為什麼一集覆盤要看兩類證據
糟糕的復盤，通常從一頁漂亮簡報開始：上面寫著這集表現「不錯」，最後大家一起決定「最佳化節奏」。兩週後，下一批內容又出現同樣拖慢的開頭、同樣看不懂的道具揭示、同樣燒成本的重試模式。團隊手上有資料，但資料沒有變成製作決策。
AI 漫劇復盤需要兩種證據。製作證據說明創作時發生了什麼：哪些提示詞翻車，哪裡角色連續性崩了，哪類鏡頭最耗重試，哪條審片規則來得太晚，哪些資產真的省了時間。觀眾資料說明發布後發生了什麼：留存下滑、重看、留言、收藏、完播率、封面點擊，以及每支可用片段的成本。只看其中一半都很薄弱。放在一起，才看得出下一次該複用、刪掉、重做，還是小範圍測試。
ArcLoop 在這裡派得上用場，是因為復盤不用靠記憶——它能直接指回真正用到的角色資產和參考圖、Story Outline 裡的劇情節拍、分鏡鏡頭，以及 Edit 匯出的成片。角色總是走樣，就去看綁在那個資產上的參考圖，而不是瞎猜是哪句鏡頭描述出的問題。用 審片流程與品質抽檢指南 把經驗變成下一輪工作流程；如果目標不是寫一篇事後檢討，而是把下一批做得更穩，把 批量製作動漫系列不丟角色指南 放在手邊一起看。
讀製作數據和受眾數據的原則
先看決策，不要先看指標。「第 9 秒留存掉了」只有在能對應到製作問題時才有用：開頭鉤子弱、鏡頭不清楚、字幕慢了、角色跑偏、故事節拍讓人困惑，或封面承諾和正片不一致。
把可控原因和雜訊分開。一則生氣的留言，不一定值得重設一個角色。三支影片都在同一個故事節拍掉留存，大概就該改分鏡。復盤既要防止團隊過度反應，也要防止團隊假裝沒看到。
把成本和可用產出放在一起看。AI 漫劇可以很快抽出很多版本，但真正有用的數字不是原始算圖數，而是每條提示詞路徑產出多少支入選片段。記錄哪些重試帶來了學習，哪些只是在重複本來可以避免的踩坑。
用製作語言寫下一批規則。不要寫「把開頭做得更好」，要寫「前三秒必須同時看見角色目標、阻礙和可見動作」。不要寫「提升品質」，要寫「手接觸關鍵道具的鏡頭，最後精修前必須過一次道具特寫檢查」。
把經驗歸檔到被它改變的資產上。如果復盤更新了角色資產、場景規則、提示詞範本、配音方向或審片清單，就把筆記掛在那裡。單獨放在報告裡的經驗，很容易看完就忘。
怎麼做覆盤：從鏡頭表到下一批規則
先收集製作證據。打開該集的 Storyboard，記下目前的鏡頭清單、每個鏡頭用 @ 引用了哪些角色、道具、場景資產，以及最終鏡頭描述跟最初草稿比改了什麼。先做這一步，再看觀眾數據，這樣團隊還記得當時為什麼那樣選。
按節拍加入觀眾訊號。把留存、重看、留言、收藏、分享、封面點擊和完播，對應到具體時刻：開頭鉤子、揭示、角色表演、動作清晰度、台詞、字幕時機、結尾幀或平台裁切。不要丟進一個模糊的「單集資料」桶裡。
只選三個問題。一場有效復盤可以問：什麼應該複用？什麼應該刪掉？什麼需要更強的資產或審片規則？問題越多，通常筆記越多，決策越少。
把發現轉成下一批修改。更新一條分鏡規則、角色資產、鏡頭提示詞模式、配音方向、成本閘口或交付清單。如果某個發現不能改變未來工作流程，它就是冷知識。
跑一組小驗證。別一開始就改完整系列，先用新規則測試兩三個短鏡頭。如果問題是開頭不清楚，用 懸念揭曉分鏡範本；如果問題是身分漂移，用 動漫短片分鏡連續性指南。
安排一次追蹤審查。只有下一批確認這個改動是否有效，復盤才算完成。把舊問題、新規則和驗證結果放在一起歸檔。
下面是在 ArcLoop 裡開啟復盤後，整個工作流實際怎麼跑的。
開啟該集，進入 Storyboard。逐個 Shot 確認哪些資產用 @ 引用過，再把最終鏡頭描述和最初草稿對比——記下改了什麼、為什麼改。先做這一步，再去看平台資料，讓製作判斷和表現數字保持分開。
找到重試次數多的鏡頭後，去 My Assets 開啟對應的角色或道具資產。看 Main image 綁的是哪張，Reference image 有沒有覆蓋那個一直失敗的角度或狀態。如果沒有，把修正圖上傳到 Library，再 Bind 到這個資產上當新的 Reference image。之後所有用 @ 引用這個資產的鏡頭，都會自動帶上更新後的版本。
需要重新生成的鏡頭，回到 Episode，開啟對應 shot card，用新規則改好描述，再透過 AI Chat Panel 單獨重跑：「Generate video for Shot 3.」先測一到兩個鏡頭，確認改動有效，再把規則推到整集批次處理。
讓改動落在下一個鏡頭看得到的地方
ArcLoop 可以讓改動落在下一個鏡頭真正會用到的地方。如果觀眾沒看懂指南針這個道具的重點，要改的不是一條筆記，而是道具資產本身——去我的資產裡換掉它的參考圖或描述。之後每個用 @指南針 引用它的鏡頭都會帶上改過的版本，不用再另外告訴下一位創作者。
格式保持短：證據、原因、決策、負責人、下一次測試。證據是製作或觀眾訊號。原因是目前最合理的解釋。決策是工作流程改動。負責人是套用這條改動的人或角色。下一次測試是能確認修正是否有效的最小片段或批次。
ArcLoop 確實能把企劃本身留在同一個專案裡。Story Outline、我的資產裡的角色和道具資產、Storyboard 的鏡頭、Edit 時間軸，都在同一個 IP Project 底下——團隊不需要在別處另外做一套策略文件，再指望有人把經驗正確搬回來。
範例 1：椋鳥維修社復盤筆記
