清单，examples 含期望特征与易翻车点，evals.yml 显示 CI 评估意图。扣分：静态上限 5；全部关键证据（自评样本、模型兼容性表、PJ Ace 推文与数据）均为作者自述，无第三方执行结果或独立复现记录入库。
- skill 依赖 templates/ 目录下的 20+ 个模板文件，本次评审未提供这些文件，实际模板质量与 21 题材覆盖未经验证。
- 各视频模型的时长上限、反向提示词支持与 IP 过滤规则是动态变化的（文档自己也承认部分前端不一致），使用时应以平台现状为准。
- evals.yml 引用的 evals/run_evals.py 未在证据中出现，CI 评估是否真实运行无静态证据；TESTING.md 仅为手工流程。
- 仓库中 prompts/ 部分（Mx-Shell 原始提示词）为保留所有权利，商业使用需联系原作者；本 skill 本体为 MIT。
- 发布者未经 FollowSkills 注册表验证，身份视为未知；examples 样本为作者自产自评，输出实际可用性请自行小规模试跑后再批量使用。
这个 Skill 能做什么，适合哪些场景？
这是一个 Claude Code 技能，将用户想法转化为结构化的 AI 视频提示词。它源自创作者 Mx-Shell 的实战方法论——其 AI 短片《Zombie Scavenger》曾被好莱坞导演 PJ Ace 转推称赞——由 jnMetaCode 把约 13 万字原始资料提炼为可复用系统。技能采用「五段式」提示词结构，内置 21 个题材模板（变身、多镜头叙事、亲情萌宠、广告、美食 ASMR 等）、7 条硬规则和交付前自检清单，并针对 Seedance、Veo、Kling、Sora、Runway、Pika、Hailuo、Wan 等模型给出时长上限、负向提示词、IP 过滤等兼容建议。
技能被触发后按四步执行：检查用户是否已提供视频类型、时长、主体、场景、风格等信息，不足时最多追问 2-3 个关键问题；从 templates/ 目录用 Read 工具加载匹配的题材模板；按「核心主题→角色与场景→氛围质感→镜头规则→分镜」五段结构输出一份完整可复制的提示词；最后简述 2-3 处写法理由，并附一行目标模型的专属建议（如 Seedance 屏蔽 IP 名称、Runway 不支持负向提示词等）。写作全程执行七条硬规则：具体名词替代空洞赞美、必须写真实相机+镜头型号、必须包含「呼吸感手持浮动」句、必须写「无配乐仅现场音」、主体需至少 2 处瑕疵描述、结尾克制不堆特效、规避 IP 名称。
- AI 视频创作者想让 Sora 或 Seedance 生成 15 秒机器人变身镜头，需要从模糊想法得到一条可直接粘贴的完整提示词
- 短剧/MV 制作者要做 3 镜头以上的多镜头成片，先用 project-planner 模板锁定主角一致性与色调，避免第 3-4 个镜头走样
- 做催泪向宠物/亲情离别短片的作者，需要季节+光线标记时间、以克制空镜传递情绪的结构化叙事提示词
- 产品团队要出产品广告、汽车广告或美食 ASMR 素材，希望按节拍或感官特写的成熟模板快速产出
- 使用多个视频模型的用户，需要知道某条提示词在 Kling 的敏感词过滤、Runway 的禁负向词、Sora 的三层审查下分别要怎么改写
这个 Skill 有哪些优点和局限？
- 方法论有实证背景：源自被 PJ Ace 公开称赞的《Zombie Scavenger》完整工作流，并经 eval 测试
- 21 个题材模板覆盖变身、叙事、情感、广告、ASMR、预告片、微短剧等主流场景，多数含完整成稿示例
- 对 8 个主流视频模型给出具体兼容建议（时长上限、负向提示词写法、IP 过滤、语言偏好），减少踩坑
- 7 条硬规则 + 30 秒自检清单保证了输出质量的一致性
- 提供中文原版提示词档案与双语模板，且 README/cheatsheet/faq/methodology 均有中英版本
- SKILL.md 依赖 Read 和 AskUserQuestion 等工具，在非 Claude Code 客户端需小幅适配
- 面向多镜头时要求逐镜头走 planner 流程，对只想快速出一条提示词的用户略显繁琐
- 模型时长/负向提示词部分数字标注为约数，部分（如 Pika 2.2）连作者也标注需在应用内自行验证；Seedance/Hailuo 数据偏第三方来源
- Mx-Shell 原始提示词部分保留其个人版权（ARR），商用需联系本人，只有 jnMetaCode 撰写的模板和技能本体是 MIT
- 最强叙事连贯性依赖图片参考上传与角色一致性设定，纯文本场景下效果因模型而异
如何安装这个 Skill？
四种方式（任选其一）：1) 插件市场一行安装：在 Claude Code 中运行 /plugin marketplace add jnMetaCode/ai-shortfilm-prompts，再运行 /plugin install ai-shortfilm-prompts@ai-shortfilm-prompts；2) 克隆仓库后在仓库目录运行 claude --plugin-dir .；3) 手动复制：mkdir -p ~/.claude/skills && cp -r ai-shortfilm-prompts/skills/shortfilm-prompt ~/.claude/skills/；4) 作为子模块加入自己的项目：git submodule add https://github.com/jnMetaCode/ai-shortfilm-prompts.git vendor/ai-shortfilm-prompts 后用 --plugin-dir 加载。不想安装的用户也可直接访问 prompts.aiolaola.com 在线浏览/构建提示词。
如何使用这个 Skill？
安装后在 Claude Code 中以斜杠命令触发，例如：/ai-shortfilm-prompts:shortfilm-prompt 帮我写一个 15 秒机器人变身提示词，绿色主色调，能量核心在腰带扣，末日丛林背景。若信息不全技能会追问 2-3 个问题；输出为一份完整提示词加简短说明。需要修改时只指出某一段，技能只重写该段而非全部重发。
这个 Skill 与同类方案有什么区别？
同作者维护了一系列同格式技能（superpowers-zh、agency-agents-zh、openshorts 等），本技能是其中面向视频提示词的一个，可与其余技能叠加使用；仓库内也与「不装任何东西直接用关键词写提示词」的常见做法做了 ❌/✅ 对比示范。