AIGC 视频工厂 · 系统设计总蓝图

1 系统定位与边界

本系统是一台虚拟制片厂：以现代电影工业的专业分工为骨架，将叙事创作、美术资产、导演调度、摄制生成、后期合成全部 AIGC 化。它采用一人公司（OPC）制片模式运行——一个人担任出品人兼总指挥，带领一支 AI 剧组完成整部作品的制作；AI 承担全部制作劳动，人掌握全部决策权。它不是一套"按按钮的操作软件"，而是"下指令、看产出、做裁决"的指挥系统。

2 设计原则与控制红线

八条原则来自电影工业的结构规律与 AIGC 生成的实际特性，是所有细化工作的裁决依据；三条红线是系统运行的不可违背约束。

2.1 八条设计原则

2.2 三条控制红线

3 总体结构：六大体系

结构分两类：四大业务体系（创作部、美术部、摄制部、后期部）彼此以产出物衔接；两大横向体系（导演部、制片部）贯穿全程。业务体系之间是"衔接"而非"流水线编号"——结构上并列，依赖关系由产出物承载。在此之上新增组织层：指挥部（人）与制片主任（任务状态机）负责全局调度，详见第 6 章。

flowchart TB
  subgraph BIZ["四大业务体系 · 以产出物衔接"]
    direction LR
    C["创作部
叙事内容 · 9 模块"] -->|"资产清单 / 关联表"| A["美术部
视觉资产 · 5 模块"]
    A -->|"参考图资产"| S["摄制部
生成执行 · 6 模块"]
    S -->|"择优素材"| P["后期部
合成交付 · 9 模块
（v2 开发）"]
  end
  subgraph CROSS["两大横向体系 · 不占流程位置"]
    direction LR
    D["导演部 · 描述词体系
十维库 · 组装引擎 · 版本管理"]
    M["制片部 · 管理体系
任务状态机 · 调度 · 资产库"]
  end
  C -.->|"分镜意图"| D
  A -.->|"资产卡"| D
  D -.->|"组装提示词"| S
  S ==>|"v1 终点：素材包导出"| OUT["素材包
集 / 场 / 镜 目录"]
  classDef focus fill:#12B886,stroke:#0CA678,stroke-width:2px,color:#FFFFFF;
  class D focus;
              

创作部产出剧本与分镜意图，美术部把意图固化为可复用资产卡，导演部将两者翻译为组装提示词供给摄制部；v1 摄制部的择优素材直接导出素材包交人工后期，v2 才进入后期部组装成交付成片。

4 部门模块定义

每个模块定义四项：职责、产出物、审核动作（OPC 模式下全部由总指挥执行）、建设批次。产出物即该模块与下游的契约。

4.1 创作部（9 模块）——决定做什么

4.2 美术部（5 模块）——决定世界长什么样

4.3 导演部 · 描述词体系（3 组件）——把意图翻译为可执行描述

4.4 摄制部（6 模块）——并行产出画面

4.5 后期部（9 模块）——组装成交付成片 v2 开发 · 设计全量保留

4.6 制片部（3 模块）——管理体系

5 描述词体系专章

一次性生成的提示词可用度低，根因是"一句话意图"没有分解到位。导演部的解法：先拆解到专业维度的子项清单，AI 按清单逐项填写、人按清单逐项审核、漏项一眼可见，生成时才组装成一条完整提示词。以"一个女孩的悲伤"为例：转换后应是镜头、景别、角度、微表情、眼睛、眼泪、动作等一系列繁复的子项，最后合成一条提示词——而不是让模型自己猜。

