Product archive / Case study

高校AI短剧实训平台

以 AI 分镜工作台承接多模型生成与资产沉淀，以教师端和学员端承接批次、作业、评分与返修，形成从内容生产到教学管理的双闭环。

01项目名称: 高校AI短剧实训平台（SaaS）
02我的角色: AI 产品经理 / 独立产品设计与开发（Solo Builder）
03项目周期: 2026 年 4-7 月；生产 V1 与教学 MVP 分阶段完成
04产品形态: AI 影视生产系统 + 教师 / 教务管理后台 + 学员端
05当前阶段: 生产工作台已投入内部使用；教学管理 MVP 已完成本地验证

案例目录

01接到需求

在与高校开展 AIGC 实训合作的过程中，我们收到了一项明确需求：建设一套面向短剧教学的实训平台，让教师能够组织教学项目，让学生在同一空间内完成剧本拆解、分镜制作、AI 素材生成与成果提交。

现有流程依赖多个彼此割裂的生成工具。提示词、参考图、生成结果和修改记录分散保存，教师难以查看学生的制作过程，团队也无法围绕同一个短剧项目持续协作。要承接这项需求，首先需要解决的不是课程页面，而是一套稳定的 AI 影视生产底座。

教学平台的核心，不是把几个 AI 工具放进同一个页面，而是让一次短剧实训拥有完整、可追踪的生产过程。

短剧教学实训与内部 AI 影视生产存在同一组底层需求：以项目组织成员与分镜，集中管理提示词和素材，调用不同模型完成生成，并保留完整的任务与资产记录。因此，产品先在内部真实生产中验证核心能力，再将生产方法延展到教学管理。

02用飞书多维表格验证生产流程

团队最初直接使用多个网页端生成工具。每次生成都是一条独立记录，提示词、参考图、成片和修改过程分散在不同页面与聊天窗口中。个人可以完成一次生成，却很难在一个持续数周的项目里回答：这条素材属于哪个分镜、使用了什么提示词和参考资产、其他成员能否快速找到并继续迭代。

第一阶段，我在 2-3 天内搭建飞书多维表格原型，约 5 名成员持续使用约 2 个月，并实际支撑 AIGC IP 项目《活宝档案》的制作。原型用项目、分镜、提示词、参考图、模型、任务状态、生成结果与备注建立生产记录；六档状态成为后续独立平台任务状态机的前身。

飞书原型中的任务状态字段 — 表格触发：用六档任务状态持续追踪生成进度与结果回写。

飞书云函数中的自动化脚本 — 云函数执行：轮询任务表、提交生成、上传文件并回写状态。

我通过云函数按分钟轮询飞书多维表格中的任务表：检测到触发状态后，下载 MP3 音频并上传至对象存储，提交 Seedance 视频生成任务；随后持续追踪任务状态，下载生成视频、上传对象存储与协作空间，并把预览链接和最终状态回写到任务表。原型既验证了状态追踪与素材沉淀的价值，也暴露出低代码方案在多表切换、字段格式、权限和资产归属上的上限。

飞书多维表格中的生成任务与状态管理 — 表格触发：以项目、分镜、参考素材、模型、任务状态与生成结果建立可追踪的生产记录。

03升级为内部 AI 影视工作台

升级目标不是重做一张更漂亮的表格，而是让团队在同一个工作台内完成多模型生成、任务协作与素材沉淀。V1 只收敛到一条完整主链路：创建项目、建立分镜、提交生成、沉淀素材与持续协作；在线剪辑、财务结算和复杂审批不进入首版范围。