Create a character asset for Iven Taro in My Assets. Iven is a teenage mechanic who repairs tiny wind-up birds on an abandoned observatory roof. Bind a workbench-pose reference image as his Main image and a rooftop-climbing pose as a Reference image under the same asset. Once the asset exists, use @Iven Taro in each shot description instead of re-describing his appearance. The shot description only needs what is new to that shot: the action, the camera framing, the light quality, and any prop in his hands.
這條提示詞不是要一份泛泛總結。它要的是能改變下一批製作的決策。
範例 2：從資料診斷到分鏡修正
Medium close-up of @Iven Taro crouching at the edge of the @Observatory Roof. He holds the broken wind-up bird at eye level, loupe flipped down, expression tight. The bird's exposed gear catches the early morning light. Handheld camera holds still as his free hand reaches for a tool just out of frame. No dialogue. The shot must show Iven, the broken bird, and the repair risk in a single readable frame before the scene moves forward.
這才是有價值的資料復盤：它改的是分鏡規則，而不是稱讚一個指標。
範例 3：成本與品質追蹤測試
Tight close-up of @Iven Taro's hands on the @Workbench, placing the repaired wind-up bird onto the worn surface. The bird sits upright. Iven slowly releases his grip. Static camera, low angle, shallow depth of field so the bird is sharp and his face is soft in the background. After the image is confirmed for hand clarity and gear shape, generate the video. Measure retry count and prop consistency before approving the final take.
追蹤測試會讓復盤保持誠實。經驗只有撐過下一輪製作，才算真的有用。
讓覆盤白做的錯誤
最大的坑，是只回報指標，卻不把指標映射到創意決策。留存、收藏和留言應該連到開頭清晰度、故事時機、角色表演、封面承諾、平台裁切或製作品質。
另一個坑，是把所有失敗都怪給模型。有時候是提示詞把鏡頭塞太滿，分鏡把關鍵道具藏起來，台詞開始太早，或審片清單漏掉真正的風險。先修你能控制的工作流程層。
團隊也常把復盤筆記和資產分開。如果一條經驗改變了角色資產、道具表、分鏡規則或交付清單，就把它貼到對應專案上。獨立報告很快就會變成舊消息。
第四個坑，是一次發布後改太多東西。如果你同時改鉤子、角色設計、節奏、聲音風格、封面和匯出格式，下一輪資料就無法說明到底哪個改動有用。測試最小但有意義的規則。
常見問題
AI 漫劇復盤應該包含什麼？
包含製作證據、觀眾訊號、可能原因、具體工作流程決策、負責人、下一次測試和關聯資產。目標是改進下一條提示詞、分鏡、資產、審片規則或交付步驟。
AI 漫劇內容最該看哪些資料？
看能映射到決策的資料：留存對應節奏和開頭清晰度，重看對應有趣瞬間或困惑點，留言對應故事理解，收藏對應角色或視覺吸引力，封面點擊對應包裝，重試成本對應製作效率。
應該多久做一次復盤？
交付後馬上做製作復盤，因為決策還新鮮；等第一個有意義的資料窗口出現後，再加入觀眾資料。不要拖到團隊已經忘了為什麼入選或淘汰某些片段。
ArcLoop 如何讓復盤經驗保持可用？
經驗通常會落地成我的資產裡某個資產的修正——換一張參考圖，或者把描述寫清楚；也可能是 Storyboard 裡重寫的鏡頭描述。因為後面的鏡頭都靠 @ 引用身分，資產這一層改一次，之後所有用到它的鏡頭都會帶上修正，不用另外寫一份報告。
一支表現差的片段應該改變整個工作流程嗎？
不應該單獨這麼做。先把問題變成一個小測試。如果同樣的問題出現在多支片段裡，或驗證組確認修正有效，再把規則提升為主工作流程規則。
