AI 漫劇復盤入門
糟糕的復盤，通常從一頁漂亮簡報開始：上面寫著這集表現「不錯」，最後大家一起決定「最佳化節奏」。兩週後，下一批內容又出現同樣拖慢的開頭、同樣看不懂的道具揭示、同樣燒成本的重試模式。團隊手上有資料，但資料沒有變成製作決策。
AI 漫劇復盤需要兩種證據。製作證據說明創作時發生了什麼：哪些提示詞翻車，哪裡角色連續性崩了，哪類鏡頭最耗重試，哪條審片規則來得太晚，哪些資產真的省了時間。觀眾資料說明發布後發生了什麼：留存下滑、重看、留言、收藏、完播率、封面點擊，以及每支可用片段的成本。只看其中一半都很薄弱。放在一起，才看得出下一次該複用、刪掉、重做，還是小範圍測試。
ArcLoop 在這裡派得上用場，是因為復盤不用靠記憶——它能直接指回真正用到的角色資產和參考圖、Story Outline 裡的劇情節拍、分鏡鏡頭，以及 Edit 匯出的成片。角色總是走樣，就去看綁在那個資產上的參考圖，而不是瞎猜是哪句鏡頭描述出的問題。用 審片流程與品質抽檢指南 把經驗變成下一輪工作流程；如果目標不是寫一篇事後檢討，而是把下一批做得更穩，把 批量製作動漫系列不丟角色指南 放在手邊一起看。
製作與資料復盤的核心原則
先看決策，不要先看指標。「第 9 秒留存掉了」只有在能對應到製作問題時才有用：開頭鉤子弱、鏡頭不清楚、字幕慢了、角色跑偏、故事節拍讓人困惑，或封面承諾和正片不一致。
把可控原因和雜訊分開。一則生氣的留言，不一定值得重設一個角色。三支影片都在同一個故事節拍掉留存，大概就該改分鏡。復盤既要防止團隊過度反應，也要防止團隊假裝沒看到。
把成本和可用產出放在一起看。AI 漫劇可以很快抽出很多版本，但真正有用的數字不是原始算圖數，而是每條提示詞路徑產出多少支入選片段。記錄哪些重試帶來了學習，哪些只是在重複本來可以避免的踩坑。
用製作語言寫下一批規則。不要寫「把開頭做得更好」，要寫「前三秒必須同時看見角色目標、阻礙和可見動作」。不要寫「提升品質」，要寫「手接觸關鍵道具的鏡頭，最後精修前必須過一次道具特寫檢查」。
把經驗歸檔到被它改變的資產上。如果復盤更新了人物三視圖、場景規則、提示詞範本、配音方向或審片清單，就把筆記掛在那裡。單獨放在報告裡的經驗，很容易看完就忘。
AI 漫劇復盤工作流程步驟
先收集製作證據。打開該集的 Storyboard，記下目前的鏡頭清單、每個鏡頭用 @ 引用了哪些角色、道具、場景資產，以及最終鏡頭描述跟最初草稿比改了什麼。先做這一步，再看觀眾數據，這樣團隊還記得當時為什麼那樣選。
按節拍加入觀眾訊號。把留存、重看、留言、收藏、分享、封面點擊和完播，對應到具體時刻：開頭鉤子、揭示、角色表演、動作清晰度、台詞、字幕時機、結尾幀或平台裁切。不要丟進一個模糊的「單集資料」桶裡。
只選三個問題。一場有效復盤可以問：什麼應該複用？什麼應該刪掉？什麼需要更強的資產或審片規則？問題越多，通常筆記越多，決策越少。
把發現轉成下一批修改。更新一條分鏡規則、角色資產、鏡頭提示詞模式、配音方向、成本閘口或交付清單。如果某個發現不能改變未來工作流程，它就是冷知識。
跑一組小驗證。別一開始就改完整系列，先用新規則測試兩三個短鏡頭。如果問題是開頭不清楚，用 懸念揭曉分鏡範本；如果問題是身分漂移，用 動漫短片分鏡連續性指南。
安排一次追蹤審查。只有下一批確認這個改動是否有效，復盤才算完成。把舊問題、新規則和驗證結果放在一起歸檔。
讓改動落在下一個鏡頭看得到的地方
ArcLoop 可以讓改動落在下一個鏡頭真正會用到的地方。如果觀眾沒看懂指南針這個道具的重點，要改的不是一條筆記，而是道具資產本身——去我的資產裡換掉它的參考圖或描述。之後每個用 @指南針 引用它的鏡頭都會帶上改過的版本，不用再另外告訴下一位創作者。
格式保持短：證據、原因、決策、負責人、下一次測試。證據是製作或觀眾訊號。原因是目前最合理的解釋。決策是工作流程改動。負責人是套用這條改動的人或角色。下一次測試是能確認修正是否有效的最小片段或批次。
ArcLoop 確實能把企劃本身留在同一個專案裡。Story Outline、我的資產裡的角色和道具資產、Storyboard 的鏡頭、Edit 時間軸，都在同一個 IP Project 底下——團隊不需要在別處另外做一套策略文件，再指望有人把經驗正確搬回來。
