演讲稿

同学们好，我是代尚。今天我们一起聊一个题目，叫《社会共鸣模拟与计算创造力》。现在生成图像、生成视频的工具非常多，大家平时可能都试过。但真正动手做一部完整短片的时候，你很快会遇到两个问题：手里的软件和模型怎么配合，面对无数种生成可能，我们凭什么做决定。

今天这堂课，我们就顺着两条主线慢慢聊。一条主线是工具怎样协作，看怎么用一套工程方法把模型、资料和软件串起来，稳定做出短片。另一条主线是创作判断怎样形成，看传播学、心理学、符号学和数据库怎么帮我们做选择，一步步走向计算创造力。

今天一共九十分钟，我分成五章来讲。前半程讲工具，后半程讲判断。

前两章加起来大概四十八分钟。第一章大约三十分钟，讲怎么用 AI 编程工具把本地资料和软件管起来；第二章大约十八分钟，讲怎么从零散素材做出一部完整短片。

后三章大概四十二分钟，重点讲创作判断。第三章大约十七分钟，聊 IP、符号和人物情感关系；第四章大约十一分钟，聊高级数据库和德勒兹的方法；第五章大约十四分钟，给大家分享第五日计划。

这五章内容，按难度往上走三个台阶。第一个台阶是工具与短片，包含前两章。我们先用 AI 编程工具搭好项目的日常环境，再去解决选什么模型、怎么做角色和场景资产、怎么把制作成本压下来。

第二个台阶是符号与关系，也就是第三章。工具跑通以后，我们回到传播与戏剧本身，看一个故事凭什么能打动观众。第三个台阶是数据库与第五日计划，包含第四章和第五章。我们把文化资料和关系装进数据库，最后在第五日计划里，看我们在研究的情感语言和决策模型。

进入第一章，我们先花几分钟讲明白一个概念，叫智能体。大家平时打开网页跟 AI 对话，你问一句，它答一句，关掉网页它就把刚才聊的事忘了。这种用法只能算普通聊天。

智能体不一样。它除了有一个负责思考的大模型，还配了三样东西：存资料的本地知识库、定做事先后的流程，还有读写文件、出图的工具。你给它交代一件活，它先去翻电脑里的知识库，接着调用工具读写文件、出图，再回过头检查结果。觉得合格就存进文件夹继续往下走，不合格就改了重做，自己循环运转，直到把活干完。

跟网页对话框聊天，多半是我们最开始搜寻灵感的时候才做的。脑子里有个模糊的念头，跟它来回聊几句，碰出一点火花。但得到灵感之后，真正动手去做这部短片的时候，还是要用这种自动化的生产线。

在这条生产线上，模型负责做判断，工具负责读写文件、出图，结果交回模型检查，不合格就改了重做。想让生产线稳稳当当跑起来，要在电脑里做好两件事：一件是搭好本地知识库，把角色、场景和参考资料分门别类放好；另一件是定好读取和输出的规矩，让 AI 知道去哪里查资料、按什么标准交活。

承载这条生产线的软件，英文叫 coding agent，带编辑器界面的也有人叫 AI IDE，也就是写代码用的集成开发环境，我们统称 AI 编程工具。它们本来是给程序员写代码的，但因为能直接读写你电脑里的文件，所以做短片一样好用。它其实就分三层：最上面是 AI 编程工具，帮我们管文件和工具；中间是云端大模型，负责理解与判断；最下面是电脑本地环境，管读写和权限。

选哪家好？Claude Code 前端质量真的很高，但官方支持地区不包括中国大陆，账号和支付都麻烦，价格也贵，Pro 大概 20 美元一个月，重度用 Max 大概 100 到 200 美元一个月。我个人推荐首选 Google 的 Antigravity，随 Google AI Pro 订阅，大概 20 美元一个月，办起来有点麻烦但可以弄。国内省心的是月之暗面的 Kimi Code，Plus 档大概 99 元一个月起；还有智谱的 ZCode 配 GLM Coding Plan，大概 118 元一个月起。我个人不特别推荐拿 DeepSeek 长期跑，它目前没有编程套餐，全部按量计费，每打一个字都算钱。习惯上，买订阅制套餐会比较好，包月之后你才敢放手去试 AI 能帮你做什么。

很多传播学院的同学一听编程工具，就怕要对着黑框敲代码。其实不用怕，这些工具都有窗口化的桌面端与云端入口。你在电脑上打开窗口就能安排任务，关上电脑还能在云端继续跑。现在你也可以直接建一个 GitHub 私人项目，内容只有自己能看。走在路上用手机就能很快速地记录灵感，AI 会收集这些资料放进项目里。

我们在电脑上每开一部短片，就建一个专属文件夹，在里面搭一个 Obsidian 维基库。它的维基模式就像维基百科一样，你点一个词就能跳到另一个知识点，知识点之间可以互相跳转。这样一来，它就像一个神经网络一样，把不同的知识连接起来了。

虽然我们知道输入的命令越准确，质量就越高，但问题是，有时候有些重复的文字我们并不想打。因为每次让你打上五百字、一千字还是挺累的，有时候你也会忘记这些东西。所以我们相当于舍弃了一部分质量，把这部分固定化的知识放到了维基百科式的库里面，让 AI 每次去调用对应的知识点。

这样每次遇到新东西的时候，你可能只是简单地引导它一下，后续它都可以自己找到对应的东西去做了。包括图片、音频和视频这些多模态资料，它也都能直接读。这样的话，现在每个项目都建立了一个非常庞大的知识体系。真正 IP 的价值远不止你做出来的这条视频，更在于 IP 背后积累的整套知识体系。

