动态工程：围绕 Opus 5.5 建一个视频工作室

核心论点：Opus 5.5 能做出一支视频，但「让下一支比这支更好」需要的不是一个提示词，而是一套围绕模型的工作室系统——把导演意图、视觉参考、节拍表、可 seek 的渲染器和帧级质检拆成独立环节，模型才能被真正导演。

所有人都在分享用 Claude Opus 5.5 做的视频。有些很出色，大多数看起来是同一支 demo：大字居中、背景一条渐变、所有东西淡入、logo 压轴出场。

拉开差距的不是什么秘密提示词，而是模型周围的系统。

Anthropic 于 9 月 22 日发布了 Opus 5.5。它的编码能力和视觉判断力让这套工作流变得可行，但模型只是其中一环：模型写程序，程序画帧，渲染器把帧编码成影片，评审循环决定它配不配被人看到。

一个提示词能产出一支片段；一个工作室能在不推翻自己的前提下，产出下一支。

Opus 实际上在做的是什么

你要一支视频，Opus 不需要把每一帧想象成独立的图片。它可以写一段代码，回答一个更有用的问题：在时刻 t，屏幕应该长什么样？

这段代码就是一个「帧函数」：

这改变了修改的经济性：标题出现得太早，改一个时间值；图形过冲太远，改一条运动曲线；产品界面不对，换掉资产重渲。你不用求视频模型重新生成整个镜头、然后祈祷它还记得上一版长什么样。

代码生成的运动不是所有视觉问题的答案——照片级真实场景、复杂角色、有机运动，仍然可能需要实拍或生成视频。但对于产品片、UI 动效、数据叙事、字体动画、图解和发布说明片，一个可控的帧函数是实打实的优势。

工作室有五层

多数人给 Opus 一段描述、然后对着 MP4 评头论足——这跳过了决定成片的几乎每一层：

模型能参与全部五层，但不能允许它把这五层坍缩成一个不受检查的步骤——那些千篇一律的产出就是这么来的：模型会用它所知最安全的视觉默认值，去填满你没做的决定。你的工作，就是趁它还没开始渲染，把这些「没做的决定」清零。

1. 写导演需求单，不是氛围提示词

「做个炸裂的产品视频」把所有重要选择都留了白。Claude Code 团队的 Thariq 曾经给「一句话出片」神话泼过冷水。真正该先回答的是：产品是什么？观众唯一该记住的是什么？允许哪些视觉参考影响作品？哪些元素必须来自真实产品？什么情况算不可接受？

在给渲染任务之前，先给 Opus 一份小小的制作文档：

注意这份文档干了什么：它把关于产品的事实和关于影片的选择分开。模型可以发明运镜，但它发明不出你的仪表盘；它可以提议更强的开场，但不能悄悄换掉你的 logo。这条边界，比一长串形容词重要得多。

2. 给它一个能检查的参考

你不提供视觉语法，模型就自带一套——这就是为什么互不相干的一句话短视频看起来都沾亲带故。给它一帧画面、一部短片、或一个过往作品的文件夹，然后让它把学到的东西写下来：

做产品片时，还要给 Opus 访问真实站点的权限，让它收集自己打算做动画的那些精确界面，并且在投产前审核这份资产清单。资产缺了，agent 应该停下来问，而不是画一个以假乱真的替代品。

3. 把故事变成状态与节拍

特效清单不是分镜。「先拉近、再变形、加粒子」描述的是活动，不是意义。更强的方案回答的是：每一刻观众知道了什么。

每个节拍都要有入场状态、出场状态和存在的理由。做 UI 动效，先写状态清单再画转场：搜索 → 结果 → 详情 → 操作 → 确认。这样模型就能在已知状态之间设计连续性——一个组件可以在整部片里同时变化尺寸、颜色、内容、位置，却始终被认出是同一个东西。这比「让界面动起来」是好用得多的需求单。

分镜表也是一份契约：如果 agent 解释不了第四个镜头为什么存在，第四个镜头就不该出现在渲染里。

4. 有意识地选择渲染器

Opus 可以在一个项目里用轻量 Canvas/SVG 写完一部小片——对自包含的小品这够用了。但要做一个可复刻的系列，视频框架能让场景结构、媒体摆放和导出更好维护：

• Remotion —— 把视频当作按已知帧号渲染的 React 组件
• HyperFrames —— 可编辑的 HTML 组合，显式时序 + 可 seek 的动画运行时

