AI 视频创作工作台 updream 全拆解：节点画布、技能社区与从一句创意到成片的全链路实操

本文由 辛梓煜@词元2号站（www.ciyuanerhao.com）撰写，转载请注明出处。

快速摘要

如果你只想要一个结论，那就是这句话：updream 是哔哩哔哩自研的一款 AI 视频创作工作台，它最关键的三件东西——无限画布、带长期记忆的智能助手、可复用可共享的"技能库"——合在一起，把过去只藏在少数高手脑子里的专业工作流，变成了新手也能照着跑通的可视化流程。 它的画布是节点式的（有点像做视频版的 ComfyUI），每一个 AI 助手都是画布上一个独立节点，节点之间靠"连线"传递上下文；而它最少见的一步，是把"技能"也做成了画布节点——技能本质上就是前人沉淀下来的经验，谁都能创建、上传、调用。配上从写剧本、生成美术资产、构建提示词到剪辑成片的一整条链路，普通人也能把一条片子的质量做到接近专业水准的八九成。

这篇文章我会把 updream 的设计逻辑、画布怎么用、技能系统为什么重要、一条完整工作流具体怎么走，以及 AI 视频提示词到底难在哪，全部讲清楚；还会补一份可以直接套用的"电影感"提示词结构模板。想看完整拆解，往下翻。

一、先说清楚门槛在哪：AI 视频里"会做"和"做好"，隔着一整个专业段位

这几个月刷短视频，你大概也有同感：AI 视频肉眼可见地变多了，而且不再是那种一张图配旁白的低质量拼接，而是有电影级画面、有像样镜头语言的作品。技术在往上走，这是好事。

但对想上手的人来说，麻烦也跟着来了。你随手用一句"帮我做个女孩在理发店的短片"去生成，出来的东西多半是"能看"，但离"好看"差得远——人物像塑料建模，背景像贴纸，光影平得像证件照，完全没有故事张力。而真正的高手做出来的画面，逆光打在发丝上的光晕、从门缝斜射进屋的晨光、屋内昏暗和门外明亮形成的层次，全都拿捏得死死的。

这中间差的是什么？不是模型，模型大家用的是同一批；差的是对提示词的把控能力。

我给你举个我自己做过的对照实验（换成通用化的例子，方便你理解）。同一个场景：一个女孩清晨走进旧理发店。

• 新手写法：女孩走进理发店，理发师给她理发。
• 专业写法：会把画面拆成风格定调、镜头景别、光源方向、人物微表情、环境音、镜头之间怎么衔接，一条十秒左右的镜头，提示词能写到上千字。

你可以想象一下，光是把一条十秒镜头的提示词写完整，就已经足够劝退绝大多数新手了。说实话，这种上千字、还要分门别类摆放的提示词，别说写，我第一次看到都有点头皮发麻。

这一关，就是新手和专业创作者之间的第一道分水岭。 而 updream 想做的事，本质上就是把这道分水岭尽量填平——它的办法不是"帮你生成个视频了事"，而是把专业创作者脑子里那套流程，搬到一块所有人都能看见、能改、能复用的画布上。

为什么"门槛"比"模型"更难跨

我特意强调一句：现在制约大多数人做不出好视频的，早就不是模型能力了。

这两年模型迭代的速度你我都看在眼里。早期那种一眼假、五官乱飘的生成效果，基本已经成为历史；现在主流视频模型的画面质感、动作流畅度、人物一致性，都到了"能用"甚至"专业可用"的阶段。换句话说，模型这一头的水位已经涨得很高了，短板反而挪到了"人"这一头——你会不会把想法翻译成模型听得懂的、结构化的指令。

这就有点尴尬。工具越强，对使用者的"表达能力"要求反而越高。一辆性能怪兽级别的赛车，交到不会换挡的人手里，跑不过家用买菜车。AI 视频现在就是这个状态：模型是赛车，提示词是驾照，而大多数人连驾照都还没考。

所以你会发现一个规律：真正做得好的创作者，花在"想清楚这个镜头要什么"上的时间，远多于花在"点生成按钮"上的时间。他们的核心竞争力，是一套已经内化的、可复用的创作方法。而这套方法，恰恰是最难通过一两篇教程速成的东西——它藏在无数次试错里。

updream 的思路，就是想办法把这套"藏在试错里的方法"显性化、模块化，让它能被打包、被调用、被别人直接拿去用。理解了这个出发点，你才能明白它后面每一个功能为什么这么设计。

