用 JavaScript 构建确定性 AI 视频指令生成器

生成式视频模型进步得很快，但一个出乎意料的普通问题仍在浪费大量时间：每当有人重写输入 brief，它的内容就会随之改变。

一个 prompt 包含了镜头和灯光信息，下一个却忘了宽高比。再后来的版本，又把主角产品的材质从陶瓷改成了玻璃。模型或许能力很强，但生产输入并不稳定。

为了实现可重复的工作流程，最好把两项工作分开：

• 决定创意方向；

• 将这个决定转化为 prompt 和 storyboard。

第一项工作需要创意，第二项则可以做到确定性。

在本教程中，我们将构建一个小型浏览器应用，把结构化表单转换为：

• 一个主图像或视频 prompt；

• 连贯性约束；

• 一个包含三至六个镜头的 storyboard；

• 可供后续生产流程使用的可下载 JSON。

它不使用任何框架，不需要构建步骤，也不调用 AI API。

将 brief 建模为数据

先从生成会话期间应当保持稳定的信息开始：

const brief = {
  projectType: "video",
  subject: "a matte ceramic skincare bottle on a mirrored plinth",
  style: "premium editorial product film, tactile, photorealistic",
  camera: "slow macro push-in with a 50 mm lens",
  lighting: "soft cobalt edge light with a warm amber key",
  requirements: "readable label and consistent bottle geometry",
  negative: "warped typography, duplicated objects, flicker",
  aspectRatio: "9:16",
  shotCount: "4",
  duration: "12 seconds"
};

这个对象的作用不只是整理表单值。它让所有下游函数都能共享同一个事实来源。

组合 prompt 前先规范化输入

表单输入中经常会出现意外的换行和重复空格。一个小型规范化函数就能让输出保持整洁易读：

const clean = (value) =>
  String(value || "")
    .trim()
    .replace(/\s+/g, " ");

接下来，把可选字段转换为带标签的句子：

const sentence = (label, value) => {
  const normalized = clean(value);
  return normalized ? `${label}: ${normalized}.` : "";
};

现在，prompt 构建器既可以清晰明确，又不会显得重复：

function buildPrompt(input) {
  const subject = clean(input.subject);
  if (!subject) {
    throw new Error("A core idea is required.");
  }

  const parts = [
    `Create a cinematic AI video featuring ${subject}.`,
    sentence("Visual direction", input.style),
    sentence("Camera and composition", input.camera),
    sentence("Lighting and color", input.lighting),
    sentence("Required details", input.requirements),
    sentence("Avoid", input.negative),
    sentence("Delivery format", `${clean(input.aspectRatio)} aspect ratio`)
  ];

  return parts.filter(Boolean).join(" ");
}

结果是确定性的：相同的输入会产生相同的输出。无论是比较不同模型，还是重新生成某个镜头，这一点都很有用，因为 brief 不再是另一个不断变化的变量。

将连贯性视为一等对象

如果把全局约束与各个镜头分开存储，storyboard 会更实用。

function buildStoryboard(input) {
  const requestedCount = Number.parseInt(input.shotCount, 10);
  const shotCount = Math.min(
    6,
    Math.max(3, Number.isFinite(requestedCount) ? requestedCount : 4)
  );

  const beats = [
    "Establish the subject and environment",
    "Move closer to reveal the defining details",
    "Introduce a clear transformation or action",
    "Show the strongest hero composition",
    "Add a contrasting angle or supporting detail",
    "Resolve on a clean final frame"
  ];

  return {
    aspectRatio: clean(input.aspectRatio) || "16:9",
    totalDuration: clean(input.duration) || "12 seconds",
    continuity: {
      subject: clean(input.subject),
      visualStyle: clean(input.style),
      lighting: clean(input.lighting),
      requirements: clean(input.requirements),
      negativeConstraints: clean(input.negative)
    },
    shots: beats.slice(0, shotCount).map((purpose, index) => ({
      shot: index + 1,
      purpose,
      visual: `${clean(input.subject)}; maintain the ${clean(input.style)} direction`,
      camera: clean(input.camera),
      transition:
        index === shotCount - 1
          ? "hold on final frame"
          : "clean motivated cut"
    }))
  };
}

这里有两项刻意设置的限制：

• 至少三个镜头，从而让输出具备开端、发展和收束；

• 最多六个镜头，避免一个简单概念演变成难以管理的制作项目。

这些数字并不是放之四海而皆准的标准。真正重要的是，让规则清晰可见，并且可以测试。

在浏览器中导出 JSON

无需服务器，浏览器就能生成可下载的文件：

function downloadStoryboard(storyboard) {
  const blob = new Blob([JSON.stringify(storyboard, null, 2)], {
    type: "application/json"
  });
  const url = URL.createObjectURL(blob);
  const link = document.createElement("a");

  link.href = url;
  link.download = "creative-storyboard.json";
  link.click();

  URL.revokeObjectURL(url);
}

这个 JSON 可以随项目一起存储，在 pull request 中接受审查，也可以在之后转换为其他工具所需的格式。

在容易出现不一致的地方添加小型测试

没必要针对 prompt 的每个字都编写 snapshot test，只需测试真正重要的规则：

import assert from "node:assert/strict";
import test from "node:test";

test("shot count is clamped to six", () => {
  const storyboard = buildStoryboard({
    subject: "a glass bottle",
    shotCount: "12"
  });

  assert.equal(storyboard.shots.length, 6);
});

test("a subject is required", () => {
  assert.throws(
    () => buildPrompt({ projectType: "image" }),
    /core idea is required/i
  );
});

对于这种规模的项目，Node 内置的 test runner 已经足够。

生成工具应该放在哪里

这个 starter 并不是要取代图像或视频模型，而是为模型准备一套稳定的指令。

一个实用的工作流程如下：

• 在本地应用中就 brief 达成一致；

• 将 JSON 与项目一起保存；

• 使用 master prompt 完成第一次生成；

• 在保留 continuity 对象的同时，逐个生成镜头；

• 比较结果时，每次只修改一个变量。

如果需要集成式生成工作区，可以把完成后的 brief 用于 Vynyo AI Video Generator。

完整的零依赖 starter、测试和 Replit 配置，均可在公开的 Vynyo Creative Brief Starter 仓库中获取。

更重要的启示很简单：更好的生成结果，并不总是始于一个更加复杂的 prompt。很多时候，它始于一小组能够始终保持一致的决策。

如需采取进一步措施，你可以考虑屏蔽此人和／或举报滥用行为。