- 自己介绍
-
我是一名大三学生，性格开朗、积极向上，脑子里总有一些天马行空的想法，喜欢用代码把想象力变成能跑的产品，独立跑通“前端 + 云函数 + 模型训练 + 部署上线”的全链路开发。这个作品的起点源于有次和朋友出去玩，刷到一个爆款视频想拍同款，却发现运镜、节奏、口播全靠肉眼扒进度条，折腾半天也没拍明白。当时就想：要是上传一个视频，AI 能自动帮你拆成镜头清单，告诉你每段怎么拍，多好？ 结果这一个念头，牵出了热点推荐、人设引擎、多Agent脚本生成，最终长成了一个完整的AI创作闭环——【灵感驱动】就是从"想拍同款"这件小事长出来的。
-
这次复赛我选择个人参赛，独立完成了产品定义、前端、云函数、Prompt工程、Wan2.1 LoRA训练和云端部署的全流程。我把一个真实痛点从0做到能跑、能用、能给人惊喜——蹲免费GPU训模型、在FFmpeg里抠字幕参数、云托管部署踩坑，这些过程让我相信：好产品不一定要从完美规划开始，但一定要从真实的痛点出发，再加上一点想象力。 有了TRAE的加持，一个人也能像一个微型团队一样战斗。
- 产品简介
-
是什么：【灵感驱动】是一款面向短视频创作者的AI Agent小程序，以人设为核心锚点，串联起热点信号 → 智能选题 → 多Agent脚本生成 → 爆款视频拆解 → AI形象成片的完整创作闭环。
产品形态：微信小程序 + 云端Node.js服务 + 自训练Wan2.1 LoRA推理 Worker
核心定位：让每一个KOC都拥有自己的"专属内容Agent"，从"选题盲飞"走向"确定性创作" -
面向谁：
-
完整功能：
-
人设档案（Persona Engine）：人设是整个产品的"锚点"——所有后续环节（热点推荐、脚本生成、镜头拆解）都围绕人设展开。没有精准的人设，就没有个性化的创作。
-
多维度人设建模：赛道 / 垂直领域 / 子垂类 / 受众画像 / 发布平台 / 语气风格 / 表达禁忌
-
首次使用引导式填写，支持后续随时迭代优化
-
人设数据结构化存储于云端，跨会话持久化
-
支持人设历史记录（最多10条），每次生成时携带完整人设上下文
-
实时热点信号库：解决了创作者"每天刷热榜找选题"的时间消耗问题。
-
多源聚合：自动采集抖音热榜、小红书、百度热搜等实时信号
-
自建垂类库：运营后台支持手动录入垂类热点，补充算法采集的盲区
-
定时采集：每日3次（6:00 / 12:00 / 18:00）自动采集，非敏感热点自动发布
-
敏感内容过滤：关键词黑名单 + 风险分级（涉政、涉军、涉外交等自动下架）
-
智能标签与赛道匹配：每条热点自动打标签，按赛道分类，一键筛选"与我相关"
-
6维匹配度评分：不是简单的标签匹配，而是基于人设的多维度量化评分
-
热点管理后台：
-
多Agent 脚本生成：这是产品的核心引擎——不是一次LLM调用，而是一条完整的生产流水线。
-
三派并行生成：创意派（temp=0.9，追求爆款潜力/保守派（temp=0.5，稳妥可靠）/ 平衡派（temp=0.7，兼顾两者）
-
Judge 评审机制：8维度加权打分（热点紧扣度 ×1.5、可拍摄性 ×1.2、停留力 ×1.3、信息密度 ×1.2、圈层词融入 ×1.0、平台适配度 ×1.0、分镜质量 ×1.0、互动设计 ×0.8），自动选出最优方案
-
RAG 知识增强：HNSW向量索引 + BM25关键词检索混合，自动注入垂类知识、圈层黑话、爆款句式
-
Prompt工程：4-D方法论 + Few-Shot 正例 + 5类反例教学 + 7项自检清单
-
脚本完整性输出：标题（3备选）+ 钩子 + 正文 + CTA + 分镜脚本（每段含视觉描述 + 口播文案 + 屏幕文案 + 时长）+ 圈层词列表 + 标签 + 合规自检要点
-
偏好记忆系统：用户评分与发布数据回流，Agent越用越懂你
-
自动降级：多Agent 链路异常时降级到单Agent + Critic修复模式
-
拍同款爆款视频拆解：这是整个产品的起点功能——从"想拍同款"这个痛点长出来的。
-
上传参考视频 → 自动上传至云存储 → 服务端FFmpeg抽帧 → 镜头级分析
输出：镜头类型（口播镜/演示镜）、运镜轨迹（推/拉/摇/移/固定）、构图提示（近景/中景/俯拍/特写）、时长建议 -
提词器跟拍模式：边看口播文案边拍摄，逐帧对齐参考视频节奏
-
异步处理架构：上传后立即返回，后台轮询进度，不阻塞用户操作
