AI 不会替你写短剧，但会替你重写编剧室的岗位说明书
AI 不会取代短剧编剧，但会重写编剧室的岗位说明书。被压缩的是「把一个成型想法写成合格初稿」这一段；被放大的，是立项判断、连续性管理和对观众情绪的拿捏。
先把问题问对
「AI 会不会取代编剧」是个错问题。它把编剧当成一个不可拆分的整块技能，而真实的短剧编剧室里，一个人本来就在同时干五六件事：判断选题值不值得做、搭结构、写台词、记人物状态、埋伏笔、回收伏笔、按平台节奏调钩子、改到监制满意。
AI 冲击的不是「编剧」这个头衔，而是这串动作里的某几项。
更准确的问法是：哪些动作会被工具吃掉一大半，哪些动作反而因为工具普及而更值钱？
编剧室里正在发生的分工重组
过去一个短剧项目，编剧常常是一个人从头扛到尾，或者两三个人轮流写、互相校对。AI 工具进入之后，更可行的组织方式是把工作切成几段，每段由不同的人（或人机组合）负责：
| 环节 | 过去主要靠 | AI 介入后 | 人的位置 |
|---|---|---|---|
| 选题与立项判断 | 制片 + 主编剧 | 工具能快速产出同类题材分析、卖点清单 | 人拍板，判断要不要做 |
| 创意简报 / Brief | 主编剧口述或写文档 | 工具按维度引导补齐，强制锁版 | 人确认方向，机器保证不遗漏 |
| 分集结构与场戏清单 | 编剧 | 工具按「钩子—升级—cliffhanger」生成 beat sheet | 人调整节奏与爽点分布 |
| 正文初稿 | 编剧 | 工具按已锁结构批量产出 | 人改台词、改人物口气 |
| 连续性管理 | 编剧自己记 / 场记帮忙 | 结构化档案记录人物状态、伏线、道具 | 人审核档案是否合理 |
| 规则质检 | 编剧自读 + 责编 | 工具卡格式、卡占位、卡对白比例 | 人处理工具标不出的问题 |
| 终审与审美 | 监制 / 导演 | 不替代 | 完全在人 |
这张表透露的信号很明确：越靠近「按规则把字写出来」的环节，被压缩得越厉害；越靠近「判断这个东西该不该存在、好不好看」的环节，越安全。
被压缩的是什么
1. 从空白文档到第一版初稿
这是最直观的冲击。一个已经有 logline、有分集梗概、有人物小传的项目，让 AI 按竖屏短剧的节奏规范（黄金 3 秒开场、每集一个小爽点、集末 cliffhanger、短句台词）写出第一版，质量未必多惊艳，但足够让一个熟练编剧省下大量「从零码字」的时间。
省下的时间去哪了？不是让编剧闲着，是让他把精力挪到上游和下游。
2. 重复性的连续性维护
「女主第三集胳膊受的伤，第八集好了没有？」「男二什么时候知道真相的？」「这条伏笔埋了多少集还没收？」——这类问题过去靠编剧翻文档、翻自己的记忆，漏了就是穿帮。
结构化档案（也就是传统编剧室说的 continuity bible）把人物当前状态、伏线的 open / resolved、按集出场表、每批剧情纪要记下来，续写时只调取相关切片。这是机器擅长的：它不会忘，但它也不知道什么该忘。
3. 格式与规则层面的质检
集标题写错、场景数和场戏清单对不上、缺人物行、对白太少、用「未完待续」糊弄结尾——这些问题不需要审美，只需要规则。规则质检器卡住、带反馈重写，比责编逐集肉眼扫更稳定。
但注意：工具能卡的，都是「能写成规则」的问题。 台词好不好笑、反转够不够意外、人物可不可信，这些卡不住。
被放大的是什么
1. 立项判断
当产出初稿的成本趋近于零，真正稀缺的不是「能写出来」，而是「知道该写什么」。
一个题材在当前平台窗口期还有没有机会、核心矛盾够不够狠、主角人设是否新鲜、结局方向能不能撑住几十集——这些判断决定了项目的生死。AI 可以给你二十个选题方向，但选哪一个、为什么选、放弃哪一个，是制片和主编剧的活，而且这个活的权重在上升。
2. 对观众情绪的设计
短剧是强情绪产品。爽点什么时候给、给多大、打脸之前压多久、反转之前铺多少暗示、cliffhanger 卡在动作的哪一拍——这是手艺，是看了大量成片、知道观众在哪一秒会划走之后练出来的。
AI 能模仿节奏的形状，但「这一场观众到底会不会爽」需要人判断。
3. 改稿与定稿能力
初稿便宜之后，编剧的核心价值从「写出来」转向「改到位」。
