短剧剧本：用 AI 写出有「钩子」和反转的爆款结构

标题里的“爆款结构”只是一个写作练习名称，不是流量公式。本文用一张虚构事实卡，练习如何先抛悬念、埋回看线索，再让反转能从前文推出。检查标准是故事是否自洽、每个镜头能否落地，不是播放量或完播率。

先写清谜底，再把线索分开放

练习故事叫《窗帘后的影子》。先把答案写进事实卡：雨后花店里只有店员林乔；刚拖过的湿地面没有脚印；窗帘旁挂着一件黄色雨衣；路过的汽车车灯扫过前窗时，雨衣会在窗帘上投出近似人的高大影子，车灯离开后影子消失。雨衣是谁的没有交代，因此剧本也不替它补身份。

把答案和观众看到的次序分开：

1. 开头直接出现窗帘上的人形高影，先提出问题。
2. 提前给出“湿地面没有脚印”和“窗帘边挂着黄色雨衣”两条可回看的线索。
3. 让汽车车灯出现，再揭示影子由雨衣投出；车灯离开，影子随之消失。

这只是本故事的安排。换一张事实卡，线索和揭晓顺序也要重做，不能套用成固定公式。

用提示词约束每一拍

把事实逐条编号，再要求模型给每拍标注 fact_refs。编号让人工复核更快，但模型可能把错误细节挂到一个看似合理的编号上，所以引用本身不是证据。

练习包里有完整事实卡和提示词。核心要求如下：

只根据事实卡写 60 秒短剧，恰好 6 拍，每拍 10 秒。
第 1 拍前 3 秒直接出现窗帘上的人形高影。
前半段放入至少两条可回看的事实线索，最后两拍揭晓车灯、雨衣与影子的关系。
每拍一个主要动作；只让林乔出场；不要新增道具、地点、人物背景或雨衣主人。
每拍列出 fact_refs；无法由事实卡支持的细节要写进 new_facts，不要把它留空掩盖。
只输出 JSON。

本机运行一次，再逐句核对

本机使用 Ollama 0.35.1 / qwen3.8-27b:latest，通过 Ollama 官方 Chat API 运行练习包里的提示词。若你已在 Ollama 安装一个模型，可在练习包目录运行：

python3 scripts/run_local.py prompts/hook-twist-test-prompt-v2.txt qwen-output.json qwen3.8-27b:latest
python3 scripts/check_outline.py qwen-output.json

运行脚本只使用 Python 标准库，调用本机 http://127.0.0.1:11434/api/chat，把模型返回的 JSON 保存到指定文件。模型名应换成你本机已经安装的名称；模型下载需要磁盘空间，尺寸与运行速度取决于你的设备。若使用网页模型，当前模型选择和计费以对应官方页面显示为准。

这次本机运行返回六拍、JSON 可解析，输入 471 tokens、输出 652 tokens，约 69.1 秒。结构检查通过了，但人工发现模型仍加了事实卡没有的内容：抹布掉落、林乔伸手触碰雨衣、把“雨后”写成“雨夜”，还把车灯写成“再次扫过”；new_facts 仍为空。F1 只说店里只有林乔，不能支持抹布或触碰动作。结构检查通过不代表事实检查通过，必须逐句对照并修订。

运行结构检查：

python3 scripts/check_outline.py outline-reviewed.json
python3 scripts/check_outline.py --self-test

检查器只核对六拍时码、JSON 字段和事实编号是否存在，不会判断一句动作是否真的受该事实支持。把每拍的动作和台词逐句对照事实卡，尤其检查新道具、新地点、人物身份和因果解释；模型写的 new_facts: [] 也要独立复核。

人工修订后的六拍样例

为了前 3 秒先看到影子，再在最后揭晓原因，开场把车灯造成的影子作为预告镜头；后段补回同一束车灯、雨衣和窗帘的关系，不增加第二辆车或第二次来车。

这份样例是人工复核后的改写，不是模型原样输出。它没有解释雨衣的主人，也没有添加剪刀、脚步声或店外角色。练习包同时提供原始模型输出，让你能对照检查“字段齐全”和“内容有依据”是两件不同的事。

发布前的标识提醒

故事和示例都由 AI 辅助生成并人工修订。若把生成内容公开发布，应按平台当前要求标注生成内容，不要移除文件或平台提供的标识。国家广电总局令第16号自 2026 年 9 月 1 日起施行；若作品面向公众播出且符合办法中的微短剧定义，制作机构和播出单位还需按规定在每集明显位置添加提示标识。创作练习不等于完成审核、备案或取得播出资格。

练习包：下载《窗帘后的影子》钩子与反转练习包

封面背景由本机 ComfyUI 生成，标题由脚本排版，并标注“AI生成封面”。