Film Studio Skills

这是什么？适合谁？

Film Studio Skills 把数百万美元级 AI 影片制作的完整流水线浓缩成 7 个可安装 Skill。GitHub 96 Stars（forks 18）。

它解决 AI 视频的核心难题：视频模型在两次生成之间没有记忆。不描述清楚，角色的脸、外套、年龄会在相邻镜头间漂移—10 秒短片看不出来，90 分钟正片是致命的。真实 AI 影片制作的解法不是运气而是纪律：锁定的参考图、逐字复制进每个 prompt 的资产护照、生成前的书面闸门、替你记住一切的文件系统。这 7 个 Skill 把纪律变成 Agent 执行的工具。

7 个 Skill 的链条（顺序执行，前一个的输出是后一个的输入，其中两个是「闸门」）：

setup -> studio-init -> film-breakdown -> reference-board -> asset-passport -> stress-test -> shot-prompt

• /setup：一次性写死你的技术栈（图像/视频模型）到项目指令，所有 Skill 读同一配置；API key 不进配置，只记录环境变量名
• studio-init：项目初始化
• film-breakdown：剧本 -> 分镜结构
• reference-board：锁定角色/场景参考图
• asset-passport：资产护照—每个角色/场景的完整描述，逐字复制进每个 prompt（一致性的核心机制）
• stress-test：一致性闸门—拒绝让不一致的工作通过
• shot-prompt：生成可直接用的分镜 prompt

适合人群：

• AI 短片/微电影创作者：角色跨镜一致性是最大痛点，这套流程直接对症
• 叙事内容工作室：需要可复用、可交接的 AI 视频制作 SOP
• 用 Agent 做视频内容的团队：从「手工咒语」升级到「工程流水线」

不适合：单镜头生成（不需要流水线）；实拍为主的团队（仅参考方法论价值）。

使用前提：Claude Code / Codex / Hermes / OpenCode 任一 harness；你的图像与视频模型 API。

准备工作

1. Harness：Claude Code（npx skills add）、Codex、Hermes（hermes skills tap add）或 OpenCode。
2. 模型资源：一套图像模型（角色概念/参考图）+ 一套视频模型（分镜生成）的 API 访问。
3. 安装后必须验证：安装器可能静默失败—列出 skills 确认 7 个全部出现，再跑 setup。
4. 输入：一个剧本，或一段一句话想法。
5. 成本：Skills 免费；图像/视频生成 API 费用自付（全流程跑一部短片是真实成本，建议先跑 2-3 个分镜试算）。
6. 时间预算：setup+init 30 分钟；一个 5 分钟短片的完整流水线（剧本->分镜 prompt）约半天，生成另计。

3 步快速上手

第 1 步：安装并验证

npx skills add https://github.com/machina-exm/film-studio-skills
# 安装后验证：列出 skills，确认下面 7 个名字全部出现
# setup / studio-init / film-breakdown / reference-board / asset-passport / stress-test / shot-prompt

第 2 步：运行 /setup

/setup 逐个问题采访你实际使用的图像/视频模型（一次一问，不假设不推荐），写入项目指令—之后所有 Skill 读同一份配置。API key 只记录环境变量名，不进配置文件。

第 3 步：走链条

/studio-init 初始化项目《我的短片》
/film-breakdown 按这个剧本拆分镜：一个女孩在雨夜的城市里寻找走失的猫
/reference-board 为女孩、雨夜街道、猫建立锁定参考
/asset-passport 为每个角色和场景生成资产护照
/stress-test 检查一致性
/shot-prompt 产出第 1-5 镜的生成 prompt

预期结果：一套目录结构（分镜表/参考图/资产护照/prompt 库），其中每条 shot prompt 内嵌完整的资产护照文本。成功判定：把第 1 镜和第 10 镜的 prompt 分别生成视频，主角的脸是同一个人。

常见踩坑

踩坑 1：跳过 setup 直接拆剧本

• 现象：分镜 prompt 的模型参数与实际用的视频模型不匹配。
• 原因：每个 Skill 依赖 setup 写入的技术栈配置。
• 解决：严格先跑 /setup（它就是为此设计的前门）；换模型必须重跑 setup。

