ai-short-drama

一句话定位

把"假废物真强者、重生、系统、隐藏大佬、逆袭"这类题材标签， 编译成一套有起承转合、角色一致、每集有爽点和追更钩子的 AI 短剧系统—— 一个给 Codex / Claude Code 用的开源 Skill，负责故事和连载状态， 不把整部剧塞进一条生成提示词。

做这个东西的人

Hao0321，独立开发者，GitHub 开源项目。从仓库内容和文档看，作者本人 在实践"用 AI 工具链生产短剧"这套流程，把踩坑后的方法论沉淀成了 可复用的 Skill。

判断：作者大概率自己就是 AI 短剧的从业者或重度实验者——这套流程的 颗粒度（八维评分、逐镜 brief、状态 delta）不是外行人拍脑袋能写出来的。 项目的诚意在"自动化边界"那一段：登录、付费、合规不确定都要停下确认， 说明作者分得清什么能自动、什么不能。

它到底能做哪几件事

• Scout（选题调研） → 研究当下题材、平台和案例
• Greenlight（立项） → 用八维评分选出值得测试的概念
• Bible（设定） → 建立角色、世界规则、能力代价、揭露与反派阶梯
• Season/Episode（连载） → 规划 micro-arc，写出有 dominant turn、payoff、cliffhanger 和 state delta 的单集
• Studio（片型路由） → 在连载单集、完整微短剧、爆款一镜、宫格瞬间、连续长镜之间路由
• Model-aware 生产 → 记录模型时长/参考额度，锁定 recurring 角色三视图、全局风格、逐镜时间线
• Produce（成片包） → 输出 schema 校验过的 production pack、固定 entity ID、逐镜生成 brief 和剪辑 handoff
• Audit（审查） → 分开诊断概念、单集、整季、生产与包装问题

自动化边界：核心 Skill 可独立完成概念、剧本、production pack 和校验； 媒体提示词和生成建议要配 ai-media-generator；自动组装成片要另装剪辑执行器； 登录、额外付费、模型能力不符、合规不确定、正式公开发布必须停下确认。

它明确不做的：不包含作者的私人系列 Bible、角色资产或未公开设定； 模型能力上限不硬编码为永久事实，投产前必须重新验证。

它在替代什么旧行为

以前用 AI 做短剧，最常见的是两条路，都有致命伤：

一是一条提示词生成整部剧——把"写一集 10 集的短剧"丢给模型， 开头还行，越往后角色越走样、世界观越崩，因为单条提示词的上下文窗口 撑不住连载的状态。这是"单集好拍、十集必崩"的根源。

二是人肉管理连载——角色设定、能力代价、反派阶梯、每集钩子， 全记在文档和表格里，每写一集手动翻出来对齐，靠的是人的纪律性， 生产经理式的苦力活，而且换一个人就崩。

ai-short-drama 替代的是这两件事：把"连载状态"（角色一致性、风格锁定、 逐镜时间线、集间钩子）从单条提示词和人的脑子里，搬进文件系统里 可校验、可恢复的状态文件。它解决的是短剧工业化的卡点：连续性。

商业模式

无。 MIT 开源，免费，没有付费版、没有配套服务。 （仓库引用了 AI 追光 aizhuiguang.tech 公开页面中"可泛化的产品机制"作为 Studio 层的参考，但注明是独立重构、未复制对方文案和代码，并记录了证据注册表。）

判断：这是方法论开源换取注意力的典型打法——AI 短剧是 2026 年最热的内容 赛道之一，作者把流程做成可复用的 Skill 放出来，赌的是"谁定义了短剧 生产流程，谁就拿到了这个赛道的生态位"。变现可能是后续的付费模板、 定制生产或接单。

硬数字

• 48 star / 9 fork（本批次观测值）
• MIT 协议，Python 脚本（drama_lint.py / studio_lint.py）+ schema 校验 + 单元测试
• 安装方式是 clone 到 ~/.codex/skills/ 或 ~/.claude/skills/
• 用户数、实际产出剧集数：未披露
• 状态：观察中（watching），仓库持续更新中

四维评估

判断

它押对了短剧工业化的真正卡点：连续性，而且工程上做得够认真。 单集生成早就不是问题，十集不崩才是。把角色、风格、时间线、集间钩子 变成可校验、可恢复的状态文件，这个思路是生产级的，不是 demo 级的。

诚实是它最值钱的部分。 明确写出"登录、付费、合规不确定、正式发布 必须停下确认"，以及"模型能力上限不硬编码为永久事实"—— 这种边界感在 AI 生成内容的工具里极其稀缺，说明作者知道哪些环节 AI 还不能碰。

但它的扩散有限。 48 star 说明它还只是一个小众方法论的开源仓库， 而且它依赖的是 Codex / Claude Code 这类编码 agent 作为执行环境—— 这本身就筛掉了大部分短剧从业者（他们不是程序员）。市场定位是 "会用 agent 的人做短剧"，而不是"做短剧的人用 agent"。

下一步看什么

① 三个月后 stars 能否破 200——方法论仓库的口碑传播速度 ② 是否有真实产出的短剧作品公开引用这套流程（比 star 更有说服力的证据） ③ 是否出现配套的商业化动作（付费模板、代工服务、内容账号矩阵）

可借鉴的做法

产品逻辑：做 AI 内容生产工具时，先想清楚"哪些环节必须停下来让真人确认" 再谈自动化。把自动化边界写进文档，不是保守，是专业——它决定了工具 敢不敢被用在真实生产里。

结论

有待观察。 思路对、工程认真、边界诚实，但扩散速度慢、受众窄， 商业化未起步。它代表的是"AI 内容生产方法论开源"这条路的一个样本—— 连续性这个洞察值得记住，但它的成色要等真实作品和真实收入来验证。