有一次，瀚宇想生成一个以神鸟为主视角、镜头由远及近展示城楼面貌的画面，AI生成效果总不理想。但他反复观看生成结果的时候，发现有些画面虽然偏离了原来的设定，但也呈现了一种他从未思考过的镜头展示角度。此后，瀚宇不再执着于那台“脑海里的镜头”——AI生成本就没有真实的物理空间，它的镜头调度和实拍本就不是一回事，自己为什么非要跟它较劲。

　　想通这一层，很多焦虑自动消失了。瀚宇的电脑里已经生成了成千上万条现有成片里没有用上的素材，但他不再纠结这些内容有没有用，在各条线并列运行的状态下，说不准哪天它又派上用场。这样的意外经历得多了，团队总结出一条经验，不要预设一个标准答案非要AI达到，放宽心态看它能带来什么，甚至期待AI能带来怎样更好的答案，大家往往能从中找到能用的东西。

　　瀚宇不再是那个想办法完成调度的人，他花在对AI的结果判断和沟通上的心思渐渐多了起来。要让AI生成前后连贯的画面，他自己就要理解这场戏以及前后所有情景，他不仅研究镜头，还学习起调光、调色、声音、混音，把自己的理解变成足够准确的描述，在画面生成后，再次判断表演的准确度、剪辑的前后连贯性，与影片整体调性是否吻合。

　　瀚宇举了一个道具的例子。在传统片场，道具师就算有创作想法，多半也没时间表达，把杯子摆齐就是完成任务。现在，要在提示词里写清楚这个杯子为什么放在这里、窗帘为什么开一半，前提就是理解这场戏到底要表达什么。提示词的准确，既来自描述的准确，也来自对内容理解的准确。