踩坑 2：安装静默失败不验证

• 现象：调 /stress-test 没反应。
• 原因：README 明确警告「安装器可能静默失败」。
• 解决：安装后第一步永远是「列出 skills 确认 7 个名字全部出现」，缺哪个补装哪个。

踩坑 3：手改资产护照

• 现象：某镜头角色描述与护照不一致，生成结果漂移。
• 原因：资产护照的价值在「逐字复制」—手改一份就破坏了单一事实源。
• 解决：改护照只在 asset-passport 环节改，让所有 shot prompt 重新引用；stress-test 会抓这类不一致。

踩坑 4：忽视 stress-test 的拒绝

• 现象：闸门报不一致，强行继续生成。
• 原因：赶进度。
• 解决：stress-test 是设计上的「拒绝通过」机制—它拦你的时候正是最该停下来的时候，修完再过。

踩坑 5：一句话想法直接上全套

• 现象：没有剧本，直接跑 breakdown，产出空洞分镜。
• 原因：流水线需要叙事输入的最小完整度。
• 解决：先让 Agent 把一句话扩成场景清单（3-5 场、每场一段），确认后再进 breakdown。

踩坑 6：API key 写进项目配置

• 现象：key 泄漏进 git。
• 原因：绕过 setup 的环境变量机制手动配置。
• 解决：遵守 setup 的设计—配置只记环境变量名，key 永远在环境层。

初级用法

1. 单角色概念图流水线：只用 reference-board + asset-passport，为一个角色建立锁定参考，试跑一致性机制。
2. 剧本拆解：只跑 film-breakdown，把剧本变成结构化分镜表（不生成）。
3. 2 镜对照实验：同一角色两个镜头，开/关资产护照各生成一次，亲眼看一致性差异。

高级玩法

1. 系列片资产库：多部短片共享同一资产护照库（同一主角的系列内容），护照成为品牌的「角色圣经」。
2. 压力测试扩展：给 stress-test 加自定义检查项（服装/道具/光照的季节连续性）。
3. 多模型 A/B：setup 记录多套模型组合，同一分镜用不同组合生成，选出片的最佳配置。
4. prompt 库版本化：shot-prompt 产出纳入 git 管理，重生成时 diff 版本，追踪哪次改动引入漂移。

小技巧

1. setup 一次到位：换模型的冲动出现时，先重跑 setup 再动 prompt—配置单一事实源是全链路的地基。
2. 护照文案当「咒语」用：生成任何含角色的内容（海报/预告）都逐字带护照，不只正片。
3. stress-test 当免费质检：生成前跑一次比生成后返工便宜一个数量级。
4. 5 镜一批：shot-prompt 分批产出（5 镜/批），小批确认风格再放量。
5. 参考图先锁再生成：reference-board 不满意别进下一环，所有下游都在它之上。

常见问题 FAQ

Q1: 和直接写分镜 prompt 生成视频有什么区别？

A: 单镜生成不需要它；叙事内容（多镜头、跨场景）绕不开它。区别在一致性机制：裸写的 prompt 每次手抄角色描述（必然漂移），本流水线的资产护照逐字复制+闸门拦截，把「记住角色」交给文件系统而不是你的记性。

Q2: 7 个 Skill 必须全用吗？

A: 链条设计是全流程，但可部分采用：已有剧本的跳过创作环节从 breakdown 进入；只要一致性机制的用 passport + stress-test 组合。setup 是唯一不可跳的前门。

Q3: 支持哪些视频模型？

A: 模型无关—/setup 采访你实际使用的模型并写入配置（它明确「不假设不推荐技术栈」）。图像/视频模型的 API 层由你的环境变量承接。

Q4: 商业片能用吗？

A: 流程源自真实商业级 AI 影片制作（README 声称 multi-million dollar production pipeline 的纪律），96 stars/18 forks 的关注度集中在 AI 视频创作者群体。License 未标明（GitHub 显示 None），商用前需确认授权。

Q5: 和 ComfyUI 工作流什么关系？

A: 互补：ComfyUI 管单次生成的节点编排（模型/采样器/后处理）；本 Skill 管叙事级的一致性纪律（参考/护照/闸门）。前者是发动机，后者是交规，可以组合。

参考链接

• GitHub 仓库

本文基于公开资料整理（GitHub 仓库 README，数据核验日期 2026-08-25），AI 辅助生成。