AI 漫剧正在成为内容创作者、小团队和工作室重点探索的新方向。
相比传统动画或真人短剧，AI 漫剧用 AIGC 工具压缩制作周期：从选题、剧本、角色设定、分镜脚本，到分镜图、图生视频、配音、剪辑和发布，很多环节都已经可以被 AI 介入。
但真正做过 AI 漫剧的人都知道，难点并不只是“会不会用 AI 生成一张图”。
更麻烦的是：AI 漫剧全流程生产链路很长，每个环节都要人来理解、整理、改写、判断、生成和检查。
你要先看热点，判断什么题材值得做；再选剧本主题，改写成适合漫剧节奏的故事；接着拆成分镜脚本，补充角色、场景、镜头、动作和情绪；然后生成分镜图，再把分镜图送进图生视频工具；如果提示词方向不准，还要反复抽卡、反复调整、反复检查人物和场景是否一致。
飞书在收集用户痛点的过程中，也看到过类似需求：有创作者已经在做 AI 漫剧，希望把“热点搜索→剧本主题选择→剧本改写→创意边界判断→分镜脚本制作→外接即梦 API→分镜资产生成”串成一套自动化工作流，而不是每一集都从零开始手动整理。
这正是 OpenClaw 适合大展拳脚的地方。
OpenClaw 不只是帮你写一段分镜提示词，而是可以帮助 AI 漫剧创作者把前期生产流程拆解成一套可复用的工作流：从建立业务认知，到拆解剧本；从生成分镜脚本，到调用外部 API 出图；从失败重试，到完成后推送飞书通知，让 AI 漫剧生产从“人工盯着跑”变成“工作流持续推进”。
AI 漫剧全流程生产，最容易卡在“分镜前后”的连续工作
很多人刚接触 AI 漫剧时，会以为核心难点是生图或生视频。
但真正跑过完整链路后会发现，最耗人的往往是分镜前后的连续工作，对一个人或小团队来说，这里会出现三类典型问题：
更适合的方式，是先跑通一条最小闭环：
热点/题材 → 剧本改写 → 分镜脚本 → 分镜出图 → 结果检查 → 飞书通知
这条最小闭环不一定马上生成最终成片。
它先解决 AI 漫剧生产里非常关键的一步：把剧本稳定转成可复用的分镜资产。
当分镜图资产稳定后，再接入图生视频、剪映剪辑、BGM、配音和平台发布，链路才更容易继续往后扩展。
解决方案：部署 OpenClaw，把 AI 漫剧生产从“手动抽卡”变成“流程化生成”
- 你的 AI 漫剧领域背景；
- 你偏好的题材类型；
- 你的角色设定和人设；
- 你的创意边界；
- 你的分镜脚本格式；
- 你的提示词结构；
- 你的即梦 API 调用方式；
- 你的失败重试和断点续传规则；
- 你的飞书通知机制。
这些信息沉淀下来之后，下一次做新剧集，不需要从零开始。
第一步：激活 OpenClaw，让它先建立 AI 漫剧生产认知
更好的方式，是先让 OpenClaw 理解你的 AI 漫剧生产背景。
你可以先让 OpenClaw 建立 5 类认知
认知类型 | 需要告诉 OpenClaw 什么 | 作用 |
项目背景 | 你正在做什么类型的 AI 漫剧 | 让它理解业务目标 |
内容定位 | 面向什么平台、什么受众、什么题材 | 决定选题和叙事节奏 |
生产痛点 | 哪些环节最耗时、最容易返工 | 决定工作流优先级 |
创意边界 | 哪些内容不能做，哪些风格要避免 | 降低选题和剧本风险 |
工具链路 | 会使用哪些外部工具和 API | 方便后续设计调用流程 |
推荐给 OpenClaw 的输入方式
请你作为我的 AI 漫剧生产工作流助手，先建立对我当前项目的认知。
我的业务背景是：
【我正在做 AI 漫剧 / AI 动态漫 / 短视频漫剧内容】
我的目标是：
【希望把热点搜索、题材判断、剧本改写、分镜脚本、分镜出图、图生视频等环节串成自动化工作流】
我目前的痛点是：
1. 解读剧本、改写分镜脚本、整理资产、生成分镜图耗时；
2. 图生视频时需要自行写提示词，方向不明确会多次抽卡；