-
AI 形象成片：从脚本到可发布视频的最后一环，支持四引擎可选
-
分镜级生成：按脚本分镜逐段生成，自动拼接为完整视频
-
TTS配音：中文edge-tts，口播文案与语音一一对应，失败即报错不出无声片
-
字幕烧录：FFmpeg自动叠加，可配置开关
-
多段拼接：FFmpeg concat协议，libx264编码，faststart优化移动端播放
用户完整使用路径：
首页 → 完善人设 → 浏览热点（查看匹配度评分）→ 勾选选题 → 一键生成脚本
→ 查看分镜（口播镜+演示镜混排）→ 参考爆款拆解（拍同款）
→ 提词拍摄 / AI 形象成片（四引擎可选）→ 发布
-
相比初赛Demo的升级：
-
升级一：训练并接入 Wan2.1 LoRA 模型，视频生成从"调用 API"升级为"自训练模型"
初赛 Demo的视频生成完全依赖第三方 API（豆包 Seedance / 智谱 CogVideoX），只能调接口，无法控制画面风格和镜头语言——豆包生成的视频"不像口播"，智谱的分镜"太随机"。
复赛作品在魔搭 ModelScope 24GB 免费GPU 上，基于Wan2.1-T2V-1.3B底座完成了两套 LoRA 微调，并自建推理 Worker 接入小程序。这意味着 Inspire Engine 的视频生成不再是纯 API 调用，而是拥有了一套自己训练、可控风格、可持续迭代的生成能力。
-
升级二：多Agent 流水线 + Prompt 工程深度优化，脚本质量大幅提升
初赛Demo用单个LLM一次性生成脚本，存在三个核心问题：输出风格单一（每次都像同一个人写的）、容易空洞套话（“提升认知”“结合热点分享干货”）、圈层词融入生硬（要么不用要么乱堆砌）。复赛作品从四个层面做了深度升级，每一层都针对一个具体问题：
-
多Agent投票流水线：从"一个模型写"到"三个模型比赛写"
-
┌─ 创意派 Agent（temp=0.9，追求爆款潜力，大胆选题角度） 人设 + 热点 ──→ ├─ 保守派 Agent（temp=0.5，稳妥可靠，避坑优先） ──→ Judge Agent ──→ 最优方案 └─ 平衡派 Agent（temp=0.7，兼顾创意与可执行性） Judge 按 8 维度加权打分： 热点紧扣度(×1.5) —— 脚本是否紧扣热点标题核心关键词 可拍摄性(×1.2) —— 每个分镜是否有具体可拍的物体/动作 圈层词融入(×1.0) —— 垂类黑话是否自然融入语境，非生硬堆砌 平台适配度(×1.0) —— 是否符合目标平台的内容调性 停留力(×1.3) —— 开头钩子能否让用户停止滑动 信息密度(×1.2) —— 单位时长内的有效信息量 分镜质量(×1.0) —— 口播镜+演示镜混排、镜头类型规范 互动设计(×0.8) —— CTA 与评论引导设计 -
Prompt 工程：从"写一段脚本"到"结构化生成规范"，系统提示词经历了从初赛的"基础指令"到复赛的"结构化生成规范"的质变。核心是4-D方法论 + Few-Shot正反例教学 + 7 项自检清单：
4-D方法论： Define：定义角色——你是这个人设的KOC，用ta的语气说话 Decompose：拆解维度——热点核心词、圈层词、目标平台调性、受众痛点 Draft：生成草稿——按分镜结构输出（口播镜+演示镜混排） Deliver：自检交付——逐项确认7项检查清单后输出升级三：人设-热点匹配度从"标签匹配"升级为"6 维评分算法"
初赛 Demo的热点推荐仅靠标签匹配——人设标签是"美妆"，热点标签里有"美妆"就推荐。问题是：很多热点虽然标签匹配，但与人设的受众画像、内容调性完全不符，导致推荐"与人设无关"的热点。
复赛作品 设计了
computePersonaConsistency6维评分算法（0-100 分），让每条热点都有一个可量化、可解释的匹配度分数 -
质量评分公式
-
升级四：web管理后台
-
知识库：维护垂类创作“语料底座”的核心页面。
- 产品演示视频:
- 产品创作历程:
- 这个作品的起点其实特别生活化——有次和朋友出去玩，刷到一个爆款视频想拍同款，却发现运镜、节奏、口播全靠肉眼扒进度条，折腾半天也没拍明白。我就想：要是能上传一个视频，AI自动帮你拆成镜头清单，再告诉你每段怎么拍，那该多好？结果这一个念头，牵出了热点推荐、人设引擎、多Agent脚本生成，最终长成了一个完整的AI创作闭环。在打磨过程中，我遇到的核心挑战是"AI生成质量"——单模型写脚本风格单一、纯API生视频不可控、热点推荐与人设不匹配。
