01
用 AI 编程工具做 4K 产品宣传片：把「写脚本→截图→卡点→配音校验」整条工序写成 AI 能执行的规范
AI + 内容生产
Agent Skill
Remotion
完整 Workflow
首次开源 2026-10-09
257★ / 44 Fork
一句话结论：过去外包一支产品宣传片要几千到上万元，这个项目把制作流程写成一份 AI 能读懂、能执行的作业规范——它证明「营销物料」是可以被标准化交付的第一类创意工作。
01｜案例是什么？
ai-promo-video-maker 是一个开源项目（同时是一个 Agent Skill）。你对 Cursor、Claude Code、Codex 这类 AI 编程工具说一句话——「帮我给 https://example.com 做一支宣传片」——它会自己完成剩下的活：先花几分钟调研你的产品，然后分两轮向你提问（画幅时长、目标受众、风格方向、开场方式、配乐、截图来源），每个问题都附一个针对你产品的推荐项和理由；接着提出 3–4 个差异明显的风格方向并各画一张样帧给你挑；确认后自动完成深度调研、4K 真实页面截图、按音乐节拍卡点剪辑、配音与混音、逐张截图审查，最后交付一支 4K 商业宣传视频和一个可以直接部署的网页播放版。全程你只在三处参与：拍板需求、试听配乐与音色、登录需要截图的网站。
02｜为什么今天值得关注？
- 为什么是现在：2026-10-09 首次开源（单次提交即全部上线），到 10-14 数据快照时已 257★ / 44 Fork，且是本期窗口内中国作者项目中星标最高者之一。它不是 Demo，README 里直接附了 5 支已完成成片（编程导航、面试鸭、鱼皮 AI 导航、Claude Fable 5.5、Vibe Coding 教程），每支都经历过数轮真实修改意见。
- 以前为什么不容易做：「让 AI 生成一段视频」早就可行，难的是做出让人愿意看完的片子。三个死结：① 画面不真实（全靠生成图，看不出产品）；② 节奏没有判断标准（同一支片子会同时收到「太快」和「太慢」两种反馈）；③ AI 听不到声音，无法自查配音是否读错字、是否被音乐盖住。
- 为什么现在变得容易：① 用代码画视频的框架（Remotion）成熟，画面可精确控制到帧；② 截图可以脚本化（Playwright 直出 3840×2160）；③ 语音可以转写回文字做比对校验（把「听」变成「读」）；④ Agent 能读一整个目录的规范文件并长时间遵守，才有「把工序写进 AGENTS.md」这条路线成立。
03｜案例的前世今生
前世。产品宣传片长期是个「要么花钱、要么花时间」的活：外包一支通常几千到上万元，自己做则要跨过脚本、素材、设计、剪辑、配音五道工序，每一道都有专业软件。此后 AI 出现，第一波解法是「用一个模型直接生成视频」——但生成模型做不出真实的产品界面，做出来的片子千篇一律，且无法保证品牌名读对、价格没写错。
发展。第二波解法转向「用代码生成视频」：Remotion 让画面可以用 React 组件描述，于是「按数据渲染一支视频」成为可能。再往后 Agent 编程工具普及，出现「把制作 SOP 写成文档、交给 Agent 执行」的路线。作者在 README 里记录的演进痕迹很清楚：早期片子曾同时收到「太快，看不过来」和「太慢，看着拖沓」两种相反反馈，于是才在规范里定下量化底线；鱼皮 AI 导航那支片子改了 5 轮，才总结出「配乐要先让用户试听」「截图必须保持原比例」「品牌名要逐字校验读音」三条规则。
今生。2026-10-09，作者把这一整套规范开源：AGENTS.md（核心工作规范）+ template/（Remotion 工程与全套脚本）+ references/（需求问询、风格菜单、素材获取、配乐卡点、配音、校验清单、60 多条真实踩坑记录、案例复盘）+ 5 支成片作为可检验的产出证据。关键在于这些规则不是设计出来的，是踩坑踩出来的——每一轮真实修改意见都被提炼进规范，下一个项目开工前 AI 会先把这些经验读一遍。
下一步可能怎么发展（以下为分析 / 推演，非事实）：① 从「营销物料」扩到「产品更新日志视频」「发布会预演」，成为产品团队的常规产出物；② 与 CI 打通，每次发版自动生成一支更新说明片；③ 规范本身成为可交易的资产（行业化的 style pack / 校验清单）；④ 出现「宣传片代做」的标准化服务。
04｜原始资料
05｜作者是谁？
liyupi（程序员鱼皮），中文编程教育社区知名创作者，成片案例中出现的「编程导航」「面试鸭」「鱼皮 AI 导航」均与其本人项目相关。这个身份对本案例可信度有直接意义：他不是在做一个技术演示，而是在给自己旗下多个产品批量做营销物料——5 支成片全部是真实上线的产品介绍，需求方和制作者是同一个人，踩坑记录因此来自真实使用而非推演。
说明：以上身份判断依据为仓库所有者账号、成片内容与 README 自述的交叉印证；本报告未独立核实其真实姓名、公司等个人信息，不做推测。
06｜解决了什么真实问题？
从需求方视角看，问题从来不是「AI 能不能生成视频」，而是：「我要给产品做一支能发出去的片子，怎么在不请外包、不学剪辑软件的前提下做完，而且不要做出来丢人。」
- 成本痛点：外包一支宣传片常需数千至万元级（README 自述「几千甚至上万元」，未给具体报价来源）；自己做则要学整套专业软件。
- 质量痛点：AI 生成的片子往往「一眼假」——画面全是生成图，没有真实产品；风格千篇一律的深色科技风；品牌名读错、网址念错。
- 流程痛点：不知道从哪开始、不知道什么时候算做完。本项目用「10 个阶段 + 每一步的闸门」把这个不确定过程变成有清晰验收点的流程。
07｜完整技术栈
| 核心引擎 | Remotion（用 React 代码逐帧渲染视频） |