3. 多集内容生产时，角色、场景、风格一致性不好管理；
4. 临时脚本不够稳定，希望改造成可复用工具。
请你先帮我整理：
1. 当前 AI 漫剧生产链路；
2. 最适合先自动化的环节；
3. 每个环节需要的输入和输出；
4. 后续需要沉淀成长期记忆的规则。
这一步的产出
完成这一步后，OpenClaw 应该先形成一份“AI 漫剧生产认知文档”，包括：
- 项目类型；
- 目标受众；
- 题材偏好；
- 风格要求；
- 生产痛点；
- 工具链路；
- 自动化优先级；
- 长期记忆内容。
这份认知文档越清楚，后面的工作流越稳定。
第二步：用 OpenClaw 搭建“热点到剧本主题”的选题工作流
AI 漫剧不是先有图，而是先有题材。
题材选错，后面分镜、出图、视频都可能白做。
所以 OpenClaw 的第一条工作流，可以从“热点搜索到剧本主题选择”开始。
这一步的目标不是单纯追热点，而是判断：哪些热点适合改造成 AI 漫剧，哪些只是短期话题，哪些具备强情绪、强冲突、强反转，值得进入剧本阶段。
AI 漫剧选题可以从 5 个维度判断
判断维度 | 需要看什么 | 适合 AI 漫剧的特征 |
情绪强度 | 爽感、虐感、反转、悬念 | 能快速抓住用户注意力 |
视觉化程度 | 场景、动作、人物冲突 | 能转成画面和分镜 |
连载潜力 | 是否能拆成多集 | 适合做系列内容 |
制作难度 | 人物数量、场景复杂度 | 适合当前工具能力 |
风险边界 | 题材是否敏感、是否侵权 | 能安全改写和发布 |
推荐给 OpenClaw 的选题 prompt
请你作为我的 AI 漫剧选题 agent，基于近期热点和短视频平台内容趋势，帮我筛选适合改编成 AI 漫剧的选题方向。
请按以下维度输出：
1. 热点/题材名称；
2. 适合改编成 AI 漫剧的原因；
3. 核心冲突；
4. 适合的人设；
5. 可视化场景；
6. 连载潜力；
7. 创意边界和风险点；
8. 是否建议进入剧本改写阶段。
请优先选择适合低成本制作、角色数量不多、场景可复用、冲突明确的题材。
这一步的产出
这一步完成后，你应该得到一张“AI 漫剧选题表”。
选题 | 核心冲突 | 可视化亮点 | 制作难度 | 是否进入剧本阶段 |
题材 A | 身份反转 | 强人物对峙 | 中 | 是 |
题材 B | 复仇爽点 | 夜景、打斗 | 高 | 暂缓 |
题材 C | 情感误会 | 室内对话 | 低 | 是 |
选题表的作用，是帮你在进入剧本改写前先做一次筛选，避免后面把时间浪费在不适合制作的题材上。
第三步：用 OpenClaw 完成剧本改写和创意边界判断
选题确定后，下一步是剧本改写。
AI 漫剧剧本和普通故事梗概不一样。它要服务于后续分镜和生成，因此需要更明确的人物、动作、场景和节奏。
如果剧本只写“男主很愤怒地离开”，后面生成分镜图时就会缺少足够信息。更适合的写法是把人物表情、肢体动作、场景氛围、镜头重点写出来。
剧本改写要为分镜服务
普通剧本文字 | 更适合 AI 漫剧生产的改写方向 |
女主发现真相，很崩溃 | 女主站在昏暗办公室中央，手里攥着文件，眼神震惊，嘴唇发白 |
男主赶来救她 | 男主推开仓库铁门，逆光冲入，神情紧张，背景有尘埃和强光 |
反派露出冷笑 | 反派坐在高背椅上，微微俯视镜头，嘴角上扬，眼神阴冷 |
两人发生争执 | 双人中景，对峙构图，一人前倾质问，一人后退回避 |
推荐给 OpenClaw 的剧本改写 prompt
请你作为我的 AI 漫剧剧本改写 agent，将以下故事梗概改写成适合后续分镜生产的漫剧剧本。
要求：
1. 保留核心冲突和情绪节奏；
2. 每一场戏都要明确人物、场景、动作、情绪；