5.1 十维描述词库

5.2 组装引擎

触发时点：单镜描述词包过门禁后，状态机自动触发该镜组装工单（确定性执行、零决策）。前置条件：该镜生成方案已定模——模型语法适配需要目标模型，故生成方案编排于 M4、先于组装终检（见 15.1）。组装按镜头-资产关联表拉取该镜所需的静态维度模块（负向词为模板级 + 项目级两层合并注入），与该镜的动态维度合并，两类目标模板；组装失败（引用缺失等）走执行异常通道报总指挥：

flowchart TB
  subgraph S["静态五维 · 绑定资产卡 · 一次编写全片复用"]
    S1["角色"]
    S2["场景"]
    S3["道具"]
    S4["风格"]
    S5["负向"]
  end
  subgraph D["动态五维 · 绑定镜号 · 分镜定稿后逐镜编写"]
    D1["动作"]
    D2["表情"]
    D3["特效"]
    D4["镜头"]
    D5["节奏"]
  end
  S --> ASM{"组装引擎
按镜拉取 · 模型语法适配"}
  D --> ASM
  ASM --> K["关键帧提示词"]
  ASM --> V["视频提示词"]
  K --> G1["关键帧生成"]
  V --> G2["视频生成"]
              

组装完成后按目标模型语法适配（各供应商模型提示词语法不同，适配层逐模型维护）。描述词文本与参考图相互独立：更换参考图不作废描述词与提示词，仅影响生成时挂图。

5.3 三层审核

• 第一层 · 静态维度随资产审：角色 / 场景 / 道具 / 风格 / 负向描述词随对应资产卡一起过门禁，一次审核全片生效；
• 第二层 · 动态维度按镜审（一镜一单）：单镜的动作、表情、特效、镜头、节奏五个维度为单内子作业，由执行导演汇总打包为一个描述词包提交，门禁按镜逐张审——审批单位与任务单位一致；
• 第三层 · 组装终检（一镜一单）：单镜提示词组装后终检组装正确性（维度齐全、引用正确、语法适配），同样一镜一单，通过后进入生成队列。

5.4 版本管理与模板沉淀

描述词独立版本树；择优结果回写（某版描述词产出的素材被选中，该版标记为有效）；验证有效的描述词沉淀为可复用模板，经总指挥批准入模板库，跨项目复用。

5.5 命名约定

模块层叫描述词（dimension descriptor），组装产物才叫提示词（prompt）。所有涉及两者的界面与文档统一遵循此约定。

镜号稳定性约定：镜号是描述词、素材、manifest 的共同主键，只增不重排——拆镜用子编号（C-005 → C-005A / C-005B）；新增镜取空档号或加后缀（C-006B）；删除镜的镜号永久作废、永不复用。镜头-资产关联表与描述词按镜号引用，自动跟随变更。

5.6 示例：「一个女孩的悲伤」的分解

6 OPC 组织架构

系统不是"一套人按顺序操作的软件"，而是一家组织化的 AI 制片厂：你是指挥部，制片管理部（状态机 + 监理）是参谋层，五大部门各有一位主管 Agent 与若干员工 Agent 岗位。35 个模块就是各部门的岗位职责说明书，Agent 是岗位上的"员工"——同一个底层模型、不同岗位的提示词角色。另有两位直属参谋：制片人助理（学习你的决策习惯，见 18.3）与项目监理（全链路诊断，见 18.4）。

6.1 组织结构总图

指挥链唯一：任务只能从「状态机 → 你批准 → 状态机下放」这条路径诞生；部门之间水平沟通对细节但无权互相派活；所有模型调用收敛到基础设施层统一记账。

6.2 岗位编制总表

6.3 编制模式：主管常驻 + 员工任务制

主管 Agent（四位总监）是常驻编制：拥有部门长期记忆（风格约定、历史裁决、质检标准），跨任务保持部门口径一致；员工 Agent 是任务制雇佣：任务单到达时实例化、只装本任务的上下文包、任务结束即焚。这一组合在一致性与 token 成本之间取得平衡——部门风格记忆不必每个员工都随身携带，员工也不必为长记忆付上下文成本。

7 任务系统：制片主任

制片主任是全系统的调度中枢，本质是任务状态机而非 LLM——零 token、零决策、全程留痕。它只做任务的上传与下达：一切需要决策的事项（批准、驳回、裁决、追补任务）都上传给总指挥；一切执行指令都只在批准后下放。编排智能完全外置给人。

