情绪 → 镜头语言四件套

R — 核心命题 (Reading)

提示词的任务不是形容画面好不好看，是交代镜头怎么观察这个画面。

「电影感」「高级感」「氛围感」都是观众看完之后的结果，模型接收不到结果，只接收得到成像条件。把情绪拆成镜头、光线、构图、色调、人物状态这些能照着摆机器的东西，画面才长得出真实感。写得越像导演在口述一张照片，成片越稳。

推论：为炫技而堆砌的提示词是负资产。 出来的图好看，但没有记忆点 —— 因为记忆点来自「人在做一个有意味的动作」，不来自参数堆得多密。

方法论来源见仓库根目录 ATTRIBUTION.md。

---

I — 方法论骨架 (Interpretation)

「氛围感」不是一个可执行的指令，它是结果。模型接收不到"氛围"，只接收得到具体的成像条件。

真正决定一张图有没有情绪的，是四个可观测变量：

1. 光位 — 光从哪个方向来。逆光/侧逆光会勾出轮廓、压暗面部、让空气可见（灰尘、发丝、雾），这是"电影感"最大的单一来源。
2. 景深 — 什么清楚、什么虚。浅景深把注意力钉在主体上，前景遮挡（虚化的枝叶/人的后脑/玻璃）制造"偷看"的窥视感。
3. 机位 — 相机站在哪、朝哪看。仰拍给崇高与压迫，俯拍给渺小与被审视，平视给平等与日常。一个镜头只用一个主运镜，多了画面失控。
4. 人物状态 — 人在做一个什么动作。闭眼、回眸、额头相触、直视镜头——必须是有意味的动作，不能是"站在那儿好看"。

写提示词时，把这四项各写一句具体描述，形容词一个不要。写完自问：这段话能不能让一个摄影师照着摆出机器？ 能，就合格。

情绪不同，只是四个变量的取值不同，框架不变。

---

A1 — 来源中的应用 (Past Application)

案例 1: S4 参考片的五帧实测

• 问题: 一条 28 秒的唯美情侣情绪片，如何做到每一帧都"有感觉"
• 方法论的使用: 逐帧拆解四件套取值

  帧	光位	景深	机位	人物状态
  01s	逆光，湖面反光过曝	浅，左侧水面虚化	平视特写	闭眼，下巴埋进红围巾
  07s	树叶间隙斑驳逆光 + 光晕	浅	平视近景	回眸，目光斜向下
  14s	单侧窗光成束，大面积暗部	中	平视中景，对称构图	半躺，手持香烟
  21s	仰拍逆光，天空过曝	浅	极低机位仰拍	两人额头相触，闭眼
  27s	逆光，草地虚化	浅，前景人物后脑遮挡	平视近景	直视镜头

• 结论: 逆光 5/5、浅景深 5/5、明确情绪动作 5/5、非水平机位或前景遮挡 4/5
• 结果: 没有一帧是"人站在那儿好看"。情绪来自"人在做一个有意味的动作 + 光从对面来"

案例 2: 苦布丁的反面教训

• 问题: 为炫技写提示词，画面好看但观众记不住
• 方法论的使用: 他的判断是——画面服务故事，不是故事服务画面
• 结论: 好看≠有记忆点
• 结果: 他把精力放回故事与镜头隐喻（结局的莲花），而非堆砌视觉词

---

A2 — 触发场景 (Future Trigger) ★

用户会在什么情境下需要这个 skill?

1. 要写生图提示词，但脑子里只有一个情绪词（"想要那种很治愈的感觉"）
2. 已经生成了一批图，觉得"平""没感觉""像摆拍"，但说不出该改什么
3. 要把一个已定的情绪/品类（古墓惊悚、游戏燃系、动漫治愈）落成一组具体镜头
4. 在写分镜表的「画面提示词」列，卡在怎么描述

语言信号

• "想要氛围感 / 电影感 / 高级感 / 质感"
• "怎么写提示词才有感觉"
• "出来的图很平 / 很普通 / 像证件照"
• "这个镜头我想要那种……（说不下去）"
• "cinematic / atmospheric / moody"

与相邻 skill 的区分（定稿）

• 与 lock-character-reference 的区别：本 skill 依赖那个 skill——四件套里的"人物状态"默认角色形象已经稳定锁定；角色形象还没锁死或反复跑不稳，先转 lock-character-reference，不要在这一步硬写提示词
• 与 shot-breakdown（镜头拆解）的区别：本 skill 管生成前怎么描述，那个管生成后怎么筛选和修正；本 skill 产出的提示词是 shot-breakdown 批量生成的输入
• 与 material-driven-storyboard（素材反推分镜）的区别：本 skill 管单个镜头内部怎么写，那个管整片从哪起手。二者是 composes-with 而非上下游依赖：四件套里"人物状态"这一项在本地条件下不是凭空写出来的，而是要先看 material-driven-storyboard 盘点出的驱动视频库里有哪些具体动作瞬间，再把它翻译成人物状态描述——机位/光位/景深三项可以纯靠提示词正推，唯独人物状态要反过来靠素材反推
• 与 rhythm-density（节奏疏密）的区别：本 skill 管一镜画面，那个管镜与镜之间的时长排布

