从诗句到动画，一位开发者用LLM生成HTML水彩风动画的完整工作流

一位开发者将自己写的诗转化为一部80秒的水彩风格动画，整部作品仅由单个HTML文件承载——没有图片、没有字体、没有音频文件，连背景音乐都是通过Web Audio API实时合成。这项创作并非依赖视频生成模型，而是由大语言模型（LLM）直接输出JavaScript与WebGL2代码实现。该作品近期在社交平台引发关注，作者小盖随后公开了其完整的提示词工作流与迭代逻辑，为AI辅助创意编码提供了具象范例。

该工作流始于一句简洁但信息密度极高的初始提示：“制作一部80秒、16:9的动画，使用WebGL2和原生JavaScript，生成单个HTML文件。不要使用任何第三方库，也不要使用图片、字体或者音频文件。整个动画采用水彩绘本风格，有田园的诗意感。”在此基础上，作者将自己撰写的诗歌内容输入模型，要求其尽可能还原文字所营造的意境。

与常见“一键生成”式AI工具不同，这一过程高度依赖人工干预与反复校准。例如，初始版本中蜻蜓的飞行轨迹为匀速直线运动，明显失真。作者随即调整提示词，明确要求：“请重新设计蜻蜓的运动轨迹，让它更加接近真实的飞行状态。不要沿着固定的直线匀速运动，可以加入自然的转向、短暂停顿、加速和减速。轨迹需要连续、平滑，避免突然跳跃。翅膀的振动和身体的移动也要协调。”类似地，对风吹草动的模拟也细化为“草地应随风向轻轻摆动，不同位置的草叶存在细微时间差”，以增强物理真实感。

这种“具体化描述运动规律”的策略，成为提升生成质量的关键。作者指出，LLM本身不具备对现实运动的先验知识，必须通过精确指令引导其构建符合直觉的动态模型。而WebGL2作为浏览器端GPU加速图形接口，为这类高并发、低延迟的元素运动提供了技术基础——它允许在单帧内绘制数千个独立变化的粒子或几何体，支撑起群山层叠、蝴蝶纷飞等复杂场景。

值得注意的是，该动画中的人物始终背对观众，且保持静止。作者坦承，这是出于技术现实的妥协：让AI生成具备自然肢体动作的奔跑儿童仍属高难度任务，而一个背影只需渲染轮廓与衣褶，既降低实现复杂度，又不破坏整体诗意氛围。这种“取舍式创作”反映出当前AI编程能力的边界：在结构清晰、规则明确的任务（如几何变形、参数化运动）上表现优异；而在涉及高自由度生物力学建模时仍显吃力。

当初步版本完成，作者并未止步于“能跑”，而是引入“导演视角审查”机制：指令模型“先停下来，重新梳理整个动画，以及我想表达的意境。从一个导演的视角，完整审查一下这部作品，看看还有哪些地方值得优化，给我一些具体的修改建议。”这一策略促使模型跳出执行者角色，转而承担部分创意评估职能，提出关于节奏、色彩过渡、叙事连贯性的改进建议，形成人机协同的闭环优化。

最终定稿的HTML文件被部署至个人博客，并进一步导出为MP4视频。导出环节同样依赖定制提示词：“请把这个网页动画导出成MP4视频。渲染时，主动控制动画的时间进度，逐帧生成画面，确保不会丢帧。每生成一帧，就将它保存下来，这样即使渲染中途停止，也能从上次中断的地方继续。”该方案规避了传统录屏工具常见的帧率抖动问题，保障了输出质量。

此类实践属于“Vibe Coding”（氛围编码）范畴——即开发者以模糊创意目标为起点，通过与LLM持续对话逐步逼近理想实现。与传统编程强调精确指令不同，Vibe Coding更依赖审美判断与迭代反馈。小盖提到，整个过程耗时数日，核心挑战并非技术门槛，而是“耐心与审美一致性”的维持：每一次修改都需确保新版本仍忠实于原诗的意象基调。

对比当下主流AI视频生成工具（如ModelFold提供的模板化短视频服务），小盖的方法代表另一条路径：放弃“一句话生成视频”的便捷性，换取对底层逻辑的完全掌控。ModelFold等平台通过预设分镜与固定模型组合，支持用户上传一张图即可生成9:16竖屏短片，适用于宠物纪念、汉服变装等标准化场景；而纯代码路径则适合需要高度定制化、无外部依赖、可嵌入网页环境的轻量级交互内容。

行业层面，这揭示了AI编程正从“辅助写函数”向“自主构建完整应用”演进。GitHub Copilot已能生成React组件或API路由，但生成具备时间维度、多对象协同运动的视觉程序仍属前沿探索。斯坦福大学HAI研究院2025年报告指出，约37%的前端开发者已在日常工作中使用LLM生成可视化逻辑代码，其中动画与数据可视化是采纳率最高的两类场景。

另一类相似实践见于WPS社区用户利用“灵犀”工具制作可视化教程：通过手绘草图+AI重绘，将电视刷机流程转化为8镜次动画，全程无需录制屏幕或手动剪辑。其关键优势在于“局部可调”——当某帧角色配色不符，只需修正对应prompt并重绘该帧; 而非像视频生成模型那样需整体重抽。该案例消耗约700灵点（平台积分），成本显著低于专业动画制作。

两类路径本质是同一趋势的两面：前者追求“零依赖、全可控”的代码原生表达，后者侧重“低门槛、高效率”的模板化生产。二者共同指向一个事实——AI正成为创意工作者的“数字画笔”，而提示词即新的“素描草图”。

小盖在文末提及，他将动画配乐用Suno生成并上传至音乐平台，形成“诗-画-声”三位一体的作品闭环。这种跨模态协同，恰是当前AIGC生态的典型特征：单一模型难以胜任全流程，但多个专用工具通过人类指挥形成合力。

目前，该工作流尚未形成标准化工具链，仍高度依赖个体经验。但随着WebGL着色器语言（GLSL）与Three.js等库的提示词库持续积累，未来可能出现针对“代码生成动画”的专用Agent，自动处理运动学约束、色彩渐变逻辑与性能优化。在此之前，像小盖这样的实践者，正以耐心与诗意，为AI时代的数字艺术开辟一条少有人走的路。