具体干活时，这几家工具各有长处。Codex 最擅长控制电脑，它的官方功能叫 computer use，能看屏幕、用自己的光标点击和打字，模拟鼠标在网页里点点点。有些网站不给程序开接口，只能像人一样打开网页看，前提是网站允许。Codex 在后台模拟鼠标去点击，不打扰你用电脑。只要设定好目标，它可以二十四小时长时间运行，连续跑一星期不停地收集资料。当然，收集资料要守网站规则，不碰别人的账号和隐私。

Antigravity 平时够用、写作好，文学质量非常高。让它写剧本、出方案、写演讲稿都很顺手，今天这份演讲稿就是 Antigravity 自己写的，它的模型多模态和语言能力都很强。Claude Code 目前比较难办，需要国外的账号和支付方式，重度用要上 100 到 200 美元档。

日常用它们主要分两种模式：一种是 Plan 模式，也就是计划与任务模式，先出计划、拆成清单，你同意了再动手；另一种是目标模式，定好目标让它自己跑完。

摸清了各家的脾气，我们做项目时就可以让它们配合干活。Antigravity 负责写作非常合适，写剧本、改台词、看图看视频都很强；Claude 负责网页和界面这类前端工作，各方面都更厉害一点；Codex 则适合去跑底层逻辑和整理文件。

除了分工，我们还可以换模型互相检查。同一个模型顺着自己的套路写久了，哪怕你新开一个窗口让它自评，它大多也觉得自己写得挺好。这时候把 Antigravity 写好的稿子交给 Claude 去审，换个模型挑毛病，思考会更深，改出来的东西质量也会好很多。

要把 AI 编程工具用明白，我们先理清四个基础概念。第一个是模型与工具，模型负责理解拍板，工具负责读写文件。第二个是上下文，也就是当前对话窗口里的临时记忆。要注意的是，如果对话超过了 100 万字，它的质量会降低。所以我个人推荐多开一些子代理，同时并行地去完成一个项目，它们之间也可以互相检查。

第三个是长期储存的记忆和数据。一般一个项目会有自己的长期记忆，甚至可以建一个通用数据库，在完成不同项目时互相调用，形成一个非常庞大、交织起来的知识库。以后你做新项目时，可以快速从通用数据库里调取知识，再进行新的创意，一切都会变得非常快速。第四个是 MCP，它是一种通用接口，让 AI 能直接远程控制别的软件，后面我们再细讲。

我们把上下文和本地文件放到短片制作里来看。上下文只是大模型眼前的临时桌面，只用来放本轮的目标、限制条件和刚读进来的资料。现在主流大模型的窗口虽然能装下近百万字，但只要换了对话或者超出窗口，桌面上的东西就会丢。

所以定下来的角色设定、已经选用的画面资产，还有做到哪一步的进度清单，都必须写进电脑硬盘，存成本地项目文件长期保留。这样哪怕关机第二天再来，或者换一个子代理接手，读一下硬盘文件就能接着往下做。

为什么单个窗口聊得太长，质量就会往下掉？因为临时桌面上堆满了前面改废的草稿和闲聊杂音，模型的注意力被分散了，前面定好的细节聊着聊着就忘了。

所以做复杂短片的时候，我们要把大任务拆开，派给不同窗口里的独立子代理去跑。每个子代理在干净的窗口里干活，翻找资料的杂音留在子窗口里，只把干净的结果交回来。这种配合很像一个身体里的不同器官：心脏只管供血，眼睛只管看路，每个器官不用各自乱想别的，只要在自己位置上完成对应的任务，整个身体就能稳稳当当地运转。

在 AI 编程工具里写提示词，跟平时网页聊天差别很大。网页聊天是随口问答；在这里写提示词，是在布置长线任务。关于目标模式，你不要直接让它一口气输出片子，要把任务分解成一个长时间的运行过程，明确要调研什么数据、要找到什么东西、要调研什么艺术风格。对于这种偏知识类型的内容，它可以做得很好。

在写提示词时，要让它多布置一些子代理，让它们互相审核调研。有时候可以让它们像蜂群一样出去快速调研，再让一个团队去进行整理。你可以把这整个流程做成一个 Skill 技能，让它循环往复地去做。我们可以做得更通用一些，比如做一个专门的调研技能，写明该从哪些网站调研什么东西、收集什么资料，然后我们人继续评估审核。这样你在做后续项目时，就能快速把大量知识抓取过来，形成一个外置的记忆系统和一个知识系统。光有知识还不够，到了动手那一步还要靠 MCP。MCP 是一种通用接口，让 AI 能直接操作别的软件。

比如说我们出设计，或者用即梦的画布。它本来是给人用的，需要我们手动把图片拖上去，自己选择哪张图片、要怎么设计、拖上去怎么转变成什么资产，最后出什么视频。但是，如果你接上即梦官方的画布工具，作用跟刚才说的通用接口一样，它会自动帮你从数据库里调取对应的图片，转变成对应的资产，并写好对应的提示词。包括视频提示词、表情该怎么弄、动作戏和武打戏该怎么调整，它都可以从你的数据库里调取对应的知识。这些知识既能长期留着，也能这一次马上用。

你主要负责审查就行了。你可以用最便宜的 480P 出一个，看看哪里不好再进行修改，整体上不会有特别大的问题，特别是对于短片来讲。这样你可以省出大量的功夫去做其他事情，不用坐在那儿不停地跟它磨。

而且其实现在大家对网红内容的质量要求不会特别高，毕竟你是用 AI 做的，也没必要刷个 5 遍 10 遍去追求完美。更多时候，你可以做出 5 倍的数量去发，你要保证的是这 5 倍的质量都在平均线往上好一些，这就需要靠这个知识去把它拉到平均线以上。所以我们更多是在拼量，不去死磕单条的极限高质量。特别是我们学传播学的，我们没法去和学艺术的人拼纯画面质量，我们可以拼心理上的和传播上的东西。通过这种模式，我们能省出大量时间去验证想法。传播学大家应该知道，更多时候是你形成一个固定化的脚本，会有对应的受众不停地去看它。我们现在寻找的就是这个循环的脚本。

