小说转分镜，大模型只会照着原文一句句翻成画面，怎么办

课余在用 ComfyUI 试着做漫剧，卡在小说转分镜这一步。大模型出来的分镜基本是原文顺序一句一句翻成画面，没有镜头设计，读起来像图文版小说，不像能拍的东西。网上找了几个 skill 挂上去，改善不大，不知道是 skill 本身没讲透，还是模型就停在这个水平。有做过的朋友吗，分镜到底怎么让它真的按镜头语言来设计？我给学生讲过景别和机位，自己写提示词时却不知道怎么落到模型上。