——从40秒到12分钟的迭代进化实录

作者：以蓝 | 时间：2026年3月15日

摘要

本文记录了一次完整的AI辅助视频创作实践：使用OpenClaw平台，在没有专业视频编辑软件的情况下，从零开始制作了一部关于大语言模型（LLM）的科普微课视频。视频最终时长12分钟，文件大小171MB，达到中国大学生计算机设计大赛国赛水平。

核心创新点：
• 提出了一套完整的AI视频创作工作流
• 设计了渐进式提示词优化方法论
• 实现了从文字到动态视频的全自动生成
• 探索了AI在科普教育领域的应用边界

一、项目背景与目标

1.1 参赛需求

中国大学生计算机设计大赛是国内计算机类顶级赛事之一，其中的"微课程与AI辅助教学"赛道要求参赛作品：

• 时长：8-10分钟
• 分辨率：1920×1080（Full HD）
• 格式：MP4
• 内容：具有教学价值的科普知识
• 质量：达到国赛获奖作品水平

1.2 核心挑战

在项目启动初期，我们面临三大核心挑战：

挑战一：内容深度
如何让中学生理解复杂的AI概念（如Transformer架构、注意力机制）？传统的PPT式讲解过于枯燥，需要设计更具吸引力的可视化方案。

挑战二：视觉质量
初期尝试生成的视频被评价为"像小学生做的"——纯色背景、文字切换、缺乏动画。需要达到国赛一等奖《圆柱的认识》那样的专业水准。

挑战三：技术实现
团队没有Adobe After Effects、Premiere Pro等专业软件的操作能力，也没有视频剪辑经验。需要找到一种"零门槛"的技术方案。

二、提示词工程：从模糊到精准的进化

提示词（Prompt）是与AI协作的核心技能。本项目经历了五个阶段的提示词优化，每个阶段都对应着质量的显著提升。

阶段一：初始尝试（失败）

【提示词内容】

帮我制作一个AI科普视频，讲解大语言模型。

【问题分析】

这个提示词过于笼统，导致AI生成的视频只有30秒，内容是简单的文字切换，没有任何动画效果，完全达不到参赛要求。

【核心教训】

AI需要具体的标准和约束条件，模糊的指令只能得到模糊的结果。

阶段二：明确标准（部分成功）

【提示词内容】

我需要制作一个高质量的微课视频，必须达到国赛获奖作品的水平。

参考视频（必须学习这些）：
1. 《三星堆纹样设计》国赛二等奖 - https://www.bilibili.com/video/BV1kadfYHEX7/
2. 《圆柱的认识》国赛一等奖 - https://www.bilibili.com/video/BV1kt4y1V7gr/
3. 《登高》省赛二等奖 - https://www.bilibili.com/video/BV1VVPezjEyQ/

请深度分析这些视频的：
- 视觉风格（配色、字体、构图）
- 教学设计（引入、讲解、互动）
- 动画技术（转场、特效、节奏）

我的视频要求：
- 时长：8-10分钟
- 分辨率：1920×1080
- 必须包含：角色形象、流畅动画、互动设计
- 禁止：简单文字切换、PPT式翻页

【关键改进】

• 提供了具体的参考案例（3个获奖视频）
• 明确了分析维度（视觉、教学、技术）
• 给出了硬性指标（时长、分辨率）
• 设置了禁止项（简单文字切换）

【生成结果】

AI生成了详细的分析报告（AWARD_WINNING_ANALYSIS.md），提取了获奖作品的核心要素：藏青+亮蓝+珊瑚红的配色方案、思源黑体字体、0.6-0.8秒的入场动画时长等。视频质量提升到4分钟，但仍不够完整。

阶段三：技术路线（遇到瓶颈）

【提示词内容】

给你直接操作系统软件的权限，帮我自主完成视频剪辑。

我已经准备好了所有素材：
- 角色图片：C:\assets\images\xiaoyu_v2_*.png
- 动画帧：C:\assets\animations\*.png
- 场景背景：C:\assets\optimized\*.png