在讲各个技能怎么串联之前，我们先聊聊短片的独特风格是怎么来的。很多同学写提示词，只会找某个艺术家的风格往上套。其实我们可以自己去决定在景别、机位、动作和表演上该如何调度，从而形成我们独特的风格。比如什么时候给远景交代环境，什么时候切特写看眼神；机位是平视交流还是俯仰对比；人物出手时动作怎么起落，情绪怎么通过微表情递进。把这四项调度定清楚，片子才会有你自己的辨识度。

围绕这套视听调度，我们把短片创作分成四件事：先做设计，整理好项目资料和参考设定，把角色、场景和整体风格定下来；接着组织分镜，把文字故事拆成刚才说的景别、机位、动作和表演调度；然后写提示词，把分镜表和画布资产变成生成指令；最后做检查，建好素材台账，让多模态模型核对画面有没有穿帮。这样分开的好处是，哪一步查出问题，就退回哪一步重做。

这四件事是怎么串联起来的？靠的是上下游交接的文件，以及随时从对应的知识库里调取规则。

设计这一步拿到原始资料，向下游交出整理好的任务提要和锁定的角色场景设定卡。分镜接过设定卡，把剧情拆成可执行的逐镜分镜表。走到写视频提示词的时候，它会顺着分镜表去翻你的专项知识库。比如说这一镜要拍打斗动作或者转身动作，它就会去动作系的知识库里调用对应的发力方式、镜头运动和节奏写法，再绑上画布里的资产编号，写出这一镜的提示词。

最后做检查，把生成的小样收拢起来，建一份素材台账，一边记下哪条采用、哪条退回，一边让多模态模型逐段核对人物服装与空间方向，机器先筛一遍，再交给人来把关。

讲完这套技能串联，很多同学可能会问，这些技能我不会写怎么办？其实不用自己从零写。网上自然会有很多人分享现成的技能，你可以去 B 站或者 GitHub 上找，下载回来，先别急着用，下一页讲为什么。

找版式、色彩和界面规范这类打底子的技能，我个人推荐优先去各家官方库里找，没学过艺术的同学直接用，就能把画面审美底子撑起来。至于短片里更细的分镜结构怎么搭、人物表情怎么写，你在 B 站或者 GitHub 上去找别人分享的资料，拿回来之后再组织组织语言，改造成贴合你自己项目的技能就行。

去网上找别人分享的技能，有一点必须提醒大家：一定要检查。有一种 AI 病毒藏在技能文档里，很多时候不在什么可执行脚本里。

写文档的人偷偷交代 AI，不让你知道，让 AI 发送一点隐秘的信息，或者记录一点东西到某个外部网站上去。这样就能偷走你的 API 密钥，或者账号密码、浏览器的登录状态。

所以说，你拿到技能后，一定先让 AI 帮你检查一下，这份文档里都写了什么。检查的时候先别给它账号权限。我个人还推荐，你可以自己整理，把这个技能里好的部分拿出来留给自己用，没用的部分直接剔除。只拿你看懂的部分，藏在里面的话就带不进来。

把刚才说的安全检查再往下推一步，你会发现，每一个技能本质上就是一份 MD 文档，也就是 Markdown 文本文档，AI 完全照着文档里写的规则走。其实前段时间大家看网上很火的那些智能体，剥开来看，也都是用几十个 MD 文档搭起来的。

正因为它是白纸黑字的文档，你把技能下载回来读懂之后，就可以把不同技能的优势提取出来，组成你自己的专属技能。比如把分镜结构、人物表情和动作调度的好写法融合到一份文档里。而且这些技能文档能互相连接不同的数据环节，上游接你的本地数据库，下游接画布工具，把表情和动作要求一路传到视频生成。搭好了第一章的这套系统，接下来我们进入第二章，看怎样从素材做出完整短片。

进入第二章，我们正式开始做片子，从零散素材一步步做出完整短片。制作主要用到文本模型、图像模型和视频模型。很多同学刚接触多模态工具，看到某个文本模型能看懂图片，就想让它包办短片的所有环节。其实模型能看懂什么，和它能做出什么，完全是两回事。

以前大家觉得文本模型只能聊天问答，不太清楚它在视听制作里到底有什么用。其实它特别管用：除了拆解剧本和分镜结构，它真正的用处是帮我们写出准确的生成提示词，再通过接口直接连到下游的图像模型和视频模型。

往下走，图像模型专门负责生图和改图，建立角色定妆与场景视觉资产；视频模型负责生成连续动作、运镜和动态片段。把这三类模型都接进 AI 编程工具，就能跑起一条自动运转的制作流水线。

把三类模型接进 AI 编程工具之后，这条制作流水线按四个环节往前走。先做文本规划，读入前期的资料草图，写出分镜说明，整理成固定格式的记录和调用指令，就像剧组开出标准施工单。接着进入图像生成，读取上一步交过来的设定和参考图，做出角色定妆、场景资产，或者做局部精修。

再往下是视频生成，吃进定好的分镜指令和静态资产参考，生成连续动作、运镜与延长片段。最后一环是软件内交接，上一环输出的文件直接变成下一环的输入，不用人在聊天框里来回复制粘贴。

要让流水线跑出好片子，关键是提前排好哪个环节用哪个模型。不同模型的质量、价格和擅长方向都不同。Antigravity 里主要用的就是谷歌的 Gemini，它擅长看图看片，大批量图片和整段视频都交给它。按工序排好队，生产才又稳又省钱。

