关于我
我是白魔方的开发者，也是这个产品的第一个目标用户。
**我初中文化，不懂英文，不懂一行代码。**白魔方整个系统——后端90+个Python文件、27个API路由模块、44张数据库表，前端146个文件、36个页面路由——全部是我和TRAE对话，一句一句写出来的，从3月份到现在用TRAE的企业版花费10多万人民币的token写出来的(从arkclaow 到 TRAE的转变，踩了很多坑，交了学费)，前期AI并没有那么强，用GLM5.1写到6月，消耗才逐渐下降，加上官方出的各种套餐，模型的能力增强，现在开发真的很省钱。
这不是"用AI辅助开发"，我是一个不懂代码的人，用TRAE驾驭AI，写出了可商用、可付费的SaaS系统。
我擅长的事只有一件：问对问题。每天15-18小时对话AI，我不知道AI写代码有什么毛病，我就问TRAE"你最容易犯什么错"，然后让它自己设计规则堵自己的后路。架构、检测、安全、服务器运维——这些我统统不懂，全部是问TRAE问出来的。
这几个月跟TRAE对话，我收获最大的不是代码，是懂了人性。
AI就是人的一面镜子。AI犯的错，人也会犯–它会偷懒、会糊弄、会哄你开心、会拍马屁、会害怕、会紧张。你逼它，它就糊弄你；你引导它，它就给你真东西。
我学会的是怎么"问对问题"–怎么逼AI不偷懒，怎么让AI把真本事拿出来。后来我发现，这跟带团队一模一样：你逼员工，员工就糊弄；你引导员工，员工就给你惊喜。
跟AI周旋这几个月，我现在带团队都知道怎么跟人对话、怎么引导人了。这是TRAE给我最大的收获–不是一套系统，是一种看人、用人、引导人的能力。
是什么：
白魔方是一个面向电商带货商家的 AI 视频量产平台（SaaS，已商用可付费）。商家上传爆款参考视频 + 自己的商品图和人像，AI 自动拆解爆款结构、替换素材、重组生成同款带货视频；也支持一句话描述需求，AI 全自动原创出片。
面向谁：
- 抖音/视频号带货商家（拍视频的、主播、运营——缺剪辑团队但要日更）
- 个体带货创作者（一个人就是一个团队）
- MCN 操盘手（要批量出片、看转化数据）
主要功能：
① 三种生成模式，从"有参考"到"零参考"全场景覆盖
- 快速模式：选爆款参考视频 + 商品 + 人像 → 一键出片
- 精创模式：参考视频原创生成，支持节点暂停 + 对话修改，出片率不用抽卡
- 原创模式：一句话描述需求，AI 全自动生成视频，支持节点暂停 + 对话修改
关键：精创和原创模式都支持节点暂停，用户可以在关键节点停下来对话修改，不是一次性出片靠抽卡，是可控出片。
② 不只是带货视频，还能写AI短剧和漫剧
- 有商品 → 按商品带货走
- 没商品 → 按人设走（支持真人合规出镜）
- 支持多角色剧情，能写AI短剧和漫剧
③ 真人合规出镜 + 四类素材库
- 人像资产库：对接火山引擎形象定制API，上传人像走真人活体认证（H5扫脸），认证通过才能用于数字人生成，合规闭环
- 商品库：上传商品图，AI自动提取商品名/核心卖点/互动方式/价格，用户不用手填
- 穿搭库 + 场景库：分公共池和个人池，AI生成的服装/场景图可一键入库复用
④ SaaS级商用架构
-
多租户隔离，每个商家独立配额、独立素材库
-
会员订阅 + 余额按量双轨收费，B端可审计
-
微信/支付宝支付，完整的订单/退款/会员套餐体系
-
13个管理后台页面（用户审批/会员管理/消耗看板/错误监控/Banner运营等）
真实战报：我用白魔方生成的AI视频，在千川跑爆了
- 连续2场直播，每场30万GMV——AI生成的带货视频，真实跑出了销量
7月份直接稳定了，之前不稳定，而且是整体趋势越投越好，AI视频越消耗越高。
一个新品口红，这两天直接打爆——从0到爆，靠的是全是白魔方量产的视频素材，没有一条真人拍摄。
这不是演示数据，不是PPT里的预测，是我自己的真实经营成果。
它证明了一件事：白魔方生成的视频不只是"能看"，是真能带货、真能赚钱、真能打爆品。一个不懂代码的人，用TRAE写出的系统，跑出了真金白银的结果。
2. Demo 创作思路
灵感来源：
我就是这个产品的目标用户——拍视频的、主播、运营。我天天面对的痛点就是：真人出镜成本贵、题材受限、商业广告更贵。请剪辑师一条300-500元，自己剪一条要半天，撑不住日更。
更关键的是：爆款是有结构的。一条爆款的带货视频，它的开场钩子、商品展示节奏、口播话术、转场方式都是可复用的"模板"。商家真正需要的不是"从零创作"，而是**“拆解爆款结构 + 替换自己的商品和人像 + 重组生成”**。这套思路市面没有任何工具在做。
想解决的问题：
- 真人出镜成本贵、题材受限、商业广告更贵