| 运行环境 | Node.js 18+、Python 3.9+、ffmpeg |
| 截图 | Playwright（Chromium 内核，可直出 3840×2160 的 4K 截图；遇到登录页会弹窗请用户登录一次） |
| 配音 / 配乐 | ElevenLabs（可选）——生成旁白、按分镜定制配乐与音效，并用语音转写做逐句校验 |
| 免费配乐 | Mixkit（免费可商用曲库）——不接 ElevenLabs 时使用，并用醒目大字幕代替旁白 |
| 规格文件 | AGENTS.md（工作规范）、SKILL.md（Skill 入口）、CLAUDE.md（让 Claude Code 读取 AGENTS.md）、references/（各阶段方法与踩坑）、template/（工程模板） |
| 推荐模型 | 作者明确推荐 Claude Opus 5.5 或更先进的模型（原因：十几个步骤 + 多轮截图审查与音频校验，需长上下文里始终记得规范，且需要审美判断；能力较弱的模型会跳过校验步骤，或把每个产品都做成同样的深色科技风） |
| 协议 | MIT（项目本身） |
说明：项目自身不包含任何模型 API，模型能力由你使用的 AI 编程工具提供；ElevenLabs 为可选项。
08｜完整 Workflow
① 一句话需求：用户说「帮我给某网址 / 某开源项目做一支宣传片」
↓
② 预调研：AI 先花几分钟了解产品是什么
↓
③ 需求问询 + 风格样帧：分两轮提问（画幅时长 / 受众 / 风格 / 开场 / 配乐 / 截图来源），并给 3–4 个风格方向各画一张样帧 （← 唯一必须由用户拍板的环节）
↓
④ 建项目：从 template/ 复制出完整工程，写入 需求确认.md
↓
⑤ 深度调研 + 4K 截图：查真实信息（每条留出处），Playwright 截取 3840×2160 真实页面
↓
⑥ 配乐与卡点：分析节拍，把镜头切换对齐到音乐重音
↓
⑦ 逐场景制作：代码绘制画面 + 真实截图混排
↓
⑧ 配音与混音：生成旁白 → 逐句转写回文字比对 → 混音 → 整段重新转写确认没被音乐盖住
↓
⑨ 截图审查 / 自动校验：渲染前查缺失文件、低分辨率图、字体缺字；渲染后查规格、日志报错、整体响度，并按场景截图对照校验清单逐张审
↓
⑩ 渲染 4K 成片 → 交付：视频文件 + 需求确认.md + 调研笔记.md + 可部署的网页播放版 + 完整工程源码
↓
改版回流：用户提意见 → AI 判断需重做哪些步骤 → 只重做必要的部分（例：只换旁白音色时不重渲画面，直接替换成片音轨）
关键设计：整条链上只有「需求确认」必须人工拍板，其余阶段 AI 自主推进；AI 只会在三种情况回来找人——需要登录某网站截图、需要试听配乐与音色、遇到只有用户才能核实的事实。
09｜它到底是怎么实现的？
让这套东西「真的能工作」的，是几条把主观判断转成可执行检查的设计：
- 真实产品才是主角（可量化）：规范要求每个功能段落至少一张真实界面截图或作品图，全片不少于 8 张，还要有一段由 8 张以上真实作品组成的快速蒙太奇。AI 生成的图片和代码绘制的画面只负责包装与转场——这一条直接掐死了「一眼假」。
- 节奏有明确标准（可量化）：快切镜头至少停留 0.65 秒、网址至少停留 3 秒（保证字幕能读完）；开场 3 秒内必须出现痛点或亮点、任何时刻往后 2 秒内必须有新信息（保证不拖沓）。这两条正是「太快 / 太慢」两种相反反馈的产物。
- 声音靠数据校验（把「听」变成「读」）：AI 听不到声音，所以旁白生成后逐句转写回文字与稿子比对，品牌名和网址错一个字即判定不合格；混音完成后再把整段成品转写一遍，确认每句旁白都没被音乐盖住。即便如此，配乐和音色最终仍需用户亲耳试听。
- 每一步都有闸门（fail-closed）：渲染前检查缺失文件、分辨率过低的图片、字体缺字；渲染后检查成片规格、渲染日志报错、整体响度，并按场景截图对照校验清单逐张审查，直到全部通过才交付。
- 经验可累积：
references/踩坑记录.md 收录 60 多条真实踩过的坑，references/案例复盘.md 记录每支片子收到的修改意见与解决办法；下个项目开工前 AI 先读一遍——这让「规范质量」随时间单调提升。
10｜手把手复现
以下步骤整理自项目 README 的官方说明（非本报告推导）：
Step 1 · 准备环境：确认电脑已装 Node.js 18+、Python 3.9+、ffmpeg。
Step 2 · 选择用法。用法 A（克隆仓库，适合试玩或产品无本地代码）：
git clone https://github.com/liyupi/ai-promo-video-maker.git
cd ai-promo-video-maker
pip install -r template/requirements.txt
playwright install chromium
Step 3 · 可选体检：python3 template/scripts/doctor.py——只检查不安装，逐项告诉你缺什么、用什么命令补。
Step 4 · 用 AI 编程工具打开该目录，说一句话，例如「帮我给 https://example.com 做一支宣传片」。成片保存在 outputs/<项目名>/。
用法 B（装成 Skill，适合在自己的产品仓库里直接调用）：
npx skills add liyupi/ai-promo-video-maker -g
# 之后在任意项目里说「给这个项目做一支宣传片」
这种用法下成片保存在当前项目的 宣传片/ 目录，AI 会提醒你把它加进 .gitignore（几个 GB 的工程文件不宜提交）。更新用 npx skills update。本报告未实际执行上述步骤，请以仓库最新 README 为准。