3. 尽量减少不必要的角色和复杂场景；
4. 每一段都要方便后续拆成分镜；
5. 同时判断是否存在创意边界、侵权风险或平台发布风险。
请输出：
1. 改写后的剧本；
2. 主要人物设定；
3. 主要场景设定；
4. 情绪节奏；
5. 创意边界和风险提醒；
6. 建议拆分成几集。
这一步的产出
这一步完成后，你应该得到：
- 可分镜化剧本；
- 角色设定表；
- 场景设定表；
- 情绪节奏表；
- 创意边界判断；
- 剧集拆分建议。
这会直接决定后续分镜脚本的稳定性。
第四步：用 OpenClaw 生成标准化分镜脚本，让出图有据可依
分镜脚本是 AI 漫剧生产的关键中间层。
它连接剧本和图像生成，也决定后续图生视频能不能稳定。
公开教程和行业资料普遍会把“剧本拆分、人物设计、分镜生成、图生视频、剪辑配音”作为 AI 动态漫/AI 漫剧的重要流程；其中分镜质量直接影响后续生成效果。
分镜脚本建议固定字段
字段 | 说明 | 示例 |
集数 | 当前是第几集 | EP01 |
镜头号 | 当前镜头编号 | S01 |
时长建议 | 预计视频时长 | 3-5 秒 |
场景 | 具体空间和氛围 | 深夜办公室，冷色灯光 |
角色 | 出现哪些角色 | 女主、反派 |
景别 | 远景、中景、近景、特写 | 女主手部特写 |
画面描述 | 画面中发生什么 | 女主攥紧文件，手指发抖 |
动作 | 角色动作 | 抬头、后退、冲入 |
情绪 | 人物情绪 | 震惊、愤怒、压抑 |
对白/旁白 | 需要保留的台词 | “你一直在骗我？” |
出图提示词 | 用于生成分镜图 | 画面 prompt |
图生视频提示词 | 用于生成动态片段 | 镜头运动和动作 prompt |
质检标准 | 生成结果如何判断可用 | 人物一致、场景一致、动作合理 |
推荐给 OpenClaw 的分镜脚本 prompt
请你作为我的 AI 漫剧分镜导演 agent，将以下剧本拆解成标准化分镜脚本。
请使用表格输出，每个镜头包含：
1. 集数；
2. 镜头号；
3. 时长建议；
4. 场景；
5. 角色；
6. 景别；
7. 画面描述；
8. 角色动作；
9. 情绪；
10. 对白/旁白；
11. 分镜图提示词；
12. 图生视频提示词；
13. 质检标准。
要求：
- 镜头之间要有连续性；
- 角色外貌、服装、场景风格要保持一致；
- 单个镜头不要塞太多动作；
- 优先生成适合图生视频的清晰画面；
- 每个镜头都要能独立生成分镜图。
这一步的产出
这一步完成后，你就有了一张可执行的分镜脚本表。
这张表不是给人看的大纲，而是后续自动化工作流的核心数据源。
第五步：用 OpenClaw 管理角色、场景和风格资产，降低多集生产成本
AI 漫剧做一集不难，难的是多集稳定生产。
多集生产最容易崩的地方是：
- 角色长相不一致；
- 服装前后变化；
- 场景风格漂移；
- 同一人物在不同镜头里像不同人；
- 提示词每次写法不同，导致结果不可控。
所以在接入即梦 API 之前，OpenClaw 需要先帮你建立资产管理规则。
AI 漫剧资产管理建议分 4 类
资产类型 | 需要记录什么 | 用途 |
角色资产 | 姓名、年龄、外貌、服装、发型、表情特征、参考图 | 保持人物一致 |
场景资产 | 场景名称、空间结构、光线、色调、道具 | 保持环境一致 |
风格资产 | 画风、镜头语言、色彩、质感、构图偏好 | 保持视觉统一 |
提示词资产 | 正向提示词、负向提示词、镜头运动、动作描述 | 提高生成稳定性 |
推荐给 OpenClaw 的资产管理 prompt
请你作为我的 AI 漫剧资产管理 agent，基于当前剧本和分镜脚本，帮我建立一份可复用资产库。
请输出：
1. 主要角色资产表；
