分阶段反馈改写剧本法
把写剧本拆成多个阶段：logline → 人物与故事走向 → 分场 → 场景或对白草稿 → 人审改写。每一步先评价、追问、校正，再进入下一层，AI 在整个流程中作为讨论和草拟对象，由人做选择。
标签匹配
任务描述、口语长句、创作者、工具和仓库名称都可以直接搜索。
按名称、标签、主题和内容相关性排列
把写剧本拆成多个阶段：logline → 人物与故事走向 → 分场 → 场景或对白草稿 → 人审改写。每一步先评价、追问、校正，再进入下一层，AI 在整个流程中作为讨论和草拟对象，由人做选择。
标签匹配
针对 AI 辅助生成的网文初稿中常见的模板化痕迹（叙事套路、句式生硬、情绪表达模板化、人物语言趋同），由人工进行二次润色。其核心是把"AI 味"当作可识别的语言现象，逐项改写而不是整体重写，让文本更贴近网文读者的阅读习惯。
用途匹配
在不同场景、动作和图像生成工具之间，让同一 AI 角色保持可识别的视觉一致性。来源教程将其定位为"最稳"的工作流，但整理者按来源边界标注：这是作者主观评价，未做横向对照实验。
用途匹配
把长篇创作拆成多层递进结构，逐层限定模型的输出范围。具体为：先由零散灵感生成覆盖主线与阶段目标的"总纲"；再把总纲拆为卷纲、章纲或更细的情节节点，得到"细纲"；最后按细纲逐章生成正文。每次只让模型处理当前这一层，不要求其一次写...
用途匹配
用户给出模糊主题后，AI 先追问受众、时长、风格和发布平台等关键信息，再进入正式生成的工作流顺序。
用途匹配
在 AI 视频工作流中，只对文案、声音、画面或时长中不满意的环节继续对话修改，而不是推翻整片重做。
用途匹配
把"不变识别信息"与"场景变量"隔离，让模型在多轮生成中只看到应变的部分，从而降低模型把角色识别特征也一并改掉的概率。这是 Character DNA 提示词结构背后的通用提示词组织原则。
用途匹配
用一句话压缩故事的核心冲突、主要人物与走向，作为剧本合作的起点。先发想多个 logline，再挑出值得继续发展的故事核心。
标签匹配
把故事拆到场次层面，逐场检查功能、转折和前后承接关系。这是剧本特有的中间结构层，颗粒度比普通"提纲"更细。
标签匹配
先生成结构化口播文案（开头—核心解释—比喻—结尾），人工检查后再进入配音与画面生成的工作流顺序。
用途匹配
以预置的知识库（模板、风格样本、参考资料）作为生成边界，让 Agent 不再从空白上下文开始写作，从而稳定长文的风格、结构和引用来源。
用途匹配
先把主题交给 Agent 做联网研究与资料整理，组织成结构，再按段落或小节逐段成稿，而不是一次性生成全文。该方法是翔宇长文工作流的核心修正项，明确否定"一次提示词生成全文"作为最终方法。
用途匹配
把分析任务从模糊的“分析一下这家公司”变成可检查的约束集合。模型默认输出常常带有通用模板和自由发挥；通过显式声明角色与少量关键规则，可以减少模型在关键口径上的偏离。
内容匹配
把 PDF、网页链接、YouTube 视频和音频等多种格式的资料统一加入一个笔记项目，由系统读取和整理后，自动生成两位说话者交替讨论的播客式音频。其输出形式是可直接播放的双人对谈，而不是仅生成播客提纲或单人 TTS 朗读。
用途匹配
对 AI 长文中的引用、事实性陈述和上下文衔接做逐段回查与人工修订。承认篇幅增长不等于可信度增长，长文必须经过事实核查才能对外发布。
用途匹配
把 AI 生成的双人对话式播客音频当作待审校稿，从头到尾完整试听，逐项核查事实、数字、专有名词、发音、语气和遗漏，再决定是否发布。这一步是 AI 音频产物的强制质控节点，不应被"声音自然"所掩盖。
用途匹配
在正式分段扩写之前，先由 Agent 输出结构化提纲，由人工或 Agent 内部确认论点顺序和段落覆盖，再按段落逐段扩写。该方法用于降低长文跑题、段落重复和上下文漂移的风险。
用途匹配
在用 AI 工具做视觉探索之后，由作者对生成结果按方向、可信度、版权、目标岗位匹配度进行人工筛选，再决定哪些进入作品集、哪些淘汰、哪些仅作内部参考。这是从 研究—生成—筛选—构建—交付（个人作品集建站工作流） 单独提取出的"筛...
内容匹配
在多页叙事绘本中，让同一个主角在所有内页里看起来"仍是同一个人"，同时让画风、笔触与色彩保持统一。本方法以 Midjourney 的角色参考（--cref）与风格参考（--sref）为核心，配合提示词修订与权重调参，把"单页调...
内容匹配
这是一个用于把分散项目材料整合为个人求职作品集入口的五段式工作流，来源于张誉聪（Albert Lush）在其个人作品集网站（4zyc.cn）中自述的工作流整理。原始来源是四段（研究 / 生成 / 构建 / 交付），本方法在此基...
内容匹配