先看流水线最前面的文本模型。前面聊过三款工具各自的长处，到了短片制作环节，我们重点看怎么把它排进前期工序。

做短片时，文本模型真正的威力是帮你深入调研复杂的背景资料，做出全局规划。平时用的时候可以把模型按任务分成两档：重度推理档用来跑复杂调研与规划，快速经济档用来批量整理表格资料。拿同一份材料喂给不同模型，并排比对漏了多少项、有没有瞎编、花了多少时间，还有按字数算的账单。

更重要的是，它能把多项技能串成完整的自动工作流。接到创作课题后，它自己去翻文献、查背景资料、拆制作规划；跑完一轮把方案交给你，你只管审查结果，把精力放在调整创作方向上。

大家要换个思路：这套文本工作流不是临时查点资料的工具。它是一套严密的方法，能独立长期运行。开启目标模式后，它围着本地知识库持续工作，把考据、规划、分镜和提示词整条链跑通，每跑完一环由人来审查和修改。

放到短片工序里实测，我们盯四件事，长期运行是头一件。接着看它能不能记住设定：面对复杂内容和多步规划，自动跑了十几步之后，最初定下的角色设定和限制条件还在不在，中途不掉链子。

遇到批量整理任务，就核对它把几十份文献拆成表格时漏了多少项、速度快不快、账单贵不贵。最后试写分镜，重点看它写的动作能不能直接拍出来，比如把抽象的“内心挣扎”写成看得见的肢体动作，同时查前后场次的人物关系接不接得上。

走完文本规划，就轮到图像模型。图像模型主要负责视觉方向探索，定下全片整体的氛围基调，建立和修改视觉资产。Google 的 Banana 模型质感和审美更好，很适合找氛围基调、直接出分镜图；大家要用就用完整版的 Nano Banana Pro。

另一款主力是 OpenAI 的 GPT Image 2.5，分 Flare 日常档和 Sunburst 精修档，适合先出初版基础底图。但用它改图，画面容易显得脏兮兮的，所以我个人推荐把底图交给 Nano Banana Pro 或 Seedream 5.0 Pro 接力修改细节，出完图再让 Gemini 做检查。

有了合格的静态资产图，接下来进入视频模型。现在的视频生成靠四类参考输入一起配合：文字讲事件，图片锁住角色长相和空间，参考视频给运镜节奏，声音卡准情绪节拍。实际制作时，还要按新建、局部修改和延长三类任务选工具，把画布里的主体资产图配齐四类参考喂给模型，锁住动作和空间。

选视频模型一定要分档搭配。拍重头戏可以用 Seedance 2.5 这类全能多模态参考模型，上一代 2.0 第三方报价大约 720P 每秒 0.24 美元；平时大量跑分镜预览和测试，可以多用 MiniMax H3，也就是海螺第三代，768P 每秒大约五六毛人民币。它质量稍微低一点，但价格非常便宜。

用视频模型还有个很实在的省钱办法。生成视频要反复试动作和运镜，千万别一上来就开最高清。大家可以先用 480P 试，花小钱出一批低清草稿，看看哪里不好再改；挑出动作和节奏最满意的一条，再单独升分辨率到高清或 2K，能省下一大半预算。

试片审查时，新建、修改和延长三类任务要分开核验。新建片段重点看主体运动自不自然，谁在动、角色动起来五官有没有变形、移动机位时空间有没有塌陷。

局部修改只改画面里的一小块区域，除了看改的地方对不对，更要查没让它改的画面和背景有没有被顺手重画。画面延长是把上一段结尾接成下一段开头，重点看上段最后一帧的人物姿态、光线和声音，能不能跟下一段开头稳稳接上。理清了模型选型和省钱办法，下一步看源头素材怎么收集。

做全 AI 短片不用出门实拍，先把平时攒下的故事、情绪、灵感，还有审美风格参考和好听的音乐分类放进数据库。入库时分开记：文字记打动你的人和事、处境与痛点，图片记色调光影，音乐记曲子与节拍，标清来源和用途标签，方便随时调取。

建好数据库之后，全靠四件事顺着往下做。先去 Pinterest、Behance、ArtStation、Concept Art World、站酷、花瓣找灵感图，只学设计逻辑，不用原图，也不克隆在世画师。接着做图像修图，不用抠图，顺着参考改设计和分镜；再用多视图方法做角色资产。最后是灰模预演，让 Codex、Claude Code 这类工具通过开源的 Blender MCP 接口操作 Blender，摆出简单灰模和相机，出预览图由人审查。

这四件事一步扣一步，各自给画面加一层约束。灵感图锁住影调、配色、材质和构图的审美基准，免得生出塑料画面；图像修图靠局部重绘改准细节、景别与光影，控制单格分镜；多视图资产先出正、侧、背三面，锁死人物长相和服装，防止转身变脸；最后通过 Blender MCP 摆出灰模与相机，用简单几何体定死站位、遮挡和机位，人审过后再引导后续生成。

做多镜头短片，要把单张图片升级成可以复用的资产。每张图在项目里记四件事：先给个编号，角色或场景一个一号，跨场次都能调；再标明它管什么，是人物长相、空间结构还是审美风格，一张图只管一样；还要记下它从哪改来，从原图改出的分镜版本另存，原图不动；最后标清定没定稿，是候选测试还是已经锁死。

每次生成视频，工具都会把输出和每镜记录绑在一起，记清这一镜挂了哪张资产图。一旦人物走样或场景变形，顺着记录就能追查走样，定位该回去修哪张底图。像博纳与抖音合作的《三星堆：未来启示录》、快手可灵的《山海奇镜之劈波斩浪》，这类项目常常先定资产，再用图生视频跨镜头复用。

