搜索
过去几年，视频生成模型在清晰度、运动表现和画面质感上不断进步。输入一句文字，模型已经能够生成颇具电影感的视频。
前两天发了个深度思考的Prompt，没想到大家反馈还挺好，然后也有人说，能不能把过去我写过以及一些最有用的Prompt整理个合集，再给大家分享一下。 然后我就翻了一下，才发现过去几年，确实已经零零散散
用 AI 做视频的同学总有这样的痛苦：提示词也不是没认真写，运镜方向、人物走位、画面构图交代了一大段，但模型给出的画面总是差着一截，运镜偏了几十度，人物走到中途消失，镜头速度前半段稳后半段飘。
玩 AI 视频有一段时间了，经验说不上多，但有一件事我算是想明白了：提示词这条路，走到头也就那样。
前几天，我在推特上刷到了一条很有意思的分享。
最近来自斯坦福大学、CMU、MIT、UT Austin 等高校和科研机构的研究人员联合发布了全球首个系统提示词库 System Prompt Index（systempromptindex.ai），其中汇集了来自 Claude、ChatGPT 等 400 多款 AI 产品的 1000 余个系统提示词，是目前全球规模最大的 AI 系统提示词库。
继Loop Engineering、Graph Engineering等概念进入讨论之后，一篇2026年7月底发布的论文又提出了一个更贴近Prompt本身的工程概念：Prompt Graph Engineering，提示词图工程。
《仅需》6.9亿个token、423美元和1条提示词，就能做出一款火遍全网的美式水上快艇竞速游戏。
最近，电影的制作团队 Higgsfield 公开了这部名为《Hell Grind》地狱磨砺的完整制作资料。每一幕每一场，累积十万多个资产，生成的视频不计其数，我们都能在 Higgfield 公开的项目地址查看。
且不论性能，自Claude Opus 5发布以后有一件事让AI圈特别在意，就是Anthropic在提示词上的改进。