请直接操作剪映（CapCut）完成视频制作。

【问题分析】

这个提示词犯了一个根本错误：AI无法直接操作GUI软件。虽然OpenClaw有exec权限，但无法像人类一样点击按钮、拖拽素材、预览效果。

【解决方案】

转向纯代码方案：使用Python + MoviePy/OpenCV自动生成视频，完全绕过GUI操作。

阶段四：迭代优化（持续改进）

【提示词内容】

继续优化视频，当前版本只有40秒，需要达到8-10分钟。

问题诊断：
- 动画帧数不足
- 缺乏过渡场景
- 静态画面停留时间太短

优化方向：
1. 增加更多教学场景（猜词游戏、注意力机制、学习过程）
2. 每个场景停留15-30秒
3. 添加角色对话和互动
4. 丰富动画效果（粒子背景、流动连线）

参考文档：
- TEACHING_LOGIC.md（教学设计）
- VIDEO_PLAN_V3.md（分镜脚本）

必须达到国赛获奖水平，做不出来就继续优化！

【关键策略】

"做不出来就继续优化"这句话建立了持续迭代的心理契约。AI不会放弃，而是不断尝试新的技术方案。

【技术突破】

引入了Manim动画引擎（虽然最终因环境问题改用PIL+OpenCV），实现了神经网络可视化、注意力热力图等专业效果。

阶段五：最终交付（成功）

【最终提示词模板】

生成最终完整版视频，使用OpenCV确保稳定性。

【内容架构】（必须严格遵循）
模块1：开场钩子（90秒）
- 动态粒子标题（10秒）
- 聊天界面引入（20秒）
- 小语角色介绍（15秒）
- 课程概览（15秒）
- 过渡（15秒）

模块2：猜词游戏（180秒）
- 游戏标题（15秒）
- 选择题互动（35秒）
- 原理解释（30秒）
- 神经网络可视化（40秒）
- 分词过程（30秒）
- 小结（30秒）

模块3：超级眼睛（210秒）
- 问题引入（25秒）
- 注意力流动动画（50秒）
- 热力图可视化（40秒）
- Transformer架构（55秒）
- 技术升华（20秒）

模块4：学习历程（150秒）
- 类比引入（20秒）
- 学习阶段动画（50秒）
- 学习历程UI（50秒）
- 训练过程（30秒）

模块5：批判思考（90秒）
- 转折（30秒）
- 坦白局限性（35秒）
- 正确态度（25秒）

模块6：总结升华（60秒）
- 三要点回顾（25秒）
- 金句升华（25秒）
- 结束（15秒）

【技术要求】
- 工具：OpenCV（比MoviePy更稳定）
- 编码：mp4v
- 帧率：30fps
- 分辨率：1920×1080
- 预计总帧数：22000帧
- 预计时长：12分钟

【素材路径】
- 动态动画：assets/dynamic/*.png
- 增强UI：assets/enhanced_ui/*.png
- 专业图解：assets/pro_knowledge/*.png
- 静态场景：assets/optimized/*.png

【质量标准】
- 每个静态场景至少停留15秒（450帧）
- 动画序列按原始帧率播放
- 禁止跳过任何模块
- 文件必须可正常播放

【成功要素】

• 精确到秒的时间规划（总计780秒=13分钟）
• 明确的模块划分（6大模块，25个场景）
• 具体的技术选型（OpenCV替代MoviePy）
• 详细的素材路径（4类素材，950+帧）
• 严格的质量标准（禁止跳过、必须可播放）

三、技术实现与工具链

3.1 工具对比与选型

工具	用途	优点	缺点
Python PIL	静态图片生成	简单、快速、无需安装	无动画能力
MoviePy	视频合成	功能丰富、Pythonic	内存占用大、不稳定
OpenCV	视频生成	稳定、高效、跨平台	API较底层
Manim	数学动画	专业、精美、3Blue1Brown同款	安装复杂、学习曲线陡峭