内部 AI 影视工作台的分镜生成界面 — 内部 AI 影视工作台：在单个分镜内统一管理剧本文本、参考素材、生成参数、视频预览与项目素材库。

MVP 范围：只做一条完整、可交付的主链路

第一版没有追求覆盖影视生产的所有环节，而是围绕“创建项目 - 建立分镜 - 生成内容 - 沉淀素材 - 持续协作”收敛范围。

产品模块	V1 解决的问题
项目与文件夹	用文件夹组织项目；不同项目拥有独立成员、分镜和素材空间。
分镜工作区	创建、编辑、排序和归档分镜，让提示词与生成任务拥有明确上下文。
素材库	统一管理上传素材、参考素材和生成结果，并将素材关联回所属项目。
多模型生成	支持文生图、图生图、参考图生视频和图生视频，隔离不同供应商差异。
任务系统	记录排队、提交、生成、持久化、完成与失败状态，支持跨刷新恢复。
角色权限	区分管理员与编辑者，管理项目可见性、成员退出和资产删除权限。

V1 明确不做在线剪辑、财务结算、客户合同、复杂审批和完整教学后台。这些功能都不能直接验证核心主链路，过早加入只会稀释开发资源。

生产工作台的核心结构

生产工作台围绕项目、分镜、素材和生成任务建立生产上下文。项目、分镜、资产与文件分层管理；一条素材始终能追溯到所属项目、分镜、提示词与参考资产，团队不用再在模型网页、聊天记录和本地文件夹之间来回查找。关系型数据库保存业务关系，对象存储保存媒体文件，避免大体积媒体混入核心业务数据。

多模型生成收敛到同一界面

不同图像与视频模型通过统一工作台发起生成。用户在分镜上下文里选择模型、填写提示词与参数、关联参考图后即可提交任务；生成结果自动回到当前分镜和项目素材库。模型可以按创作目的切换，但项目、资产和任务记录不需要迁移，从而减少跨平台复制提示词、下载文件和重复整理素材的时间。

Provider Adapter 统一提交、查询、结果解析与错误回传，使供应商可以变化而生产流程保持稳定。失败时保留原始错误信息，帮助使用者判断问题来自提示词、模型能力、参考素材还是供应商状态，再选择调整、切换或重新提交。

两级角色与项目资产边界

ROLE 01

管理员

管理全局项目、成员与项目归属，维护协作边界，并在成员退出后承接已沉淀的项目资产。

ROLE 02

编辑者

在被分配的项目内创建和维护分镜、提示词、参考素材与生成任务，围绕明确的项目上下文持续迭代。

权限不只是菜单显示差异，而是对项目资产责任的表达：成员可以退出协作，但其协作期间创建的分镜、素材和生产记录仍保留在项目中，避免真实生产内容随人员流动而失去归属。

任务系统与生产方法

任务状态被拆成 queued、submitting、generating、persisting、done 和 failed。用户可以知道任务卡在排队、提交、模型计算、结果保存还是失败阶段，刷新恢复和问题定位也有明确依据。

任务只有在第三方生成成功、文件复制到对象存储、素材与文件记录写入数据库后才进入 done，确保结果能被团队找到、保存和复用。

性能排查中，我先定位真正的大对象，再清理非展示字段和重复传输，将工作区接口体积从约 7.66 MB 降至约 64-67 KB，让素材流转重新回到产品体验中心。

AI Skill：把生产方法变成可复用流程

工作台承接生产状态，AI Skill 承接生产方法。我将脚本分析、美术资产拆解、提示词模板、文件命名、资产清单、视频提示词生成、公共素材同步、批量生成和失败重试整理为可复用流程。