7.1 职责与权限

7.2 任务来源（三类，同一逻辑）

7.3 任务单字段（三区结构）

7.4 逐张批准制

v1 是第一个项目，处于磨合期——验证流程、验证人与 AI 的匹配度，因此审批粒度拉到最细：不打包，任务一条一条列，逐张批准。跑顺之后（v2 起）可优化为批次批准。

• 待批队列只放依赖已就绪的任务单——一批一批出现，每次决策都是当下的事；里程碑骨架图常显全貌（只读）；
• 你逐张批准，批准即许可，依赖完成后自动开始执行（同依赖层的任务可并行执行）；
• 审批与门禁是两个控制点：批准管"允不允许干、花多少钱"，门禁管"做得行不行"；生成类任务（关键帧、视频）同样逐镜一张单，不批准不烧钱；描述词包与组装终检亦按一镜一单执行（见 5.3）。

7.5 任务生命周期

stateDiagram-v2
  direction TB
  [*] --> 待批准
  待批准 --> 已批准排队: 你批准
  待批准 --> 已取消: 你拒绝
  已批准排队 --> 执行中: 依赖就绪
  执行中 --> 待审: 产出提交
  待审 --> 已通过: 你通过
  待审 --> 回炉修改: 驳回＋意见
  待审 --> 回炉重做: 驳回＋重做
  待审 --> 已取消: 纯粹驳回
  回炉修改 --> 执行中: 意见随单返回
  回炉重做 --> 执行中: 全新重做
  执行中 --> 执行异常: 重试耗尽
  执行异常 --> 待批准: 重派确认
  已通过 --> [*]
  已取消 --> [*]
              

7.6 驳回三态

7.7 变更影响链（主管发现制）

回炉产出重新过门禁通过后，下游波及的发现与处理交给有部门视野的主管 Agent，提交权仍归总指挥。变更通知为一次广播：状态机同时通知全部下游主管，各主管独立评估、各自提交（避免逐跳传递的延迟与遗漏）：

flowchart TB
  A["回炉产出重新过门禁"] --> B["你通过门禁"]
  B --> C["状态机广播变更通知至全部下游主管
纯转发 · 零决策"]
  C --> D{"下游主管评估波及
部门记忆 + 关联表"}
  D -->|无波及| E["签收确认 · 流程结束"]
  D -->|有波及| F["主管提交回炉任务单"]
  F --> G{"你审批"}
  G -->|批准| H["状态机下放执行"]
  G -->|拒绝| E
              

变更通知一次广播全部下游主管、各主管独立评估；主管发现的三条触发路径：上游变更通知到达时评估、主管质检本部门产出时发现、员工发现问题上报主管——三条路全部汇入「主管提交 → 你批准」，闭环不经过任何自动级联。