11｜Prompt / Code / Config
作者公开的核心资产不是代码而是规范文本。已在本报告第 09 节引用的量化规则（≥8 张真实截图、0.65 秒 / 3 秒停留下限、3 秒内出痛点、后 2 秒必有新信息）均来自作者公开的 AGENTS.md 与 README。ElevenLabs 的接入方式为环境变量或 .env：
# .env（从 .env.example 复制）
ELEVENLABS_API_KEY=你的密钥 # 不填也能做片子，改用 Mixkit 曲库 + 大字幕
目录结构（来自 README）：AGENTS.md / SKILL.md / CLAUDE.md / references/ / template/ / outputs/。template/ 是独立可用的 Remotion 工程，其中的混音、节拍分析、4K 截图、成片检测脚本都可单独使用，用法写在 AGENTS.md 的「脚本速查」一节。
12｜踩坑
作者把踩坑直接写进了仓库，以下为公开内容整理：
坑 1 · 节奏的两难。同时收到「太快，看不过来」和「太慢，看着拖沓」两种相反反馈。→ 解法：定下两组量化底线，一条保字幕可读（0.65 秒 / 3 秒），一条保信息密度（3 秒内出痛点、后 2 秒必有新信息）。
坑 2 · 配音错误无法自查。AI 听不到声音，品牌名可能被读错。→ 解法：逐句转写回文字与稿子比对，错一字即不合格；混音后再整段复检一次。
坑 3 · 截图比例被破坏。（来自鱼皮 AI 导航那支片子第 5 轮修改）→ 解法：把「截图必须保持原比例」写成规范条款。
坑 4 · 配乐不能由 AI 直接决定。→ 解法：定「配乐要先让用户试听」为强制环节——AI 可以生成与初筛，但不能替用户拍板听感。
已知限制（作者公开）：① 项目主要在 macOS 上打磨，Windows / Linux 上字体会自动改用微软雅黑或 Noto Sans CJK，遇到问题需提 Issue；② 渲染耗时较长，4K 成片按画面复杂度一般需 4–18 分钟；③ Remotion 授权红线——个人和 3 人以内公司免费，更大团队须购买公司授权；④ ElevenLabs 免费套餐生成的内容不能商用，按分镜作曲需要付费套餐。
13｜中国用户能不能直接做？
- 国内访问：GitHub 仓库可访问（部分网络环境需加速）；基本可用
- 注册：项目本身零注册。ElevenLabs 需注册（海外服务，国内访问与支付需自行解决）；不用它也能出片。
- API：项目不要求 API Key。真正的依赖是一个 AI 编程工具的使用权限（Cursor / Claude Code / Codex 等）。
- 成本：项目免费；主要花费是 AI 编程工具订阅费。ElevenLabs 可选（免费套餐不可商用）。Remotion 个人与 3 人以内免费。
- 技术门槛：AI 用户级——需会用命令行完成 clone / pip / npx 三步安装；不需要写代码。真正门槛是AI 编程工具的模型能力，作者明确说弱模型会跳过校验步骤。
14｜国产替代方案
| 原方案 | 中国用户方案 |
Claude Opus 5.5
（作者推荐模型） | DeepSeek / Qwen / GLM / Kimi——理论替代
作者明确给出选择理由：需要长上下文里始终遵守规范 + 审美判断。国内模型在长文本与指令遵守上已有可对标版本，但是否真能稳定跑完 10 阶段且不跳过校验，需自行验证。本报告未做对比测试。 |
ElevenLabs
（配音 / 作曲） | CosyVoice（阿里通义）· MiniMax 语音 · 火山引擎语音 · 讯飞——理论替代
项目把配音抽象为可替换环节，英文 README 中配音相关逻辑改动集中在脚本层；国内语音模型的中文自然度普遍更有优势。本报告未验证替换成本。 |
| Mixkit 曲库 | 需替换为国内可商用曲库，并逐个确认商用授权范围（免费不等于可商用）。 |
| AI 编程工具 | TRAE / CodeBuddy / Qoder / 通义灵码等国产工具——理论替代，前提是支持读取目录级规范文件（AGENTS.md / SKILL.md 这类形态）。 |
| Remotion | 本身是 npm 包，国内可安装；但授权按公司规模计算，商用前必须确认。 |
15｜中国企业可以怎么用？
- 企业场景 1 · 电商与消费品：每个 SKU / 每次大促都要新物料。把商品页、详情图、真实买家秀截图喂进去，批量出竖屏短视频与横屏主图视频，解决「运营没有设计资源、等外包要一周」的问题。
- 企业场景 2 · SaaS / 软件公司：产品每两周发一次版。把「版本更新说明」变成一支 30 秒更新片，接入发布流程后自动生成，用于官网、公众号、客户群播报。
- 企业场景 3 · 培训机构 / 课程方：每门课都需要招生片，且需要多平台适配（横屏详情页 + 竖屏信息流）。规范化的「一句话出片」流程可以显著压缩从立项到投放的时间。
- 企业场景 4 · 出海企业：面向海外市场的产品介绍片通常更贵；用同一个流程做多语言版本（配音替换 + 字幕替换）的边际成本远低于重复外包。
16｜中国消费者可以怎么用？
- 独立开发者的产品发布：上架 App Store / 小程序商店时需要演示视频，这是最刚性的个人需求——一支过审的宣传片自己做不出来就得花钱。
- 自媒体与知识博主：课程页、知识星球、社群招募页的「介绍片」；把已有的文章 / 长视频素材重新剪成一支结构化宣传片。
- 求职与作品集：把个人项目做成 60 秒演示片放进简历或作品集，替代纯文字描述。
17｜如何变成一个赚钱的项目？
- 产品化：把「规范 + 模板」包装成面向特定行业的出片服务（如「电商详情页视频包」）。但因为项目是 MIT 开源，单纯转卖软件不可行；可行的是卖「行业规范包 + 校验清单」这类增量资产。