没有谁自动更好，用能支撑你打算反复拍摄的那种片子的最小系统。唯一不可谈判的要求是可 seek：第 240 帧必须能直接渲染出来，而不需要回放 0–239 帧。这意味着：没有隐藏时钟、没有不设种子的随机、没有「浏览器跑满八秒才生效」的动画。

5. 让运动有重量

基础运动沿固定曲线从 A 到 B；好的运动传递质量感、层级和意图：小控件可以 snap，大面板应该沉稳落定，镜头可以慢到保持方向感，标题可以快进然后停足够久让人读完。弹簧（spring）有用，因为它比通用 ease-in-out 更自然地描述这种行为——但别把所有东西都做成弹簧：如果一切都在过冲，就没有东西显得精确。给每一类物体写运动规则：

最重要的检查仍然是视觉的：每次运动之后，观众知道该看哪里吗？不知道的话，动画就是在和信息争夺注意力的装饰。

6. 把声音放进同一条时间轴

很多 AI 影片静音看像做完了，一开声音发现毫无关联：点击声落在按钮之后、剪切踩不到拍子、logo 比音乐解决音还早到。把声音当作时间轴输入，而不是最后一分钟甩进视频下的一个文件：

测试很简单：闭上眼睛听这部片。没有画面它就没有形状，声音设计多半还没完成。

7. 导出之前先检查帧

这步最常被跳过，因为第一次渲染出来的东西「感觉像进展」。别一开始就把 60 秒成片看十遍——向渲染器要一张帧检表（contact sheet）：每个大节拍抽一帧，最快的转场附近再抽一小条。找那些纯文本 agent 发现不了的问题：

• 文字在手机尺寸下可读吗
• 有元素越出安全区吗
• 用的是真实产品资产，还是被发明出来的替代品
• 各场景字体颜色一致吗
• 有难看的转场中间帧吗
• 剪辑点和声音 cue 落在一起吗
• 头两秒有真钩子吗
• 最后一帧强到能当海报吗

然后把帧检表连同具体批评任务一起交回 Opus：不要描述你本来想做什么；只评判渲染出来的帧。找出三个最大缺陷，每个给出时间戳、证据和局部修法；只补那些段落，重渲受影响的帧。

这就是「agent 做了个视频」和「agent 执导了个视频」的区别——前者在文件存在时就停了，后者在证据表明影片成立时才停。

8. 变体从源文件导出，不是裁剪

16:9 发布片和 9:16 社交版是不同的构图。竖版可能需要更大的字、更少的同屏元素、不同的镜头路径、更紧的故事。不要做完一条漂亮的宽片然后让软件裁中间。保持同样的资产、时间轴、叙事状态，然后为每种画幅定义布局行为：

9. 打包工作室，不是聊天记录

如果一部片的唯一记录是一次对话，你拥有的不是生产系统，是一次侥幸的 session。把重要决定放进下一次运行能读的文件里：

下一支片就从真实的基础上开始：换掉产品需求单和资产，保留渲染契约、评审清单和交付结构。这也是阻止长 agent 运行漂移的办法——agent 可以检查自己的文件、从完成的关卡恢复、告诉你缺哪个工件。它不该因为最后一条命令跑成功就宣布影片做完了。

10. 给长运行设关卡，不是自由

Opus 的魅力是你可以丢给它一个大型创作任务然后走开。这只有当运行知道何时停、何时问、何时修的时候才有用：

agent 可以在关卡之间连干数小时，但不该替你做不可逆的品牌决定。需求单说「用真实界面」，缺一张界面截图就是 blocker，不是幻觉一张的邀请；参考不清晰时，正确产出是一个问题或一小帧测试，不是 900 帧精美的错误。自主性在每一阶段都为下一阶段留下证据时才变得有用——循环需要一个目标、一次观察、一次有边界的修复、一个停止的方式。这和任何领域里可靠 agent 的教训是同一条。

我真正会给 Opus 的提示词

有用的提示词不是「做个爆款视频」，而是一份带评审关卡的生产契约：

这份提示词比病毒式的一句话长，但重点不在长度——它给模型的是一串决定、工件和停止条件。下次发布你可以复用整套系统，而不是从零开始求一次奇迹。

真正的转变

一句话出片令人印象深刻，因为第一个结果来得快；动态工程有价值，因为第十个结果可以比第一个更好。模型给你速度，需求单给你方向，渲染器给你控制，帧检表给你证据，循环把证据变成改进。

这就是「生成一个 demo」和「运营一个工作室」的区别。