7.8 问题上传与沉淀通道

8 指令系统与总控台

8.1 双通道指令入口

你下指令有两个入口，殊途同归，最终都变成结构化任务单经确认后生效：

解析 Agent 只起草不决策——转出来的任务单必须过你的眼，说错了不确认就不执行。你不用学任何操作语法；所有指令（含解析前后对照）留痕入日志。

8.2 总控台（总览 + 下钻）

首页单屏总览，各区块点击进入详情工作台，日常操作不过三屏：

9 记忆系统

记忆系统是"AI 剧组越用越聪明"的基础设施，按项目隔离——每个项目拥有独立的记忆体系，项目之间互不可见（模板库与总指挥画像除外，二者跨项目共享）。

9.1 五层结构

第五层的意义：「剧组可以解散，老板的品味要沉淀」——项目记忆随项目归档隔离，总指挥画像跨项目积累，是制片人助理（18.3）的学习底座。

9.2 记忆条目结构

所有记忆条目结构化存储：问答对 / 约定原文 + 标签 + 时间戳 + 来源 + 引用计数。引用计数是老化与检索排序的依据。

9.3 四个补丁（演练结论）

9.4 模拟演练结论

以虚构短剧项目《雨夜便利店》走完 10 步全生命周期演练：任务实例化 → 员工问题 → 主管检索未命中 → 上报裁决 → 裁决标记全厂公告 → 答案回传 → 三天后美术部场景任务命中公告（跨部门记忆复用闭环）→ 描述词两次择优命中触发模板沉淀 → 新项目命中模板而本项目记忆完全不可见（隔离性验证）。结论：四层业务记忆设计可行（第五层「总指挥画像」为 v5.2 新增、跨项目隔离，不影响该结论），条件是上述 4 个补丁全部落地。

10 部门沟通协议

部门之间走沟通总线交换信息，全程留痕入部门记忆；沟通零派活权（红线 R2）。

日常沟通用带 schema 的结构化消息（单轮省 token、好审计）；复杂争议才升级为有限多轮协商；协商不决由制片主任中继给你裁决。

11 岗位说明书体系

员工 Agent 干活的质量取决于岗位说明书。每张任务单执行时，提示词由四层装配而成；说明书本身按七区结构编写，版本化维护。

11.1 四层装配

11.2 七区结构

11.3 岗位说明书示例 · 编剧（节选）

11.4 维护机制

12 生成与成本管理

12.1 生成任务粒度：逐镜一张单

生成类任务（关键帧、视频）与普通任务同样走逐张批准制——每镜一张任务单，逐镜批准、逐镜烧钱，这是成本控制的第一道闸。一条 90–110 秒短视频约 20–30 镜，关键帧 + 视频合计约 50 张审批单；审批负担在磨合期是可接受的代价，换取对每一笔生成的完全控制。

12.2 多候选策略（保守起步）

12.3 成本预估与记账

• 历史均值法：任务单的成本预估按任务类型查历史均值统计表生成（非 LLM 估算），随项目积累越来越准；
• 逐任务记账：Worker 执行后回填实际消耗（token / 费用），按部门与任务类型分解入成本仪表；
• 无独立复盘环节：成本对账靠系统自动记账累积，报表自助查看；驳回统计、资产晋升在总控台随手完成。

12.4 视频规格基线

沿用原始 480p 素材不升 1080p（项目初始化配置可改）；时长维持弹性区间（短视频 90–110 秒）而非严格精确。

13 资产库与素材包

13.1 双库结构

13.2 素材包导出规格（v1 产出终点）

14 技术架构

14.1 技术栈

flowchart TB
  UI["Vue 前端
总控台 · SSE 进度"] --> API["Go 主服务
状态机 · 门禁 · Agent 运行时"]
  API --> Q[("任务队列
Redis")]
  Q --> WK["Worker 池
多候选并行 · 重试"]
  WK --> GW["模型网关
多供应商 · 凭证加密 · 记账"]
  GW --> M1["即梦"]
  GW --> M2["可灵"]
  GW --> M3["libtv / 自配 API"]
  WK --> DB[("PostgreSQL
+ 文件库 / 对象存储")]
  API --> DB
              

微服务在当前规模是负资产，不拆；主服务与 Worker 按模块边界划清，将来要拆随时能拆。Agent 不直接调模型 API（红线 R3），全部经队列与网关。

14.2 部署形态

单机起步：主服务 + Worker 同机两个进程，视频文件存本地盘，迭代最快；资产库与共享库做成接口化独立服务，本地能跑、迁服务器不改代码——正好承接"资源库 / 知识库要能公用"的扩展诉求。

14.3 最终系统结构（图 7 · 代码与 AI 的分界）

图 6 回答"用什么技术跑起来"，图 7 回答"代码和 AI 各在哪里"——这是从传统软件转 AI 驱动系统时最重要的心智地图。读法：颜色即分界，AI（青色）只出现在三个位置——执行层五大部门、指挥部参谋席、权力层的只读监理；调度、状态、网关、记忆、trace 全部是确定性代码（灰色）。三层信息流贯穿：指令下行、产出过门禁上行、成本随每次调用记账落库。