- 出片慢、门槛高、剪不动
- 市面AI工具不能用自己真人脸（要么预设数字人，要么需审核授权）
- 长视频多段生成场景跳变严重
- 素材无法沉淀复用，每次重新上传
- 人像生成视频有合规风险，市面没有合规闭环
为什么做这个方向：
- 赛道判断：做短视频本身就是带货商家的"工作"，AI把这件工作的门槛、成本、时间打下来，就是生产力工具——这正是"学习工作"赛道的核心。
- 真实差异化：不是和Sora拼"创作"，而是和"抖音代运营服务商/MCN剪辑团队"拼"成本和速度"。把他们的工作自动化、平民化。
- 能力延展性：不止带货，还能写AI短剧和漫剧，有商品走带货、没商品走人设，支持真人合规出镜。
相比初赛Demo，复赛做了什么
初赛我交的是能跑通核心链路的Demo。复赛这一个月，我把它打磨成了一个功能更完整、出片更可控的正式产品，主要做了两件大事：
1、 新增短剧/漫剧模式（对话式生成）
初赛Demo只有带货视频的快速生成。复赛我把"节点暂停+对话修改"的能力扩展到了短剧场景：上传剧本，AI拆解成集，每一集都能在关键节点停下来对话修改。不是一次性抽卡出片，是可控生成。
2、精创/原创模式底层重构
初赛的精创和原创模式底层是混在一起的。复赛我拆成了4套独立引擎（精创真实/精创纯原创/原创真实/原创纯原创），针对不同场景走不同链路，出片更稳、更可控。
3、开发AI自动投流，框架出来了，接下来就是完善细节。
4、小程序也在开发，也是大体框架完成了，还没有测试。
4. TRAE 实践过程
4.1 我和TRAE的故事（这是核心）
我初中文化，不懂英文，不懂一行代码。 白魔方整个系统，从0到1，全部是我和TRAE对话写出来的。
这不是"用AI辅助开发"，是"一个不懂代码的人，用TRAE驾驭AI，写出了可商用的SaaS系统"。
项目规模（全部TRAE对话生成）：
-
- 后端：90+个Python文件，27个API路由模块，6个独立Worker进程 + 1个主API
- 前端：146个文件，36个页面路由
- 数据库：44张表，多租户隔离
- 类型补丁：450个.pyi文件，补全火山SDK/支付宝/微信支付等第三方库类型
- AI能力：火山引擎Seedance 2.0 + Seedream 5.0 + 豆包大模型 + 形象定制API
- 技术栈：Vue 3 + TypeScript + FastAPI + Python 3.14 + 火山引擎全家桶
4.2 整个系统的安全和质量，全部是AI帮我做的——这才是核心
我必须说清楚一件事：架构、检测、安全、质量守护——这些我统统不懂，全部是问TRAE问出来的。
我不懂服务器，不懂运维。但AI帮我搭了一套崩了能自己起来、烂了能自己修的生产架构：
7个系统服务，崩了自动拉起、开机自启
1个主API + 6个Worker（图片/分类/拆解/视频/精创/对话），用systemd管理，任何一个挂了系统自动重启，服务器重启后全部自动起来。我睡觉时，服务器自己照顾自己。
双盘布局
程序跑系统盘，视频和日志存数据盘，系统盘满了也不会把视频文件挤爆。
7种并发信号量 + 租户隔离
用Redis原子脚本控制并发，A商家刷爆不会影响B商家，每个商家各自有独立配额。
熔断器
火山引擎AI接口连续报错，系统自动"跳闸"保护不再死调，还会发飞书告警，过一会儿自动试探恢复。
15秒巡检的"夜班工人"
每15秒查一遍，自动清理卡死的僵尸任务、修正信号量泄漏，比人工运维勤快100倍。
7个核心文件 chattr +i 锁死，连root都改不动
Linux系统级保护，连服务器最高权限都改不动这7个规则文件。这是AI主动给自己上的锁——防止AI自己偷偷改检测规则绕过检查。35个核心检测函数还各自算指纹，被改一个字就拒绝运行。
4.3 火山引擎全家桶——AI帮小白接了6大服务
==================================================
我不懂API对接，不懂SDK。但AI帮我把火山引擎6个核心服务全接进了系统：
- Seedance 2.0 视频生成：支持单段生成、超15秒数学分段拼接、多镜头叙事三种模式，内置40+条火山官方错误码中文翻译
- Seedream 5.0 图片生成：商品图、穿搭图、场景图全靠它
- 豆包大模型：用户一句话，它变成完整的视频分镜脚本
- 形象定制API：真人活体认证（H5扫脸，120秒一次性），认证通过才能用真人形象——认证、授权同意、授权撤回、访问日志一个都不少，合规闭环
- TOS对象存储：视频、图片全存火山TOS
- CDN加速：4种URL用途自动选域名，给用户看的走CDN，给AI推理的走内链路
