必须将Runway每次生成的参数固化为结构化日志CSV文件，包含timestamp、model_version、prompt_hash等10个固定字段，通过Network面板捕获真实提交值，并手动记录参考图MD5；失败案例需标注x-runway-error-code及带前缀的问题类型，精确记录人体角度与首帧异常时间。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让Runway提示词实验真正可复盘、可迭代，必须把每次生成的参数固化为结构化日志，而不是只保存视频文件或截图。手动记在备忘录里会漏掉关键变量，比如Motion Brush值被平台自动重置、Image strength滑块实际生效值与UI显示不一致等隐性偏差。
建立参数快照模板
新建一个CSV文件，命名为“runway_params_log_202606.csv”，字段按此顺序固定：timestamp,model_version,prompt_hash,motion_intensity,image_strength,ref_img_count,lens_prompt,gen_duration,seed,notes。
prompt_hash用SHA-256计算原始提示词字符串（不含空格和换行），确保相同文字但标点差异也能被识别为不同实验。这一步不做，后续无法区分“woman, running”和“woman, running.”这两条看似相同实则触发不同token切分的提示词。
在timestamp列填入生成点击时刻的完整ISO时间戳，例如“2026-06-12T22:41:03.872Z”，不是系统当前时间——因为生成队列可能排队，实际执行时间滞后。
捕获易丢失的隐性参数
方法一：打开浏览器开发者工具（F12）→ Network标签页 → 点击“Generate”后筛选xhr请求 → 找到以“/api/generate”开头的POST请求 → 点开Payload → 复制全部JSON内容 → 提取其中motion_intensity、image_strength、seed、lens_prompt字段值，粘贴到对应CSV列。
方法二：当使用Reference Image时，必须手动记录上传图像的MD5值（不是文件名），因为Runway后台会重命名文件且不返回原始名。用命令行执行certutil -hashfile your_ref.png MD5（Windows）或md5 your_ref.png（macOS/Linux）获取，填入ref_img_md5列（需提前在CSV中新增该列）。
【image_strength若未手动设置，默认值0.35在Gen-2中实际被解析为0.29】 这个偏差会导致你误判图像引导效果，必须用Network面板确认真实提交值。
标注失败案例的关键断点
第一步：生成失败时，立即截图Response Headers里的x-runway-error-code（如GEN-ERR-4032），不要只看页面红字提示。
第二步：在notes列用固定前缀标记问题类型：【关节错位】、【帧撕裂】、【材质丢失】、【光照漂移】。例如写“【帧撕裂】第3秒硬切，motion_intensity=82超阈值”。
第三步：对【关节错位】类失败，额外补一行记录prompt中所有涉及人体部位的描述，如“left elbow bent at 32°, right knee flexed 110°”，因为Runway对角度数值精度敏感，写“slightly bent”必然失败。
第四步：导出视频后立刻用VLC播放器逐帧检查（快捷键E），在notes列注明首帧异常位置，例如“t=1.7s: left wrist翻转方向反向”。