2. 主要场景资产表；
3. 全剧统一视觉风格；
4. 角色一致性提示词；
5. 场景一致性提示词；
6. 禁止出现的画面问题；
7. 后续每集需要复用的固定描述。
要求：
- 角色描述要稳定，不要每次改写；
- 场景描述要可复用；
- 风格描述要统一；
- 提示词要适合后续接入文生图、图生图和图生视频。
这一步的产出
这一步完成后，你会得到一份 AI 漫剧资产库。
它可以成为后续多集生产的“基础设定层”，避免每一集都重新定义角色和场景。
第六步：外接即梦 API，让 OpenClaw 从分镜脚本推进到分镜资产生成
当分镜脚本和资产库准备好后，就可以进入出图阶段。
即梦 AI 是字节跳动旗下的一站式 AI 创作平台，官方介绍中提到其覆盖图片生成、视频生成、音乐音效生成等创作流程；即梦官网也介绍其支持文字绘图、文字生成视频和图片生成视频。
在 API 能力方面，火山引擎文档中提供了即梦视频生成相关接口说明，其中包含文生视频与图生视频能力；另有官方 API 格式说明提到可通过提交任务和获取结果的方式进行视频生成任务处理。
对 AI 漫剧工作流来说，即梦 API 可以作为 OpenClaw 后面的生成节点：OpenClaw 负责整理分镜脚本、提示词和资产引用，再由脚本调用即梦 API 执行生成任务。
分镜出图工作流可以拆成 6 个动作
动作 | OpenClaw 负责什么 | 工具/API 负责什么 |
读取分镜表 | 获取每个镜头的画面描述、角色、场景 | - |
组装提示词 | 合并角色资产、场景资产、风格要求 | - |
提交生成任务 | 准备 API 请求参数 | 即梦 API 生成图片 |
保存结果 | 整理图片 URL、本地路径、镜头编号 | 存入资产目录 |
质检结果 | 检查人物、场景、画风是否符合要求 | 可结合模型/规则判断 |
推送通知 | 生成完成后提醒创作者 | 飞书私信通知 |
推荐给 OpenClaw 的即梦接入 prompt
请你作为我的 AI 漫剧自动化工程 agent，基于现有分镜脚本和资产库，帮我设计一个接入即梦 API 的分镜图生成工作流。
要求：
1. 每个镜头读取分镜脚本中的画面描述；
2. 自动合并角色资产、场景资产和统一风格提示词；
3. 为每个镜头生成适合即梦出图的 prompt；
4. 支持批量提交生成任务；
5. 保存每个镜头的生成结果；
6. 记录失败任务；
7. 支持失败重试；
8. 生成完成后发送飞书私信通知。
请输出：
- 工作流步骤；
- 输入字段；
- 输出字段；
- 目录结构建议；
- 错误处理机制；
- 需要人工确认的节点。
这一步的产出
这一步完成后，OpenClaw 不再只是“帮你写提示词”，而是开始进入真实生产链路。
你会得到：
- 分镜图生成脚本方案；
- API 接入参数设计；
- 分镜资产命名规则；
- 成功/失败任务记录；
- 飞书通知机制。
这也是 AI 漫剧全流程生产从“人工操作”走向“自动化工作流”的关键一步。
第七步：用 OpenClaw 做结果质检，让人物、场景和风格更稳定
AI 漫剧生成结果最怕“看起来都能用，但放在一起不像同一部剧”。
所以质检不能只看单张图漂不漂亮，还要看连续性。
尤其是图生视频阶段，更要检查：
- 人物有没有变脸；
- 服装有没有变化；
- 场景有没有跳变；
- 动作是否符合分镜；
- 镜头是否过度夸张；
- 是否出现多手、畸形、错位；
- 情绪是否和剧情一致。
OpenClaw 可以辅助建立质检规则
质检维度 | 检查内容 | 处理方式 |
人物一致性 | 五官、发型、服装是否稳定 | 不合格则重试或调整提示词 |
场景一致性 | 背景、道具、光线是否连续 | 调整场景提示词 |