- 服务化：宣传片代做。核心竞争力不在于会用这个工具，而在于懂某个行业的转化逻辑——同一支片子，懂电商的和不懂的，转化率差很多。按项目报价，先做一支免费样片。
- 咨询化：帮企业把「营销物料生产」流程重构为「一句话出片 + 人工终审」，输出的是流程与规范，不是单支片子。
- 培训化：面向中小企业市场岗的半天工作坊，教学员用自己的产品跑通一次完整流程。
- 内容化：「AI 做宣传片」的实操系列（B站 / 小红书 / 公众号），最好的选题就是公开每一次修改意见和它如何被写进规则——这个项目本身提供了极佳的连续剧素材。
- 行业化：把通用规范细化成「医疗、教育、招商、政务汇报」等垂直版本，每个垂直版本对应一套风格菜单与合规清单。
18｜变现路径
| 路径 | 客户 | 产品 / 服务 | 收费方式 | 难度 |
|---|
| 代做服务 | 中小企业 / 独立开发者 | 宣传片交付 | 按支 / 按项目 | 低 |
| 流程改造 | 中大型企业市场部 | 物料生产流程重构 | 项目制 + 年度维护 | 中 |
| 行业规范包 | 垂直行业服务商 | 风格菜单 + 合规清单 | 买断 / 订阅 | 中 |
| 培训 / 工作坊 | 企业市场岗 / 个人 | 半天实操课 | 按场 / 按人 | 低 |
| 内容 IP | 泛创作者 | 实操教程 / 案例复盘 | 课程 / 社群 | 低 |
重要说明：以上为基于案例结构推导的潜在商业模式，不是已验证的商业结果。作者未公开任何客户、报价或收入数据。另需注意：本项目为 MIT 开源，任何变现都应建立在自身增值服务之上，而非转售开源软件。
19｜如果我是一个中国独立开发者
假设 1 人、预算有限、有基础编程能力、优先使用国产模型，7 天 MVP 路线（以下为本报告建议，非作者原始步骤）：
- Day 1：clone 仓库，用现有 AI 编程工具跑通一支 15 秒竖屏样片（哪怕画质一般），目标是确认环境与流程能走通。
- Day 2：把配音环节替换为国内语音服务（CosyVoice / MiniMax / 火山），记录替换涉及的文件与改动点——这一步决定了你的成本结构。
- Day 3：选一个垂直行业（建议电商详情页），手工整理这个行业的「风格菜单」：3 种可复用的视觉方向 + 各自的适用场景。
- Day 4：写这一行业的「合规与校验清单」（哪些词不能出现、哪些资质必须露出、价格标注规范），把它做成
references/ 下的一份文件。
- Day 5：免费为 3 个真实客户各做一支片子（找身边开店 / 做课 / 做独立开发的朋友），全程记录修改意见。
- Day 6：把 3 个客户的修改意见归纳成规则，回写进规范文件；此时你手里有了一份「别人没有」的行业规范。
- Day 7：用「3 支真实成片 + 一份行业规范」做成一个落地页或一页 PDF，开始接单。定价建议低开，用前期案例换口碑。
关键判断：这个 MVP 的价值不在技术，而在 Day 3–6 累积的行业规范。工具是人人都能 clone 的，规范不是。
20｜如何迁移到其他行业
① 房产中介房源视频：真实户型图 + 实拍照片驱动，样式统一，可按小区批量生成。
② 招商与园区政策解读片：把政策原文要点结构化，用统一视觉模板输出，供招商人员转发。
③ 教育与招聘专业介绍 / 岗位介绍片：把课程大纲、岗位 JD 变成可播放的介绍物料。
迁移的通用公式：真实素材（截图 / 实拍）+ 行业合规清单 + 统一风格菜单 = 可批量交付的垂直物料线。
21｜培训课程设计
| 课程名称 | 《用 AI 从零做出一支能投放的产品宣传片》 |
| 适合人群 | 企业市场 / 运营岗、独立开发者、内容创作者、想接单的自由职业者 |
| 建议时长 | 半天（3 小时） |
| 30 分钟 Demo | 现场用一句话为学员自己的产品生成样帧方案，让 AI 给出 3 个风格方向并解释理由 |
| 60 分钟 Workshop | 现场跑通「需求问询 → 4K 截图 → 卡点剪辑 → 交付」主干，产出一支 15 秒样片 |
| 半天课程 | 完整 10 阶段 + 校验清单逐条讲解 + 学员互评成片 + 讨论行业化改造 |
| 课程目标 | 让学员理解「AI 出片的质量瓶颈在规范，不在模型」 |
| 学员最终能够 | 独立为自己的产品做出一支可投放的 15–60 秒宣传片；能读懂并改写校验清单 |
| 现场 Demo | 展示同一产品在「无规范」与「有规范」两种情况下的成片差异（强对比） |
| 学员练习 | 为自己的产品写 3 条量化规则（如「开场 3 秒内出现痛点」），并在 AI 生成中验证是否被遵守 |
| 课后作业 | 完成一支 60 秒成片并提交「我改了哪几条规则、为什么」 |
| 企业迁移 | 直接把课程改造成企业内训，落点是「本公司的物料生产规范」 |
22｜培训师点评
真正值得教的不是这个工具，是「把主观标准翻译成可执行检查」的能力。0.65 秒、3 秒、8 张截图——这些数字背后是一次次真实返工。学员学会写规则，就能把任何创意工作变成可交付的流程；只学会用工具，换个产品就又会卡住。
23｜最终判断
说明：复现难度评为「中」，因为流程本身是三步安装，但出片质量高度依赖所用 AI 编程工具的模型能力，作者明确提示弱模型会跳过校验步骤。这是典型的「装得上，但做得好需要模型和规范双到位」。
02
不搭工作流，把 Claude Code 变成短视频团队：从国内热榜到抖音 / 小红书 / B站一键发布
AI + 内容运营
Claude Code Skill
账号矩阵
多平台分发
首次开源 2026-10-09
53★ / 13 Fork
