Claude Code + Codex + Seedance AI视频全流程（一）：多模型协同架构与“把错误挡在花钱之前”的省钱工作流

做 AI 视频最劝退人的地方从来不是“找不到好工具”，而是居高不下的抽卡废片率和昂贵的算力账单。

许多创作者尝试用单一的文生视频模型（Text-to-Video）直接生成成片，结果往往惨不忍睹：画面人物上一秒五指分明，下一秒变成融化的橡皮泥；原本设计好的剧情动作，模型要么视而不见，要么把道具凭空变没；更致命的是，像 Seedance 这类顶尖视频模型是严格按秒计费的（高性能版本每秒约 1.5 元人民币），一个 30 秒的短片如果反复抽卡 20 次，上千元预算瞬间蒸发。

怎么靠一套多模型协同工作流，在实际操作中用尽量少的钱、尽量低的抽卡率，做出一条自己高度满意的专业级 AI 视频？

本系列文章将完整开源这套经过全网 250 万+ 浏览量验证的实战流水线：以 Claude Code 作为总导演，以 Codex 作为主美画师，以 火山方舟 Seedance 作为动画师，搭配 Python 与 ffmpeg 作为自动化剪辑台。

一、为什么单一模型做不好长片？多模型分工是必然解

在传统影视工业中，从来没有一个人能够同时身兼编剧、概念原画师、摄影指导、动画师和数字调色师。AI 视频制作同样如此：

• Claude（总导演/编剧/技术总监）：擅长长上下文逻辑推理、分镜拆解、严谨的结构化提示词编写与代码执行，拥有极高的审美把控力，但它不直接生成像素图片。
• Codex（原画师/概念设计）：擅长根据文字提示和参考图，精准绘制固定角色、道具设定图以及分镜的首帧与尾帧（First & Last Frames），成本极低。
• Seedance（动画师）：火山引擎旗下的核心视频生成模型（基于豆包大模型体系），拥有极强的首尾帧空间插值与物理运动生成能力，但单次运行昂贵，且极度依赖精确的前置视觉输入。
• 人类创作者（制片人/出品人）：只需负责选方向、定基调、确认画风、审核动态手感与听觉感受，并在最关键的付费节点点击“批准”。

角色分工对照表

graph TD
    User["人类制片人 (你)"] -->|"指令输入 / 方案拍板 / 预算审批"| Claude["Claude Code (总导演)"]
    Claude -->|"写剧本 & 逐镜头分镜"| Claude
    Claude -->|"调用 CLI 绘制定桩图与首尾帧"| Codex["Codex (原画师)"]
    Codex -->|"交付 16:9 首尾帧高清图"| Claude
    Claude -->|"抽帧放大质检 (审核 Agent)"| Claude
    Claude -->|"审批通过后调用 API"| Seedance["Seedance (火山方舟动画师)"]
    Seedance -->|"返回 Raw 动态片段 (720p)"| Claude
    Claude -->|"编写自动化后期脚本"| FFmpeg["Python + ffmpeg (剪辑调色超分)"]
    FFmpeg -->|"交付 1080p 完整成片"| User

二、降本核心哲学：把错误挡在花钱之前

AI 视频制作之所以变成“赌石现场”，是因为多数人把逻辑验证、构图修正和动作设计全部押注在了视频模型生成的这一步。

我们必须建立一条颠扑不破的铁律：

“提示词只要改几个字，重画一张图也不额外花钱，但是重新生成视频却要按秒付钱。所以：能在文字里发现的错，绝不留到图上；能在图上发现的错，绝不留到视频上！”

1. 文字阶段找 Bug（0 成本）：角色动机不符合现实？镜头没有主体运动？两人同时举手显得假？在这个阶段改掉，成本为 0。
2. 静态图像阶段找 Bug（极低成本）：首帧和尾帧的杯子大小不一致？背景墙面颜色出现漂移？纹身画反了方向？在 Codex 中重画局部或者微调，成本几乎为零。
3. 视频阶段只执行物理补帧（高额成本）：提交给 Seedance 的时候，首尾画面构图、主体位置、光影对比度已经 100% 锁定，模型只需要计算从 A 点平滑过渡到 B 点的物理轨迹，抽卡废片率直接从 80% 压降至 5% 以下。

三、环境部署与多模型接入实操

全流程中，我们让 Claude Code 作为统一的控制中枢（Single Point of Contact）。我们全程只跟终端里的 Claude 交流，不需要频繁切换浏览器窗口、不需要到处手动复制粘贴提示词。

1. Codex 本地生图 CLI 接入

如果你的电脑已经配置了 Codex 环境，Claude Code 可以直接通过后台终端调用 Codex 生图指令。

调用命令模板如下：

codex exec --skip-git-repo-check -s read-only -i 参考图.png - < 提示词.txt

注意关键参数：

• --skip-git-repo-check：跳过 Git 仓库状态检查，防止生图脚本被版本控制拦截。
• -s read-only：限制 Codex 为只读沙盒模式，杜绝其私自修改代码文件。
• 生成的图像默认落地于本地目录：~/.codex/generated_images/<session id>/。
• 传入给 Codex 的提示词首行务必强制声明：Use your image generation tool to create exactly ONE image. Do not run shell commands.，防止模型误触发终端命令。