下面我一层层拆。

二、updream 到底是什么：一个把"整条创作链路"装进画布的工作台

先给不了解的朋友交代背景。

updream 是哔哩哔哩（B 站）自研的 AI 视频创作产品，面向的是 UP 主和相对专业的内容创作者，2026 年 3 月底开启内测。它不是那种"输入一句话吐一个视频"的单点生成器，更像一个视频创作工作台：从选题构思、脚本撰写、分镜设计、素材生成，一直到剪辑成片，串在同一条链路里完成，中途不用在七八个工具之间来回切换。

它有三块核心能力，记住这三个词就够了：

模型层面它是"多模型集成"的思路，图像、视频、文本各接了一批主流模型（视频侧接入了 Seedance 2.0 这一档的能力，也支持文生视频、图生视频、首尾帧控制等玩法）。也就是说，你在一个工作台里，能按需调用不同模型来干不同的活，而不用自己去一个个平台开号。

这里插一句名字的由来，挺有意思：updream 拆开就是 UP（创作者）+ Dream（梦想），产品目标写在名字里了——降低视频创作门槛，让创作者把效率提上去。

辛梓煜@词元二号站提醒一句：这类"平台型"工具最大的优势，是它本来就长在自己的创作者生态里，很清楚 UP 主平时在用什么、缺什么。通用工具得靠猜需求，它不用猜。

"多模型集成"到底解决了什么问题

我单独把"多模型"这件事拎出来讲，因为它比看上去更重要。

过去你要做一条像样的片子，链路可能是这样的：在 A 平台生成图，导出；到 B 平台做图生视频，导出；再到 C 平台配音；最后拉进剪辑软件。中间每一次导出导入，都在掉画质、掉一致性，也掉你的耐心。更别提你得同时养好几个平台的账号、记好几套操作逻辑。

updream 把图像、视频、文本几类主流模型集成在同一个工作台里，好处不只是"省得来回切"，更关键的是——素材和上下文能在同一个环境里流转，不用反复搬运。你在画布上生成的角色图，可以直接喂给下游的视频节点，风格、参考关系都还在。这对"多镜头保持一致"这种刚需来说，是质变。

而且不同模型各有所长：有的擅长写实人像，有的擅长动态大的动作戏，有的胜在长镜头连贯。集成之后，你可以按镜头需求挑模型，而不是被单一模型的短板卡死。

它长在 B 站的创作者生态里

updream 内测阶段是邀请制的，早期名额一部分发给了在官方 AI 创作活动里表现突出的创作者。这个细节能说明它的定位：它不是面向"随便玩玩"的泛用户，而是面向真正要产出内容的创作者。

平台型工具的独特优势也在这儿。一个通用 AI 视频工具，得靠猜"用户可能想做什么"；而 updream 背后是一个成熟的内容社区，它很清楚创作者在选题、分镜、出片这条链上的真实卡点在哪。产品的每一处设计，几乎都能对应到一个具体的创作痛点——这不是通用工具靠拍脑袋能补齐的。

理解了"它是一个工作台"这个定位，你才能理解后面所有设计——画布、节点、技能，全都是为了"把一条完整的创作链路可视化地组织起来"服务的。

三、节点式画布：像搭积木一样，把一部片子的生产流程摆出来

我们先从最基础的画布讲起。

什么是"节点式无限画布"

传统的剪辑软件是线性的：一条时间轴从左到右，一步接一步。而 updream 的画布是非线性、无限大的，操作逻辑更接近 ComfyUI——你可以在画布上自由地放文本节点、图片节点、视频节点，用连线把它们组织成一条流程，支持多线并行、快速迭代。

用大白话说：它不是让你"从头到尾走一条直线"，而是给你一整张桌子，你想把哪块素材摆哪、哪几步先并行做、哪一步的结果喂给下一步，全凭你自己排。

[创意/一句话想法]
        │  连线
        ▼
[剧本节点] ──连线──▶ [美术资产节点] ──连线──▶ [提示词/分镜节点] ──连线──▶ [视频生成节点]
                                                                    │
                                                                    ▼
                                                            [时间轴 / 剪辑]

