Vibe 知识短片

一种没有旁白的知识短片：观众读底部的一行字幕，同时看屏上把这句话演出来。

做这种片子的人是科普作者兼导演。色、字、辉光、片名卡都是皮；片子好不好，看的是观众能不能一眼认出屏上的东西、看见它在变、看完讲得出"因为……所以……"。

配图不是讲解

这个 skill 做过一条失败的《折叠》（讲蛋白质和 AlphaFold）：全片的主体是一串星点连成的折线。 字幕说"只换掉第 6 个，形状就变了，这就是镰刀型贫血"，折线换了个卷法、变成玫红色。 颜色、字体、节奏都像参考片，可观众从头到尾没见过蛋白质是个什么东西、错一个字母到底坏在哪。 那串星点换给任何一段文案都成立——它是配图。

重做以后，同一段内容是：镜头从血管里的红细胞钻进去，找到一串珠子；第 6 颗变了色；拉出来，细胞弯成了镰刀； 再钻进去，珠串卷成一团抓住氧分子；变色的那颗在表面成了黏点；一团粘一团连成长杆；长杆从里面把细胞顶弯。 两版的对照图是 examples/fold_old_vs_new.jpg，重做的成片在 examples/fold_C/。

动手前先读 references/visualization.md。 四条参考片逐句的"文案 → 屏上是什么 → 观众为什么懂"、六种画法、什么时候不画、 怎么给概念找形象、分镜表怎么写，都在那里。本文件只是流程。

交付物：一个工程目录（storyboard.md 分镜表 + film.js + 渲染出的 renders/final.mp4），加上事实表。

八条规矩

1. 先找形象，再写文案。 每个概念先找到一样外行认得的东西来演它；句子里要有屏上看得见的东西和动作。画不出来的句子，改句子。
2. 屏上的主体叫得出日常名字，而且长得像它本身。 一串有光泽的珠子、一个中间凹下去的红细胞、一条带刻度的数轴、一句古诗。 点、线、圈、柱子、方框不算；一个圆圈加一个标签也不算。
3. 句子里的动词，屏上真的做。 "砍掉一半"就盖住一半，"粘住"就真的卡上去。数是算出来的；示意的地方写明"示意"。
4. 先例子，后道理。 名字、公式、结论，排在观众看过例子之后。开头十秒让观众看见一件事或者自己试一下，然后才是片名。
5. 该画的画，该停的停。 提问、命名、结论、引文、出处，不配新画面——参考片里大约每五句有一句是这样。
6. 一个世界、一把尺子、几样道具用到底。 一个场景撑两句以上，每句只改一处；结尾回到开头的画面。
7. 没有人声，外观统一，画面现写。 文案就是字幕，每句一眼读完；一条片一套色、字、画法，每种颜色全片一个意思。画面和代码是为这份文案现写的，不套模板，不搬别的片子里的东西。
8. 每个事实带出处。 年份、人名、数字上屏；不加水印，不加署名。

改到自己满意为止

第一次渲出来的画面几乎都有毛病。这种片子是看着图改出来的，不是写完代码就完了的——fold_C 那 33 秒改了三轮才成片。

• 每做完一镜就截图看。 --sheet 看全局，--stills 看原尺寸，--motion 看转场。看的是图，不是代码。
• 看的时候当自己是第一次看的观众。 遮住字幕和小字过三问：这是什么 / 它在干什么 / 我明白了什么。答得含糊就是没做好。
• 对着 references/visualization.md 第八节的表逐条查：主体够不够大、认不认得出、发不发白、小字压没压在东西上、字幕区干不干净、转场说不说得清。
• 至少改两轮再给用户看。 每一轮：把看到的毛病列出来 → 改 → 重截同样的时刻 → 确认改掉了、没改坏别的。还有毛病就接着改，不要带着自己都看得出的毛病交片。
• 拿参考片当尺子。 把自己的静帧和 examples/ 里的 look 图并排放，再对照 references/visualization.md 第八节的表。差一截，就还没做完。
• 交片时说实话。 还不满意的地方、没做的东西、没完整看过的部分，直接列出来。

力气不多的时候（时间紧，或者想得不深），照下面做，质量也守得住：

1. 不跳步。 每一步的过关标准逐条对，没过不往下走。尤其是第 2、3 步：没有形象和分镜表，后面改多少轮都救不回来。
2. 拿不准就查表。 这一句该怎么演，去 visualization.md 第一节的四张表里找最像的一行，照它的画法做；该不该画，查第三节。
3. 画面现写，不套模板。 文案不同，屏上的东西就不同，代码也不同。examples/ 是看别人怎么把一份分镜表做出来的，不是零件库——别把那里的珠子、细胞、数轴搬进自己的片子，也别让自己的片子长成它的样子。能带走的只有做法：先截图再改，实心的东西画在底层，推拉用对数缩放。
4. 宁可少，不要糊。 时间只够把三个概念做好，就只做三个；每一镜都认得出，比多讲两个概念重要。
5. 先做 30 秒。 开头 30 秒过了三问、给用户看过，再铺全片。