写视频提示词别堆空泛形容词，要交代四项制作决定：主体与空间写明谁在画面里、物件在什么位置；动作与时间只写肉眼可见的具体动作，交代怎么开始和结束；镜头与声音写明机位在哪、同步听到什么声音；参考分工指明参考材料里哪些管身份和空间，哪些管动作或风格。

实操窍门在于参考分工：别在文字里反复描写人物长相，长相和服装交给资产图锁死，文字只写动作变化和运镜。像《山海奇镜之劈波斩浪》这类项目，常常拿静态资产锁住角色与场景，再走图生视频控制动作和机位；shy kids 团队用 Sora 做的《Air Head》，则靠黄气球头这个强视觉记号和后期统一，串起跨场景故事。

做短片要算清预算。计费我个人推荐优先选订阅制，额度包在月费里，买订阅制才敢放手去试 AI 能帮你做什么。算账要把测试淘汰算进总成本。平时写剧本、改图、跑 AI 编程工具，ChatGPT Plus、Claude Pro、Google AI Pro 基础订阅大概都是 20 美元一个月，学生开一个就能跑通日常流程。

视频生成再看两家预估。高性价比的 MiniMax H3，768P 每秒大约 0.08 美元，折合五六毛人民币；2K 每秒大约 0.13 美元。在 fal、OpenRouter 等第三方平台价格相近或略贵，海螺网页订阅大概十美元一个月起。即梦官网分三档，年付折算大概每月 55、160、430 元，单月买更贵。普通短片大概几块钱一条，全能参考高清镜头大概十块钱上下。

片段拼成短片时，画面有瑕疵别推倒重来，记住两件事：资产、分镜、生成与剪辑各管一摊，哪环出错退回哪环；修改时一次只改一处，其余条件不动，留好对比记录。

遇到问题按三类定位，修好单格再替换：人物变脸属于身份漂移，退回资产层查多视图参考；动作接不上或穿帮属于动作或空间断裂，退回分镜层查站位和机位；快慢不对或音画脱节属于节奏或声画失衡，退回剪辑与声音层重调。到这里，前半程的工具和短片流程就跑通了；下半程我们转向创作判断，进入第三章。

进入第三章，我们先聊清楚：IP 到底是什么？它是英文 Intellectual Property 的缩写，法律上叫知识产权，管版权和商标归谁。随手画个小人、写段话也有版权，但那算不上文创行业的 IP。

在影视和游戏领域，真正的 IP 是一套能跨媒介生长的关系世界，有角色、器物，还有运转规则。比如《西游记》是家喻户晓的公共故事，《黑神话：悟空》用独创资产和当代情绪重组它，就长成了新 IP。

弄清了 IP 是什么，怎么把点子变成作品？很多同学觉得创作全靠灵机一动，往 AI 编程工具里塞一句酷炫设定。没经检验的闪念只是半成品，撑不起长线故事。

做 IP 先要围绕核心矛盾立住关系世界。做艺术则要避开廉价情绪宣泄，用材质和动作把视听感受凝成德勒兹说的感觉聚块，直接打动感官。从闪念到成片，必须走完观察、研究、转换、输出四步。

第一步是观察，也就是对社会、自己、世界和自然的现场注视。平时逛街那叫走马观花，只留几个现成形容词。真正的观察像做田野调查，要记下具体时间、地点、器物痕迹、身体动作和当事人的现场原话。

社会学家费孝通在《乡土中国》里写过：苏州人家明知别人在河里洗衣洗菜，还往里倒脏水。单看这一个日常动作，乡土社会里公与私的边界就全显出来了。

平时看惯了身边的东西，感知会麻木。文学理论家什克洛夫斯基提出陌生化，就是逼自己用第一次见到的眼光看熟人熟事。做记录先把“害怕、难过”这类形容词删掉，专抓身体与空间的尺度反差，以及动作间的静默停顿。

比如宫崎骏拍《千与千寻》，十岁女孩走进巨大的油屋，外墙木梯又陡又窄，她只能缩着身子往下挪，跑之前还专门顿脚把鞋尖磕齐。记下这种具体动作，人物就活了。

拿到观察笔记，为什么还不能写剧本？因为光有情绪和指责，写出来只是个人吐槽。第二步要做研究，借社会学和心理学的眼光，弄清人物处在什么社会位置，被什么生存规则推着走。

社会学家米尔斯常说，要把个人烦心事连回背后的社会结构里看。就像日本导演是枝裕和拍家庭片，片子里没有脸谱化的坏人，每个人都在各自处境里被生活推着做选择。看清这套结构，故事才有厚度。

很多同学问，做 IP 怎么找到独特视角？好视角靠扎实的研究动作，比如做多轮访谈剥掉受访者的客套话，或者到实地看阶层空间。

导演奉俊昊拍《寄生虫》时，主创反复测日照，把半地下室的窗户压到和路面齐。他把抽象的贫富差距，全变成了镜头里房间的高低和光线的明暗。

看透了社会和心理结构，总不能把论文直接拍成视频。第三步要做修辞转换，比如隐喻、转喻、夸张，修辞还有很多，都能把现实处境变成故事里的世界规则。

有一招很好用，叫比喻坐实。平时形容一个人活得卑微，会说“他像只虫子”。你把“像”字砍掉，让比喻在故事里真发生。卡夫卡写《变形记》，一开头就是小职员醒来发现自己真变成了大甲虫。把比喻坐实，奇幻设定当场就立住了。

接着要用符号搭世界观。千万别搞死板的符号词典，比如硬规定手机代表焦虑、钥匙代表乡愁，那是贴标签。我们要把人物关系写成“谁做了什么动作、就触发什么后果”的条件规则，比如《千与千寻》里，吃了神明的食物就变猪。