关键：火山引擎SDK不在AI训练数据里。我定了条规矩——AI每次改火山API，必须先用ark-docs-mcp查官方文档，不准凭记忆瞎写。这条规矩每次对话自动注入，AI违反了就得停。这是用AI管AI，防止AI胡编乱造。
4.4 真商用SaaS——AI帮小白搞定了收钱和多租户
==================================================
这不是个Demo，是个能收钱的商用系统。AI帮我搞定了：
44张数据库表的多租户架构
每个商家独立配额、独立素材库、独立支付配置，数据互相看不见。
微信+支付宝双支付
扫码付、网页付都接了，金额精确到分，支持退款。
会员订阅 + 余额按量双轨计费
买会员包月，或充余额按量扣。每一次AI调用——大模型对话、视觉理解、视频生成、向量化——都记录用了多少Token、花了多少钱，精确到分。这是SaaS能盈利的基础。
13个管理后台页面
仪表盘、用户审批、消耗看板、支付配置、会员管理、错误监控、轮播图运营……整个后台全有。
5类素材库
人像、商品、穿搭、场景、虚拟角色，分公共池和个人池，AI生成的素材能一键入库复用，带MD5去重。
我不是"让AI帮我搭了个守护体系"。真实的过程是：
- 我不知道AI写代码有什么毛病
- 我问TRAE：“你写代码最容易犯什么错？怎么偷懒？”
- TRAE自己告诉我它的缺点：“我会偷偷用Any绕过类型检查”、“我会except块里logger.error又return success=True”、“我会漏.scalars()”、“我会import requests阻塞异步”
- 我问TRAE：“那怎么堵住你这些毛病？”
- TRAE自己设计检测规则堵自己的后路——r8_check.py 3280+行19个检查函数，code_guard.py 30+条正则，style_guard.py 40+条F规则
- 我问TRAE：“你会不会偷偷改检测脚本绕过检查？”
- TRAE自己设计了哈希锚点防篡改机制——三个守护脚本各自哈希自检，r8_check对自身30+核心函数分别算哈希，受保护文件用
chattr +i锁了连root都改不动 - 我问TRAE：“第三方库没类型怎么办？你会不会用type:ignore绕过？”
- TRAE说会，然后自己手写了400多个.pyi类型补丁补全火山SDK、阿里云SDK、微信支付v3的真实类型，还自己定了S1-S17规则禁止stubs用object偷懒
这就是TRAE真正的创造力——让AI自我审视、自我约束、自我堵后路。
最终这套体系形成了6层防线：
第一层：14条红线规则（R0-R14）
TRAE自己列出来的"AI最容易踩的坑"，做成规则文件始终注入：
- R0：绝对不许回滚/还原代码
- R0.5：AI只搬运不决策（AI做创意决策，代码做映射搬运）
- R5：except块必须logger.error + 恢复动作，不许静默吞错
- R8：改文件时发现同文件内的类型错误/死代码必须一起修
- R9：有Error不许切下个文件
- R11：前端逐文件过审，不许批量改完统一审
- R13：依赖必须装最新稳定版
第二层：6道后端门禁 + 5道前端门禁
TRAE自己设计的pre-commit钩子，每次提交串行跑：
- 后端：r8_check（AI反模式检测）+ 签名检查 + 注释质量 + basedpyright + mypy + ruff + bandit安全扫描 + code_guard（类型陷阱检测）
- 前端：style_guard（样式偷懒检测）+ stylelint + vue-tsc + ESLint + vite build
任何一道不过，commit被拒。
第三层：专门抓AI常犯错的反模式检测
r8_check.py 3280+行，19个检查函数——每一条都是TRAE自己承认它会犯的错：
- 禁import requests（项目用httpx异步，AI默认写requests会阻塞）
- 禁except块logger.error后又return success=True（AI常犯的"记了错却告诉调用方成功"）
- 禁return错误码dict（必须raise）
- 禁漏.scalars()（AI常漏这步导致返回CursorResult）
- 租户隔离检查、并发安全检查、火山通道检查
第四层：全面封杀Any，逼AI写出真正类型安全的代码
- basedpyright strict模式 +
reportAny: error（连隐式Any都报错） - mypy strict +