上面这个伪流程图，就是画布上一条典型工作流的样子。每个方块都是一个节点，箭头就是"连线"。

关键设计：把 Agent（智能助手）当成一个节点

这是我觉得 updream 画布最聪明的一步。

它把智能助手（Agent）本身也做成了画布上的一个节点。这么做的直接好处是：每个 Agent 节点都能独立完成任务，彼此之间上下文不会互相污染。

你可能没意识到这有多重要。用过对话式 AI 的都知道，聊得越久，上下文越乱，前面聊的东西会莫名其妙影响后面。而在画布上，"写剧本"是一个 Agent 节点、"生成素材"是另一个 Agent 节点，各干各的、互不串味。等你需要让后一个节点用到前一个节点的产物时——

连线，就是节点之间传递信息的方式

答案简单到有点朴素：连根线就行。

如果是在同一个 Agent 对话里，它能直接读上下文，你说一句"根据剧本生成素材"它就懂了。但独立节点之间没有共享上下文，怎么办？把"剧本节点"的输出连到"素材节点"的输入上，后者就能读到前者的内容，然后据此发起生成。

这就是画布模式最基础、也最核心的操作。理解了"节点 + 连线"，你就理解了 updream 一多半的用法。

线性思维和非线性思维，差在哪

我想多花点篇幅讲讲"非线性"这件事，因为它不只是操作上的区别，更是思维方式的区别。

传统剪辑是线性的，它逼着你从头到尾按顺序想：先第一个镜头，再第二个，再第三个。这套逻辑在成片阶段没问题，但在创作前期特别憋屈——创意本来就是发散的、跳跃的，你可能先想到高潮那个镜头，再回头补前因。线性时间轴装不下这种跳跃。

非线性画布的价值，就是它容得下"混乱"。你可以先把脑子里冒出来的三四个画面各摆一个节点，暂时不管顺序；可以让"角色设计"和"场景设计"两条线并行推进，互不等待；可以把一个还不确定的方案单独拉一块地方试，试坏了删掉就行，不影响主流程。它更贴近人真实的创作方式：先发散，再收敛。

等所有素材都在画布上摆齐了，你再把它们往时间轴上一拖，收敛成一条线。发散用画布，收敛用时间轴，各司其职。

"上下文不串味"这件事，比你想的重要

前面提到 Agent 节点之间上下文互相隔离，我再补一个具体场景，你就懂它的价值了。

假设你在做一个系列短剧，第一集里你和助手反复调过一个"冷峻男主"的设定。到了做第三集的某段轻松戏时，如果所有对话共享一个上下文，那个"冷峻"的调性很可能阴魂不散地渗进来，让本该轻松的戏也透着一股别扭。

节点化之后，每一段任务是干净的。这段戏要什么调性，你就在这个节点里单独交代，不受别处影响。它把"上下文污染"这个大模型的老毛病，用产品结构给规避掉了，这是我觉得很聪明的一点。

素材统一管理，别小看

画布用久了，节点会越来越多，素材也会越堆越杂。updream 在这块做了统一管理——画布里的内容和素材能集中整理、智能识别、快速检索调用。

这听起来是个不起眼的功能，但真正做过长项目的人都知道，"我上周生成的那张场景图跑哪去了"这种问题，能耗掉多少时间。素材能被快速找回和复用，本身就是效率。

四、真正的杀手锏：它把"技能"也搬上了画布

前面都是铺垫，这一节才是 updream 和同类工具真正拉开差距的地方。

光有 Agent 还不够

Agent 确实方便，但它有个天花板：如果你不懂 AI 视频那套专业知识，只会对它说"帮我做个视频"，那它最多给你产出一个"能看"的视频，很难做到"好看"。因为它不知道你要什么样的光影、什么样的运镜、什么样的画面质感——这些恰恰是新手最缺的。

updream 的解法很直接：把"技能"也做成画布节点。

打个比方就懂了

• 如果说 Agent 是一位心灵手巧的工匠，什么都能上手做；
• 那么 技能就是一位顶级老师，它会教这位工匠"这活儿怎么做质量才高"。

技能的本质，说白了就是前人沉淀下来的经验。一段调好的提示词结构、一套稳定的调色流程、一个跑通的分镜方法论——把这些打包成一个可复用的模块，就是一个"技能"。

我在同类工具里没见过谁把技能直接搬到画布上当节点用。这一步的意义在于：技能不再是躺在文档里的说明书，而是能直接拽进流程、即插即用的生产力。

技能社区：AI 视频版的"百宝箱"

updream 有一个技能社区/技能市场，覆盖了 AI 视频制作里几乎每一个环节：视频生成、图片生成、提示词优化、剧本写作、创意策划……你在这条流水线上缺哪一环，基本都能在这里找到对应的技能。