再看无脸男：他跨进油屋，手心变出金子到处吞人；千寻喂下苦丸子，他把吞下去的都吐出来，跟她离开油屋后才安静下来。做设定要敢于砍无关设定，删掉跟剧情无关的架空历史，只留能触发后果的规则。

第四步是输出。德勒兹和瓜塔里在《千高原》里讲过情动与装配，意思是把材料和符号拼合起来，牵动人的身体感受。放到视听创作里，就是共情的装配：少靠台词说教，直接用画面材质和镜头调度唤起共鸣。

动手时要把物质、空间与时间三层拧在一起：先定器物的材质反差和色调，再定空间机位，比如小津安二郎成熟期坚持用坐姿低机位拍家庭日常，最后配上运镜节奏和空镜留白。

拿我们公司的宣传片说说，片子留到课程最后放。它把前面的方法落成了画面，原则就五个字：形状即内容。全片没套三维模板，讲什么内容，画面就长成什么形状。

片子里一条线串起全片，一镜到底，穿过近中远三层。镜头沿大曲线匀速飞行，踩着节拍连线。这就是前面说的装配：物质、空间与时间三层拧在一起。

走到这里，四步连起来了：观察抓现场的痕迹和原话，研究看清人物的位置和关系网，转换把它写成规则，输出落成材质、机位和剪辑。

这些规则还能继续长。我建议大家试试：从一个小设定开始，比如一座城市。定好这座城市怎么运转，再一步一步往下推，看它长成什么样。

建议大家这样试：给这座城市定几条规矩，谁能做什么，谁不能做什么。一步一步推下去，历史和生态自己长出来了。

这就是一种涌现式的故事。涌现的意思是，长出来的东西你事先没有写。你不用先写几万字设定，定下几条规则就够了。推的路上会冒出意外，把它留下，它可能是下一个故事。一座小城，能长成很大的世界观，这件事很有意思。

回到日常创作，就能看清 IP 的结构。前面讲的多视图资产能保证角色长相不走样。但如果只做出正侧背三视图，那顶多是个印在杯子上的好看贴纸，演到第二集故事就散了。

真正的 IP 要在视觉形象之外，配上让角色动起来的器物与场景，再立住规定谁能做什么的世界规则。只要底层关系和规则统一，后面不管改编成动画、游戏还是周边，都能长在同一个世界里。

拿大家熟悉的《宝可梦》看，这四个要素一目了然。先看形象与器物，皮卡丘一眼能认出，红白精灵球把收服和陪伴浓缩成随身道具。再看世界规则，野生宝可梦靠精灵球收服，水火草电遵循严格的属性相克。

在此之上是关系与变化，训练家和伙伴并肩冒险，靠战斗和信任触发进化。哪怕做成游戏、动画、电影和卡牌，大家共用的都是同一套收服与进化法则。

做视觉传播，最忌讳把符号当成死板密码本。德勒兹在《普鲁斯特与符号》里的想法，可以概括成三步：先是符号遭遇，现场撞见老习惯解释不通的东西，逼你停下细想；接着是解读与学习，摸透材料的脾气；最后是作品生产，用作品把符号串起来打动观众。

就像《追忆似水年华》里的玛德莱娜小蛋糕，主角喝下一口泡着蛋糕屑的茶，身体突然震动；他顺着味道反复追索，最后从茶杯里捞起整个童年，写成了整部小说。

再说心理学。我建议先从这个角度观察角色，再动手写分镜。很多同学写分镜提示词，爱填“角色很悲伤、画面很温暖”，结果生成出来全是捂脸大哭或逆光傻笑。原因很简单，摄影机拍不出抽象的形容词。

心理学家 Moors 与 Scherer 的评价理论指出，情绪是一连串动态反应：外头发生一件事，先撞上角色最在乎的核心关切；角色瞬间算一笔账，判断这事帮自己还是害自己、能不能控制；最后身体做出反应，变成外显的行动准备。

落到实操，我建议先观察角色，再动手写分镜。写之前顺一遍：角色眼下最在乎什么目标，对突发事件做出怎样的事件评价，最后身体是往前凑、往后躲，还是僵住不动，也就是行动准备。

提示词写“他很犹豫”，AI 根本不知道怎么画。换成可拍的动作：他想进屋又怕吵架，手伸到门把手上悬在半空迟迟不按下去，镜头马上就能拍了。这样观察是为了写出动作，不做心理诊断。

从个人心理往外走，就到了传播学视野。传播学者霍尔讲过编码与解码，不同处境的观众看同一符号，读出的意思往往不同。要抓住整群人的共鸣，就要看懂群体幻想和社会幻想。

博尔曼说的群体幻想，是指大家聚在一起讲故事、造梗，把共同处境编成一出戏。拉康讲幻想撑住欲望，齐泽克把它推到社会。社会幻想是日常生活的欲望支架。面对“我交出什么才算合格”的焦虑，它摆出录取通知书、编制或榜单名次，告诉大家该盼望什么、怎么解释眼前的吃苦。

群体幻想怎么传开的？最开始是一个有画面的梗，博尔曼叫它幻想主题，比如考公说“上岸”，把没编制比作水里扑腾，考上就是爬上岸。一人抛词、百万人接龙吐槽，就串成了幻想链。等黑话越积越多，最后沉淀成看世界的共同滤镜，也就是修辞视野。