- 为此我做了三件事：设计了三派并行 + Judge评审的多Agent流水线，让脚本质量有明确的质量下限；在魔搭免费GPU上训练了两套Wan2.1 LoRA，让视频生成拥有可控风格；并实现了6维人设匹配算法和RAG知识增强，让热点推荐和圈层词融入从"碰运气"变成"可量化"。
- 整个开发过程基于TRAE IDE完成，从项目脚手架搭建、多Agent流水线设计、RAG知识库实现，到视频拆解模块开发、Wan LoRA接入、云端部署联调——TRAE贯穿了每一个关键任务的落地。踩过不少坑：Windows 打包路径在云托管上报错、Dockerfile静默构建失败、FFmpeg字幕烧录参数调整、24GB显存训练OOM反复调参。独立跑通前端、云函数、模型训练、部署上线全链路。我相信好产品不一定要从完美规划开始，但一定要从真实的痛点出发——灵感驱动就是从"想拍同款"这件小事，一步步长出来的。
- 技术架构
-
端到端的AI内容生产闭环
本项目采用前后端分离 + 自建推理服务的现代化云原生架构。它以微信小程序为用户交互入口，以 Serverless 云函数为业务处理核心，以Node.js自建推理服务为算力延伸，构建了一条从"热点发现"到"AI 成片"的自动化流水线。
-
前端层：原生微信小程序C端
选择微信原生开发框架（WXML/WXSS/JS），而非跨平台方案。这样做的好处是可以直接调用微信云开发能力，无需中间层转换，保证了极致的性能和原生交互体验。
核心模块：
- 人设档案：作为整个产品的"锚点"，用户通过它定义自己的账号定位、垂直赛道和目标受众。
- 热点采集库：实时聚合抖音、小红书、百度三大平台的热点事件，支持按平台标签页筛选。
- 一键生成：连接前端与后端AI大脑的触发点，将人设与选中的热点组合，送入生成流水线。
- 形象成片：上传人像照片，调用后端AI视频生成引擎，快速产出动态视频。
- 同款拆解：上传爆款视频，利用FFmpeg技术自动分析镜头语言，输出复刻指南。
-
Serverless 云函数层
完全部署在微信云开发的Serverless环境中，承担核心AI逻辑，是整个系统的"大脑"。由三个云函数协同工作：
- 热点采集与分析
通过定时触发器在每日 6:00、12:00、18:00 自动执行，实现无人值守的热点监控：
-
多源并行采集：同时请求抖音、小红书、百度实时热榜API，任一数据源故障不影响其余采集
-
智能去重与归一化：跨平台重复热点自动识别，不同量级热度值压缩到统一 50-99分区间
-
赛道反推：根据热点标签自动推断所属垂直赛道，且该推断优先级高于人设自填赛道，避免内容错位
-
敏感词自动拦截：命中敏感规则（领导人/外交/军事/俄乌等）的热点自动隐藏，其余即刻发布上线
-
AI 脚本生成核心
系统中最复杂的模块，实现了基于RAG 检索增强 + 多 Agent 的高级内容生产流水线，完整 8 步闭环如下：
-
热点重排 → 锁定主选题：先按人设匹配度对选中热点智能排序，再选出最优热点作为本次创作核心方向 知识注入 → RAG精准检索：从种子库、运营云库和LLM动态补充三路加载知识，随后通过自研HNSW 向量索引（O(log n) 毫秒级检索）与 BM25关键词检索混合执行——语义权重 0.6、关键词权重 0.4，兼顾深度与广度 构建画像 →多Agent并行创作：确定平台适配、语言节奏和风格走向后，同时启动三个 Agent并行生成候选脚本 Judge评审 → Critic质检修复：高审慎 Agent 从8个维度加权打分选出最优脚本；若Critic规则质检不达标，会带着失败项要求LLM重写，形成闭环修复，显著降低废品率
此外，该模块还承载了两项自研能力：
-
6 维人设-热点匹配算法：从赛道关键词、垂直领域、受众画像、人设禁忌、赛道冲突、子赛道精确匹配六个维度计算匹配分，输出"优先做/可跟/观察/跳过"决策标签
-
偏好记忆系统：用户高分脚本的模式被标记为"偏好"并 boost，高互动率视频的切入角度会被学习，这些"记忆"作为 Few-Shot 注入下一次生成，让 AI 越用越懂用户
-
AI 视频生成层 — 四引擎可选架构
这是系统的"视觉工厂"，设计了多引擎调度机制，支持在不同成本与效果等级间灵活切换，且任一引擎失败自动降级到下一个：