有的技能甚至把整条流程都"包圆"了。比如某个"漫剧全能助手"类的技能，你只丢一句故事创意进去，它能自己从剧本一路跑到成片，最后直接把视频交付给你。

不过技能市场这个功能，其实不少工具都有，这不算稀奇。updream 真正不一样的地方在下一点。

开放创建和上传：这才是它像 GitHub 的原因

经验这东西，没有绝对的好坏，只有适不适合你。如果你只能用官方给的那几套经验来创作，你的创意其实也被锁死了。

所以 updream 干脆开放了创建和上传技能的权限。在"技能市场 > 我的技能"里，你可以通过和 Agent 对话来创建自己的技能；如果你在别处看到更顺手的技能，也能直接传上来用。

写过代码的朋友对这个模式一定不陌生。GitHub 之所以是开发者的百宝箱，就是因为大量功能都能在上面找到现成的源码，拿来即用。"上传技能"这件事之于 updream，差不多就相当于 GitHub 之于开发者——它把一个人的能力成果，变成了可以共享、可以复用的公共经验。我把它叫作"AI 视频界的 GitHub"，不算夸张。

两个体验上的小设计，很戳我

技能上画布之后，有两个细节让新手友好度直接拉满：

（1）input 节点自动生成。 你选中一个技能，画布会立刻把这个技能需要的上游素材节点摆出来，明确告诉你"它要哪些输入"，你直接在这些上游节点里补素材就行。你不用去啃一大段技能说明——画布会告诉你缺什么、怎么补。

（2）计划步步确认。 技能节点运行时，它会先把这次任务的所有流程排出来，让你清楚看到它打算按什么顺序做。每完成一步就打一个勾，直到清单全部走完，任务才算结束。整个过程是透明的，你能看着它一步步推进，而不是丢进去一个黑箱、干等结果。

怎么创建一个属于自己的技能

很多人看到"创建技能"会先被吓退，觉得是不是要写代码。其实门槛比想象的低。

updream 里创建技能的主要方式，是和 Agent 对话。你把自己惯用的一套做法讲给它听——比如"我做治愈系短片时，习惯用暖色调、柔和自然光、轻微的镜头呼吸感，人物要有次表面散射的皮肤质感"——它会帮你把这套偏好固化成一个可复用的技能模块。下次再做类似内容，直接调这个技能，不用每次从头交代。

你也可以把在别处验证过好用的方法，整理好上传上来。这样一来，你个人的"创作手感"就从一次性的东西，变成了可以反复调用、甚至分享出去的资产。

什么样的技能才算"好技能"

用了一段时间，我摸出一点判断技能好坏的经验，分享给你：

• 边界清晰：好技能通常只解决一类问题（比如专攻"提示词优化"或"分镜生成"），而不是什么都想管。管得越宽，往往越平庸。
• 可复现：同样的输入，它给出的结果风格是稳定的，而不是每次天差地别。稳定，才谈得上"复用"。
• 说清楚要什么输入：配合前面说的"input 节点自动生成"，一个好技能会明确告诉你它需要哪些上游素材，而不是让你猜。
• 审美对得上：这条最主观，但也最关键——再好的技能，如果它的默认审美和你要的调性不搭，产出对你就是负分。

所以我的建议是：别囤技能，要挑技能。 面对满屏的技能，先想清楚自己这一步到底要什么，再去找匹配的那一个，而不是看见热门的就往画布上拖。

开放技能，本质是在做"经验的众包"

我想把"开放上传技能"这件事再往深里说一层，因为它的想象空间比"多几个模板"要大得多。

一个人的经验是有天花板的。你再厉害，也只精通某几个题材、某几种风格。但当成千上万个创作者，各自把自己最拿手的那套方法打包成技能、丢进同一个社区时，发生的事情是经验的规模化聚合——擅长悬疑光影的人贡献一套打光技能，擅长动作分镜的人贡献一套分镜技能，擅长萌宠短片的人贡献一套萌宠流程。你要做的，是从这个不断生长的"经验池"里，挑出适合自己项目的那几块，拼成你的工作流。

