一条提示词？Opus 5.5爆火动画背后的八层真相

seeco用一个Opus 5.5生成的视频在推特上刷了屏。一个卡通小人站在黑色键盘的Z键上，眼睛大而有神，微笑，手臂和腿是简单的线条画。发布者只配了一句话：One prompt in Opus 5.5, zero After Effects。看着确实不真实。

不过别急着相信。Opus 5.5是Anthropic在9月22日发布的新模型，它根本没有直接生成MP4的能力。所有你看到的“一条提示词”视频，实际上都是一段由模型写出的代码，被浏览器逐帧渲染，再用ffmpeg合成。而一位叫seeco的网友在这篇文章里把整件事拆成了八块。

1. 帧函数：为什么Opus写程序而不是写视频

核心是一个函数：seek(t)，它回答一个问题，第t秒的画面上应该显示什么。无头浏览器调用它900次，抓下15秒视频的每一帧，ffmpeg把它们粘起来。没有定时器，所以第240帧可以独立渲染，不用重放前239帧。某条标题出现太早，改一个数字，重新渲染就行。

如果不外加约束，Opus会选零依赖路线：一个index.html，Playwright逐帧捕获，ffmpeg编码。适合这种方法的场景是产品广告、UI动效、数据故事、排版和发布会破题。真实感照片、复杂角色和有机运动，仍然要交给视频素材或视频模型。

2. 环境：为什么光有聊天界面只能得到平庸结果

聊天应用可以写动画。但只有带Shell权限的智能体（比如Claude Code）才能渲染、播放和查看自己刚生成的帧。这一来一回的反馈，正是爆款和“有点一般”之间的差距。

搭一套环境只要十来分钟：

brew install node ffmpeg python
pip install numpy librosa soundfile
mkdir motion-studio && cd motion-studio && npm init -y
npm i -D playwright && npx playwright install chromium
npx skills add remotion-dev/skills
npx skills add heygen-com/hyperframes
claude --model claude-opus-5-5

然后项目根目录放一个CLAUDE.md，把渲染规则写进去。比如“window.seek(t)只负责画第t帧，其他什么都不能驱动画面”，“渲染模式下禁止CSS过渡、setTimeout和requestAnimationFrame”，“只用种子噪声，绝不用Math.random”。还要定下视觉禁令：禁止居中渐变标题、禁止所有东西淡入、禁止角落标签、禁止UI加光晕。每2到4秒屏幕上必须有新东西。

写进CLAUDE.md后，每次运行Claude Code都会自动读它，不需要重复交代。

3. 提示词：为什么“氛围提示”会留下每个决策悬而未决

如果只丢一句“做一个疯狂的产品视频”，模型会用最安全的默认值填满每个空白。所以你会看到那么多居中渐变标题。但一句打磨过的提示词仍然有用，seeco推荐的是这条：

“制作一个15秒的动态图形视频，展示你是一个多么不可思议的动态设计师，就像你的个人reel。全力以赴。”

“showreel”这个词给了Opus一个成熟的流派规则。把模型本身当主体，就没有产品可以搞错。15秒正好容纳6到8个镜头。最后加个“go all out”在xhigh努力级别之上再叠一层。不过，用这条跑通流程之后就该继续了，因为成百上千人发过同样的句子，得到的reel也相互押韵，seeco把这称为“提示词传染”。

一旦要卖真实产品，提示词就必须换成一份制作文档。Claude Code团队的Thariq说得很直白：帖子里说一句提示词，实际跑的是10k字符，带着技能、示例和密钥。

一个正面例子是Tony Dinh的TypingMind宣传片。他在提示词里多写了三行：产品URL、必须使用真实截图、必须带音乐。Opus自己访问网站，收集素材，不到30分钟完成。一年前类似级别的视频，他付过1,200美元。

4. 参考：为什么每条“单提示词”看起来都差不多

没有提供视觉语法，Opus就会用自己那一套，不相关的reel开始像兄弟姐妹。Rexan Wong翻了几十个爆款视频，总结出：命名一种风格比描述一种风格更有效，而一帧参考画面或一段短视频能一次性传达节奏、排版和转场。

有三种参考方式：一帧你喜欢的视频；一段用ffmpeg切出来的短片段；一个你自己的历史作品文件夹。用参考时，只取视觉语法，不要取主题、Logo或文案。具体做法是让Opus每隔半秒提取帧，然后写一份style_guide.md和shotlist.md。

还有一个提醒：产品宣传片应该让Opus从真实网站抓取真实界面截图，如果资产缺失，智能体应该停下来问，而不是画一张能乱真的假图。

5. 状态列表：为什么一个从不剪切的形状胜过十个特效

“缩放、变形、加粒子”是一串动作，故事板讲的却是每一秒观众知道了什么。这就是为什么最受收藏的提示词来自一段XML规范。@twoclipping用它做出了UI morph，907K观看，19K收藏；@verbove用同样的结构给真实产品做了MakerMap。