01理解剧本：拆解角色、场景、道具与镜头需求，形成可执行的资产清单。

02组织提示词：将角色、场景与镜头的提示词模板化，让图片引用和实际资产文件名保持一致。

03衔接生成：将视频提示词、公共素材同步与批量生成规则接回工作台，减少人工复制与遗漏。

输入剧本后，Skill 能形成美术资产与视频提示词脚本；团队使用同一套方法进入生成环节，而不是依赖个人记忆或零散的提示词文档。

短剧制作 Skill 的 GitHub 目录与提示词模板 — 短剧制作 Skill：将美术资产、分镜提示词和模板目录整理为可复用的生产方法。

短剧制作 Skill 的核心工作流程 — 短剧制作 Skill 核心流程：从剧本分析、提示词生成到资产清单与视频分镜脚本输出。

04接入教学管理

当生产主链路稳定后，教学管理 MVP 将一次实训变成可组织、可提交、可评价的过程。

教师 / 教务后台与学员端覆盖批次、班级、学员白名单、作业、提交、评分和返修。教务创建批次、班级和学员白名单；教师发布作业；学员完成视频提交；教师评分并给出返修反馈；学生重新提交后保留历史版本。

教师端作业配置界面 — 教师以批次组织教学任务，统一管理要求、截止时间与补交规则。

教师端看板集中呈现班级进度、待评分作业与返修状态，避免教学过程退回到群聊和分散表格中。权限采用管理员、教师、学生三类角色，并以批次为数据授权范围；视频直传、版本化提交、评分状态机、监测看板与审计日志共同支撑教学闭环。

教学管理与 AI 生产工作台的产品架构关系 — 教学管理域与 AI 生产域通过产品层协同，共享任务编排、资产存储与多模型接入能力。

教学管理的技术方案

技术方案	解决的问题
模块化单体	以 NestJS 按 Auth、Users、Batches、Classes、Students、Assignments、Submissions、Dashboard、OSS 和 Audit Logs 拆分领域模块，在当前规模下兼顾交付效率与业务边界。
RBAC + Batch Scope	管理员拥有全局权限；教师除角色鉴权外，还必须通过批次数据域校验，防止仅依赖前端菜单隐藏造成越权。
事务化版本管理	作业返修通过数据库事务完成旧版本失效与新版本递增，并以部分唯一索引确保同一学生、同一作业只有一条最新版本。
提交状态机	使用 pending、needs_revision、scored 管理作品状态，明确首次提交、返修窗口、评分锁定和历史版本保留规则。
对象存储直传	学员浏览器通过 POST Policy 将视频直传 TOS，后端只负责签名、对象校验、临时路径转正式路径和业务落库，避免 250 MB 视频占用 API 带宽。
安全与审计	JWT Access / Refresh Token、bcrypt 密码哈希、登录失败锁定、接口限流、私有 Bucket 临时播放 URL 和关键写操作审计日志。

05最终结果与验证

生产工作台已投入内部使用，教学管理 MVP 已完成开发与本地验证。生产端留存 286 项前端测试与 270 项服务端测试记录；教学端通过 77 项自动化测试。

10-15 人内容生产团队的设计规模

8-9 人完成登录体验

约 5 人进入实际生产使用

产品成果不包装为“模型画得更好”，而是把生成任务变成可追踪、可归档、可协作的项目资产；把一次教学提交变成包含任务、版本、评分和返修的可复盘过程。

06我的职责与复盘

我独立完成产品定义、需求拆解、原型验证、交互与权限方案、前后端实现、上线配置、生产测试与迭代修正。开发过程中使用 AI Vibe Coding 提升实现效率，并自主处理数据库、对象存储、第三方 API、域名与环境变量配置。

具体包括：设计管理员 / 编辑人员、项目级可见性、成员移除、分镜继承和素材删除规则；设计多模型接入、任务队列、状态机、错误记录、后端持久化和素材自动入库；完成批次、班级、学员白名单、作业、作品提交、评分和返修的领域建模；独立实现教师 / 教务后台、学员端与 NestJS 后端。

01先验证任务闭环，再扩展产品边界。飞书原型既证明需求存在，也快速暴露了低代码方案的上限。

02AI 产品的“完成”必须由业务定义。供应商返回成功只是技术状态，结果可被团队找到、保存和复用才是业务完成。

03权限的本质是资产责任。谁能看到、谁能删除、成员离开后内容归谁，是团队敢不敢把真实项目交给系统管理的前提。