这正是我把它类比成 GitHub 的深层原因。GitHub 的伟大不在于某一段代码写得多好，而在于它让"个体的成果"变成了"人类可共享的公共财富"，后来者永远站在前人的肩膀上，不用每次都重新造轮子。技能社区之于 AI 视频创作，走的是同一条路：把个人手艺，变成公共经验。

当然，这也带来一个隐性要求——你得有点甄别能力。社区里的技能良莠不齐，热门不等于适合你。前面那套判断"好技能"的标准，这时候就派上用场了。经验开放了是好事，但用不用得好，还得看你自己的眼力。

五、拆解一条完整工作流：从一句创意，到一部成片

光讲原理有点虚，这一节我把一条完整链路走一遍，你就有画面感了。

下面是我在画布上实际跑通的一条工作流，用 Mermaid 画出来长这样：

flowchart LR
    A[一句创意 / 故事梗概] --> B[写剧本 技能节点]
    B --> C[剧本 / 分镜表]
    C -->|连线| D[美术资产生成 技能节点]
    D --> E[角色 / 场景 / 道具素材]
    E -->|连线| F[提示词构建 技能节点]
    F --> G[视频生成节点]
    G --> H[画布上方时间轴]
    H --> I[正式剪辑台 / 调色]
    I --> J[导出成片 或 工程文件]

第一步：写剧本

在画布上右键，进"插件库"，选一个写剧本类的技能，输入一个想法或创意，它就会帮你把故事补全、产出剧本。这一步和创建其他节点的流程一模一样，没有额外的学习成本。

第二步：根据剧本生成美术资产

有了剧本，下一步是把剧本里需要用到的角色、场景、道具这些"数字资产"批量生成出来。

这里就用到前面说的"连线"了：我加一个"剧本美术资产生成"类的技能节点，把上一步的剧本节点连过来，它就能读到剧本内容，然后统一发起素材生成，一次性把这场戏要用的资产都产出来。

第三步：构建提示词、生成视频

按同样的思路继续往后推：加技能节点 → 用上一个节点的产物当输入 → 完成本环节任务。提示词构建好之后接视频生成节点，一集电影级别的 AI 短片就产出来了。

我实测下来，这条链路我几乎没有手动介入任何一环，全靠技能在发挥实力。这也是"技能上画布"最爽的地方——你负责搭骨架和把方向，脏活累活交给技能。

第四步：时间轴 + 剪辑，全程不离开画布

生成好的素材，可以直接拖到画布窗口上方的时间线里，不用切到另一个窗口，就能快速把镜头排好、预览播放效果。全程不用离开画布，这一点对效率的提升比想象中大。

真正打开正式剪辑台之后，我有点意外——这是我见过的同类工具里剪辑功能最全的一个，居然还带调色。

调色这个能力值得单独夸一句。很多 AI 视频工具做到"能把镜头排起来"就收工了，但一部片子的整体质感，很大程度上是靠调色统一出来的——同一个项目里的镜头，来自不同模型、不同时间生成，色温、对比度难免有出入，不做统一调色，成片就会显得"东一块西一块"。把调色放进同一个剪辑台，意味着你不用为了统一色调专门再切一个工具，这对追求成片完成度的人来说，是实打实的省事。

第五步：导出到专业软件继续精剪

最后导出时，它支持把项目**导出到专业剪辑软件"达芬奇"（DaVinci Resolve）**里做进一步精剪。

这个设计很懂行。直接导出成品视频再去精剪，等于把已经压平的画面重新拆，很别扭；而用工程文件去精剪，轨道、素材、剪辑点都还在，灵活度完全不是一个量级。对稍微进阶一点的创作者来说，这一步等于给专业后期留了口子。

我把这条链路的关键节点整理成一张表，方便你对照着搭：

这条链路里，最容易翻车的三个地方

工作流讲起来顺，真跑起来会遇到坑。我把自己踩过的三个点提前告诉你。

第一个坑：角色一致性。 多镜头短片里，最怕主角这一镜和下一镜"换了张脸"。解法是在生成美术资产阶段就把角色设定图定死，后面每个镜头都以这张设定图为参考去生成，而不是每个镜头各生成各的。updream 靠"连线 + 参考资产"这套机制，正好能把角色设定稳稳地传递到下游每一个节点，这也是新一代模型强调"多参考素材联合输入"的原因——参考给得越充分，一致性越有保障。