就算走到 v3 紫色越来越多，状态机、运行时、网关、记忆、trace 这些承重结构也永不融化——今天建的系统，正是终局里仍然站着的那部分。这也是"纯 agent 群"路线与本设计的分野：分歧只在权力层一个格子，而这个格子要用模型可靠性逐项去赎买（D80）。

15 建设路线图

15.1 里程碑骨架（M0–M6）

编排模式为骨架 + 滚动细化：M0 展开全局骨架图（只读），每个里程碑开工前才细化该阶段任务单；v1 里程碑严格串行（风格基准不与分镜并行），并行度优化留 v2。生成方案编排于 M4（组装语法适配的前置输入）；负向描述词双层装载：M0 模板级默认 + M3 项目级定稿。

15.2 v1 范围与开发批次

15.3 v2 展望

• 后期部入职：剪辑 / 修复 / 调色 / 声音 / 包装 / 终审六类岗位，接口已预留；
• 审批粒度优化：批次批准、同类产出批量通过；里程碑并行度优化；
• 多项目并行：Worker 与记账按项目 ID 隔离，共享资产库全面发挥作用；
• AI 化演进（18 章）：制片人助理升级规则化预授权（显式规则边界内自动执行，批准升级为规则化批准）；项目监理升级主动预警与常态优化建议；模型网关 MCP 接入位启用（新模型即插即用）；生成式 UI 评估（AI 动态生成界面，v1 明确不做，v2/v3 视流程稳定性再议，D77）。

16 决策登记簿（80 条）

以下为 18 轮对齐（D01–D60）、首次沙盘推演（D61–D71）与 AI 化演进对标（D72–D80）产生的全部决策，按十三类分组编号。本登记簿取代 v4.1 的 D1–D22 记录；后续变更需追加条目并更新版本号。

16.1 系统定位与边界

16.2 六大体系结构

16.3 描述词体系

16.4 OPC 组织架构

16.5 任务与审批

16.6 指令与总控台

16.7 记忆系统

16.8 部门沟通协议

16.9 生成与成本

16.10 岗位说明书体系

16.11 资产库与素材包

16.12 沙盘推演修订（D61–D71）

以下 11 项来自《雨夜便利店》编排沙盘推演（65 任务单 / 52 步骤 / 14 特殊事件）——推演发现主链闭环成立，但有 2 项高危顺序冲突、2 项中危定义缺口、7 项低危约定缺失，全部修订如下：

16.13 AI 化演进与辅助智能体（D72–D80）

以下 9 项来自 2026 年 AI 驱动软件趋势调研（对标 ViMax / FilmAgent / LTX Studio / VideoDirector，详见第 18 章）、总指挥新增需求（两位参谋 Agent）与「纯 agent 群」结构探讨的结论（权力层演化路径）：

17 版本演进与使用约定

17.1 版本演进摘要

17.2 使用约定

17.3 下一步

18 AI 化演进与辅助智能体

2026 年的软件系统正在从「按钮驱动的固定操作」转向「AI 驱动、人工门禁」——意图入口、逐项审批、可溯源执行。本章是对标调研后的演进设计：前半（D72–D77）让本系统站上 2026 AI 化技术基线，后半（D78–D79）为指挥部增加两位参谋 Agent——制片人助理学习你的决策习惯、未来替你做决策；项目监理看全局、快速定位问题、优化流程。

18.1 对标结论

结论：市面上尚无「AI 当剧组、人当总指挥」的成熟生产系统。本系统的差异化 = 电影工业组织学 + 十维描述词 + 零决策状态机；2026 技术基线（MCP 工具协议、Agentic UX 审批门、全链路可观测）通过 D72–D77 补齐。

18.2 六项工程决策（D72–D77）

18.3 制片人助理 Agent（D78）

18.4 项目监理 Agent（D79）

18.5 对开发的影响