夜雨聆风作为一个同时做产品经理和独立开发的人，我最近干了一件挺爽的事——把 ChatGPT、Gemini、豆包、DeepSeek 四个大模型串起来，做了一套能自动跑通「文案→配音→剪辑→发布」全流程的 AI 视频运营助手。
今天这篇不吹效果、不搞营销，纯从第一视角讲讲，我是怎么从 0 到 1 把这套系统搭起来的，中间踩过哪些坑，AI 又在里面扮演了什么角色。
一、先想清楚底层：这不是一个生成工具，是一条流水线
很多人做 AI 工具，一上来就接 API、堆功能。我这次反过来，先花了三天做需求拆解——不是拆「我要什么功能」，而是拆「一个运营做视频，到底有多少重复动作」。
结论很扎心：80% 的时间都花在复制粘贴、调参数、导出上传上，真正花在创意和内容判断上的时间不到 20%。
所以我给这个产品的定位很明确：不是又一个 AI 文案工具，而是一个能把整条运营链路串起来的「自动化流水线」。AI 负责生成，工作流负责串联，本地引擎负责执行。
二、技术架构怎么搭：云端管配置，本地跑重活
架构上我分成了三层，各司其职，互不打架。
第一层：云端服务层，用微信云开发搞定。别小看云开发，对独立开发者来说真的香。用户管理、平台配置、提示词模板库、任务队列、小程序和 H5 端的接口，全部跑在云函数里。好处是不用自己搭服务器，按量付费，初期成本几乎可以忽略。
第二层：本地执行层，这是整个系统的心脏。我用 Electron + Vue3 + Node.js 做了一个桌面端应用，核心原因只有一个——视频渲染是重活，放云端成本太高，放本地最划算。FFmpeg 直接跑在用户电脑上，素材库也存在本地，想剪多少剪多少，完全不用心疼算力费。
第三层：AI 能力层，做了统一的供应商接入。我没有绑定某一家大模型，而是把 ChatGPT、Gemini、豆包、DeepSeek 都接了进去，做成可切换的配置。生文案用谁、写脚本用谁、做分类用谁，都可以在后台自己选。这样既不怕某一家涨价，也能按需调用最合适的模型。
三、最核心的不是 AI，是 Prompt 模板库
很多人以为 AI 工具的核心是模型，其实不是。模型是发动机，Prompt 模板才是变速箱。同样的模型，不同的 Prompt，产出质量天差地别。
我花了整整两周搭了一套提示词模板库，按场景拆得很细：
主题生成类：根据行业和定位，一次出 20 个爆款选题 口播文案类：分钩子、正文、结尾三段式，控制在 300 字以内 视频脚本类：自动拆分镜头、标注时长、匹配画面描述 标题封面类：一次出 10 个标题，带情绪和冲突点
每个模板我都反复调了不下 20 版，确保输出稳定、格式统一，后面才能直接喂给自动化流程。这一步没有捷径，就是不断试错、不断迭代。
四、AI 不只是功能，还是我的「开发搭档」
有意思的是，做这个 AI 工具的过程中，AI 本身就是我的主力开发搭档。
需求调研阶段，我让 AI 扮演不同角色的用户——电商商家、本地实体店主、自媒体创作者，模拟他们的使用场景和吐槽点，帮我补全了很多自己想不到的细节。
代码开发阶段更不用说了，从 Electron 主进程通信，到 FFmpeg 命令拼接，再到云函数的接口调试，几乎每一个技术卡点我都会先扔给 AI 出方案，再自己做判断和修改。粗略估计，整个开发周期至少缩短了 40%。
但我也得说句实话：AI 写的代码不能直接用，尤其是涉及架构和业务逻辑的部分，必须自己把关。它最大的价值是帮你跨过「从零到一」的门槛，把你从查文档、写样板代码的琐碎里解放出来。
五、全端覆盖：桌面端干活，移动端管事儿
最后说说端的设计，我做了三端，但分工非常明确。
桌面端是生产工具，负责重活：素材管理、视频剪辑、批量渲染、本地任务执行。所有吃算力、吃带宽的事，全部放在桌面端。
Web 管理后台是配置中心，负责账号管理、模板管理、平台配置、数据复盘。运营人员在后台调好策略，桌面端照着执行就行。
小程序和 H5 是移动控制台，给用户随时查看任务进度、生成选题、预览文案用。不用开电脑，手机上就能发号施令。
三端数据全部通过云开发打通，任务队列统一调度，做到了「哪里都能管，活都在本地干」。
写在最后
整个系统从第一行代码到能稳定跑通全流程，前后花了一个多月。最深的感受是：AI 时代的独立开发，比拼的早就不是会不会写代码，而是会不会拆解问题、会不会用好工具。
你不需要成为每一个领域的专家，但你要知道每一步该用什么工具、该让 AI 帮你做什么。把重复的事交给机器，把判断的事留给自己，这就是我理解的 AI 生产力。
后面我会持续更新这款工具的迭代日志、功能细节和踩坑复盘，感兴趣的可以持续关注。
| 小程序 |  |
| 贝思思软件工具箱 | |
| 一款基于AI服务的智能工具箱，已上线产品有【贝思思AI视频全自动运营助手】【贝思思小程序SaaS商城】 |
