和智能体一起的流程
“AI 视频不扑街”课程第 17 课，共 22 课。免费，有动画和小测验。
2000 美元的广告
2025 年 6 月，NBA 总决赛期间播出了一条预测平台 Kalshi 的广告。它由一个人做完：AI 导演 PJ Accetturo，花了两三天。视频由 Google 的 Veo 3 生成，按他的说法，预算大约 2000 美元。媒体报道说，这比同类广告的常规拍摄便宜了约 95%。这不代表摄制组没用了，但它很好地展示了真实项目里（而不是演示里）能跑通的 AI 流程长什么样。我们来拆一拆它是怎么做的，Mira 能学到什么。
扔掉很正常
这个故事里最有用的数字不是价格，而是废片率。作者说，进成片的 15 段大约用了 300–400 次生成。也就是说，大约每 20–27 条里才有 1 条进了广告。这不是失败，而是用生成模型的常态：每次生成都是掷一次骰子，你从里面挑最好的。由此得出两个结论。第一，预算不按成片里的镜头数算，而按尝试次数算。第二，草稿必须便宜，不然每个镜头试二十次会让你破产。下一课就讲这个。
它是怎么搭的
流程很简单。先由人写粗剧本：每个镜头里发生什么。然后让 Gemini 把每个镜头写成给 Veo 的详细提示词：景别、运镜、光线、动作、声音。接着在 Google Flow 里生成几百次，挑出最好的 15 段，再正常剪辑。注意看哪里是智能体、哪里是人。模型干的是无聊的活：按固定规则把想法改写成长长的技术提示词。人留下的是创意、挑选和剪辑。Mira 跟她的智能体也会这样合作，只不过她用的不是 Gemini 加手动 Flow，而是接好 Higgsfield 的 Claude。
小批量
这个故事里有个细节特别有用。作者让 Gemini 每次只写五个镜头的提示词，因为按他的说法，再多质量就下降。这是语言模型的典型表现：一次要 30 条，提示词就会变短、越来越像，需求里的细节到后面就丢了。每次五个镜头，提示词写得细，跑之前也能用眼睛把这一批过一遍，那时积分还没花。Mira 的规矩：智能体每批写 5 个镜头的提示词，先给她看，再去生成。
Mira 的流程
把这些串成一条六步流水线。创意和剧本只归 Mira：这条视频为什么存在，观众该有什么感受。分镜她跟智能体一起做：它提镜头和运镜，她来改。提示词由智能体按每批五个来写，依据角色文件夹和前几级的规矩。草稿由智能体在上限内用 480p–720p 跑。挑镜头又回到 Mira：她看网格，标出最好的。终版和剪辑一起做：智能体把选中的镜头渲成全分辨率，Mira 剪成片。注意：开头、中间、结尾都有人在。
智能体自查
智能体不光会生成，还能自己看结果。给它一份前几级的简短检查表：五根手指不粘连、脸和角色“护照”一致、脚不在地上打滑。草稿不过关，智能体就重跑，但不能没完没了。定个硬上限：每个镜头最多重跑两次，然后停下来问你。为什么？如果一个镜头连续三次坏在同一个地方，问题就不在运气，而在方法。这时需要局部修改、用真人参考做动作控制，或者换个调度，这得由人来定。
文件要有规矩
几百次生成很快就会乱成一团：客户说“我喜欢她笑的那条”，而你手里有四十个叫 video(17).mp4 的文件。所以智能体从第一天起就把东西分进四个文件夹。/refs 放角色设定图、护照和产品照片。/prompts 存每个镜头的提示词，好的可以复用。/drafts 放草稿，名字一看就懂：镜头号、版本、分辨率，比如 shot02_v3_720p.mp4。/final 只放选中的全分辨率镜头。这个规矩智能体自己会维护，你一秒就能找到要的那条。
自测一下
- 15 段用了 300–400 次生成。这对 Mira 做计划意味着什么？
正确答案: 按尝试次数算预算，草稿做得便宜. 废片是用生成模型的正常部分，预算里要提前算进去。 - Mira 让智能体一次写 30 个镜头的提示词，结果又短又雷同。该改什么？
正确答案: 每批 5 个镜头，每批都检查. 小批量能保住需求细节，跑之前检查能省积分。 - 智能体第六次重跑镜头 3，手指又粘在一起。哪条规矩本来能帮上忙？
正确答案: 最多重跑 2 次，然后停下来问 Mira. 同一个错反复出现，说明方法不对，换什么方法由人来定。 - 客户说：“把她在笑的那版找回来。”Mira 有 40 个 video(…).mp4。什么能救她？
正确答案: 文件夹加 shot02_v3_720p 这种命名，再加存好的提示词. 名字清楚、提示词存好，任何一条都能找到、能复现。