一句话结论：它提出了一个值得所有人重新思考的问题——当模型足够强时，AI 应用还需要「工作流编排」吗？这个项目把每个生产环节写成一份中文「岗位说明」，剩下的全交给 Claude 自己判断。
01｜案例是什么？
SoloMCN 是一个跑在本机的短视频运营工作台。它把内容生产的每个环节都写成一份中文的 Claude Code 技能（相当于「岗位说明」）：curate-topics（精选选题）、account-ideas（按账号出题）、research-topic（调研，带出处）、write-script（分镜脚本）、precheck-content（预审）、make-video（出片）、revise-video（改片）、review-data（复盘）。它以国内热榜（抖音、微博、B站、知乎、百度、头条）和推特为上游，输出可以一键发布到 抖音、小红书、B站、YouTube、推特。工作台本身只做两件事：给 Claude 递工具（读写账号和素材、截网页、发布），以及给用户留看得见、拍得了板的地方。真正干活的是 Claude Code。
02｜为什么今天值得关注？
- 为什么是现在：2026-10-09 首次开源（北京 22:01），窗口内持续提交。它代表了一条与「Dify / n8n 式拖拽编排」正面对立的技术路线，而这个对立在 2026 年下半年才第一次变得可讨论——因为模型终于能长时间自主完成一串复杂任务。
- 以前为什么不容易做：过去做 AI 应用要先搭工作流：拖节点、连线、把每一步的提示词写死。这套做法的隐含代价是——流程搭成什么样，AI 就只能做到什么样。遇到流程没写到的分支就卡住；要改流程就得改节点、改代码；想提升能力只能等每个能力都换更强的模型。
- 为什么现在变得容易：Agent 编程工具引入了「技能（Skill）」这种形态——一个文件夹 + 一份入口 Markdown。于是「改流程」从「改节点改代码」降级成「改一段中文文字」，而「能力上限」直接等于模型上限：模型升级，整套系统自动变强。
03｜案例的前世今生
前世。短视频账号运营是一个典型的人力密集型生意：一个人很难同时做选题、调研、写稿、剪辑、配封面、发五个平台。行业解法是两条：一是招人（成本高），二是买工具（各平台发布工具、混剪工具、选题工具各买一个，但仍需人工串起来）。AI 出现后的第三代解法是「用一个自动化平台把所有工具串起来」，也就是工作流编排。
发展。工作流编排在 2024–2025 年成为主流，但它有个天花板：编排的复杂度会随业务复杂度指数上升，而真实内容生产充满了异常（配音额度用完、某个平台改规则、素材下载失败）。用作者的话说，「流程没写到的分支就卡住」。2026 年 Agent 编程工具普及后，出现了另一种可能：不预定义流程，只定义岗位职责，让 Agent 在遇到异常时自己判断、换方案、重试。
今生。2026-10-09，作者把这套做法开源。README 里最有说服力的不是架构图，而是三个「真实发生过的」细节：① 做演示视频时托管配音的免费额度用完，没有任何人写过这个分支，Claude 自己装好本地语音，给鹦鹉、乌龟、狮子三个角色各配了一个声音把片子做完；② 作者在工作台写了一句「配音听不懂，换成系统中文语音」，Claude 只重配声音、重新对齐字幕、重新渲染，画面一帧没动，10 分钟交回新版；③ 片中的角色是 Claude 画的原创矢量图，穿插的 GitHub 页面、新闻报道、学者博客是它调研时自己截下来的真网页，还加了荧光笔高亮和红圈。
下一步可能怎么发展（以下为分析 / 推演，非事实）：作者的路线图已写明方向——把每个环节做成可配置的「员工」（素材员、选题编辑、编剧、剪辑、运营），各有岗位说明、工作方向和预算，员工之间用工单协作；再加定时自动跑、各平台数据自动回收形成复盘闭环、扩到快手 / 视频号 / TikTok。
04｜原始资料
05｜作者是谁？
无法确认。GitHub 账号为 ymybxx，README 未提供姓名、公司、社交账号或团队信息，也无个人主页链接。本报告不对其身份做任何推测。
可确认的是：README 写作质量较高、异常处理与合规风险披露写得非常具体（主动写明「推特号池不符合服务条款」「平台风控会变，使用者自行承担账号风险」），说明作者有较深的一线运营与工程实践背景；仓库自带一个安装脚本用于一键部署，工程完整度不低。
06｜解决了什么真实问题？
从运营者视角，问题非常具体：「我一个人想做几个账号，能不能不招人、不买一堆工具、不写死流程，把从选题到发布整条链跑起来？」
- 人力痛点：「一个人就是一个 MCN」——多账号、每账号多系列，人群、风格、配音、视觉按系列配置，账号之间不撞车。这是团队才做得成的事。
- 工具碎片化痛点：选题工具、剪辑工具、发布工具各买一个，数据不互通，仍需人工串接。本项目把它们收进一个本机工作台。
- 调研失真痛点：AI 写稿容易编造。作者的处理方式是「调研有出处」——写脚本前先上网查真实的价格、能力、步骤和反方观点，每条都有来源；技能里只保留一条红线：不编造事实、数据和真人言论。
- 「流程僵化」痛点：这是本案例最核心的痛点——传统工作流遇到没预设的异常就卡死，而内容生产恰恰充满异常。
07｜完整技术栈
| 核心引擎 | Claude Code（通过 claude -p 在后台调起，一个 Claude 订阅即为核心成本） |
| 界面 | 原生 HTML / CSS / JS（无构建步骤），本机 http://127.0.0.1:5178 |
| 运行环境 | Node.js 22.9+、Python 3.11+、ffmpeg、Google Chrome（发布用） |
| 视频生成 | HyperFrames（HeyGen 开源，Apache-2.0）+ ffmpeg |