做 IP 就要把群体的欲望结构改写成具体器物和世界规则，比如必须等岸上念出名字才能登船的渡口。等符号和关系越攒越多，就要靠第四章讲的数据库来管了。

进入第四章，从这里开始是进阶部分。资料和人物关系多起来以后，怎么用数据库管住它们？大家做调查或写剧本，常把访谈、设定和废稿塞进一个文件夹，项目一多就乱套。

建好数据库，不同项目还能共用知识库。它管住三件事：访谈文献等原材料和后续改写始终连着出处；角色、事件、关系与资产分类存放；任务状态分清已采用、失败退回和待处理。

存进数据库的主要是四类东西。最底下是来源材料，存文献原文、页码、时间和出处。往上是知识与关系，记清主体、事件、关系类型和方向，分清谁对谁起作用。

再往外是创作资产，记清图像、声音和设定用途，分清参考图与母版；最后记下运行状态，写明输入、输出、采用或退回。四样东西各归其位，图片、声音和人物关系就能联动。

资料存进去怎么找？先看向量数据库，比如 Qdrant。平时搜文档靠字面匹配，差一个字就漏掉；向量库按意思相近找候选，像老场记凭印象抽资料卡。

做法很直观：先做材料编码，把文字或画面转成数字坐标，意思越近坐标越近。接着靠近邻索引按距离捞出相近片段，再按项目和类型筛掉杂音，最后回原文核对方向与语境。

为什么捞出近邻后还要过滤和回查？做元数据过滤，就是按资料标签限定项目、语境与类型，先把无关项目的杂音挡在门外。

更要紧的是，数学上的向量距离没有方向，甲到乙等于乙到甲。像“守门人拒绝漂泊者”和“漂泊者拒绝守门人”用词一样，坐标往往很近，但故事里谁把谁关在门外，关系方向完全相反。所以记方向还得靠属性图。

既然向量分不清谁拒绝谁，我们就用属性图数据库，比如 Neo4j。它像编剧墙上的图钉红线板，专门存带箭头方向的关系。

板子上的节点表像图钉，存角色、器物和地点；关系表像带箭头的红线，记清谁指向谁、属于什么关系。点与线上再记下语境、时间和出处，顺着箭头往下查，就能追出哪些行动改变了人物关系。

双表建图的骨架很清晰：节点给每个角色、器物或事件发唯一编号，记下类别和名称；有向关系记下从哪个编号指向哪个编号，写明类型与方向。

骨架上再挂属性，记关系深浅或阶段；同时补上语境、时间、出处和解释状态，把原始事实与创作推演区分开。最后做有向图查询，顺着箭头一环扣一环往下查，不把事实和脑洞混为一谈。

把向量库和属性图串起来喂给大模型，就是 RAG（检索增强生成）：先去外部库查出依据再写，好比开卷考试，免得凭印象胡编。

为什么不把整本书塞进对话框？字塞多了容易漏细节，改了设定也难忘掉废案。所以先做资料切片，把文献切成带编号和出处的小片段；再用向量和图筛出候选排好序，拼进上下文，写完按编号回查原文。

这套开卷流程，走下来是一条线。资料切成小段，每段记着出处。要用的时候先缩小范围，只挑最相关的几条，排好先后。

模型拿着这几条，加上自己训练攒下的底子，动笔写。写完，人和规则一起回原文，核对引用站不站得住。

资料能存能调之后，创作算法算什么？前面攒下很多符号：一个动作，一件器物，一条规矩。算法做的事，是把这些符号拆开，再重新组装起来。

很多人把算法当成一键出片的黑箱。黑箱跑偏只能重来，所以我们把它分成四步，步步可查。先召回，从库里取出候选的符号和关系。再变换，换个角色，反个方向，改掉时间或规则，长出新结构。然后检查，和设定冲突的拦下。最后选择，对照目标，决定采用、留分支还是补材料。

这四步的输入和返回都很清楚。召回读入问题和筛选条件，返回候选资料与关系。变换重点做四类结构调整：角色置换、关系反转、时间延宕与规则替换，比如对调位置或拉长等待，返回新结构候选。

检查专门核对类型前提与制作约束，分出可行项与冲突项，把违反设定的方案拦下。选择则对照目标、候选与可用证据，返回采用、保留分支或继续补证。

算法跑起来后，编导看剧本和分镜，AI 编程工具读数据，两边怎么对得上？

办法是人和机器读同一份记录，好比共用一本总账。角色、关系、约束和资产都记在里面。这份记录用一种计算机语法写下来，机器能读能改；展开给人看，就是剧本和分镜。谁改了什么，依据是什么，都记下来，两边同步。

这本总账有两面。朝向创作者的一面，展成好读的设定、剧本、分镜和修改理由。朝向 AI 编程工具的一面，是那种计算机语法，查询和调用都有固定格式，防止写乱设定。这种语法为什么有用，第五章再讲。

两面读的是同一份记录。每次写入都记下出处、修改人和版本。账本搭好后，做文化与故事转译该记哪两面？我们看德勒兹的方法。

第三章聊过，做文化转译忌搞“钥匙等于乡愁”的死板词典，要像德勒兹在《普鲁斯特与符号》里说的，从反常细节的符号遭遇出发拆解法则。

到了《千高原》，德勒兹和瓜塔里说装配有两面：内容侧记身体姿态、器物材质、动作与后果；表达侧记名称、节律、规矩与生效条件。两面像齿轮相互咬合才叫装配。跨媒介转译时把两面同时记清，定好保留与改写，两面都记清，转译才不走样。

德勒兹和瓜塔里在《千高原》里还提出根茎：传统树状目录死守上下级分类，而地下草根的任意节点都能跨界相连。德勒兹没讲过数据库，但可以用双数据库把这套方法落到工程上。

我们用向量数据库做根茎式跨界召回，把光影、情绪和处境转成坐标，字面不同也能跨类捞出；再用属性图数据库锁死装配边界，把身体器物与规则条件写成有向关系线。数据库讲到这里。机器怎样帮人做选择，我们看第五章。

前面讲完了数据库。最后一章讲我们在研究的一件事，叫第五日计划。

今天的 AI 会写，会画，会出视频。它不知道哪个画面能打动哪一群人。创作每走一步都要判断：这个人站在哪，这句话留不留，这个镜头要不要。我们在研究创作的判断，看机器能分担多少。

