一句话看懂：公众号作者“卡尔的AI沃茨”开源了 awesome-seedance 项目，将 463 条 AI 视频提示语重新实测复现，整理成 14 个提示语模版与 25 个 AI 视频 Skills，试图给混乱的提示语分享生态补上一套可验证、可打分的样本库。
事件核心：发生了什么
2026 年 9 月 22 日，作者在 AI 沃茨公众号发布开源项目 awesome-seedance（GitHub 地址为 github.com/LearnPrompt/awesome-seedance）。目前公开信息显示，项目耗时近一个月，作者自费重新跑通了 463 条 AI 视频提示语，产出 14 个覆盖主流视频类型的提示语模版和 25 个 AI 视频 Skills，授权方式为开源。
与常见提示语合集不同，该项目强调“实测复现”：每天自动收录 GitHub、抖音、小红书、X 上带提示语的 case，再用 GPT、Claude、Grok、DeepSeek 四个多模态模型对 case 与提示语打分、聚类同类视频并自动起标题。作者提到自己为此消耗了多张模型重置卡，抽卡成本约两万元。
为什么重要
AI 视频的提示语长期缺少统一分类与质量标尺，用户从各处收集到的模版水平参差，往往只能靠反复“抽卡”试错。awesome-seedance 的价值不在于再做一个合集，而在于引入多模型评审和打分机制，把提示语从“个人经验”推向可比较、可复现的工程化资产，这对视频生成模型的评测与创作流程标准化都有参考意义。
同时，项目用多模态大模型自动完成收录、评分、聚类和命名，本身也是“大模型做数据治理”的一次小型实践。作者还对比过租机器部署 Minimax H3 与直接调用 fal 的 Minimax H3 Max 哪种更划算，说明这类项目已开始把推理算力成本纳入日常运营考量。
对用户/开发者/创作者的影响
对创作者，14 个模版和 25 个 Skills 可以直接拿来改词复用，减少从零试错的时间与积分消耗；对开发者，项目结构可作为构建提示语库、评测集或 Agent Skill 的起点，自动收录与多模型打分流程也具备复用空间；对企业或团队，可关注其打分维度能否迁移到自有素材库的筛选和标签体系中。需要注意的是，模版效果仍取决于具体模型版本与参数，开源不等于开箱即用，目前公开信息显示作者以 Seedance 系列为主进行实测。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是项目是否持续更新，自动收录与打分流程能否保持稳定；二是打分标准是否公开透明，方便他人校验和二次开发；三是是否会接入更多视频生成模型与 API，并给出成本对比数据；四是同类提示语库是否跟进引入评测机制，形成更通用的 AI 视频提示语规范。