| 配音 | HyperFrames 登录后用托管配音；否则用 macOS 自带中文语音。可选填 OpenAI key（或兼容接口）用于 AI 画封面 |
| 热榜服务 | Python 服务（hot-service/）：抖音、微博、B站、知乎、百度、头条热榜、Hacker News、推特号池、YouTube |
| 平台发布 | 用你自己扫码登录的浏览器模拟人工操作：抖音、小红书、B站、YouTube、推特 |
| 数据存储 | 全部本地：data/（账号、内容、登录状态、密钥）与 videos/ 均不入 git |
| 技能形态 | 标准 Claude Code 技能：SKILL.md 为入口，其余为附录，Claude 用到才读 |
| 协议 | MIT |
系统要求提示：README 的快速开始路径明确写「只需要一台 Mac 和一个 Claude 订阅」，安装脚本依赖 Homebrew；仓库中未发现 Windows / Linux 的等价安装说明。这一点在中国用户可用性上很关键（见第 13 节）。
08｜完整 Workflow
上游信号：国内热榜（抖音 / 微博 / B站 / 知乎 / 百度 / 头条）+ 推特（按自定义搜索语句，设点赞门槛，抓最近两天互动涨得最快的帖子）
↓
① 精选主题（技能 curate-topics）：Claude 按类别读推文与热榜，判断哪些值得做
↓
② 按账号出题（account-ideas）：每个账号 / 系列有自己的定位与人群
↓
③ 调研，带出处（research-topic）：查真实价格、能力、步骤、反方观点；顺手把能当画面的网页和官方视频收成素材
↓
④ 分镜脚本（write-script）
↓
⑤ 预审（precheck-content）（← 用户拍板点之一：成片行不行）
↓
⑥ 成片（make-video）：配音、字幕、动画
↓
⑦ 封面与文案：可选让 AI 画封面；中文视频自动写中英双语推文
↓
⑧ 发布（server/publish/）：一键发到抖音 / 小红书 / B站 / YouTube / 推特，竖横两种封面分别上传；不想自动发的平台勾「手动发」
↓
⑨ 数据复盘（review-data）
↓
异常回流：任何一步出错（配音额度用完、素材下载失败、平台改规则），Claude 自行判断、换方案、重试——不需要预先写分支
↓
技能自进化：Claude 遇到坑或找到更好做法，顺手改进对应技能；每次变化记成「技能改动」，可看对比、可撤回，攒多了每周自动整理一次
09｜它到底是怎么实现的？
作者的实现思路可以概括成一句：工作台只做「递工具」和「留拍板处」，把判断权全部交给模型。具体分三层：
- 工具层（MCP）：
server/mcp.js 把「读账号和素材、写精选、存脚本、截网页」等能力封装成工具递给 Claude。这是工作台真正干的活——给模型一双手。
- 岗位层（Skills）：每个环节一份 Markdown 岗位说明。关键差别在于写法——不是「第 1 步做 A、第 2 步做 B」的死流程，而是「你是选题编辑，你的判断标准是……」。规范写的是判断标准，不是执行步骤，所以模型遇到没写到的分支时仍有依据可循。
- 执行层（Agent 循环）：
server/agent.js 在后台调起 claude -p 跑技能，实时把每一步转发到页面上，跑到一半用户还能插话。这是可审计性的来源——不是黑盒跑完给结果，而是过程可见、可打断。
几个值得注意的工程细节：
- B站素材链路：调研时可从 B站搜视频、按弹幕找高能时刻、把整首直拍剪下来当素材；做视频时把同一首歌的多个场次按音轨对齐、踩拍切换，做成「一键换装」或舞台混剪。扫码登录一个小号即可下到 1080P。
- 爆款拆解：YouTube 视频点「拆解」，Claude 读字幕、简介和热门评论，写出它为什么火、结构怎么排、开头钩子是什么、评论区在争什么、哪些能借哪些不能碰；产出的是换人群、换角度的原创选题，稿子和画面都自己做。
- 「看」本机视频：
server/watch.js 通过对已有视频抽帧拼图 + 语音转文字，让 Claude 先「看」一遍现成视频，再写各平台文案。
- 技能是你的本地数据：仓库里只有出厂版本
defaults/skills/，首次启动复制到 .claude/skills/，之后怎么改都不进代码仓库；出厂版本更新时，没改过的直接换上，改过的逐个文件三方合并，合不上的交给 Claude 合并并等用户确认。这是一个相当成熟的分支管理设计。
10｜手把手复现
以下整理自项目 README 的官方说明（非本报告推导）。注意：官方快速开始路径以 macOS 为前提。
Step 1 · 一键安装（需要一台 Mac，脚本会装好缺的软件：Homebrew、Node、Python、ffmpeg、Chrome、Claude Code，并引导登录）：
curl -fsSL https://raw.githubusercontent.com/ymybxx/SoloMCN/main/install.sh | bash
装好后可用 solomcn start|stop|restart|status|open|logs|update 管理。
Step 2 · 手动安装路径（想自己一步步装）：
git clone https://github.com/ymybxx/SoloMCN.git
cd SoloMCN
npm run setup # 装 Node 依赖、热点服务的 Python 环境、做视频用的 HyperFrames 技能
npm start # 打开 http://127.0.0.1:5178
Step 3 · 配置账号矩阵：把示例账号改成自己的，各平台点「扫码绑定」。
Step 4 · 跑第一轮选题：打开「选题雷达」→ 点「让 Claude 精选」。