- FFmpeg 免费合成：静态图片 + TTS 配音 + 字幕烧录，确保所有用户都能免费用
- 智谱CogVideoX：图生视频，异步任务轮询，生成具有动态效果的视频
- 字节方舟Seedance：支持首帧参考与音频生成，画质效果最佳
- 自训练 Wan2.1 LoRA：基于开源 Wan2.1-T2V-1.3B底座，使用LoRA技术微调了两个专属风格权重（
lora_demo演示镜风格 /lora_talk口播镜风格），部署在自建 FastAPI Worker上提供真推理服务。生成时按镜头类型动态切换 LoRA，完全掌控视频风格
调度策略上，当用户显式选择wan引擎时不回退到豆包/智谱，以保证自研风格一致性；多分镜模式下逐段生成，单段失败则跳过继续，非阻塞。
为保证服务稳定性，设计了串行尝试的 LLM 调度机制：
-
主备模型链：主力为智谱 GLM-4-Flash，备用为阿里通义 Qwen-Turbo，按配置顺序依次调用，成功即返回，失败自动切换
-
超时控制：单请求 60 秒超时，超时视为失败并切下一个，避免单 API 卡顿阻塞整条流水线
-
Embedding 三级降级：智谱 embedding-3→ 通义 text-embedding-v2→ 本地FNV-1a哈希，确保 RAG 检索在任何情况下都不中断
-
数据存储层 — 云原生与本地协同
-
微信云数据库：主要持久化存储，管理热点数据、采集日志、人设知识库、敏感规则等结构化数据
-
小程序本地存储：轻量级数据如用户偏好、最近脚本包缓存、人设历史存于本地，提升读取速度并减轻云端压力
-
微信云存储：承载 AI 生成视频、用户上传素材、FFmpeg 中间产物等非结构化媒体资源
-
管理后台 — Vue3 Web 控制台
基于 Vue 3 Composition API + Element Plus + Vite 构建的独立 Web 管理后台，通过 Bearer Token 鉴权对接自建推理服务的 /api/v1/* 路由：
- 数据看板：运营数据总览，展示采集量、生成量、使用趋势
- 热点运营：审核、发布、下架、手动录入热点
- 知识库管理：维护垂直赛道的圈层词、标题句式、钩子模板等核心资产
- 敏感规则配置：可视化编辑分类关键词，所见即所得
6. 产品亮点
-
自训练LoRA + 多引擎视频生成：不依赖单一API，拥有自己训练、可控风格、可持续迭代的视频生成能力。口播镜走talk LoRA、演示镜走demo LoRA，按镜头类型智能切换
-
多Agent + Judge评审：三派并行生成，8维度加权评审，质量远超单模型。异常时自动降级到 Critic 修复模式
-
RAG知识增强：HNSW向量 + BM25混合检索，让脚本自然融入圈层黑话，不生硬、不堆砌
-
6维人设匹配算法：不是标签匹配，而是可量化、可解释的多维评分
-
偏好记忆系统：用户评分与发布数据回流，≥3 样本自动调整权重，Agent越用越精准
-
Prompt工程体系：4-D方法论 + 正反例Few-Shot + 7项自检清单 + 分镜混排硬约束，从源头控制输出质量
-
完整出片闭环：热点 → 脚本 → 拆视频 → AI 成片，一站式覆盖，无需在多个工具间切换
-
零门槛体验：无需备案、无需上架，评审扫码即用；FFmpeg免费引擎兜底，全员可用
7. 商业化与社会价值
-
商业化：
-
会员订阅制:采用按月/按年会员订阅模式，面向的不同的人群提供不同等级的会员权益。
-
会员可以不限次数生成脚本，可以反复选题、优化分镜和发布文案；视频生成功能按照会员等级配置固定次数，如基础会员享有基础视频额度，专业会员享有更高生成次数。超出免费额度后，用户可按次购买或开通更高等级会员。
-
社会价值：
-
降低内容创作门槛：让素人也能获得专业级内容生产力，不必因为"不会写脚本""不会拍"而放弃表达
-
提升内容质量：通过多 Agent 评审 + 合规自检 + RAG 知识增强，减少低质同质化内容生产
赋能知识型创作者：帮助垂直领域（教育、科普、职场、健康等）的创作者更高效地输出有价值的知识内容
8.TRAE 实践过程:
-
让TRAE基于项目现有的AI成片能力，分析后续应该训练什么视频模型以及如何设计微调方案。