想法其实简单：一个容器在大小、圆角和颜色上连续变形；光标通过真实点击驱动每一次变化；最后一帧和第一帧匹配，让短片可以循环播放。

seeco还提到NFT_Chen的做法：先用Opus写一个带时间轴、波形和导出按钮的假视频编辑器，然后在这套假UI里编排整部影片。这套假UI就像一个电影布景，每个元素的状态都清清楚楚。

6. 弹簧和声音：为什么便宜的运动显得便宜

固定缓动曲线只是从A滑到B。有质量的运动会加速、略微过冲、再稳住。闭合形式的弹簧公式能在保持seek(t)确定性的同时实现这种手感。当某个值连续改变目标时，比如光标或容器宽度，应该在每次变化上叠加一个弹簧，而不是重启整个动画。

每种对象要有自己的运动规则：小UI快速吸附，面板沉静，相机几乎隐形地滑行，标题重重落下并停足够长的时间，吉祥物刻意弹跳。如果所有东西都过冲，就没有东西显得精准。

声音和画面必须在同一时钟上。Rob Hallam一开始以为reel里的声音是后期加的，结果纯代码生成。@oozn的史蒂夫·乔布斯传记片，用Node合成音轨，23个转场锁在120BPM上。如果你用自己的音轨，先用librosa提取BPM和节拍，状态变化落在节拍上，重大时刻落在强拍上，点击声和嗖嗖声落在打击点上。

盲测方法：闭上眼睛听音频。如果去掉画面就没有形状，说明声音设计没做完。

7. 批评：为什么Opus必须看自己的帧

Opus 5.5能读图，所以它必须检查自己刚渲染出来的东西。这是所有爆款视频的共性。

@mablesjoseph的水彩短片，前后调用了163次模型，接近7小时。Drew的发布日作品170万观看，依然能看出清理痕迹。不要用肉眼连续看十遍完整导出，用ffmpeg生成证据：联系表（每秒2帧，6列）、快动作附近的连续帧条、360px宽的手机测试、loop检查、确定性检查（第300帧渲染两次，哈希必须一致）。

然后交给Opus一个带牙齿的任务：只看渲染帧，不要看你本来想做什么。按钩子、手机可读性、运动、多样性、声音同步、品牌准确度打分。列出最差3个缺陷，带时间戳、证据和局部修复方案。修完重新渲染这几秒，重复直到每项8分以上。

常见问题：文字重叠、该缓动的元素在滑动、角落标签、模糊的缩放文字、一个没有任何事的节拍、循环点上的卡顿。

8. 技能：为什么下一个视频应该是一句话

如果电影的记录只存在于聊天记录里，那只是中了彩票。把决策放进文件，下一次运行才能读取。motion-studio目录应该有brief.md、style_guide.md、shotlist.md、assets/、src/、reviews/、out/。

夜间长跑需要门禁（GATE）。seeco列了6个：引用和资产批准、风格指南和分镜批准、所有镜头的静帧并批评、带占位音频的animatic、完整渲染、格式和检查。智能体可以在各门之间工作数小时。缺截图就是阻塞，引用不明确就要问，而不是先渲染900帧好看但错误的东西。

Donald的做法叫“生成后描摹”：先让Seedance 2.5渲染基础镜头（角色和物理），再由Opus用JavaScript在顶部重绘整部电影，观众只能看到代码画的那个图层。他的142秒音乐视频，提示词约9,500字符，睡了5小时一觉醒来就出片，最后拿到210万观看。John Heibel的PDoom仓库（1.1K星）展示了子代理版本：Opus写一份ANIMATION_GUIDE.md，交给九个章节的并行工作流。

格式方面，每个宽高比都应该从同一个时间轴导出，而不是从16:9中间裁一刀。竖屏用更大的字号和更少的元素，方形屏更紧的停留，宽屏更多空间上下文。

把这一切打包成skill，下一次的视频就真的变成一句话了：

/motion-reel [URL], 20s, vertical, reference ./refs/frame.png

总结

seeco最后用一张表总结了八块的要点。提示词只占结果的约十分之一，其他都是围绕它的“harness”。唯一不能弯折的铁律：任何一帧都必须独立渲染，每次都一样。真实产品资产只能用真的。批评循环是你忍不住跳过的，因为第一次渲染感觉有进展，而每个爆款都做了这一步。

PDF版全流程可以在这里拿。

那么，你的流程会在哪一步过不了contact sheet测试？