Step 5 · 可选连接：设置 → 连接，可粘贴 claude setup-token 生成的长期令牌（后台运行更稳）；填 OpenAI 兼容的 key 让 AI 画封面（不填就从成片里截一帧）。配音不需要 key：HyperFrames 登录后用托管配音，否则用 macOS 自带中文语音。
本报告未实际执行上述步骤（无 macOS 环境），请以仓库最新 README 为准。
11｜Prompt / Code / Config
作者公开的核心资产是 defaults/skills/ 下的技能原文。技能分三类（作者自述）：
流程类：curate-topics account-ideas research-topic write-script
precheck-content make-video revise-video review-data
做法类：explainer-video（解说视频） stage-montage（原片剪辑：一键换装、舞台混剪）
工具类：voice-over（配音） transcribe（语音转文字）
「做法」是按内容类型区分的：系列里选用哪种做法，不选就由 Claude 按内容挑。加一种新风格＝新建一个做法技能。
特别提示：工作台调起的 Claude 具备读写项目文件、执行命令、上网的权限，用户在工作台里配置过的钥匙与登录会作为环境变量交给它。作者明确提示：请只在你信任的电脑上运行。这是使用本项目的安全前提。
12｜踩坑
合规风险 1 · 平台自动发布。作者原文：各平台的自动发布是用你登录的浏览器模拟人工操作，平台规则和风控会变，使用者自行承担账号风险；重要账号建议用「手动发」。这是本案例最硬的一条风险，请勿在主力商用账号上测试。
合规风险 2 · 推特号池。作者原文：号池是拿账号的登录 Cookie 去搜推特，不符合推特的服务条款，账号可能被限流或封禁。请用小号，不要用你自己的主号。——作者主动披露而不是隐藏，这一点值得肯定，但风险本身真实存在。
内容红线（作者设定）。技能里只保留一条红线：不编造事实、数据和真人言论；其他创作上的取舍交给用户。素材、截图、音乐的版权与各平台内容规范，作者提示需自行判断。
平台依赖风险。项目深度绑定 Claude Code 与 macOS：Claude 订阅为强依赖，快速开始路径仅给出 Mac 安装方案。若你的环境不满足，需要自行改造（困难度未评估）。
性能 / 成本数据。作者未公开任何渲染耗时、成本或产出效率的量化指标。README 中的三个「真实发生过的」案例均为作者自述，本报告无法独立验证。
13｜中国用户能不能直接做？
- 国内访问：GitHub 仓库可访问（部分网络环境需加速）。运行时需要访问 Claude 服务，存在访问与支付门槛。需自行验证
- 注册：需要 Claude 订阅（海外服务，支付与访问需自行解决）+ 各平台小号（扫码登录）。
- API：核心不需要额外 API Key；OpenAI key 为可选（仅用于 AI 画封面）。
- 成本：一个 Claude 订阅为主要成本；可选 OpenAI key。热榜服务完全本地，无额外费用。
- 技术门槛：开发者级——需要 macOS 环境 + 命令行 + 愿意接受自行改造（若要迁到 Windows / Linux）。这与案例 01 的「装完就用」形成鲜明对比。
14｜国产替代方案
| 原方案 | 中国用户方案 |
Claude Code
（核心执行者，强依赖） | CodeBuddy / Qoder / TRAE / 通义灵码等——理论替代，但本项目强依赖 Claude Code 的技能体系与 claude -p 调用方式，替换需要改造 server/agent.js 与技能加载逻辑，工作量未评估。
另一种思路：不替换引擎，而是把「岗位说明 + 工具层」这套方法论搬到国产工具的 Skill 机制上重写。 |
| HyperFrames（视频生成） | Apache-2.0 开源，本身可继续使用；国内可替代为 ffmpeg + 自建模板管线。 |
| 托管配音 | CosyVoice（阿里通义）· MiniMax 语音 · 火山引擎——中文自然度上有优势，本项目也已内置「本地语音」作为降级路径，替换成本相对可控。 |
| 热榜数据源 | 全部国内平台，天然适配——这是本项目对中国用户最友好的部分，抖音 / 微博 / B站 / 知乎 / 百度 / 头条均已内置。 |
| OpenAI 封面生成 | 通义万相 / 豆包 / 混元等国产文生图，属接口层替换。 |
说明：表格中标注「理论替代」的项，本报告均未实际验证；「天然适配」一项依据是项目源码目录中明确列出的国内热榜服务。
15｜中国企业可以怎么用？
- 企业场景 1 · 电商内容团队：把商品卖点、买家评价、真实使用场景做成多平台短视频，一个团队覆盖抖音 / 小红书 / B站，解决「同一素材要手工改五版」的问题。
- 企业场景 2 · 品牌市场部：把「行业热点 + 品牌观点」的日常内容生产标准化。上游读热榜，下游多平台分发，中间有预审闸门（人拍板后才发）。
- 企业场景 3 · 知识付费 / 教培：课程剪成短视频切片做引流。项目内置的「拆解爆款」能力可以用于分析同类内容的流行结构。
- 企业场景 4 · 出海团队：推特渠道读到海外还没在国内火的内容，形成信息差；中英双语推文自动生成，适合做海外社媒试水。
必须提醒：企业使用时务必关闭主力账号的自动发布，改用「手动发」；号池类玩法请勿在任何组织资产上使用。
16｜中国消费者可以怎么用？
- 个人 IP 起步：一个人同时试三个方向（如 AI 工具测评、行业解读、教程），用账号矩阵低成本验证哪个方向有反馈，而不是押注一个账号。
- 副业内容代运营：帮本地商家中介 / 餐饮 / 培训机构做日常短视频，用这套流程把交付成本压下来。
