用Hermes批量写短剧剧本：Agent驱动的结构化脚本生成

搭好环境只是第一步。这篇讲讲怎么写——从一句话梗概到完整JSON剧本，Writer Agent全部替你完成。

上一篇我们搭好了ComfyUI本地环境，跑通了第一张图。很多人停在这里——环境有了，但不知道下一步该干嘛。

其实真正的瓶颈不在生成端，而在内容端——**没有好剧本，设备也是空转**。这篇讲讲怎么写。

• 一句话梗概怎么变成完整剧本？
• 60集短剧的每集剧本怎么**批量生成**？
• 角色、场景、对话怎么结构化？

我花了两周时间调优，现在用Hermes Writer Agent可以自动生成结构化JSON剧本，直接喂给后续的图像和视频生成。

批量生成才是AI创作的核心价值。 —— 一个踩过坑的人

为什么剧本要结构化？

短剧不是小说，也不是电影剧本。它有自己独特的结构要求。

传统剧本格式自由，人可读就行。**但人工逐条写不现实**——Hermes要批量生成60集内容，每集十几张图片。

短剧剧本必须结构化，因为后续Agent要按字段读取，自动匹配ComfyUI工作流：

{   "episode_id": "ep_001",   "scene_id": "scene_001_01",   "location": "豪华办公室",   "time": "白天",   "characters": ["男主", "女配角"],   "shots": [     {       "shot_id": "shot_001",       "camera": "中景",       "action": "男主坐在办公桌前，脸色阴沉",       "dialogue": "这段生意，你最好想清楚。",       "emotion": "冷峻"     }   ] }

JSON格式的三大优势：

• 一致性：同一角色的描述在所有Shot中保持一致
• 可迭代：不满意某集可以单独重写，不用推倒重来
• 机器可读：后续Agent直接按字段解析，不需要额外清洗

每个Shot对应一个图像/视频生成任务，所以字段要足够细致——**这是关键设计原则**。

Writer Agent架构

整个剧本生成流程分三层：

一句话梗概     │     ▼ ┌─────────────────┐ │  Story Agent    │  解析故事框架，生成大纲 └─────────────────┘     │     ├──→ episode_count = 60     │     ▼ ┌─────────────────┐ │  Episode Agent  │  每集拆成3-5个场景 └─────────────────┘     │     ▼ ┌─────────────────┐ │  Scene Agent    │  每场景拆成3-8个Shot └─────────────────┘

本文只讲**Episode Agent和Scene Agent**，也就是核心剧本生成部分。

Story Agent负责把一句话梗概扩展成完整大纲，这一步你已经会了——上篇讲过。现在重点是怎么让Agent知道"第3集第2场"该写什么。

Episode Agent的输出是Scene Agent的输入，Scene Agent的输出是Image Agent的输入。**格式不对，后续都会崩**。

核心Prompt模板

Episode Agent Prompt

这是最关键的Prompt，决定了整部剧的骨架：

你是一个短剧剧本编剧，擅长创作节奏紧凑、反转密集的都市情感短剧。  【输入】 - 故事大纲：{{outline}} - 总集数：{{episode_count}}  【输出】 为每一集生成标题和核心冲突，格式如下： - episode_id: 集编号 - title: 集标题（不超过10字） - hook: 本集核心冲突（一句话） - scenes: 本集场景列表（每个场景含location、conflict）

实测效果：60集大纲10秒生成，**质量稳定**。

Scene Agent Prompt

Scene Agent负责把每集拆解成具体镜头：

你是一个短剧分镜师，擅长设计戏剧张力和视觉冲击。  【输入】 - 本集大纲：{{episode_outline}} - 本集场景列表：{{scene_list}}  【输出】 为每个场景生成3-8个Shot，每个Shot包含： - shot_id: 镜头编号 - camera: 景别（远景/全景/中景/近景/特写） - action: 角色动作描述 - dialogue: 台词（如有） - emotion: 情绪关键词

Episode Agent输出的场景太笼统，Image Agent没法直接用。**为什么需要Scene Agent？** 因为它把"两人在办公室吵架"拆解成具体镜头，每个镜头对应一张图。

三个关键改进点

1. 批量替换变量

Prompt里用`{{变量}}`占位，生成时批量替换。**比手动拼接字符串稳定**。

# 坏写法 prompt = "你是编剧，写" + episode_id + "集"  # 好写法 prompt = template.replace("{{episode_id}}", episode_id)

2. 强制JSON格式

很多模型输出不规范的JSON，导致后续解析失败。**解决方案有三**：

• **方案一**：在Prompt末尾加"务必输出合法JSON，不要有其他内容"
• **方案二**：用正则表达式校验格式，不合法就重写
• **方案三**：设置`response_format: json_object`（OpenAI兼容接口支持）

3. 分阶段细化

不要一次性生成完整剧本。**先粗后细**——分阶段生成比一口气跑完可控得多。具体做法：

• 第1步：生成故事大纲（Story Agent）
• 第2步：生成每集标题和冲突（Episode Agent）
• 第3步：生成场景列表
• 第4步：生成Shot级别剧本（Scene Agent）

每步都可以人工审核和修改。

常见问题与解决

质量不稳定？

同一组参数，有时生成效果好，有时差。**现象很明显**。原因是LLM有随机性，尤其是长文本生成。**解决方法**有三个：

• 固定`temperature=0.3`降低随机性
• 对每集生成3次，选最优
• 建立"好剧本模板库"，让模型参考优质样本

60集一次性生成容易失控？

生成到第30集时，角色性格开始漂移。**现象很常见**，**原因**是上下文过长，模型"忘了"前面的设定。**解决方案**：

• 每5集重置一次角色设定
• 建立角色卡片（Character Card），每次生成前注入
• 分批次生成，不追求一口气跑完

JSON格式经常出错？

生成的JSON缺括号、引号不匹配、中文乱码——**现象**让人头疼。**解决方法**：

• Prompt中强调"输出前检查格式"
• 用Python的`json.loads()`验证，失败重试
• 设置`max_tokens`不要太小，否则截断导致格式错误

下一步

剧本生成完了，接下来要做的就是**批量渲染**。

Image Agent会读取Shot级别的JSON，自动调用ComfyUI生成图片。这一步我们会讲到怎么把剧本自动翻译成Prompt，以及怎么处理角色一致性的问题。

批量生成才是AI创作的核心价值——不是为了省时间，而是为了做出一个人根本做不了的东西。

>

—— 一个踩过坑的人

觉得有用？点个关注，持续获取优质内容。