这件事要三样东西：一门机器读得懂的情感语言，一个存语境和关系的数据库，一个帮人做选择的决策模型。数据库前面讲过。今天讲语言和模型。

先说语言。AI 听得懂人话，我们为什么还要用计算机语法？

人话有含糊的地方。你在提示词里写“甲乙关系紧张”，人一听就懂。AI 分不清谁压迫谁，多跑几步就跑偏。语法要你写清谁对谁做了什么，前提是什么。写清了，机器能查，能改，能算。

所以我们在开发一种情感的计算机语言。它把人的感受写成机器能算的关系，算完再翻回人话。机器少猜一些，就能更高效地接近人类的自然语言。

这门语言叫 AXL。你把它当成写情感关系的语法。

为什么不写“孤独”或者“悲伤”？形容词是结果。它抹掉了谁对谁行动，受什么限制。这门语言要你写下角色、方向、语境和时间，让一段关系有可以检查的条件。

它管四件事：谁能进这段关系，谁指向谁，变化的前提够不够，写完交给谁。写完导出两份，一份给人读，一份给 AI 编程工具用。

举个例子。一个漂泊者走到村口，想进村。我们用五栏把它记下来。

主体是漂泊者，欲望是被接纳。边界这一栏写村口的门，守门人决定放行。行动这一栏有方向，从守门人指向漂泊者，写“拒绝”。最后一栏记前后状态：到门口之前是局外人，被拒之后还是局外人。

“他很孤独”四个字，到这里拆成了五件机器能查的事。

写成这样有什么用？两个用处。

程序想试一个新方案，把守门人和漂泊者对调，让漂泊者决定放行。这叫角色置换。检查器去查边界这一栏，放行权在守门人手里，方案被拦下。穿帮在出片之前就没了。

另一个用处叫时间延宕。程序把守门人的拒绝往后推，这段推迟变成分镜里的等待时长。人物在门口多站一会儿。一段抽象的关系，变成了可以拍的时间。

关系记清了，怎样变成一段片子？原理简单，把抽象翻成能拍的东西。

镜头拍不出“被拒绝”。它拍得出一个人站在门外，门没开，他等了多久。所以先读懂这段关系：谁在哪，空间怎么变，节奏快还是慢。再写成动作、站位、机位和声音。然后翻成生成工具读得懂的提示词和参考图。片段出来，人对照原来的设定看一遍，再剪辑，再配声。

还拿村口的门来说，四样东西各走各的路。

他在门外停步，这是人物的动作，写成描述词，配上角色参考图。门里门外隔开，这是空间，写成站位和机位，配上分镜图。等待和被拒，这是时间，写成停顿和声音，变成时长和音效说明。前面定下的条件，锁进提示词和工具参数。

一段关系可以翻成很多种片段。选哪一种？语言负责写清楚，做选择要靠另一样东西。

下面讲决策模型，我们多花点时间。

大模型会写字，会出图。决策模型不写字，不出图。它只算一件事：在当下的语境里，哪些符号最能打动这一群人。它和大模型是搭档。大模型负责写，负责画。决策模型告诉它往哪边写，往哪边画，两边可以互相调用。

它走三步。先读关系。它读入人群的语境、符号之间的关系、要达到的目标。规则先排除不能做的事。还是村口那扇门，放行权在守门人手里，漂泊者自己开门的方案，到这里就出局了。

再给分布。它不打笼统的总分，也不给唯一的答案。同一个状态，它分开问几道题：人物下一步做什么，对方怎样回应，故事走哪条岔路。每道题的每个候选都有一个概率。你看得见哪条路集中，哪几条路差不多。

最后留记录。选了什么，依据是什么，后果怎样，全部写回数据库。没选的分支也留着。分项核对之后，它返回一个能执行的决定：采用，换一条分支，再去找证据，或者先放一放。下一轮读到的，是更新过的记录。

为什么要用它？让大模型打个分不行吗？

拍三个人抬木头。你要看见三个人一起承重，也要看见长幼的次序。切手部特写，次序丢了。快切，共同承重碎了。大模型给你一个 85 分，哪条关系断了，它说不出来。决策模型分项核对，告诉你断在哪一条。霍尔讲过编码与解码。你编码了庄重，观众可能读出戏谑。所以机器的分和观众的感受，我们分开记。

再看抽卡。抽卡是先生成再看，这张不对换下一张，每一张都花钱花时间。决策模型站在生成之前。它先算，算完把值得试的方向交给工具。

它的优势从这里来。它只算概率，不生成内容，模型可以做得小，跑得快，花钱少，放在自己的电脑上也行。生成工具换代，它和它的记录都还在。它还能微调：底子不动，为某一个圈层调一小点。同一批符号，换一群人，概率跟着变。

最有意思的在后面。用这种办法，我们能快速、低成本地找到语言的编码：一群人的情感，落在哪些符号、哪些关系上。找到编码，再用算法把符号重新组装起来，组装出现实之外的组合。“漂泊者找故园”，倒过来是“故园找漂泊者”。这句话现实里没有，故事里有。这是我们在研究的方向。

此处播放宣传片，约 3 分 14 秒。

语言写清关系，模型做出选择，算法把符号组装起来，我们通过这套语言算法，可以自动生产剧本和设计。最后请大家看一段我们公司的宣传片。

回到开头的两条主线：工具怎样协作，判断怎样形成。

工具怎样协作，我们讲了 AI 编程工具、本地知识库和几个模型的分工。判断怎样形成，我们讲了符号、情感语言和决策模型。

工具年年在换。一群人怎样被打动，是学传播的人一直在想的事。这件事上，你们有自己的优势。今天就讲到这里，谢谢大家。