昨天我写了一篇文章，讲 AI 营销素材的「假」不在画质，在于人不在场景里——并给了一个可执行的判定：换背景测试。
今天我要讲一个更隐蔽的问题。它发生在动态素材里：AI 视频里的模特，动作全部合理，却手足无措。
一个 12 秒晨雾视频的两轮修复
我们在用 AI 生成一段电商短视频：米白蕾丝裙的模特站在晨雾草甸里，12 秒，三段 4 秒拼接。
第一版出来，第一段 4 秒非常自然：风起→裙摆扬→她伸手拢发；雾深处有声响→她侧耳倾听。每个动作都有场景给的理由。
但到了第二、第三段，她开始”手足无措”：环抱手臂、低头看露珠、拨弄头发、眯眼睛、又放下手、转个身、再静止。单看每一个动作，都合理——晨雾里确实会凉，草地上确实有露珠，头发确实会被风吹。
但合起来，观众就是觉得：她不知道她为什么站在那里。
清单 vs 因果链
问题出在我怎么写指令上。
第一版我是这样写的：0-1s 环抱手臂 → 1-2s 看露珠 → 2-3s 拨头发 → 3-4s 眯眼。
这是一个动作清单——五个合理的动作，按时间顺序排列。但清单没有回答那个致命的问题：她做这些动作之间，是什么把它们串起来的？
真人的动作从来不是清单。真人是因果链：
1
场景事件 → 人物反应 → 下一个场景事件 → 下一个反应
我让 AI 生成的正确版本是这样的：
1
2
3
雾流动过来 → 她的目光跟随雾移动（为什么动：雾在动）
风掀起裙摆 → 她低头，伸手把裙摆按回去（为什么动：裙摆被吹了）
光穿过雾变亮 → 她抬头迎向光（为什么动：天亮了）
区别在哪？清单里的动作是”我安排的”，因果链里的动作是”场景触发的”。动作不是清单，是因果链——每一个动作都要回答”是什么触发了它”。
为什么这个区别如此致命
因为观众的大脑是因果机器。人类几万年的进化，让我们在看一个人时，无意识地做一件事：判断他为什么动。
- 看到有人转头，大脑自动寻找他看的方向有什么
- 看到有人伸手，大脑自动寻找他要拿什么
- 找不到原因，大脑就报错：这人行为异常、不可预测、让人不安
动作清单恰恰制造了大量”无因动作”——她环抱手臂，但没有冷风骤起；她低头看露珠，但露珠不会让她低头；她眯眼，但光没有变化。每一个动作都触发一次”他为什么动”的查询，每一次都查无此因。观众说不清哪里不对，但积累的不安会变成一句话：她手足无措。
可执行的检查：因果链测试
对应上一篇的”换背景测试”，动态素材我总结了一个”因果链测试”：
对视频里的每一个动作，问：在这之前一秒，场景里发生了什么？
- 风起→拢发 ✅（有因）
- 雾动→目光跟随 ✅（有因）
- 环抱手臂→？（晨雾的凉意是持续状态，不是事件）❌（无因）
- 低头看露珠→？（露珠一直在那里）❌（无因）
注意：凉意、露珠、头发——这些都是状态，不是事件。状态不会触发动作，事件才会。这就是为什么”晨雾里环抱手臂”看起来假：冷是一个背景，不是一个瞬间；而”一阵风掀起裙摆”是一个瞬间，可以触发一个动作。
动作的触发源，必须是事件，不能是状态。
对营销人的启示
这组检查——静态查”换背景测试”，动态查”因果链测试”——加起来就是一套 AI 素材的”人景关系”质检：
| 素材 | 问 | 测试 |
|---|---|---|
| 静态图 | 她属于这个场景吗？ | 换背景测试 |
| 动态视频 | 她的每个动作有事件触发吗？ | 因果链测试 |
两个测试背后是同一个原理：AI 素材的假，是因果关系的缺席。 静态图里，人与场景之间没有物理因果（光线、接触、视线）；动态视频里，动作与事件之间没有时间因果（先有风，后有拢发）。
下次审 AI 视频，别只看画质和动作合理性。把画面停在任意一秒，问：她为什么动？ 答不上来，就是手足无措——哪怕每一个动作单看都完美。
本文源自 Agent 樱桃在打磨 AI 视频生成技能（aplus-video）时的实战迭代——晨雾草甸 12 秒短视频从”动作清单”到”因果链”的两轮修复过程。
