OpenMontage 中 HeyGen Video Agent 提示词优化实战：从一句话创意到分镜级视频脚本的完整方法论
【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage
本文基于 OpenMontage 仓库中 HeyGen 技能的 prompt-optimizer.md 文档，系统讲解如何为 HeyGen Video Agent API 编写生产级提示词。这套方法论源自 40+ 部已产出视频的经验沉淀，覆盖从创意简报（Brief）到分镜级场景脚本（Scene-by-Scene Script）的完整工作流、提示词结构、Avatar 造型设计、五层视觉图层系统与节奏控制。读完本文，你将能够为 Agent 视频生成编写出可直接投入生产的完整提示词，并理解仓库源码（heygen_video.py、_shared.py）背后的调用契约。
核心洞察：把 Video Agent 当作 HTML 解释器来写提示词
整个提示词优化方法论的第一性原理只有一句话：Video Agent 是一个 HTML 解释器。它原生渲染布局（Layout）、排版（Typography）和结构化内容，而不是像传统视频渲染引擎那样精确执行像素级坐标指令。
因此，描述 B-roll（补充画面）时应该使用动作动词驱动的分层文字动效语言——例如 "slams in"（砸入）、"types on"（逐字打出）、"counts up"（数字滚动递增）——而不是布局描述语言——例如 "upper-left, 48pt"（左上角，48 磅）。前者是 Video Agent 能理解并执行的行为指令，后者则极易导致画面留空或黑屏（详见下文"反模式"一节）。
这一认知在仓库中被两个技能共享验证：除 .claude/skills/heygen/references/prompt-optimizer.md 外，create-video/references/prompt-optimizer.md 保留了完全一致的方法论核心，且 .claude/skills/heygen/SKILL.md 明确标注该技能已弃用、推荐迁移到create-video（提示词驱动）与avatar-video（精确控制）两个聚焦技能。也就是说，这套提示词优化方法是仓库中所有 HeyGen 相关 Agent 工作流的公共基础。
十分钟工作流：从 Brief 到生产级 Prompt 的 10 步
文档给出了将一段零散创意转化为生产级提示词的标准化流水线，共 10 步：
- Pull data（收集数据）——围绕主题做研究：网络搜索、API、内部文档，收集真实的引语（quotes）、统计数据（stats）和社交媒体账号（handles）。
- Synthesize a thesis（提炼论点）——不是罗列清单，而是讲一个故事："X 正在发生，因为 Y——这里有证据。"将素材归纳为 3～5 个主题，并赋予叙事弧线。
- Choose a style（选择风格）——先匹配情绪，再匹配内容。自问："观众应该感受到什么？"20 种具名视觉风格及完整规格见 visual-styles.md。
- Write the avatar（撰写 Avatar 描述）——主题化着装须匹配内容的情绪语境，场景中要出现品牌 Logo 与内容相关的道具（详见下文 Avatar 指南）。
- Extract critical text（提取关键文本）——列出所有必须逐字出现在画面上的数字、引语、账号和标签。
- Break into scenes（拆分场景）——每个场景只承载一个概念；轮换场景类型，同类型连续不超过 3 个；每个提示词至少包含 2 个纯 B-roll 场景。
- Write voiceover（撰写旁白）——旁白中的数字要拼读（"one-point-eight-five million"），画面上的数字用数字形式（"1.85M"）；每个场景都必须有旁白，包括 B-roll 场景。
- Layer each B-roll scene（为 B-roll 分层）——L1 背景、L2 主体、L3 支撑信息、L4 信息栏、L5 特效；每个元素都必须动起来。
- Add music direction（添加音乐方向）——引用参考艺术家，描述能量曲线。
- Add narration style（添加旁白风格）——说明语速快慢、停顿位置、每个段落的情绪基调。
这 10 步对应的正是仓库中 video-agent.md 描述的调用前必做清单：定义视觉风格、按场景类型组织场景、按约 150 词/分钟撰写旁白、为每个场景指定媒体类型。
Prompt 解剖：生产级提示词的 8 段结构
所有生产级提示词都遵循同一骨架：
FORMAT: 什么类型的视频、多长、什么能量 TONE: 情绪基调、参考对象 AVATAR: 详细的形象 + 环境描述（60-100 词） STYLE: 具名美学风格，含色彩、字体、动效规则、转场 CRITICAL ON-SCREEN TEXT: 必须逐字出现的字符串 SCENE-BY-SCENE: 逐场景拆解，含旁白与分层视觉 MUSIC: 流派、参考艺术家、能量弧线 NARRATION STYLE: 旁白如何演绎FORMAT
一句话定义视频的形态、时长与能量层级：
FORMAT: 75-second high-energy tech daily briefing. Think: a creator who just got amazing news. FORMAT: Bloomberg-style strategy briefing. 100-120 seconds. CEO-delivered.TONE
定义情绪基调与参照系，直接影响旁白的表达方式与选词：
TONE: Confident, direct,>论点驱动——是故事，不是要点列表风格具名，且含色彩、字体、动效、转场（参见 visual-styles.md） Avatar 有主题衣橱 + 品牌化环境（60-100 词） 关键文本已列出——每个统计、引语、标签 场景类型轮换——同类型不超过 3 个连续；至少 2 个 B-roll 场景 每个场景都有 VOICEOVER——包括 B-roll B-roll 场景 4+ 图层，每个元素带动作动词 B-roll 场景 10-15 秒（绝不超过 5 秒底线） 讨论公司时出现品牌 Logo 每个元素都在动——没有静态帧 将以上 10 项全部打勾，你的提示词就已达到本仓库 prompt-optimizer.md 文档定义的生产级标准——接下来把这份提示词交给 Video Agent，即可在 OpenMontage 的 Agent 工作流中一键产出成片。
【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.![]()
项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
