灵刻：做出导演 Agent 之后，还缺什么

2025 年 9 月，我开始手工尝试 AIGC 视频。单个片段生成得精彩，当然让人兴奋。可想把它们做成完整作品，就得处理另一类问题：这一镜为什么接在这里？前一段改了，后面还能不能用？

创作者知道自己写下了什么，观众却总不能靠阅读提示词，理解主角刚刚去了哪里。

同年 10 月，我开始做 AI 门道·灵刻，希望用一个轻量化的导演 Agent，帮视频创作者从想法更快走到成片。2026 年 3 月，我们停止了运营。技术流程有过进展，但直到停下来，产品仍没有充分回答：创作者为什么愿意把下一部作品也交给它？

先让故事说得通

当时的流程从故事输入开始，生成分镜、时间线和镜头提示词，再通过所用的 Sora 2 服务生成片段，最后用 FFmpeg 拼接。当时所用服务的单段时长限制是 15 秒，较长的叙事需要拆开生成。

不过，镜头还没拆，有些事情就得先想好。假设有人要求“拍一段温暖的咖啡店故事”，这个温暖从哪里来？朋友重逢可以，店员记得常客的习惯也可以。如果选后者，就得先让观众看出两人的关系，之后的举动才像是在关照熟人。两个人微笑，几杯咖啡冒着热气，画面很好看，却不一定已经讲出了这个故事。

导演 Agent 要帮创作者想清楚的，就是观众先知道什么，人物接着做什么，每个镜头又告诉观众什么。想清楚了，才轮到写镜头提示词、调用生成服务。把一句 prompt 扩成几百字，再平均分成十个镜头，也可能只是把含糊写得更长。

第一版剧本通常也不会就此定下来。创作者看过草稿，可能发现人物关系依然不清楚，也可能嫌铺垫太多。一个导演类产品有没有用，接下来就要看它能否陪着这部作品继续改下去。

镜头不用排队，还得接得上

为了维持画面连续性，我们实际用过“末帧接首帧”：把上一镜最后一帧作为下一镜的起始画面。它给了下一镜明确的依据，也让所有镜头不得不排队。前面的片段一旦重做，末帧变了，后面的镜头就要逐个检查还能不能接上。

后来，我们先准备完整剧本和各镜头的首帧图片提示词，生成参考图，再并行生成片段。这套流程已经在 n8n 跑通。把一部分决定放到生成之前，镜头就有机会分别开工。

角色和场景一致，动作却还未必接得上。拿那个假设故事来说，下一镜如果要接着表现“刚刚端起杯子”，人物长得一样不够，杯子的位置和动作状态也得对上。能独立表达的镜头可以并行；必须承接前一镜具体结果的地方，仍要等那个结果。

修改时也一样。换掉一个装饰性镜头，其他片段可能都能留下；改了人物作出那个决定的原因，就可能得回到剧本，看看后面的行动还说不说得通。全部重做太费力，一律只改眼前这一段，又容易留下故事上的断裂。

我会更想看一次修改怎样做完：用户改了这一处，哪些参考图要更新，哪些片段还能用，哪里需要重新剪辑，什么时候才能再看到完整作品？n8n 的验证说明并行安排能执行，还不能说明整套生产流程已经可用。修改是否更省事、镜头是否更连贯、成片是否值得采用，都还要另行验证。

换个模型，也得重新回答做给谁

既然可以接入别的视频模型，为什么在 3 月停下来？

Sora 的弃用安排，是我们决定停止运营的背景之一。官方开发者文档记录的弃用通知日期是 2026 年 3 月 24 日，API 移除计划是同年 9 月 24 日。^[1] 公告、实际停服与灵刻在 3 月停止运营，并不是同一个时间口径。

与此同时，字节于 2 月 12 日发布 Seedance 2.0，支持文本、图像、音频和视频输入，并加强了参考控制与多镜头生成能力。^[2] 视频模型开始直接处理更多原来要由应用安排的事情，只替用户接好模型、串好步骤，也就更难让他一直用下去。换一个模型可以补回某项能力，灵刻接下来要为谁做什么，仍然得自己想清楚。