- 跨境电商内容：把国内热榜与海外趋势的差异做成内容（需注意平台合规）。
17｜如何变成一个赚钱的项目？
- 产品化：项目为 MIT 开源，直接转卖不可行；可行的是做「垂直行业的内容矩阵模板」（如「本地生活商家短视频模板包」），卖的是选题方向 + 岗位说明 + 视觉规范。
- 服务化：内容代运营。核心壁垒是懂某个平台的流量逻辑，而工具把产能瓶颈解决了——一个人可以服务多个客户。
- 咨询化：帮企业把内容生产从「人力驱动」改为「规范驱动」，输出流程设计与岗位说明。
- 培训化：「一个人运营账号矩阵」的实战工作坊，学员当场跑通一轮选题 → 成片。
- 内容化：这个项目本身就是内容——「我用 Claude 运营了 5 个账号」是一个可持续更新的系列。
- 行业化：把技能包按行业定制（医疗科普、法律科普、财经解读各有各的合规边界），合规清单本身就是付费点。
18｜变现路径
| 路径 | 客户 | 产品 / 服务 | 收费方式 | 难度 |
|---|
| 内容代运营 | 本地商家 / 中小企业 | 多平台内容交付 | 月度服务费 | 中 |
| 账号矩阵 | 自有 / 分成合作 | 流量分成 / 带货 | 平台收益 | 高 |
| 流程改造 | 企业内容团队 | 岗位说明 + 合规清单 | 项目制 | 中 |
| 培训 / 工作坊 | 个人创作者 / 企业 | 账号矩阵实操课 | 按场 / 按人 | 低 |
| 内容 IP | 泛创作者 | 系列教程 / 案例复盘 | 课程 / 社群 | 低 |
重要说明：以上为基于案例结构推导的潜在商业模式，不是已验证的商业结果。作者未公开任何客户、收入或变现数据。本报告亦不承诺任何收益。特别提示：本案例的多平台自动发布与号池玩法存在明确的账号风险与平台条款风险，任何商业化前请先确认合规边界。
19｜如果我是一个中国独立开发者
假设 1 人、预算有限、有基础编程能力，7 天 MVP 路线（以下为本报告建议，非作者原始步骤）：
- Day 1：不装原项目，先做「反向拆解」——把
defaults/skills/ 里的岗位说明逐份读完，理解「规范写判断标准而非执行步骤」这一写法。这是本案例最有价值的知识。
- Day 2：选一个国内可用的 Agent 工具（CodeBuddy / Qoder / TRAE 等），搭最小闭环：只做「读热榜 → 出 5 个选题 + 理由」。验证国产工具能否遵守 Markdown 岗位说明。
- Day 3：加调研环节，强制要求「每条事实带来源链接」，产出一份选题调研笔记。
- Day 4：接配音（CosyVoice 或平台自带语音）+ ffmpeg 出片，跑通「脚本 → 成片」。
- Day 5：只接一个平台的发布（建议先手工发，不碰自动化），把「预审确认」做成强制闸门。
- Day 6：给 2 个真实账号连续跑 3 天内容，记录 AI 在哪些环节出错、你补了哪些判断标准。
- Day 7：把 Day 6 的补丁写成岗位说明，形成你自己的技能包；此时你有了一个可交付、可复用、风险可控的最小系统。
关键判断：不要把 Day 1–7 花在复刻原项目的全部功能上，而要花在把「你所在垂直领域的判断标准」写清楚。原项目的引擎（Claude Code + Mac）对国内开发者不友好，但它的方法论（岗位说明 + 人工闸门 + 技能自进化）是完全可以移植的。
20｜如何迁移到其他行业
① 本地生活商家每日短视频：把「今日菜品 / 活动」变成固定模板产出，商家自己就能发。
② 跨境独立站内容营销：用海外热榜做选题，输出英文短视频与图文，投放 TikTok / YouTube。
③ 企业知识科普：把内部产品文档、技术博客转成科普短视频，供销售和客服复用。
迁移公式：领域判断标准（岗位说明）+ 领域合规清单（人拍板闸门）+ 多平台适配（一次生产多处分发）。
21｜培训课程设计
| 课程名称 | 《一个人运营一个账号矩阵：把内容生产写成 AI 岗位说明》 |
| 适合人群 | 内容创作者、企业新媒体岗、想接代运营的自由职业者、独立开发者 |
| 建议时长 | 半天（3 小时） |
| 30 分钟 Demo | 现场读一份 SKILL.md 岗位说明，对比「死流程提示词」与「岗位说明」在遇到异常时的不同表现 |
| 60 分钟 Workshop | 学员为自己的账号写一份「选题编辑」岗位说明，并用它生成 5 个选题 + 理由 |
| 半天课程 | 完整链路演示（热榜 → 选题 → 调研 → 成片 → 人工预审）+ 合规风险专题 + 学员互评 |
| 课程目标 | 理解「不搭工作流」路线的适用边界，知道什么场景该用编排、什么场景该用岗位说明 |
| 学员最终能够 | 写出 3 份可用的岗位说明（选题 / 调研 / 脚本），并跑通一轮完整内容生产 |
| 现场 Demo | 展示「异常处理」——故意制造一个流程没覆盖的错误，看 Agent 如何自救 |
| 学员练习 | 找出自己内容流程中「一遇到就卡住」的 3 个异常，写出判断标准 |
| 课后作业 | 用自写岗位说明完成 3 条内容，提交「AI 出错记录 + 我补的规则」 |
| 企业迁移 | 企业内训时替换为「本公司内容合规清单 + 品牌视觉规范」 |
22｜培训师点评
这个案例真正值得教的，是「什么情况下不该搭工作流」。过去两年所有人都在学节点编排，而内容生产这类「异常比正例多」的场景，编排反而会把人锁死。教会学员区分「流程确定型任务」与「判断密集型任务」，比教会任何一个工具都更有长期价值。
23｜最终判断
说明：落地性评为「中」而非「高」，原因是三层依赖叠加——需要 macOS、需要 Claude 订阅、需要承担平台账号风险。复现难度评为「高」同理。但它的方法论价值高于其可直接复现性：本报告建议把它当作「架构思想参考」而非「开箱即用工具」。这一点与案例 01 正好互补。