Kling（可灵AI）从2024年中期的1.0起步，到2026年初全面铺开的3.0系列，提示词写法经历了三次范式级跃迁：从“描述画面” → “描述动作+风格” → “导演分镜脚本+多模态指令”。

阶段对比表（核心差异一览）

版本

发布大致时间

提示词最优长度

模型最听什么

最容易崩的地方

典型提示词写法心态

1.0时代（基础生存期）

当时模型理解能力较弱，提示词越短越好，越像Midjourney静态图描述越稳。

一只可爱的柴犬在秋天公园里奔跑，阳光洒落，卡通风格，4K

典型问题：稍微复杂一点的因果动作（如“先跳起来然后落地翻滚”）就崩，角色五官/服装全程漂移严重。

2.0–2.6时代（运镜觉醒期）

模型开始认真听运镜词（slow zoom in, dolly shot, whip pan），也初步理解情绪递进和物理模拟。

一位穿红色风衣的亚洲女刺客在雨夜霓虹街头快速奔跑，低角度手持跟拍，急速推镜头切到她的锐利眼神，蓝色粉霓虹反射在水洼上，赛博朋克氛围，电影质感，动作流畅，8K

进阶但仍有限：单镜头还能撑，超过8–10秒或想连续两个以上有逻辑关系的镜头，模型就容易“失忆”或硬切。

3.0时代（导演剧本期）——当前最强写法

核心变革：原生多镜头 + 主体一致性大幅加强 + 时长可控 + 理解复杂叙事逻辑。

现在最稳的写法是结构化分镜脚本，而不是一整段描述。

全局风格：赛博朋克电影质感，胶片颗粒，强烈霓虹色彩分级，8K，物理真实

镜头1（0-5秒）：Wide shot, 缓慢从高空俯冲而下，雨夜东京街头，穿黑色连帽雨衣的年轻亚裔女性（短发、锐利眼神、左耳银色耳钉）快速奔跑，无人机红光追逐，低角度手持跟拍

镜头2（5-10秒）：Medium tracking shot，同一女性面部特征不变，她猛拐进窄巷，急速回头，无人机逼近，她贴墙喘息，侧逆光打亮半边脸，紧张感递增

镜头3（10-15秒）：Close-up 快速切到眼睛特写，瞳孔收缩，雨滴打在睫毛，她咬牙抽出EMP装置，背景虚化只剩红蓝光斑

镜头4（15-22秒）：Over-the-shoulder，从肩后拍，她按下EMP，无人机失控坠落冒火花，镜头快速拉远到全景，她抬头望天，霓虹与火光交织，史诗收尾

3.0专属高频关键词：同一人物/面部特征不变、镜头1（X秒）、慢速推进/急速zoom out、dutch angle、rack focus、动作延续、情绪递进、电影音效设计、原生音频

以上就是小编整理的全部内容，希望对您有帮助。