先搞清楚，注释到底要解决什么问题

动手之前，先明确一个关键问题：你添加注释，究竟是为了服务谁？是给配音演员提示语速节奏，为剪辑师标注关键帧定位，还是给程序员对接API时提供结构化字段？用途不同，注释的格式与内容差异巨大。

举个例子，配音提示需要精确到毫秒级的时间锚点；剪辑指令必须绑定具体的轨道编号；而API对接场景，则需严格遵守JSON Schema这类规范。这一步绝不能省略，切忌一开始就笼统地写一句“请加注释”。否则，剪映的AI很可能只会返回“这里停顿两秒”这种自然语言描述，而非你真正期望的[pause:2000ms]。

设计一套清晰的基础注释语法

这里推荐两种比较实用的方法：

方法一：用方括号定义语义标签

直接向AI明确你的符号规则。比如，规定：“所有注释统一使用[ ]包裹，内部格式为[类型:值]。类型仅允许使用action、timing、speaker、emoji这四种，值不加引号”。规则定义得越清晰，AI输出的准确性就越高。

方法二：提供带注释的样例作为参照

给AI一段真实的脚本片段，并附上你手动标注好的示例。例如，输入是“小猫跳上窗台”，输出则应为“小猫跳上窗台[actor:cat][timing:00:12.345][action:jump][emoji:?]”。AI在模仿样例格式方面，往往比理解纯文字规则更可靠。

⚠️ 这里有个关键提醒：样例中的字段必须是你实际会用到的。如果在例子里写了[location:livingroom]，但实际脚本中从未涉及地点信息，AI就会自行编造一个地点，反而污染数据。

把提示词嵌入到剪映可用的结构里

第一步：明确角色与任务界限

要让AI明白，它现在不是万能助手，而是“剪映专业注释引擎”。它只需做三件事：解析原始文本、按照你设定的语法插入注释、不改变原文任何内容。

第二步：列出强制约束条件

用分号分隔硬性要求，例如：“注释必须紧跟在对应的词语后面；同一句话中最多只能出现3个注释；禁止使用中文括号（）、破折号——、星号*；时间戳格式必须严格为hh:mm:ss.SSS”。

第三步：明确失败时的兜底行为

提前告知AI：“如果无法判断动作类型，则留空[action:]不填；如果时间信息缺失，则填[timing:unknown]”。这样能避免AI自行猜测，导致错误信息持续传播。

第四步：适配剪映的特定要求

剪映PC端无法识别换行符。因此，最终必须追加一句：“所有输出必须为单行纯文本，禁用换行符等控制字符”。这一点很多做自动化标注的人容易忽略，恰恰是导致最终输出无法使用的常见原因。