跳到正文

短剧项目与故事开发

围绕题材、人物、故事结构与分集方向组织短剧开发材料,为剧本和后续制作提供依据。

开源精选视频内容40 个文件2,909 Stars浏览次数 0zenstory-ai/drama-skills MIT版本 f53fb20
开始使用

下载前阅读 SKILL.md 中的使用条件,并确认所用工具支持对应能力。

输入资料
创意、题材与项目目标 角色、故事和平台条件 阅读本节完整说明
交付内容
故事开发资料 角色与分集方向 阅读本节完整说明
  1. 获取完整包,保留配套文件的目录结构。
  2. 按照原文准备所需工具、依赖与输入资料。
  3. 阅读对应使用步骤与输入输出说明,在自己的环境中验证结果。

使用提示摘自原文,配套文件保留来源版本;实际运行条件以各包说明为准。

正文

获取原文件

references/reveal-reversal-payoff.md

这是一组按项目条件选择的工具,不是题材公式。先问作品承诺什么体验,再选择能让人物付出代价、 让观众获得回报的机制。

1. 从承诺选择压力来源

承诺重心 可持续压力 可变化的回报
身份/伪装 暴露风险、两套义务、识别证据 观众多知道一层、角色被迫选边
职场/制度 签字权、时限、替罪链、程序筹码 规则被反用、责任归属改变
家庭/遗产 照护债、记忆版本、物件归属 关系真相或选择成本落地
复仇/追责 证据可信度、共犯关系、代价升级 对手失去一项保护,主角承担新债
悬疑/秘密 谁能看见什么、证据可否解释 排除一种解释,同时产生更难选择
轻奇幻 有限规则、使用代价、普通秩序摩擦 规则被聪明运用,而非不断加大法术
情感/关系 需求不对称、面子、承诺、边界 一方改变策略或公开真实代价

同一题材可以选不同压力。不要让“霸总=羞辱升级”“悬疑=每集新秘密”代替故事引擎。

2. 区分四种动作

  • 信息揭示:观众/角色获得已有事实。
  • 方向性反转:已有事实使计划、解释或关系位置失效。
  • 情绪回报:承诺的恐惧、甜、爽、痛、温暖真正落到可感知结果。
  • 情节钩子:新决定、危险、问题让状态继续运动。

一次动作可以兼任,但不要混称。只展示秘密却没人改变选择,是 reveal,不一定是 turn; 只在最后藏住一句话,是 withholding,不一定是 hook。

3. 公平揭示

揭示前检查:

  1. 观众是否见过足够的可解释迹象?
  2. 谁在此前能接触事实,谁不能?
  3. 证据为何现在出现,而不是作者需要时凭空出现?
  4. 新事实排除了什么旧解释?
  5. 得知后谁必须改变行动?

有效揭示常由“旧事实的新关系”产生,而不是突然加入更大的秘密。

合成例:维修员早先发现签字页缺失,只知道有人藏页。她在主管桌上看到订书孔方向相反, 才意识到被拿走的不是最后一页,而是中间一页;这让“补签”计划失效,必须先保护被点名的 新同事。订书孔不是装饰;它改变策略。若此前从未建立页序和装订方式,这个揭示就不公平。

4. 有因果的反转

STY-09 · reviewed_invariant:揭示/反转必须从已建立事实生长,并且让计划、 解释、关系位置或高代价选择至少一项真正改变。

反转必须能完成一句话:

因为 <已建立的事实/选择>,
原计划 <为何不再成立>,
人物现在只能在 <新代价 A/B> 之间行动。

常见可用反转:

  • 胜利触发对手有准备的程序反制;
  • 证据是真的,但证明的是另一项责任;
  • 被保护者拒绝保护方式;
  • 主角的长处暴露新的盲区;
  • 关系盟友要求兑现此前承诺;
  • 规则没有失效,人物用规则改变了时间或权限。

弱反转:陌生人突然出现宣布一切都是梦。它改变信息,却没有从人物行动长出。

5. 回报先于下一股压力

每集至少明确一种已兑现结果(craft_default,不是数量门槛):

  • 主角确实救下/失去/赢得/公开/拒绝了什么;
  • 一个旧问题获得部分可验证答案;
  • 一段关系的边界真的改变;
  • 承诺的能力、亲密、羞耻或恐惧得到一次完整呈现。

然后才问:这项结果让谁失去筹码、暴露什么、产生什么债,形成 outgoing pressure。 “马上要揭晓”不是回报。

6. 避免机械轮换

不要按集轮换“打脸—身份—误会—救场”。比较相邻集的机制:

  • 压力来源是否学习;
  • 主角策略是否改变;
  • 代价落在哪种价值;
  • 观众获得的是信息、关系、能力还是情绪回报;
  • 空间/资产/制作负担是否仍可承担。

重复可以是类型节奏,但第二次应产生新意义或更难选择,而不是形容词更大声。

7. 规则分级

  • structural_invariant:setup/payoff refs、incoming/outgoing refs 和 accepted constraints 可解析。
  • reviewed_invariant:反转由已建立事实引发,揭示不越过知识权限,升级改变状态。
  • craft_default:先给局部回报再留压力;让对手学习主角策略。
  • taste_option:是否反转、谁先知道、揭示快慢、开放程度与题材强度。

CONTACT HAONAN

联系haonan

医疗 AI · 产品与独立开发

刘浩南

关注医疗 AI 从 demo 到真实落地,聚焦产品化、商业化与院内工作流效率提升。

12年医疗产研经验,大湾区头部医疗AI公司前产品总监,独立开发者

医疗 AI 产品化医疗 AI 商业化院内工作流效率
刘浩南的微信联系二维码
微信扫一扫,联系 haonan