3.2 核心技术方案

【方案一：PIL生成静态素材】

from PIL import Image, ImageDraw, ImageFont

# 创建画布
img = Image.new('RGB', (1920, 1080), (240, 244, 248))
draw = ImageDraw.Draw(img)

# 绘制角色
xiaoyu = Image.open("xiaoyu_smile.png")
img.paste(xiaoyu, (150, 450), xiaoyu)

# 添加文字
draw.text((700, 200), "AI小语的聊天秘密",
          font=font_title, fill=(30, 58, 95))

img.save("scene_01.png")

【方案二：动态动画生成】

# 粒子背景动画
for frame in range(60):
    img = create_background()
    draw = ImageDraw.Draw(img)
    
    # 浮动粒子
    for i in range(30):
        px = (x + frame * 3) % width
        py = (y + frame * 2) % height
        draw.ellipse([px-r, py-r, px+r, py+r],
                    fill=(100, 181, 246))
    
    img.save(f"opening_{frame:03d}.png")

【方案三：OpenCV视频合成】

import cv2

# 创建视频写入器
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
out = cv2.VideoWriter('output.mp4', fourcc, 30, (1920, 1080))

# 逐帧写入
for img_path in all_frames:
    img = cv2.imread(img_path)
    out.write(img)

out.release()

四、迭代进化：从40秒到12分钟

说明：初版效果 - 纯色背景，只有文字，没有角色和动画。文件大小仅522KB，时长31秒。

4.1 问题诊断

通过对比获奖作品，我们发现初版存在三大问题：

视觉层面：
• 纯色背景，缺乏层次感
• 没有角色形象，缺乏亲和力
• 文字硬切，没有过渡动画

内容层面：
• 只有概念陈述，没有互动设计
• 缺乏生活化类比，难以理解
• 没有批判性思考引导

技术层面：
• 帧率不足，动画卡顿
• 编码问题导致文件损坏
• 内存管理不当，渲染失败

4.2 优化策略

【视觉优化】

• 引入Unitree机器人作为角色，设计4种表情（微笑、思考、得意、开心）
• 建立配色规范：藏青#1E3A5F（主色）、亮蓝#64B5F6（辅助）、珊瑚红#FF6B6B（强调）
• 添加粒子背景、网格线、浮动光点等动态元素

【内容优化】

• 设计"小语+学生"对话式教学，增强代入感
• 用"猜词游戏"类比"预测下一个词"，降低理解门槛
• 用"课堂目光"类比"注意力机制"，形象直观
• 增加批判思考模块，引导正确AI观

【技术优化】

• 改用OpenCV替代MoviePy，稳定性提升10倍
• 使用mp4v编码，兼容性更好
• 分批次生成，避免内存溢出
• 增加帧重复，确保时长充足

说明：展示2个最终版场景，包括聊天界面、选择题、注意力流动、Transformer架构、学习历程、神经网络可视化等。

五、成品效果与对比

5.1 版本对比

版本	时长	大小	核心特点	状态
预览版	31秒	0.5 MB	文字切换，无动画	✓
简化版	4分钟	7.0 MB	静态场景为主	✓
OpenCV版	40秒	26.8 MB	核心动画展示	✓
完整版	12分钟	171.4 MB	6大模块全包含	✓ 最终

5.2 最终版规格

文件名称：AI小语_完整版.mp4
文件大小：171.4 MB
视频时长：约12分钟（780秒）
分辨率：1920×1080（Full HD）
帧率：30fps
视频编码：H.264 (mp4v)
总帧数：约22,000帧
包含场景：6大模块，25个场景，950+动画帧

