别再盲目抽卡了!Seedance 2.0 成本太高?教你用 Claude Code 100% 出片

大家好,我是小肥肠,专注AI干货知识分享。

这两天 Seedance 2.0 刷屏,我发的测试视频甚至被网友误认为是新出的电视剧。但说实话,这模型生成成本很高,每次抽卡成本都太高。

今天直接上硬核干货:教大家如何用 Claude Code 搭建一个专门生成高质量AI视频提示词的Skill,把零散灵感固化为生产力工具,实现高效率、低成本地精准出片。

1. 前言

这两天 AI 视频圈彻底被 Seedance 2.0 刷屏了。周六我也去深度体验了一把,顺手发的两个测试视频居然小爆了一下,评论区全是问:"这是哪部新出的电视剧?"

其实,这种电影级的质感,只要一句核心提示词结合 Seedance 2.0 就能实现。但说实话,现在的生成成本很高(无论是时间还是积分),盲目"抽卡"非常浪费资源。 为了保障提示词的质量,实现 "一语中地" ,今天我会演示如何基于 Claude Code 搭建一套专属的视频提示词 Skill,让你的 AI 创作步入自动化、高效率的轨道。

2. Seedance 2.0 实战技巧

Seedance2.0的体验地址为jimeng.jianying.com/ai-tool/gen...

2.1. 全能参考

以前想让模型模仿电影里的走位、运镜或者复杂动作,要么写一堆细节提示词,要么干脆做不到。而现在,只需要上传一段参考视频,就可以了。

使用方法:

在底部会话框中选择视频生成,模型选择"Seedance2",模式选择"全能参考",屏幕比例自行选择,视频时长选择"15s"。

在参考内容处输入参考视频,需要替换的主体图,然后输入以下提示词,等待几分钟就会获得成品视频。

视频展示:

2.2. 文生图

使用方法:

在底部会话框中选择视频生成,模型选择"Seedance2.0",模式选择"首尾帧",屏幕比例自行选择,视频时长选择"15s"。

在会话框中输入提示词,等待几分钟后就可以获得成品

视频展示:

如果想要了解Seedance2.0更多用法可以直接参考:🎬 即梦 Seedance 2.0 使用手册(全新多模态创作体验)

3. Claude Code制作提示词专家Skill

说一下为什么要做这个Skill

  1. 大模型上下文有限制,你有一个好的idea生出了提示词,几轮会话以后它就忘干净了
  2. 好的提示词应该被提取出来,作为参考资料来生成更优秀的提示词
  3. 每次有优秀的提示词都可以录入参考库,你的提示词会日益精进,越来越好

话不多说,正式开始搭建。本文的Agent Skill目录结构设计如下:

bash 复制代码
xfc-ai-video/
├── SKILL.md          # 必填:使用说明 + 元数据
├── scripts/          # 可选:可执行代码
├── references/       # 可选:文档资料
└── assets/           # 可选:模板、资源文件

基于目录设计,在.claude目录下新建项目文件夹,如下图所示,我在F:\skill-project.claude\skills\目录下新建了xfc-ai-video目录。

将经过测试后表现优异的提示词录入到txt文件,放置在reference目录下。

编写SKILL.md,从下图可知这个skill名叫xianxia-prompt-master。它的角色是仙侠动作流提示词专家。擅长吸收《仙侠比武提示词.txt》中的高动态运镜、纵深感叙事及特效层叠逻辑,为用户生成电影级的视频/文本描述提示词。

技术流程是参考放置在reference目录下优秀提示词来生成新的提示词。

这样的好处是但凡有好的提示词都可以往reference目录下放置,我们的提示词不需要精心调试就可以自己不停优化成更优秀的提示词。

到这一步skill就制作完成了,接下来进入测试环节,回到.claude上级目录,在文件路径处输入cmd打开命令提示符,输入claude进入claude code。

输入提示词生成需求它就会开始调用xianxia-prompt-master这个skill,等待几秒一个优秀的文生视频提示词就做好了。

以上就是整个skill构建的完整流程拆解,动手能力强的读者可以跟着教程实践一遍。上述skill已经被收录到了小肥肠共学群中,需要原件可以加入社群直接使用哦。

不止是仙侠格斗,你也可以用它来生成网上爆火的AI萌宠,AI荒诞类视频,快快实操起来吧,如果你想要小肥肠珍藏的《仙侠比武提示词》可以666哦。

4. 结语

Seedance 2.0 的发布,标志着 AI 视频从抽卡游戏正式进入了导演模式。但工具的进化并不意味着人的退场,相反,它对创作者提示词工程(Prompt Engineering)的能力提出了更高的要求。毕竟,在高昂的生成成本面前,每一秒时长的消耗都应该精准命中预期的画面。

如本次分享对你有帮助,麻烦一键三连支持一下小肥肠,我们下期再见~

相关推荐
每日新鲜事10 小时前
热销复盘:招商林屿缦岛203套售罄背后的客户逻辑分析
大数据·人工智能
Coder_Boy_10 小时前
基于SpringAI的在线考试系统-考试系统开发流程案例
java·数据库·人工智能·spring boot·后端
挖坑的张师傅10 小时前
对 AI Native 架构的一些思考
人工智能
LinQingYanga11 小时前
极客时间多模态大模型训练营毕业总结(2026年2月8日)
人工智能
pccai-vip11 小时前
过去24小时AI创业趋势分析
人工智能
SEO_juper11 小时前
AI SEO实战:整合传统技术与AI生成搜索的优化框架
人工智能·chatgpt·facebook·seo·geo·aeo
pp起床11 小时前
Gen_AI 补充内容 Logit Lens 和 Patchscopes
人工智能·深度学习·机器学习
方见华Richard11 小时前
自指-认知几何架构 可行性边界白皮书(务实版)
人工智能·经验分享·交互·原型模式·空间计算
冬奇Lab11 小时前
AI时代的"工具自由":我是如何进入细糠时代的
人工智能·ai编程