3 月 18 日，LibTV 正式推出，成为 LiblibAI 的专业视频创作平台。^[3] 它是新平台，背后的 LiblibAI 生态却已有积累：自 2023 年已有运营记录，投资方在 2025 年披露了创作者、模型、工作流和生成内容的规模。^[4] 已有的这些积累，让它更有机会持续接触创作者，看到他们实际怎样使用产品。不过，公开资料并不能证明它拥有多大规模、什么质量的专业 prompt—剧本配对数据，不能把生态规模直接当成剧本能力。

技术方案可以接着做，但创作者为什么改稿、为什么采用某个结果，不会随着换模型一起变得清楚。回头看，我判断当时团队更缺的是专业创作数据，能让我们看到这些选择是怎样发生的。

先看谁会回来做下一部

要积累这样的数据，先得离开“服务视频创作者”这个过于宽泛的说法。做商品介绍的人，要把信息和产品特征讲准确；做剧情短片的人，更在意人物动机、情绪和节奏。两种视频都能生成，不代表两类人会因为同一件事觉得产品好用。

产品与市场是否匹配，也就是 PMF，得放在这些具体工作里看。先选定一种反复发生的任务，才好了解这类创作者原来在哪一步花力气，灵刻能不能替他省下这部分工作，下次做同类作品时为什么还会回来。如果每次采用前都得自己重写剧本，即使第一段视频让人惊喜，产品能持续帮上的忙也可能很有限。

灵刻当时没有足够证据证明自己找到了这样的稳定需求。再做一次，我会先跟着同一类创作者看完整个过程，而不急着把能生成的题材都列成产品能力。这既是在验证需求，也是在弄清值得积累哪种经验。连要完成的工作都没说具体，一份剧本为什么好，大家也很难谈到一起。

一条改稿理由，怎样帮到下一份剧本

回到那个虚构的咖啡店故事。假设创作者把一段关系铺垫移到店员送上咖啡之前，因为观众原先不知道两人熟悉，没看懂这个动作的含义。

系统若只记下“把第三镜移到第一镜”，下次照做，也可能用错地方。还要记下为什么移：观众需要先知道两人的关系，才能看懂这个动作，原稿却把关系交代晚了。改完以后，观众先知道了这些，再看动作就有了依据。

我想把原始要求、用途与受众、修改前后的剧本、分镜安排、改稿理由和采用版本放在一起，能从一次修改找到它对应的材料。下一次收到同样需要表现熟悉关系的要求，系统就可以检索这类样本，再看看新剧本把关系线索放在了哪里。若又缺少铺垫，就提出调整，让创作者比较、判断。

这样就能参考上次为什么改，而不必照搬咖啡店和它的镜头顺序。这条经验也不能次次照用：如果新作品故意把人物关系留到结尾揭示，贸然提前交代，可能正好破坏了它想要的效果。

这些记录还需要懂创作的人来整理、评价。同样删掉一个镜头，可能因为信息重复，也可能因为产品细节错误；同样提前一场戏，可能是在补充理解条件，也可能只是个人节奏偏好。只看操作，分不清这些理由。创作者采用了一个版本，也不能替它证明对别的题材同样有用。

可以先在材料授权的用途内，把它们整理成能检索、能比较的样本，试试能否帮到创作，不必一步跳到训练模型。灵刻尚未完成这样的数据系统，也没有相应的训练效果；上面说的是我希望建立的能力。

怎样知道这些经验有用

样本多，能比较的材料才多。但要知道当时为什么那样改，还得持续接触创作者，了解修改的情境，再由懂创作的人整理和评价，判断下次能不能参考。海量图片不会自然变成专业剧本，用户多也不等于修改理由已经留了下来。

如果重新开始，我会先服务一类有重复需求的创作者，得到足够清楚的修改记录，再拿相似的新任务试一试：参考这些样本以后，剧本还会不会犯原来那类错误？创作者是不是仍要做同样的修补？如果只是文件越来越多，新任务却没有变好，积累的可能仍是一份档案。

流程功能当然还可以继续加。但在重返这个赛道之前，我得先找到持续收集、整理和检验这些经验的办法。我想知道，下一部作品能不能让观众少一点困惑，也让创作者少做几次相同的修补。