Prompt Canvas
负责内容产品设计、交互设计与 AI 协作开发
项目介绍
Prompt Canvas 是一个围绕镜头组织提示词、素材与生成结果的节点画布。项目于 2026 年 5 月立项，起点是我在 AIGC 制作中的一个反复出现的问题：提示词在对话里不断修改，视频却散落在不同位置，很难回看每一版为什么改、改完是否更好。
我把迭代过程放到画布上：一个镜头保留一条版本链，每版关联修改要求、提示词和结果素材。让提示词写作、画面对比和项目整理发生在同一个工作空间。
交互设计
把持续的对话拆成可以追溯的版本节点。修改从哪一版开始、继承哪些条件、产生什么结果，都能在同一条镜头链路上找到。
一次镜头迭代 · 流程示意
持续上下文 · 可随迭代调整
- 项目资料
- 风格约束
- 写作规范
V1初版
同一 CUT- 修改要求↓
- API 优化提示词↓
- 结果素材 · 回填
V2修订
- 修改要求↓
- API 优化提示词↓
- 结果素材 · 回填
V3比较 / 选择
- 修改要求↓
- API 优化提示词↓
- 结果素材 · 回填
- 查看生成结果
- 记录问题
- 新建下一版本
外部生成 回填视频 对照修订
把修改过程留在画布上
新版本沿画布横向展开，也可以从已有节点分出另一条尝试。提示词与对应素材一起保留，回看时可以沿父子关系比较，不必再从长对话中寻找上一次修改。
让风格持续传递，让描述逐版调整
项目资料、视觉风格与提示词写作规范统一设置。每次优化同时带入项目约束、镜头上文和本次修改要求，让模型围绕动作、构图与镜头描述继续修订。当前通过上下文约束保持风格一致，精确的局部锁定仍是下一步要完善的能力。
让生成结果回到它对应的版本
画布可以接收图片与视频，将结果关联到具体节点。现在可以在外部生成后回填素材，再对照结果继续修改；后续计划接入视频 API 或即梦的 MCP、CLI，让提交任务与结果回填也沿版本链完成。
工作方式的变化
过去，我在对话里反复纠正构图、动作和画面质感。对话按时间推进，但修改会回到旧版本、切换不同分支；提示词、生成结果和修改理由很难形成清楚的一一对应。
素材管理则主要依靠飞书表格，把镜头、定帧、提示词与视频分别放进列中。Prompt Canvas 希望进一步把这些记录连接成版本关系，让“这一版从哪里来”也成为可以浏览的信息。
项目复盘
复盘会从镜头生成次数、尝试消耗的分布、高迭代镜头排名，以及提示词改写与生成次数的关系入手，帮助我判断精力花在哪里、哪些制作问题值得优先处理。
《理想的一天》· 复盘示例；按给定分布构造，非逐条实测记录。
未来与展望
我认为，这个项目最值得积累的资产，是每次尝试留下的生产数据。下一步希望把提示词版本、生成参数、结果素材和采纳状态对应起来，连同未被采纳的结果一起保留，先用数据改善具体的生产问题。
评测会从人工标注开始，逐步积累判断标准与失败原因，再用这些样本校准机器评测，并保留人工抽检。未来接通视频任务后，让评测结果推动提示词修改与再次生成，把每轮制作的经验带进下一轮。
从生产记录到自动迭代
未来路径- 01
保留过程
版本、参数、素材与采纳结果逐一关联。
- 02
人评标注
记录可用与否、问题类型和修改理由。
- 03
校准机评
依据人工样本评测，分歧交回人工复核。
- 04
定向改写
按评测问题调整描述，保留已通过的约束。
- 05
再次生成
提交新版本，将结果与评测写回原镜头。
↶ 每次生成回到同一条记录链，持续完善评测规则与提示词策略。
近期 · 让数据先服务生产
补齐每次生成与采纳记录，找到高迭代镜头和重复问题，让修改更有针对性。
中期 · 从人评走向机评
建立人工标签与评审标准，逐步验证自动评测的可靠程度；不确定和有分歧的结果仍由人判断。
远期 · 形成自动迭代的数据飞轮
接通“评测—改写—再生成”，通过人工抽检持续校准，让系统逐渐成为能够根据结果自我调整的 AI 生成器。