流程

每一步后面是过关标准。没过就停在这一步改，不往下走。用户说"直接做"时，第 2、3 步的确认可以不等，但东西照样要写出来。

命令里的 scripts/、engine/ 指本 skill 目录下的路径；工程目录建在用户自己的项目里。

0. 看清手里有什么

• 只有题目：从第 1 步做起。
• 有文案：照样过第 1、2 步。文案里画不出来的句子（里面没有东西、没有动作）要改；保留原文的意思、事实和说话的口气，改完给用户看改了哪些。 句长和句数的标准见 references/script.md。
• 用户手里有一版做坏的：先看那一版（截帧对着字幕看），重做同一段内容，交片时给一张新旧对照图。

1. 立题和事实表

写下：一句话论点；3–12 个概念的清单，每个概念用大白话写"要观众明白什么"和"外行卡在哪"。 再列事实表：每个年份、人名、数字的出处和把握程度。把握不足的去查，查不到就换例子。

过关：论点一口气说得完；每个概念你能不用术语讲给外行听。讲不出来的，先去把它弄懂——含糊的句子都是没弄懂的时候写出来的。

2. 找形象

这是决定片子好坏的一步，时间主要花在这里。照 references/visualization.md 第五节，对每个概念按顺序问： 它本身是个东西吗 / 是个过程吗 / 是个量吗 / 是观众脑子里的事吗 / 是条规律吗 / 都不是就上字。 找到以后再问：观众在生活里哪儿见过它；换一个尺度看是什么样；它坏了会怎样；怎么画才像它本身、从哪个认得的画面进场。 然后定全片的那一个形象、那一把尺子，和哪些东西会回场。

过关：

• 每个概念的形象叫得出日常名字，说得出它长什么样；
• 至少一半的概念找到了生活里的锚；
• 没有哪个形象换给别的文案也成立；
• 说得出全片哪一下最让人"哦——"。

这是给用户看方案的第一个时机。钩子给三个方向和一个推荐。

3. 文案和分镜表一起写

格式和自查在 references/visualization.md 第六节，例子在第七节。一句字幕一行：画法（六种之一，或"不画"）、屏上是什么、它在干什么、屏上的小字、观众明白了什么、声音。 字幕的量和句式按 references/script.md。没有分镜表不建工程。

过关：

• 遮住字幕一列，只读"屏上是什么，在干什么"，看得出在讲什么；
• 每一句里的名词，屏上找得到；
• "不画"的大约占五分之一——一个都没有，是把结论也画了；占了一半，是没找到形象；
• 每个场景撑了两句以上，每句只改一处；
• 每一镜过得了三问：这是什么（日常的词）/ 它在干什么（一个动词）/ 观众明白了什么。

这是给用户看方案的第二个时机：把分镜表给他看。

4. 选外观

外观跟着题材走，在分镜表之后定。

题目是	选
一个心理 / 行为机制，从动物或生活场景讲到"你该怎么办"	B 寓言
一个抽象概念或一个看不见的机制，拆成几个当场可演的小实验	C 夜曲

只有这两套。它们的色、字、版式、常驻元素、片名卡、声音都在 references/worlds.md。拿不准选 C；B 最费工。 同时定下颜色的含义，全片不破例。

5. 建工程，先做最难的一镜

python scripts/new_film.py <工程目录> --world C      # 或 B
python engine/render.py <工程目录> --sheet 3 8 15 22  # 指定时刻拼一张；--sheet 16 是均匀 16 帧
python engine/render.py <工程目录> --stills 5.9 18.1  # 原尺寸截几帧
python engine/render.py <工程目录> --motion 8.2 10.6  # 这段时间里取 12 帧拼一张，看转场
python engine/render.py <工程目录> --serve            # 浏览器预览

new_film.py 建出来的 film.js 只是能跑起来的骨架，里面一行画面都没有：没有现成的钩子、没有现成的图表。每一镜都照分镜表现写。 先填 SUBS，再把分镜表里最难画的那一镜做出来，截静帧。引擎的用法在 references/engine.md。examples/ 可以翻，看的是别人怎么把一张分镜表变成画面，不是去找能搬的零件。 字体缺了跑 python engine/get_fonts.py。

过关：拿这张静帧，遮住字幕和小字，问"这是什么、它在干什么"——答得出来；缩到手机横屏大小还分得清；纵向 80%–95% 只有字幕； 对着 visualization.md 第八节的表查过一遍。答不出来就重画，或者回第 2 步换形象。第一版几乎不会过，改两三轮是正常的。

