先说几个核心判断：想用Vidu这类AI视频生成工具制作一段合格的手冲咖啡短片，关键不在于输入画面的想象力，而在于先让AI把结构想清楚。如果你直接丢一句“手冲咖啡过程”过去，它大概率会给你一堆零散镜头——水流在冲、咖啡在滴、杯子在接，看起来什么都拍了，但节奏混乱，重点全丢。

因此，正确的做法分三步走：先让AI输出纯文字提纲，再基于提纲锁定分镜，最后才是生成画面提示词。这里以“V60手冲埃塞俄比亚耶加雪菲”为例，风格设定为干净、自然光、无旁白、无文字标注。

强制AI先输出文字提纲

在Vidu输入框里，第一句话就得把格式锁死。别指望AI能猜到你的意图，必须给出硬约束：

“请只输出以下6个部分组成的纯文字提纲，不要任何解释、不要代码块、不要额外符号：①开场镜头（3秒）；②核心动作A（8秒）；③核心动作B（8秒）；④特写细节（5秒）；⑤收尾镜头（4秒）；⑥整体节奏说明（2句以内）。”

这一步必须卡死，一步都不能省——如果你写的是“建议你先列个提纲”或“可以先想想结构吗”，AI大概率会无视。务必记住：必须用“请只输出……不要……”的强约束句式。

然后补上具体需求：“主题是‘用V60手冲一杯埃塞俄比亚耶加雪菲’，风格干净、自然光、无旁白、无文字标注。”

提纲生成后立刻锁定结构

拿到AI返回的提纲后，别磨蹭，直接复制全部内容，开一个新对话，粘贴并追加指令：“严格按以下提纲生成Vidu可用的分镜提示词，每段提示词对应提纲中一项，共6段，每段开头标注‘镜头1：’‘镜头2：’等，只输出提示词，不加说明。”

举个例子，如果提纲里写的是“④特写细节：滤纸边缘水流缓慢渗透”，那对应的提示词就应该是：“特写，V60滤杯侧边，浅棕色水流沿滤纸纤维缓慢下渗，背景虚化，柔光窗景。”——这才叫可执行的画面描述，不是“优雅注水”那种空话。

如果AI擅自合并镜头或添加提纲里没有的内容，直接删掉重发。提纲一旦确认，后续所有提示词必须逐项绑定，不可跨项糅合。

避免提纲被绕过的两个关键操作

方法一：在首次提问末尾加一句否定排除，比如“不输出视频描述，不输出画面建议，不输出拍摄技巧”。这能防止AI自作聪明地跳出提纲格式。

方法二：把提纲要求拆成两轮——第一轮只问“列出6个时间分区的镜头名（如‘湿布擦拭滤杯’），每个不超过8个字”；第二轮再让AI填充每项的具体画面要素。这样更容易拿到干净、可用的结构。

这一步很多人会跳过，结果AI用“温暖色调”“专业感”这类空泛词凑数。必须逼它写出可视觉化的名词动词组合——比如，“不锈钢壶嘴悬停距滤纸2cm”比“优雅注水”管用十倍。