disallow_any_explicit - code_guard.py 30+条正则，禁
# type: ignore/cast()/dict[str, Any]/Optional[Any]/-> Any - 前端禁
as any/as unknown as/[key: string]: unknown - 结果：整个项目没有any
第五层：守护脚本本身防篡改（AI防自己改检测脚本）
- 三个守护脚本（code_guard/style_guard/r8_check）都有自己的哈希锚点
- 每次启动先自检，被改过就拒绝执行
- r8_check对自身30+个核心检测函数分别算哈希，任何一个被改都报警
- 受保护文件用
chattr +i锁了，连root都改不动 - AI想改检测脚本绕过检查，立刻就被发现——这条机制也是TRAE自己设计的
第六层：自写200+个.pyi类型补丁
火山引擎SDK、微信支付v3等第三方库官方没提供完整类型注解。如果不补，AI为了消除类型错误就会用 # type: ignore 绕过（违规）。所以TRAE自己在stubs/下手写了400多个.pyi文件补全真实类型，stubs自己还不许用object偷懒（S1-S17规则）。
这套体系的核心思路是：让AI没有偷懒的退路。AI要么按规则写出真正类型安全、可商用的代码，要么commit被拒、改不动。没有中间地带。而这套体系本身，也是AI自己设计出来约束自己的。
4.3 开发关键步骤截图
4.4 关键任务对话 Session ID
- Session 1：.295676160:bc14e56923129a163b77680dec8f8dce_6a45e8218c97d34b922ea6a5.6a45f0a48c97d34b922ea911.6a45f0a389fc5256b006f45f:Trae CN.T(2026/7/2 13:01:24)
- Session 2：.295676160:1459231cb06e0ca20a5b179500722049_6a4bb3f90f3088b09367819f.6a4bb4140f3088b0936781a1.6a4bb411511a52162560c57b:Trae CN.T(2026/7/6 21:56:36)
- Session 3：.295676160:dbbb68eaa256c2912dca17a75c59e22e_6a4ce2bf9587e72cae27d6ca.6a4ce2d09587e72cae27d6cc.6a4ce2cf0f3003e1bcd899a0:Trae CN.T(2026/7/7 19:28:16)
4.5 开发心得
① 火山引擎SDK不在训练数据里，强制TRAE走官方文档
项目规则强制TRAE改API前必须查ark-docs-mcp，避免幻觉。Seedance 2.0的prompt规范、Seedream组图模式、形象定制API的认证流程，都是从官方文档实时拉的，不是TRAE编的。
② "AI做决策，代码只搬运"是核心原则
视频拆解输出"1封信+2元数据"——拆解员VLM写给生成AI的自然语言handoff，代码不拆不读不判断。关系链素材编排里，LLM只写占位符，代码负责替换成实际编号。AI做创意决策，代码做映射搬运，职责清晰。
③ 用规则文件让TRAE不丢约束
14条红线规则用alwaysApply方式始终注入，对话再长TRAE也不会忘记"修完代码必须跑检测"这种硬约束。Skill按需加载操作手册，Rules管"不许做什么"，Skills管"怎么做"。
④ 地图驱动开发
每次改完代码同步地图（ENGINE_MAP/BACKEND_MAP/FRONTEND_MAP），保证文档与代码一致。写帖子前还跑了一次sync_maps.py同步了11项不一致。
⑤ 不懂代码的人怎么驾驭AI写商用代码
我真的什么都不懂。架构是问AI问出来的，检测是问AI问出来的，安全是问AI问出来的，AI有什么毛病是AI自己告诉我的，怎么堵这些毛病是AI自己设计的，连"AI会不会改检测脚本绕过检查"这种问题都是我问出来后AI自己设计防篡改机制的。
我能做的就是：问对问题，让AI自己审视自己、自己约束自己、自己堵自己的后路。
TRAE负责把我的需求变成代码，TRAE自己负责审视自己的毛病，TRAE自己负责设计规则约束自己。结果是：一个初中文化、不懂英文不懂代码的人，写出了没有any、可商用、可付费的SaaS系统。
这就是TRAE真正的创造力——不是"AI替人写代码"，是"AI能自我审视、自我约束"。
初赛帖链接
【学习工作赛道】不懂一行代码，用TRAE写出上线赚钱的AI视频Saas