Session ID 1：1993833686239136:f7821129a58a49141d63946997e04a8e_6a65a649501cb4ee83443757.6a65a64b501cb4ee8344375a.6a65a649501cb4ee83443758:TRAE Work CN.0.1.39.no_sid.no_ppe.T
-
将自己整理的训练思路和Skill提供给TRAE，让它按照明确的工程目标生成可执行方案。这个Skill里包含了数据准备、视频切段、caption标注、DiffSynth + Wan2.1 + LoRA训练、TensorBoard观察、定期导出mp4验证、产物保存以及接入小程序成片服务等步骤。
Session ID 2：1993833686239136:10a43a34224bd6ab041b6cb14185b749_6a65a649501cb4ee83443757.6a65b3c4501cb4ee834438a4.6a65b3c4501cb4ee834438a2:TRAE Work CN.0.1.39.no_sid.no_ppe.T
- 让TRAE帮我把Wan模型接进项目，先分析服务端的视频生成链路和wan-infer-worker推理服务结构，然后对推理端和配置文件进行了改造。
Session ID 3：1993833686239136:48abee01e9159c442d8b946614beda35_6a69997e501cb4ee83443ac6.6a6ef0e8cb5db42f879bf750.6a6ef0e7cb5db42f879bf74e:TRAE Work CN.0.1.39.no_sid.no_ppe.T
-
使用TRAE对产品交互流程进行了优化。先分析现有的功能交互，让它先阅读项目里脚本历史和视频生成相关代码，再帮我设计更合理的交互方案。
Session ID 4：1993833686239136:b532e74119a6121f4a69059319dc8385_6a6aeda2320a2a33898ea545.6a6aeda2320a2a33898ea548.6a6aeda2320a2a33898ea546:TRAE Work CN.0.1.39.no_sid.no_ppe.T
Session ID 5：1993833686239136:ba905cd79f3097de97ee23c6a31cac40_6a6aeda2320a2a33898ea545.6a6aee9a320a2a33898ea58d.6a6aee9a320a2a33898ea58b:TRAE Work CN.0.1.39.no_sid.no_ppe.T
-
使用TRAE对项目的整体工程链路进行了优化。针对脚本生成质量不稳定、知识匹配不够精准、Agent 流水线需要进一步增强的问题，让TRAE先阅读项目架构，再从Prompt工程、匹配度和Agent流水线三个维度给出系统性建议。TRAE分析后梳理出当前流程是“用户输入 → 趋势匹配 → RAG知识检索 → LLM生成 → Critic质检 → 修复 → 交付”，并建议继续增强语义检索、Few-Shot示例、结构化输出和质检闭环。
Session ID 6：1993833686239136:86992b4fc070fc66d9887158f08e42c9_6a6aeda2320a2a33898ea545.6a6afe61320a2a33898ea78c.6a6afe61320a2a33898ea78a:TRAE Work CN.0.1.39.no_sid.no_ppe.T
Session ID 7：1993833686239136:b99813d6c9ae2ed244519bcf85f60824_6a6aeda2320a2a33898ea545.6a6b0250320a2a33898ea86f.6a6b0250320a2a33898ea86d:TRAE Work CN.0.1.39.no_sid.no_ppe.T
- 使用TRAE完成了Web管理后台的工作台入口接入和交互。
Session ID 8：1993833686239136:ff0109e6721acc87feecdd828e9af06a_6a7583fe40eed9fa67fe5ac4.6a7583ff40eed9fa67fe5ac7.6a7583fe40eed9fa67fe5ac5:TraeWork CN.0.1.45.no_sid.no_ppe.T