一次性让 AI 把骨架、歌词、编曲全做完，结果往往是每一层都差一点，也说不清到底该回头改结构、改词还是改配器。可操作的做法是把一次生成拆成三轮推进：第一轮只出段落结构和大致走向，第二轮冻结旋律只改歌词，第三轮在定稿的人声上先加一件乐器，每轮结束留一份可回退的版本记录，下一轮开工前先确认上一轮已经能听住，否则就回退，不要带着问题往下叠。

先把段落骨架定死，再隔离变量只改歌词，最后一件一件加乐器；每轮结束用固定命名的文件留档，下一轮动手前先确认上一轮没有未解决的问题。收尾用「还能不能跟着一起哼」作为唯一判断标准，哼不出来就是堆复杂了，回退到还能哼的那一轮重来。适用于个人用 AI 出歌的迭代流程，不追求一次成型。

第一轮只要骨架：段落和大致走向

第一轮的目标不是好听，而是让整首歌有一个能站住的结构，避免后面越改越乱。段落顺序先写死，通常按 intro / verse / pre-chorus / chorus / verse2 / chorus / bridge / chorus / outro 这类顺序排，段数控制在能一口气说完的范围内，段落多了后面改歌词时会找不到重点。

每段时长用「哼一遍要几拍」来感受，不必精确到毫秒。主歌一般 8 到 16 小节，副歌 8 小节左右；如果副歌比主歌短太多或长太多，听众会抓不住重心，这时先调段落长度而不是调旋律。

整体走向是否单调，用两个动作判断：把主歌第一句和副歌第一句单独哼出来，如果音区、节奏密度几乎一样，说明段落之间没有抬升；再把整首从头哼到尾，如果中途想不起「现在是第几段」，说明走向太平。停止条件可以定为：段落顺序能一次说清、副歌相对主歌有一处明显不同、整首哼一遍不卡壳，满足就冻结这一轮，进入下一轮。

只输出歌曲结构，不要歌词，不要编曲建议。
按下面格式给出段落顺序、每段大概小节数、这一段的走向变化：
- 段落名 / 小节数 / 走向（音区升高或降低、节奏变密或变疏）
整首的段落数控制在 9 个以内。
如果副歌与主歌在走向上几乎没有区别，请直接指出，并给一版调整后的结构。

第二轮只改歌词，旋律原封不动

这一轮的意义是把变量隔离：旋律和骨架保持不动，才能确认之前不满意的地方到底出在词还是曲。做法是把第一轮的结构和旋律当成不可变输入，只让 AI 在给定字数与韵脚约束下改词。

可以改的范围通常包括：字词替换、句尾韵脚、单句字数（前提是不改变原有重音位置）、语气词和口语化处理。这一轮明确不许动的是：段落顺序、每段小节数、旋律音高与节奏、副歌进入点、hook 所在的位置。哪怕某句旋律听起来别扭，也先记下来留到后面单独讨论，不要在这一轮顺手改掉，否则两轮的问题会混在一起。

以下是已固定的旋律与结构，请只改歌词，不要改变每行字数、韵脚位置和重音位置。
约束：
- 每行字数固定，超出或不足的句子请标注出来
- 韵脚方案：AABB 或 ABAB，请标明每行韵脚
- 不要新增段落，不要删除段落
输出格式：行号 / 新词 / 字数是否合规 / 该行韵脚

改完后的验证方式只有一个：对着原旋律清唱一遍。如果某句必须拖拍或挤字才能唱进去，说明字数已经越界，正确做法是换掉那句词，而不是改旋律。

第三轮再加编曲层，先只加一件乐器

控制每轮的变化量，才能让改动可听辨。先加一件节奏类乐器（如底鼓、军鼓或简单打击），或者一件和声类乐器（如一把吉他、一个 pad），不要一次加鼓加贝斯加弦乐，那样混音里的问题会互相掩盖，最后说不清是哪件东西出的问题。

加完后的判断点有两类。第一是混不混：把音量拉到平时听歌的大小，人声是否还清楚；如果人声变糊，先降新乐器的音量，而不是先加压缩。第二是有没有盖住人声：新乐器的频段是否和人声主频段重叠，通常人声集中在中频，重叠时优先做减法，让这件乐器让出中频，而不是把人声推上去。

还要回到旋律本身再清唱一句，确认加了乐器之后原旋律仍然听得出来。停止条件可以定为：人声清楚、能跟着哼、新增乐器确实在推进某一段的情绪，而不是让整首只是变响了。只加一件乐器时，这一轮要做的事本来就少，宁可多跑一轮，也不要在同一轮里同时调编曲和混音。

每轮结束留一份可回退的版本记录

避免越改越差却回不到上一版，靠的是一条简单的命名规则加一次确认。文件名可以用「轮次 + 改动点」的形式，不用很复杂：

r1_skeleton_v1
r2_lyrics_v1
r3_inst_drum_v1
r3_inst_drum_v2_vol_down

如果习惯用 git，把每次改动提交成一次 commit，提交信息写清这一轮动了哪一层，效果一样。关键是不覆盖上一版，并保留一个短文本记下每版改了什么，方便回头对比。

每次改动前必须先确认的一件事：上一轮的版本能完整播完，而且你认可它。也就是说，先手里有一份「可以回去」的文件，再动手改。这一条看起来多余，但它决定了后面出现问题时你还能不能退回来。

对比第一轮与最后一轮，确认是变好还是变复杂

收尾时只放两版：第一轮的骨架版和最后一轮的完整版，来回切换听。判断标准只用一条——还能不能跟着一起哼。能哼，而且比骨架版更容易记住，说明这几轮是真变好了，可以定稿。

哼不出来，或者要费劲找旋律，说明只是把简单的东西堆复杂了，这时按层回退：如果合起来听不清人声，回到第三轮里某个乐器版本或回到 r2，先确认不带编曲时人声是否清楚；如果是歌词唱不顺导致哼不下去，回到 r2 重改那一两句；如果拿掉编曲之后结构本身听完还是记不住，就回到 r1 重做段落走向。回退不是失败，而是把结论留在能验证的那一层上。