风格一致性 | 画风、色调、构图是否统一 | 强化统一风格描述 |
动作合理性 | 动作是否符合分镜 | 改写动作提示词 |
视频可用性 | 是否能进入剪辑阶段 | 标记可用/待重生 |
推荐给 OpenClaw 的质检 prompt
请你作为我的 AI 漫剧质检 agent，基于分镜脚本、角色资产、场景资产和生成结果，帮我检查当前分镜图/视频是否可用。
请按以下维度打分：
1. 人物一致性；
2. 场景一致性；
3. 风格一致性；
4. 动作合理性；
5. 情绪表达；
6. 是否适合进入下一步图生视频/剪辑。
如果不合格，请输出：
- 失败原因；
- 需要修改的提示词；
- 是否建议重试；
- 下一轮生成建议。
质检的意义：减少无效生成
质检不是为了追求完美，而是为了减少无效生成。
当 OpenClaw 能够持续记录“哪些提示词容易失败、哪些镜头容易变形、哪些角色描述更稳定”，它就能逐步帮助你沉淀更适合自己项目的生成经验。
第八步：把临时脚本改造成生产级工具，支持多集处理、断点续传和失败重试
很多创作者一开始会先写一个临时脚本：能跑就行。
但 AI 漫剧一旦进入多集生产，临时脚本很快就会出问题。
比如：
- 跑到第 30 个镜头失败，前面结果不知道怎么续；
- API 请求失败后需要手动重跑；
- 多集素材混在一起，文件命名混乱；
- 生成完成后没人提醒，还要人工盯着；
- 失败原因没有记录，下次还是同样失败。
所以 OpenClaw 的下一步价值，是帮助你把临时脚本升级成可复用的生产级工具。
生产级 AI 漫剧脚本建议具备 6 个能力
能力 | 解决什么问题 | 具体表现 |
多集处理 | 一次处理多集分镜 | 支持 EP01、EP02、EP03 批量生成 |
断点续传 | 中途失败后不用从头跑 | 已完成镜头自动跳过 |
失败重试 | 降低 API 波动影响 | 自动重试 N 次并记录原因 |
任务状态记录 | 方便追踪进度 | pending/running/success/failed |
资产规范命名 | 避免素材混乱 | episode_scene_shot 格式 |
飞书通知 | 不用人工值守 | 完成/失败后私信提醒 |
推荐给 OpenClaw 的脚本升级 prompt
请你作为我的 AI 漫剧生产工具工程师，把当前临时生成脚本改造成可复用的生产级工具。
目标：
支持多集处理、断点续传、失败重试、任务状态记录、资产规范命名，并在任务完成或失败后推送飞书私信通知。
请帮我设计：
1. 目录结构；
2. 配置文件结构；
3. 分镜输入表字段；
4. 任务状态表字段；
5. 断点续传逻辑；
6. 失败重试逻辑；
7. 飞书通知内容；
8. 后续接入图生视频和剪辑节点的预留接口。
这一步的产出
完成这一步后，你拥有的就不再是一段临时脚本，而是一套可持续复用的 AI 漫剧生产工具雏形。
这也是 OpenClaw 从“创作助手”升级成“生产系统搭建助手”的关键体现。
结语：AI 漫剧不是少写几个提示词，而是搭一套可复用生产工作流
AI 漫剧看起来是内容创作问题，本质上也是工作流问题。
真正消耗创作者精力的，不只是生成一张图，而是前后所有环节：选题、剧本、分镜、资产管理、提示词、出图、图生视频、质检、重试、通知和后续剪辑发布。
如果这些都靠人工推进，一个人很容易陷入反复整理、反复抽卡、反复返工。
OpenClaw 适合 AI 漫剧创作者的地方就在于，它可以先建立对你业务的长期认知，再帮你把创作流程拆成可执行节点：从热点搜索到剧本主题，从剧本改写到分镜脚本，从分镜提示词到即梦 API 出图，从失败重试到飞书私信通知。
这不是简单地“让 AI 帮你写分镜”，而是把 AI 漫剧生产变成一套能跑起来、能复用、能持续优化的系统。