一个能快速看出 AI 初稿哪里人物口气不对、哪里情绪断了、哪里信息给早了或给晚了，并且能动手改到能拍的编剧，比一个从零码字快的编剧更值钱。因为从零码字这件事，工具已经做了。
4. 给工具下指令的能力
这听起来像套话，但在短剧场景里非常具体：你能不能写清楚一份创意简报，让工具理解的方向和你脑子里想的是一回事？你能不能在场戏清单阶段就把节奏调好，而不是等正文出来再大改？你能不能在工具产出的三版台词里挑出最对的那一版，并说出另外两版为什么不行？
会用工具的编剧和不会用的编剧，差距不在谁更懂技术，而在谁更清楚自己要什么。
一个更现实的预测：不是消失，是分层
与其说「AI 取代编剧」，不如说编剧这个职业会被分成几层，每层受冲击的程度不同：
- 顶层：能定方向、能定稿的主创编剧 / 编剧监制。 更值钱，因为他们的判断力被工具放大了。
- 中层：能独立完成结构和初稿、也能改稿的成熟编剧。 需要学会用工具把自己从重复劳动里解放出来，把时间投到判断和打磨上。
- 入门层：主要靠码字速度和格式规范接单的编剧。 受冲击最大，因为这部分恰好是工具最擅长的。
这不是说入门层没有机会，而是说入门的路径变了：过去是从「写得快、格式对」做起，慢慢练出判断力；现在「写得快、格式对」这一段工具已经能做，新人需要更早地开始练判断，而不是练手速。
工具做不到的事（这部分要诚实）
说清楚边界，比空喊「AI 改变一切」更有用。以目前的 AI 短剧生产工具为例：
- 没有成片自动打分或自动择优重拍引擎。 哪条 take 能用、哪场戏要重拍，终审在人。
- 不替代立项判断。 工具能帮你把一个想法补全、结构化，但这个想法值不值得做，它不负责。
- 不保证审美。 它能执行「每集一个爽点」的规则，但爽点爽不爽，是人读出来的。
- 结构化档案需要人审核。 机器不会忘，但它可能记错、记漏，或者把不该固化的东西固化了。
- 工具产出的初稿仍然需要懂行的人改。 把 AI 初稿直接拿去拍，和把实习生初稿直接拿去拍一样危险。
一句话：把重复的、易漂移的、易失控的部分变成可约束的流水线，审美判断仍然坐在人这边。
从业者现在可以做的三件事
- 把自己的工作拆成环节。 哪些是「按规则产出」，哪些是「判断与审美」。前者尽快学会交给工具，后者刻意练习。
- 练写简报，而不是练手速。 能不能把一个想法讲清楚、讲完整、讲到工具能准确执行，是接下来的核心技能。
- 保持读片量。 AI 训练数据里的成片是过去式，当下观众的情绪反应、平台的节奏变化，只有持续看片才能感知。这是工具替不了的。
结语
AI 不会替你写短剧。它会替你重写编剧室的岗位说明书：谁负责判断、谁负责产出、谁负责连续性、谁负责终审，会重新排一遍。
在这份新说明书里，「会写」仍然重要，但「知道该写什么、知道什么算好」比过去任何时候都重要。
好故事从不稀缺，稀缺的是让它落地的那条路——以及在路的每一个岔口做选择的人。
常见问题
AI 会不会让短剧编剧失业？
不会整体消失，但会分层。主要靠码字速度和格式规范接单的入门编剧受冲击最大；能定方向、定稿、判断爽点和节奏的主创编剧反而更值钱，因为工具放大了他们的判断力。
AI 写的短剧剧本能直接用吗？
通常不能。AI 能按结构规则产出合格初稿，但台词口气、情绪节奏、人物可信度、反转是否意外这些需要审美判断的部分，仍然需要懂行的编剧改。把 AI 初稿直接拿去拍，和把实习生初稿直接拍一样危险。
短剧编剧最该学 AI 的哪部分？
不是学技术，是学写清楚创意简报：把题材、主角、核心矛盾、故事走向、爽点节奏、结局方向讲完整，让工具理解的方向和你脑子里想的一致。同时学会审工具产出的 beat sheet 和初稿，能快速判断哪里不对、怎么改。
AI 能帮编剧做哪些重复性工作？
主要是三类：从已锁结构生成初稿、维护人物状态和伏线的连续性记录、按规则做格式质检（集标题、场景数、对白比例、占位敷衍等）。这些过去靠编剧自己记或责编肉眼扫，现在可以交给结构化流程。
新人编剧现在该怎么入行？
过去从「写得快、格式对」做起慢慢练判断，现在这部分工具已经能做。新人需要更早开始练判断力：大量看片、分析爽点和钩子节奏、学着写完整的创意简报，而不是只练手速。
关于猫斯卡 ｜ 猫斯卡 · 专业AI视频自动生产系统。把创意评估、剧本写作、人物场景道具定妆、镜头提示词与出片串成一条可审、可改、可回退的生产链。官网：www.maosika.com