事件概述
一位开发者在 掘金社区发布了一篇完整的技术复盘，详细记录了如何构建一套端 到端的 AI 内容生产平台——该平台能够将小说原文转换为短视频（MP4）或漫画（ PNG 序列）。整个系统以四次串行的 Claude API 调用为核心，并 在下游对接图像与视频生成服务，全 部逻辑运行于 Next.js 16 Route Handlers 之中， 无需独立的后端服务。
技术栈构成如下：前端采 用 Next.js 16（App Router）、React 19 与 TailwindCSS v4；数据持久化使用 PostgreSQL 配合 Prisma ORM；AI 能力层由 Anthropic Claude 负 责内容分析、编剧与分镜生成；图像生成支持本地部署的 Stable Diffusion 或字节跳动的 Seedream；视频合成则对接 Seedance / Runway / Kling / Flow2API 等多个后端。
为何值得关注
这份实现记录了一类多阶段 LLM 流水线在 prompt 工 程和架构决策层面的具体方案——工程团队正被越来越多地要求构建此 类系统。文中针对性处理的几个典 型故障模式——JSON 修复、SD token 排序、上下文窗口截断、跨集角 色一致性——可以直接迁移到任何顺序式 AI 生成工作流中。
该架构做 出了一个明确的权衡取舍：放弃微服务架构，将所有逻辑集中于 Next.js Route Handlers， 所有长耗时任务通过 SSE 流式推送。这一选择以 牺牲水平扩展能力为代价，换取了更低的运维复杂度。对于正 在评估类似方案的团队而言，这是一个有据可查的生产环境参 考数据点。
角色一致性问题的解决方案尤为值得关注——系
统在系列级别设计了一个 CharacterModel，包
含版本化条目与 isActive 标志位，在所有子项目间共享。这一设计直接应
对了 AI 视觉内容流水线中最常见的失效点之一：生成帧之
间的角色外观漂移。
技术细节
四阶段 Claude 流水线
系统将 Claude 调用拆分为四个独立阶段，并针对不同任务特性选用 不同模型：
- 阶段一——内容分析（
claude-opus-4 -6）：提取角色信息，涵盖 8 个必填外貌维度（ 脸型、眼型、鼻梁、嘴唇、肤色、体型比例、发型/ 发色、标志性特征），以及场景元数据和情节 节拍。输入文本硬截断至 60,000 字符以防止上下文窗口 溢出，输出结果经jsonrepair库处理，修 复 LLM 生成的 JSON 格式错误（如多余 逗号、括号不匹配等）。 - 阶段二——剧本生成（
claude-opus-4-6）：生 成多集剧本，强制采用四幕结构：钩子开场 → 冲突升 级 → 情绪爆发 → 悬念结尾。第一集与最终 集使用独立的 prompt 变体。 - 阶段三——分 镜脚本：视频与漫画采用差异化的 prompt 策略。视频分镜要求每集 12–24 个镜头，每镜头 5 秒（ 总时长 60–120 秒），必填字段包括景别、镜头运 动、打光方式和情绪标签。漫画分镜则将格 子尺寸编码为情绪权重（大格 = 情感高 潮，小格 = 快节奏过渡），区分对话气泡与内心 独白气泡，并包含表情类型和音效字段。漫画 prompt 中内置了三个完整示例分格，作 者表示这显著提升了输出格式的稳定性。
- 阶段四——Prompt 翻译（
claude-haiku-4-5）：将中文角色/场景描述翻 译为图像生成 prompt——Stable Diffusion 使用英文，Seedream 使用中文 。此阶段明确选用 Haiku 以降低成本和延迟，因为任 务复杂度相对较低。
Stable Diffusion Token 排序
文中记
录了一个针对 SD 的专项修复：性别描述词（1girl,
或 1boy,）被强制置于每条 SD prompt 的最
前端。据作者描述，将性别 token 埋入长
prompt 中间位置会导致生成结果出现性别错
误。这与已知的 SD token 权重机制一致——位置越靠前的
token 影响权重越高。
数据模型
系统采用五层层
级结构：Series → Project/Part → Analysis + Episode + CharacterModel[]，其中 Episode 包含 Shot[] 和
MangaPanel[]。scriptContent 字段将完整剧本以 JSON blob
形式存储，而非规范化拆表——这一设计基
于其访问模式决定（始终整体读
取，从不查询单行）。所有异步生成任务使用四状态机：pending /
processing / completed / failed，通过 SSE 推送至前端，无需
轮询。
SSE 架构
所有长耗时操作——内容分析、剧本生成、分镜脚本
、批量图像生成、批量视频生成——均通过 Server-Sent Events 流式传输进度
，底层使用 Next.js ReadableStream 配合 TextEncoder，无需引
入 WebSocket 基础设施。
后续关注点
- Claude 模型命名
：文中引用了
claude-opus-4-6和claude-haiku-4-5—— 在接入前请务必对照 Anthropic 当 前的模型 ID 文档核实，因为 API 各 版本间命名规范已有变动 。 - Seedream / Seedance API 可用性：字节跳动图像与视频生成 API 的 国际访问情况存在不确定性，中国大陆以 外的团队在以此为架构基础前 应提前验证访问权限。
- 上下文窗口处 理：60,000 字符的截断是一个硬编码的临时方案。关注 Claude API 后续更新，若上下文处理能力 扩展或新增原生长文档处理功能，该 限制有望消除。
- Runway vs. Kling vs. Seedance 横 评：该架构支持三个视频后端，但未提供任何质量或成本对比数据。随 着更多团队陆续发布类似流水线，预计未来 30 天内社区将出现针对叙事视频生成场景的模 型横评基准数据。