怎么用DeepSeek写出一集不尬的剧本
让LLM直接"写一集短剧"，出来的东西基本没法看。转折生硬、对白像念课文、情绪说断就断。
问题不在模型，在喂法。一口气生成和分层生成，质量差十倍。
先认清三个死穴
转折太硬。模型喜欢"突然"——突然反转、突然翻脸。没有铺垫和情绪递进，观众莫名其妙。
情绪断层。上一秒吵架，下一秒拥抱。中间的情绪过渡模型不会写，全靠脑补。
对白书面化。"难道你不明白我的心意吗"——真人不会这么说，放到短剧里违和感拉满。
换成更强的模型也没用，DeepSeek、Kimi、千问都一样。核心在于拆流程——让模型每一步只干一件事。
第一步：先喂角色，再喂剧情
别一上来就写剧本。先建立角色档案。
不是"姓名：张总，年龄32，CEO"那种简历式设定，要喂行为逻辑和说话习惯。
比如："林晚，28岁，表面温柔实则控制欲极强，生气时不发火而是沉默，说话爱用反问句，口头禅是'你觉得呢'。"
角色档案喂完再给剧情框架。框架只写"这场发生什么"，不写对白。让模型知道目标，但不让它自由发挥。
第二步：逐场景生成
一集5分钟短剧大约6-8个场景。别让模型一次生成全部。
上一场结果贴回去当上下文，情绪才连续。
每场prompt带场景目标——"这场让观众觉得男主在隐瞒什么，但不说破"。
对白控制在3-5轮。模型自己不会卡篇幅，你得帮它。
分场景的好处是可控。哪场不行改哪场，不用整集推翻。
场景多了模型切换也频繁——大纲用DeepSeek，对白想换千问试试，用器灵接统一API Key就能在几个模型之间无缝切，不用反复改配置。
第三步：对白单独润色
模型的对白有个通病——太"完整"。每句话都信息量拉满，像念设定稿。
真人说话是碎的、有废话的、会打断对方的。
润色指令一句话就行："改成口语化，允许 incomplete sentence，允许打断，允许答非所问。角色性格不变。"
跑一遍出来，台词从"翻译腔"变成人话。这一步很多人跳过，觉得初稿够了——实际上观感差很远。
换个模型跑润色也行，千问的口语化有时比DeepSeek好。走OpenAI兼容接口，写法不用改，换个模型名就行。
多模型分工
不同模型擅长的环节不同：
DeepSeek跑大纲和场景拆解 → 千问生成初版对白 → Kimi做全文连贯性审查
三步走完，剧本质量比单模型一把梭高一个档次。
用大模型API聚合接入比较省事，不用每个平台单独配环境。改model参数切换模型基本零学习成本。器灵上这几个模型都有，串起来跑编剧流程，比来回切网页快得多。
当工具，别当编剧
LLM的上限是"合格工业品"，不是爆款。
选题、核心冲突、情绪钩子——这些决定生死的部分还是人来定。模型给你60分底稿，你改到80分，比从零写到80分快得多。
回头看就三件事：角色设定喂到位、分场景逐段生成、对白单独润色。分开做和一口气生成的剧本，完全不在一个级别。多花二十分钟在流程上，比事后改到崩溃划算。
花时间学"怎么拆流程"，比学"怎么写prompt"有用。喂法对了，哪个模型都能给及格线以上的东西。