---

E — 可执行步骤 (Execution)

1. 提取情绪关键词并追问落点

   • 从用户的话里找出情绪词（治愈/压抑/燃/惊悚/暧昧）
   • 追问一句：这个情绪发生在什么时刻？（不是什么场景——要的是时刻，如"她刚意识到对方要走"）
   • 完成标准：得到一个具体时刻，而非一个氛围形容词

2. 定光位

   • 默认优先 逆光/侧逆光（情绪片最高频，S4 实测 5/5）
   • 治愈 → 顶光柔光/窗光；惊悚 → 低位光/侧硬光 + 大面积暗部；燃 → 侧逆 + 强对比边缘光
   • 写成一句可执行描述：「夕阳逆光从人物斜后方射入，面部大部分在阴影里，发丝边缘透出金色轮廓光」
   • 完成标准：句子里有光源方向 + 光质 + 面部明暗分布

3. 定景深与前景

   • 默认浅景深；判断要不要加前景遮挡（想要窥视感/纵深就加）
   • 写成：「浅景深，背景草地完全虚化；前景有一个虚化的人物后脑做遮挡」
   • 完成标准：明确了什么清楚、什么虚、有无前景

4. 定机位

   • 平视=日常平等；仰拍=崇高/压迫；俯拍=渺小/被审视；极低机位=戏剧化
   • 一个镜头只给一个主运镜（固定/缓推/缓拉/横移/上摇，择一）
   • 完成标准：机位高度 + 视角方向 + 唯一运镜都已写明

5. 定人物状态

   • 必须是动作或神态，不是外貌描述
   • 可用清单：闭眼、回眸、低头、直视镜头、额头相触、手抵住嘴、屏息、转身欲走
   • 完成标准：读这句话能想象出人正在做什么，而不只是长什么样

6. 组装并自检

   • 按「机位 → 光位 → 景深/前景 → 人物状态 → 环境与色调」顺序写成一段中文
   • 自检问句：这段话能不能让一个摄影师照着摆出机器？
   • 删除检查：氛围感/电影感/高级感/唯美/绝美/大片感 —— 出现即删，用具体描述替换
   • 完成标准：全段无空泛形容词，四件套齐全

---

B — 边界 (Boundary) ★

不要在以下情况使用此 skill

• 用户已经给出了具体机位光位的提示词——不需要翻译，直接用
• 纯信息类/图表类出图（示意图、UI、产品图）——四件套是叙事影像的语言，不适用
• 用户要的是风格而非情绪（如"赛博朋克风""吉卜力风"）——那是风格词与画风模型的问题，本 skill 管的是成像条件

来源中警告的失败模式

• 堆形容词（"电影感/高级感/氛围感"）——模型接收不到抽象概念，只接收成像条件
• 为炫技写提示词（S1 [17:40]）——画面好看但没记忆点，本末倒置
• 人物只有外貌没有动作——出来就是"站在那儿好看"的摆拍感
• 一个镜头堆多个运镜——画面失控

作者的盲点 / 局限

• S4 的四件套统计样本只有 5 帧、单一品类（唯美情侣）。迁移到惊悚/燃系时取值需要重新验证，框架可复用但默认值（如"优先逆光"）不一定成立
• S1 与 S4 均基于云端模型（即梦/可灵/Nano Banana/Image2）。本地 z-image 对复杂光位描述的响应可能弱于云端大模型，描述要更短更硬，别写长句

容易混淆的邻近方法论

• 与"提示词工程"（加权、负向词、LoRA 触发词）不是一回事——那是工具层，本 skill 是内容层
• 与"构图法则"（三分法、对称、引导线）有交叉但不等同——构图是景深/机位的下位细节

---

相关 skills

• depends-on: lock-character-reference（四件套的"人物状态"假设角色已锁定；未锁定时描述再准确也没有一致的角色可套）
• contrasts-with: 无
• composes-with: material-driven-storyboard（本地条件下"人物状态"这一项需要那个 skill 盘点出的驱动视频素材做支撑，不能纯靠想象正推）

---

审计信息

• 验证通过: V1 ✓ (S1+S4 双源, S4 内 5 帧独立采样) / V2 ✓ (可外推古墓惊悚、动漫治愈等未讨论品类) / V3 ✓ (与"堆形容词"的常识做法相反)
• 测试通过率: 待阶段 4
• 蒸馏时间: 2026-08-01