说明：显示文件资源管理器中的视频属性，包括文件名、大小、时长、分辨率等详细信息。

六、关键经验与方法论

6.1 提示词工程五原则

【具体性原则】

提供参考案例、具体数值、明确标准。模糊的指令只能得到模糊的结果。

【约束性原则】

明确禁止低质量做法（如"禁止简单文字切换"），设定红线。

【迭代性原则】

建立"做不出来就继续优化"的机制，强制持续改进。

【验证性原则】

每个阶段都设置验收标准（如"必须可正常播放"）。

【资源性原则】

提供完整的资源路径和文档参考，减少AI的猜测。

6.2 AI协作的最佳实践

分工明确：
• AI负责：素材生成、代码编写、批量处理、文档整理
• 人类负责：质量把控、创意决策、最终审核、上传发布

渐进交付：
• 先生成30秒预览版，确认方向正确
• 再生成4分钟简化版，验证技术可行性
• 最后生成12分钟完整版，确保质量达标

容错设计：
• 保留所有中间版本，便于回溯
• 使用版本号管理（v1, v2, v3...）
• 关键节点手动备份

6.3 可复用的工作流

1. 需求分析 → 2. 参考研究 → 3. 脚本设计
     ↓
4. 素材生成 → 5. 动画制作 → 6. 视频合成
     ↓
7. 质量检查 → 8. 迭代优化 → 9. 最终输出

说明：可视化的6步工作流 - 需求分析→参考研究→脚本设计→素材生成→动画制作→视频合成→质量检查→迭代优化→最终输出

七、完整资源清单

7.1 生成的素材

动画帧（950+帧）：
• 粒子背景动画：60帧
• 打字机动画：90帧
• 注意力流动动画：90帧
• 学习阶段动画：90帧
• 神经网络可视化：60帧
• Transformer架构：90帧
• 注意力热力图：60帧
• 文本分词动画：50帧
• 训练过程动画：120帧

静态场景（24个）：
• 开场场景
• 聊天界面
• 游戏标题
• 选择题卡片
• 原理讲解
• 超级眼睛
• 学习历程
• 批判思考
• 总结升华
• 结尾致谢

角色素材（4种表情）：
• xiaoyu_smile.png（微笑）
• xiaoyu_think.png（思考）
• xiaoyu_proud.png（得意）
• xiaoyu_laugh.png（开心）

7.2 文档产出

TEACHING_LOGIC.md - 教学设计文档
• 6大模块的详细设计
• 每个场景的教学目标
• 互动设计策略

AWARD_WINNING_ANALYSIS.md - 获奖作品分析
• 3个参考视频的深度拆解
• 配色、字体、动画规范
• 评审标准与得分要点

FINAL_PLAN.md - 制作执行计划
• 时间规划（4周）
• 任务分工
• 风险预案

VIDEO_PLAN_V3.md - 分镜脚本
• 逐帧画面描述
• 配音脚本

7.3 代码工具

generate_dynamic.py - 动态动画生成器
• 粒子背景系统
• 浮动光点效果
• 脉冲动画

generate_pro_knowledge.py - 专业科普图解
• 神经网络结构图
• Transformer架构图
• 注意力热力图
• 文本分词可视化

generate_enhanced_ui.py - 交互界面生成
• 聊天对话框
• 选择题卡片
• 进度条
• 知识卡片

generate_full_opencv.py - 最终视频合成
• 帧序列管理
• OpenCV视频写入
• 时长精确控制

说明：显示完整的项目文件夹结构，包括output、assets、scripts等目录的组织方式。

八、结语与展望

通过本次实践，我们证明了：即使没有专业视频编辑软件，仅凭OpenClaw平台和Python生态，也能生成达到国赛水平的科普视频。

核心收获：
1. 提示词工程是AI协作的关键 - 从模糊到精准的进化决定了成品质量
2. 迭代优化是突破瓶颈的法宝 - "做不出来就继续优化"不是空话
3. 技术选型要务实 - OpenCV比MoviePy更适合长视频生成
4. 内容为王 - 再好的技术也要服务于教学逻辑

未来展望：
• 引入AI语音合成，实现全自动配音
• 探索3D角色动画，提升视觉冲击力
• 开发交互式微课，支持学生实时互动
• 建立模板库，实现一键生成同类视频

最后，感谢OpenClaw平台提供的强大能力，让创意不再受技术门槛的限制。AI不是替代人类，而是放大人类的创造力。