6. 前 30 秒

30 秒里讲得完多少就讲多少，不要为了"讲完"往里塞。一个道理硬压进 30 秒，每句都只能点到为止，画面跟不上，看起来就抽象。 宁可只讲一件事，让它在屏上从头到尾发生一遍（参考片的开头 30 秒也只讲了一件事：鸟丢下自己的蛋去孵假蛋）。

景别要变。同一个固定画面不要撑过三四句：全景交代在哪，中景看它做什么，近景看关键的那一下；该单独给一个画面的地方（一条规则、一次对比）就换一张画，别在原画面上叠东西。

python engine/render.py <工程目录> --clip 0 30 head

渲之前先用 --motion 把每个转场前后各抽一张拼图看：镜头怎么进、东西怎么变、有没有哪一帧说不清在干什么。有就改，改完再渲。

过关：字幕出现后 0.3 秒内屏上有动作；"哦——"之前有铺垫、之后停得住；场景之间是长出来的或者推拉过去的，不是硬切。 这是给用户看画面的时机。

7. 铺全片

一个概念一个函数；常驻元素和字幕在 draw 的最外层统一画。 每做完两三个概念，--sheet 拼一张自查：有没有东西伸进字幕区，有没有两样东西同时抢着动，相邻两段是不是长得一样，该回场的东西回来了没有。 长片按章拆文件（见 engine.md）。

python engine/render.py <工程目录> --det              # 同一帧渲两次必须一样
python engine/render.py <工程目录> --jobs 4           # 全片，4 路并行

8. 声音

• C：film.js 里用 fr.sfx(时刻, 名字) 登记事件（每一下变化一声、推拉时的上滑音、落定时的低音、提问那一镜不出声），然后 python engine/render.py <工程> --events && python engine/audio.py <工程>。
• B：用户给一首配乐，python engine/audio.py <工程> --bgm 曲子.mp3 -8。先量配乐的速度，把每段的开头对到小节线上， 最大的那次揭晓对到配乐重新进入的那一拍。用户没给配乐就说明白：成片目前只有事件音，等配乐。

9. 终检

整片渲出来以后做三遍：

1. 静音、遮住字幕看一遍。 每一段在讲什么，看得出来吗？
2. 只读字幕一遍。 通顺吗？有没有哪句里的名词，屏上找不到？
3. 对照下面的门槛。

	门槛
讲解	成片和分镜表对得上；抽五镜过三问都答得出；没有只是配图的画面；屏上的数前后对得上；尺子和道具回过场
画与不画	提问、命名、结论没有硬配图；也没有连着几句画面不变
结构	片名在 6–24 秒之间出现；结尾回到开头的画面；最后一屏是片名 + 文献
字幕	每句一行；B 停留约 3 秒、C 约 3–5 秒；一句最多染一处颜色
画面	字幕区没有别的东西；任何一刻只有一个主体在动；一镜最多一条小字；颜色含义全片一致
节奏	没有硬切；主体出完之后停住让人读；每 20–30 秒一段无字幕的纯画面
事实	屏上每个数字和事实表一致；每个概念有出处；示意的地方写明了
技术	--det 通过；1920×1080，30fps；没有水印和署名

不合格的时间点列出来，改完只重渲那一段（--clip）确认，再渲全片。交片时把没做到的地方直说，包括成片有没有完整看过。

文件

references/visualization.md	讲解设计：四条参考片逐句的文案 → 屏上是什么 → 观众为什么懂；六种画法；什么时候不画；怎么找形象、怎么画得像它本身；分镜表；《折叠》两版对照；看图改图的毛病表
references/visual-grammar.md	定了画法之后的速查：常见句型、版式、常驻元素、颜色、转场、动效手感
references/script.md	文案：量、骨架、句式、事实、标题
references/worlds.md	两套外观的规格：色、字、版式、片名卡、声音
references/analysis.md	四条参考片的结构、节奏、制作痕迹（外观和技术层面）
references/prompts.md	逆向出的提示词：完整 brief、分步提示词、返工话术
references/engine.md	引擎 API、命令、写法、坑
engine/	vk.js vk-kit.js render.py audio.py get_fonts.py
scripts/new_film.py	建工程：index.html + 一份没有画面的 film.js 骨架
examples/	看别人怎么做过一次，不是零件库。fold_C（夜曲，《折叠》开头 33 秒）和 pigeon_B（寓言，《鸽子的迷信》开头 33 秒）：自己题目的样片，各带分镜表；fold_old_vs_new.jpg：同一段内容的两版对照；两段对照参考片做的复刻；一张货架图；look_*.jpg 是各自的拼图