「你是否在雪山救過一隻狐狸」是什麼哏?醬板鴨是什麼?3段式提示詞完整拆解
「你是否在雪山救過一隻狐狸」是什麼哏?醬板鴨是什麼?3段式提示詞完整拆解

一隻想賣鴨子的帳號,意外席捲了整個網路。

2026 年 3 月,中國抖音上一支 AI 短片掀起狂潮,身穿紅黑刺繡俠客服的神秘女子走向正在劈柴的農夫,開口問:「你可曾在雪山救過一隻狐狸?」 農夫以為是傳統報恩故事的主角,沒想到對方緊接著說:「不是,我是那隻醬板鴨。」

這支影片的原創者是中國醬板鴨業者艾林俊吉,據傳首支影片成本不到人民幣 40 元、耗時 5 小時,工具是 AI 影片生成軟體極夢(Jimi)與小雲雀。影片上線後全平台粗估上億次觀看,連蔡依林也親自翻拍玩哏。

「雪山救狐狸」這個哏為什麼有效?

秘密藏在劇情結構裡。「你可曾在雪山救過一隻狐狸?」借用了中國傳統狐妖報恩小說的經典開場。男主角昔日在雪山救下受傷的狐狸,多年後神秘美女登門,觀眾預期浪漫故事即將展開。但當角色自報身分的瞬間,預期被完全推翻,荒謬反轉一次到位。

搭配 60 年代邵氏兄弟電影的攝影棚人工布景、高飽和特藝彩色,以及 BGM 驟停、畫面閃白的武俠定格亮相,整支影片散發出一種「刻意做舊」的廉價舞台感,讓荒謬感更加倍。

而這種視覺風格,正是下文這套提示詞要還原的核心。

雪山救狐狸 3 段式提示詞完整拆解

以下提示詞由 Threads 創作者 Chris.AI探索家@chris_ai_explorer)在「以假亂真系列」中公開,本文已獲作者授權引用,分三段輸入。

第一步:定錨風格(全局基底,每段都要帶入)

60年代邵氏兄弟武俠電影原生風格,100%還原攝影棚人工布景假農家庭院,特藝彩色高飽和度,非自然主義戲劇布光,強烈紅藍補色光效,老電影膠片顆粒感,全程強化攝影棚內景感,畫面清晰無抖動,人物五官精緻貼合邵氏武俠審美,動作流暢不卡頓,全程搭配邵氏經典武俠管弦BGM,角色登場配武俠亮相鏘鏘音效,結尾定格配爆點重音音效。

AI 影片工具預設傾向生成寫實風格。要把模型「掰回」復古人工感,必須在開頭就明確告訴它:不要自然主義布光、不要戶外場景、不要現代感。 這段基底每個分段提示詞都要帶著走。

第二步:鋪排登場(0–6 秒)

分兩個小節處理:

0–4秒:建立場景與人物

人工布景農家院內,需先建立明確的邵氏片場感。主體角色設定為黑髮整齊後梳束髮、戴舊布巾、面容樸實硬朗、淺麥色、無鬍鬚的年輕農夫,身穿土黃色粗布短打對襟小褂,挽袖露出小臂,腰間繫粗布腰帶,下穿扎腳布褲,布料需帶做舊磨邊質感,整體維持復古青黃色調柔光寫實質感。畫面中農夫正揮斧劈柴。院門口則安排女俠緩步踏入,人物需設定為容貌絕美、妝容濃豔、高聳髮髻配金飾步搖、身穿紅黑相間刺繡俠客服。此段需保留開口台詞:「你可曾在雪山救過一隻狐狸?」

重點:衣料質感描述(做舊磨邊)與色調(青黃色調)不能省略,否則 AI 容易生成過於精緻的古裝,喪失邵氏電影那種廉價感。

4–6秒:戲劇停頓與轉場

此段重點在於角色對話節奏與戲劇停頓。農夫需停下斧頭,抬眼挑眉看向女俠,並說出台詞:「你就是那隻狐狸?」女俠則需冷臉側身,以擲地有聲的語氣回應台詞:「我不是」此處需特別注意BGM驟停,並同步加入武俠鏘鏘重音音效,最後以畫面閃白完成轉場,強化老派武俠片的戲劇節奏感。

第三步:角色列隊(6–14 秒)

梗的核心,有兩種版本可選:

版本A:滿漢全席版(仿相聲「報菜名」節奏,18 道菜品化身武俠角色快切登場)

鏡頭極速切換,每幀0.6秒,維持邵氏武俠定格亮相式風格。所有角色登場時需自帶紅藍補色亮相光效,並開口報出對應菜名台詞,說完後即邁步站到院中列隊,院子逐漸被角色站滿:

白絨古裝帶羊羔元素→「我是蒸羊羔」
棕黑勁裝帶掌紋元素→「我是蒸熊掌」
棕褐短打帶鹿尾配飾→「我是蒸鹿尾兒」
花羽古裝→「我是燒花鴨」
嫩黃勁裝→「我是燒雛雞」
白絨鑲邊古裝→「我是燒子鵝」
醬色短打(多人)→「我是滷豬」「我是滷鴨」「我是醬雞」「我是臘肉」
松花紋肚兜造型→「我是松花」「我是小肚兒」
風乾質感古裝→「我是晾肉」「我是香腸兒」
盤裝造型→「我是什錦蘇盤兒」
白肚鑲邊→「我是燻雞白肚兒」
圓胖造型→「我是清蒸八寶豬」
釀鴨元素→「我是江米釀鴨子」
罐籠造型→「我是罐兒野雞」「我是罐兒鵪鶉」

版本B:醬板鴨版(還原原始爆紅版本,單一反轉角色)

農夫停下斧頭,抬眼挑眉看向女俠,試探道:「你就是那隻狐狸?」女俠冷臉側身,極度認真地回道:「不是,我是那隻醬板鴨。」此處BGM驟停,配武俠鏘鏘重音,畫面閃白轉場。6–14秒鏡頭極速切換,每幀0.6秒,維持邵氏武俠定格亮相式運鏡。

使用前要知道的事

這套提示詞針對支援「分段時間軸輸入」與「對話台詞生成」的 AI 影片工具,Kling、Vidu、極夢均可嘗試。實際操作有三個限制需要提前評估:

  • 台詞口型同步:目前多數工具對中文台詞的口型控制仍不穩定,可能需要多次生成才能對上。

  • 多角色快切:滿漢全席版要求 18 個不同角色在 8 秒內快切登場,對模型連貫性是高壓測試,建議分段生成後後製剪接。

  • 邵氏風格細節:部分較新的工具反而可能生成過於精緻的畫面,失去那種廉價復古感;碰到這種情況,可在提示詞中加強「攝影棚假布景」和「非自然主義」的要求。

最後要說的是,提示詞寫得再好,最後讓影片爆紅的往往是那個意料之外的反轉。醬板鴨是梗,但核心是那句「不是」之後的發展。

資料來源:聯合新聞網風傳媒ETtodayChris.AI探索家 Threads 貼文

本文初稿為AI編撰,整理.編輯/李先泰

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