2. 火山方舟 Seedance API 接入

Seedance 是字节跳动火山引擎旗下的大模型服务。前往火山引擎控制台注册账号，开通方舟模型推理服务并申请 ARK_API_KEY。

在终端环境中设置环境变量：

export ARK_API_KEY="your-ark-api-key-here"

接口核心参数与端点：

• 请求地址：POST https://ark.cn-beijing.volces.com/api/v3/contents/generations/tasks
• 模型选型策略：
  • doubao-seedance-2-5-260628：高规格旗舰模型，动态渲染极致细腻，720p 计费约 ¥1.5 / 秒。适合复杂光影与大动态主体。
  • doubao-seedance-2-0-mini-260615：轻量版模型，动态平稳，720p 计费仅约 ¥0.5 / 秒（成本仅为 2.5 的 1/3）。绝大多数过渡镜头、固定机位微动态镜头用 2.0 mini 完全足够。

四、工程级总导演初始化提示词（System Prompt）

在项目启动的第一分钟，新建一个干净的文件夹，打开 Claude Code 终端，将以下预设好全部规范与安全边界的总提示词发送给 Claude：

你当这支短片的总导演，全程负责，我只和你沟通。

开工前先做两件事：
1. 问我：片长、画幅、总预算、要不要配乐和字幕。
2. 检查 Codex、ffmpeg、Python 和 ARK_API_KEY 能不能用，缺什么告诉我。
记住所有文件都放在一个新的项目文件夹里。

分工：
- 你：写故事和分镜，写所有提示词，调用其他模型，抽帧放大检查每张图和每段视频，用 ffmpeg 和 Python 写代码做后期。
- Codex（画师）：画设定图、样帧和每个镜头的首尾帧。你不自己画。如果你就是 Codex，就用你自己的生图工具。
- Seedance（动画师）：把首尾帧变成几秒钟的视频。
- 我：选方向、确认画风、批准花钱、看动态、听声音。

调用 Codex：
codex exec --skip-git-repo-check -s read-only -i 参考图.png - < 提示词.txt
提示词开头写：Use your image generation tool to create exactly ONE image. Do not run shell commands.
画好的图在 ~/.codex/generated_images/<日志里的 session id>/。

调用 Seedance：
POST https://ark.cn-beijing.volces.com/api/v3/contents/generations/tasks
key 在环境变量 ARK_API_KEY 里，不要打印出来。请求格式查火山方舟文档。
模型选 doubao-seedance-2-5-260628（720p 约 ¥1.5/秒）或 doubao-seedance-2-0-mini-260615（720p 约 ¥0.5/秒），价格以账单为准。

总原则：把错误挡在花钱之前。文字里能发现的错，不留到图上；图上能发现的错，不留到视频上。

规矩：
1. 我确认故事前，不画任何图。
2. 我确认画风前，不画正式镜头。
3. 提交视频生成前，另开一个 agent 审核提示词和图片的每个细节，它只挑错，不改文件。通过后报价，我同意才提交。
4. 视频有问题，先想能不能用代码修，修不了才重拍，只拍这一镜。
5. 新版本存新文件，不覆盖、不删除旧文件。
6. 你看不到真正的动态，也听不到声音。没看过、没听过的东西，要明确告诉我。
7. 不充值，不买额度。接口返回欠费就停，把已有的片段先粗剪给我看。

五、团队刚性执行守则：7 条高压线

这套工作流之所以稳定，核心在于对 Claude 设置了 7 条不可逾越的规则：

1. 未确认剧本绝不起稿：禁止在故事大纲没有得到人类确认前调用任何生图工具，防止沉没成本堆积。
2. 画风锁死前不产出成片分镜：必须先在单张设定图上敲定美术风格，绝不边做边试风格。
3. 只读审核 Agent 双重验毒：在向 Seedance 发送计费 API 请求前，强制派生一个孤立的 Reviewer Agent，只核对提示词与首尾帧细节是否矛盾。只有审核打出“通过”且人类确认报价后方可发起请求。
4. 代码修复优先于废片重拍：视频出现开头轻微抖动、色彩微弱偏移等问题，优先让 Claude 编写 Python/ffmpeg 脚本修剪裁切，救不回来才单镜重拍。
5. 增量持久化（Non-destructive）：所有生成的提示词草稿、图片版本、过渡切片一律以时间戳或版本号（v1, v2, v3）命名保存，严禁直接覆盖原文件，保留资产挑拣余地。
6. 坦白模型局限：大语言模型可以分析切片抽帧，但无法直接体验连贯动效手感与真实音频细节。不确定的视听感受必须主动向人类报备。
7. 熔断保护机制：坚决禁止程序私自扣费与额度追加。遇到 API 欠费错误立即中止当前任务，并用已生成的物料渲染一份临时粗剪（Rough Cut）。

本系列后续进阶目录

本篇为您搭建了整套 AI 视频工业级协同的底层骨架。在接下来的章节中，我们将由浅入深，拆解从创意到成片的每一个技术节点：

• （二）从零构思好故事：让 AI 写出能拍、好看、不翻车的剧本
• （三）分镜设计与镜头语言：构图、运镜与配色的专业实操秘诀
• （四）定画风、画设定图与首尾帧控制：彻底击破角色一致性难题
• （五）七段式视频提示词工程与 Seedance 大模型 18 种翻车避坑指南
• （六）Python/ffmpeg 自动化后期与四线程 Agent 无人值守系统