範例提示詞 1：椋鳥維修社復盤看板
為原創 2D 動畫角色 Iven Taro 建立一個角色資產。
Iven Taro 是一名少年機械師，在廢棄天文台屋頂修理微型發條鳥。持續不變的特徵：沾滿油污的工作褲、推到額頭上的放大鏡、佈滿老繭的手，還有安靜、按部就班的個性。
幫他綁兩張參考圖：一張工作檯姿勢，一張爬屋頂姿勢，都掛在同一個資產底下。
資產建好後，後面的鏡頭用 `@Iven Taro` 就能把他的身分帶進去，不用重新描述長相——鏡頭描述只需要補上這次新增的資訊：動作、機位、光線。
這條提示詞不是要一份泛泛總結。它要的是能改變下一批製作的決策。
範例提示詞 2：從資料診斷到分鏡修正
分析 Starling Repair Club 的結果，並把數據轉成一條分鏡修正。
觀察到的數據：第 4 秒留存下滑，第 11 秒重看上升，留言提到發光的小鳥齒輪，但沒看懂 Iven 為什麼擔心。
製作證據：第 2 個鏡頭在環繞鏡頭上重試了 6 次，第 3 個入選片段手部清楚，但破損齒輪出現太晚，台詞在道具可讀之前就開始了。
需要測試的可能問題：開頭先給氛圍，沒有先給目標；道具揭示來得太晚，觀眾已經失去上下文。
下一批規則：前三秒必須在一個可讀鏡頭裡同時展示 Iven、破損發條鳥和修理風險。
驗證組：生成三個低成本開場鏡頭，鎖定機位、道具可見，並在最後精修前給出一個清楚的手部動作。
不要改變角色設計、天文台色盤或聲音性格。
這才是有價值的資料復盤：它改的是分鏡規則，而不是稱讚一個指標。
範例提示詞 3：成本與品質追蹤測試
根據 Starling Repair Club 的復盤準備一次追蹤測試。
目標：降低道具和手部互動上的無效重試，同時不犧牲角色吸引力。
來源經驗：Iven 手持微型小鳥齒輪的鏡頭重試最多，失敗點通常是齒輪形狀漂移。
新製作規則：凡是 Iven 接觸齒輪的鏡頭，都先建立一張道具特寫參考，並在燈光精修前檢查手部清晰度。
測試鏡頭：一個維修特寫鏡頭，一個小鳥放在工作台上的中景鏡頭，一個修好的小鳥從 Iven 掌心起飛的結尾鏡頭。
衡量指標：入選片段數、重試次數、道具一致性、手部可讀性、揭示段留存，以及提到修理目標的留言。
歸檔輸出：只有當測試至少在兩個鏡頭裡提升一致性時，才更新小鳥齒輪道具資產。
追蹤測試會讓復盤保持誠實。經驗只有撐過下一輪製作，才算真的有用。
AI 漫劇復盤的常見踩坑
最大的坑，是只回報指標，卻不把指標映射到創意決策。留存、收藏和留言應該連到開頭清晰度、故事時機、角色表演、封面承諾、平台裁切或製作品質。
另一個坑，是把所有失敗都怪給模型。有時候是提示詞把鏡頭塞太滿，分鏡把關鍵道具藏起來，台詞開始太早，或審片清單漏掉真正的風險。先修你能控制的工作流程層。
團隊也常把復盤筆記和資產分開。如果一條經驗改變了人物三視圖、道具表、分鏡規則或交付清單，就把它貼到對應專案上。獨立報告很快就會變成舊消息。
第四個坑，是一次發布後改太多東西。如果你同時改鉤子、角色設計、節奏、聲音風格、封面和匯出格式，下一輪資料就無法說明到底哪個改動有用。測試最小但有意義的規則。
AI 漫劇製作復盤 FAQ
AI 漫劇復盤應該包含什麼？
包含製作證據、觀眾訊號、可能原因、具體工作流程決策、負責人、下一次測試和關聯資產。目標是改進下一條提示詞、分鏡、資產、審片規則或交付步驟。
AI 漫劇內容最該看哪些資料？
看能映射到決策的資料：留存對應節奏和開頭清晰度，重看對應有趣瞬間或困惑點，留言對應故事理解，收藏對應角色或視覺吸引力，封面點擊對應包裝，重試成本對應製作效率。
應該多久做一次復盤？
交付後馬上做製作復盤，因為決策還新鮮；等第一個有意義的資料窗口出現後，再加入觀眾資料。不要拖到團隊已經忘了為什麼入選或淘汰某些片段。
ArcLoop 如何讓復盤經驗保持可用？
經驗通常會落地成我的資產裡某個資產的修正——換一張參考圖，或者把描述寫清楚；也可能是 Storyboard 裡重寫的鏡頭描述。因為後面的鏡頭都靠 @ 引用身分，資產這一層改一次，之後所有用到它的鏡頭都會帶上修正，不用另外寫一份報告。
一支表現差的片段應該改變整個工作流程嗎？
不應該單獨這麼做。先把問題變成一個小測試。如果同樣的問題出現在多支片段裡，或驗證組確認修正有效，再把規則提升為主工作流程規則。
