生成只负责产生候选画面。作品需要先定义叙事，再建立资产、分解镜头、选择模型、保持连续性，最后由剪辑把镜头重新组织成意义。
主题、受众、时长、平台与情绪决定全部后续选择。没有作品定义，模型输出只会成为无方向的素材。
横屏和竖屏不是导出选项，它会改变人物位置、运动方向和字幕安全区。
不同类型决定事实密度、品牌露出、情绪强度与镜头平均时长。
AI 可以扩写与压缩，但不应替人决定事实立场和情感方向。
如果任何漂亮画面都能被保留，说明作品命题仍然不够清楚。
保留人物目标、冲突、变化与关键意象；删掉无法在画面中成立的抽象说明。
先找“发生了什么变化”，再决定需要几个画面承载。
“孤独”可以表现为空旷空间、背向人群、缓慢动作与低照度，而不是直接写进生成指令。
一个镜头同时承担事实、人物、转场和情绪，通常会导致观看重点不明确。
模型擅长形成表达候选，不擅长承担事实责任。
人物外观、服装、道具、场景布局、光线方向和色彩基准先成为资产，镜头才能围绕同一个世界展开。
正面照不能解释侧脸、背影和全身比例。重要角色还要写明不可修改特征。
地标、商品与品牌物料有明确结构，完全依赖文生视频容易产生“像真的但并不存在”的混合物。
Seed 只影响随机起点，不能单独保证跨镜头人脸、服装、道具和空间关系。
静态图更便宜、更容易修改构图和结构错误；确认后再用图生视频赋予时间。
景别、机位、动作、环境、光线和衔接被写成镜头契约，减少模型自行补全造成的叙事漂移。
再补运镜、声音、连续性与生成方式，镜头才能被不同人员和工具共同理解。
转头、走路、推门、进屋拆成连续镜头，比一个镜头完成全部动作更稳定。
推近、环绕、航拍、拉远同时出现时，模型常用画面变形代替真实摄影机运动。
动作从哪里开始、以什么状态结束，决定它能否接上相邻镜头。
运动、风格、角色连续和精确控制需要不同技术路线。工具选择发生在镜头定义之后。
首尾帧适合转场和状态变化；V2V 适合保留真人表演、动作节奏和摄影机路径。
输入图已经回答画面是什么，指令应聚焦人物、环境、摄影机的变化和不可改变项。
保存模型版本、参考图、Prompt、Seed、比例、时长、日期、候选编号和问题记录。
偶尔最好看不等于生产力；真正比较的是稳定进入时间线的概率和人工修复时间。
人物、道具、空间方向、光线、动作起止和声音线索必须在镜头边界上对得上。
不要只看静止首帧，身份漂移往往发生在转身、遮挡和快速动作中。
看起来都很美的两个镜头，也可能无法组成同一个空间。
手的位置、身体朝向、速度和视线都是剪辑点上的连续性信息。
多出的手指、人物变脸、建筑坍塌和错误道具必须重生成或替换素材。
节奏、留白、转场、环境声、对白与音乐共同建立注意力。最后还要检查比例、字幕、响度和发布版本。
声音不是最后添加的附件；镜头时长、表演和剪辑点应尽早围绕声音设计。
不是所有问题都值得重新生成。叙事允许时，可以用更便宜的镜头解决。
同时检查人脸手脚、文字与 Logo、文化事实、肖像音乐字体授权，以及 AI 内容声明。
作品不仅要播放成功，还要保留素材来源、生成记录和可继续修订的工程文件。
AI 视频真正困难的地方，是把抽象意图逐层翻译成可控制对象。
不直接生成“孤独”，而是设计距离、空间、动作和光线。
人物和场景不再每个镜头重新解释，而是被重复引用。
剪辑选择、声音和节奏决定哪些素材最终拥有意义。