第二个坑：无脑接受生成结果。 技能能自动跑完流程，但"自动"不等于"最优"。我的习惯是每一个关键节点都停下来看一眼：剧本的节奏对不对？分镜的景别搭配合不合理？某个镜头的运镜是不是过头了？在前一步就把问题拦下来，比等成片出来再返工省太多事。

第三个坑：一步到位的幻想。 别指望第一遍就完美。AI 视频本质上是个反复迭代的活儿，某个镜头废个三五条太正常了。画布的好处恰恰在这——你可以只针对不满意的那个节点重跑，而不用推倒整条流程重来。局部返工，是画布式工作流最省心的地方。

并行，才是画布真正的效率来源

最后强调一个很多人没用起来的点：并行。

线性工具让你排队，画布让你并发。你完全可以让"角色设计"和"场景设计"两条线同时开跑，等两边都好了再汇到"分镜"节点；也可以同一个镜头挂两个不同模型的生成节点，跑完对比着挑哪个更好。

我自己做一集短片下来，几乎没有手动介入每一个具体环节——把骨架搭好、把方向把住，剩下的交给技能并行去跑。这种"你当导演、技能当剧组"的分工，才是这套工作流最舒服的状态。

六、AI 视频提示词到底难在哪：一份可直接套用的"电影感"结构

第一节我说"提示词是分水岭"，这一节我把这道分水岭讲透，并给你一套通用的、行业里公认好用的结构。注意：下面是通用方法论，不依赖任何特定教程，你套到任何主流视频模型上都能用。

为什么你写的提示词"没有电影感"

新手最常见的问题是提示词太模糊。你写"女生在哭"，模型只会给你一张平平无奇的哭脸；但你写"微距跟踪镜头，跟随一滴眼泪从眼角缓缓下坠，画面逐渐失焦模糊"，隔着屏幕都能感受到那种无力感。

静态画面是信息传递，镜头运动才是情绪传递。 这句话是理解 AI 视频提示词的钥匙。

一个被反复验证的通用公式

行业里流传最广、也最好用的结构，可以概括成一个公式（不同工具措辞略有差别，但内核一致）：

提示词 = 主体描述 + 场景描述 + 运动描述 + 美学控制 + 风格化

逐个拆开解释一下（每个术语第一次出现我都用白话讲清楚）：

• 主体：画面的主角，可以是人、动物、物品，甚至是不存在的想象物。要交代清楚"是谁、长什么样、穿什么"。
• 场景：主体所处的环境，包括背景和前景，可以是真实空间也可以是虚构场景。
• 运动：主体在做什么、非主体在怎么动。关键是描述清楚幅度和速率——"猛烈地摇摆"和"缓缓转身"是两回事。
• 美学控制：这是最专业、也最能拉开差距的一块，包含光源、光线环境、景别（远景/全景/中景/特写/大特写）、视角、镜头、运镜（推/拉/摇/移/跟/环绕）。
• 风格化：画面的整体风格语言，比如"胶片颗粒感""赛博朋克""水墨风""韩系唯美"。

一个可以直接改的模板（虚构示例）

我把公式落成一段可套用的结构化模板，场景用一个虚构的"雨夜便利店"，你直接替换括号里的内容就能用：

【风格定调】
  视觉风格：（如：冷色调写实、胶片颗粒感、2.39:1 宽银幕）
  摄影规格：（如：35mm 数字摄影、手持轻微晃动制造临场感）
  色彩基调：（如：冷白主光、阴影偏蓝灰、高光轻微溢出）

【主体 + 场景】
  主体：（如：二十多岁的年轻女生，穿浅色外套，神情疲惫）
  场景：（如：深夜的便利店，货架冷光，玻璃门外飘着细雨）

【镜头分镜】
  镜头1 · 0–4s · 中景 · （女生推门进入，逆光，发丝泛柔光）
  镜头2 · 4–7s · 过肩 · （店员抬头，视线落在她手里的东西上）
  镜头3 ·