《AI全链路短剧生成平台》开篇：我要带你从零开始手撸一个企业级AI全链路短剧生成平台

冰河

562人浏览 · 2026-05-02 08:08:54

冰河 · 2026-05-02 08:08:54 发布

作者：冰河
星球：http://m6z.cn/6aeFbs
博客：https://binghe.site
文章汇总：https://binghe.site/md/all/all.html
源码获取地址：https://t.zsxq.com/0dhvFs5oR

沉淀，成长，突破，帮助他人，成就自我。

大家好，我是冰河~~

在完成《智能代码审查系统》项目后，冰河又要带着大家搞新项目了，这也是 冰河技术 知识星球继《智能代码审查系统》、《智能知识库系统》、《AI优化-智能化机器学习平台》、《基于AI的智能成语挑战赛》、《多轮AI智能对话系统》、《一站式AI智能平台》、《AI智能客服系统》、《AI智能问答系统》、《高性能Redis组件》、《实战AI大模型》、《手写高性能脱敏组件》、《手写线程池》、《手写高性能SQL引擎》、《手写高性能Polaris网关》、《手写高性能RPC》、《Seckill秒杀系统》和《分布式IM即时通讯系统》、《手写高性能熔断组件》、《手写高性能监控组件》、《简易商城脚手架》等诸多项目后，又一个带着大家从零开始手写的AI大模型项目。

说实话，这次的AI项目与以往不太一样，这次我要带大家实现一个企业级的AI全链路短剧生成平台，且听我慢慢道来。

星球其他项目与专栏，大家可移步到冰河的个人站点：https://binghe.site 进行查看。

没错，这次冰河带着大家手撸的项目叫做《AI全链路短剧生成平台》，这是一个基于多套AI Agent和 20+ AI大模型的企业级AI全链路短剧生成平台。

一、项目背景

哈哈，这个项目的背景其实也比较简单，随着AI的爆火，AI短剧也是火的一塌糊涂。抖音、西瓜视频、视频号、快手、优酷、红果视频等等，这些视频内容平台，上线了越来越多的AI短剧。其实，如果是纯人工基于AI做短剧还是比较繁琐的，要创作故事线，定人物，写大纲，设定剧本，生成分镜，生成配音，合成视频，出片等等。这一套下来，费神费力，没有专业的背景团队，根本撑不下来。

其实，我在很早前就在想：如果我自己写一套AI全链路短剧生成平台，输入一句提示，那这个AI全链路短剧生成平台全自动完成小说创作 → 故事线 → 大纲 → 剧本 → 分镜 → 图片 → 配音 → 视频 → 成片的完整流水线。输入一句话，出去吃个饭，逛个街，回来一看，成片已出，直接发布抖音、快手、优酷、小红书、视频号、红果视频等等。那我也能拍AI短剧了，还能比别人快，效率高，而且全程不用我自己干预。岂不爽哉？这样，我也能玩AI短剧了，并且我自己还能当导演、监制和制片人了。这一套下来，我甚至比一个短剧制作团队效率都高。

说干就干，有个想法后，我就开始着手调研和准备这个AI全链路短剧生成平台项目。经过一段时间的调研、设计、开发、测试、踩坑、修修补补、再测试、验证成片效果等等。总算是把这个项目完整跑通了，输入一句提示：全自动完成小说创作 → 故事线 → 大纲 → 剧本 → 分镜 → 图片 → 配音 → 视频 → 成片的完整流水线。于是乎，这个AI链路短剧生成平台就此诞生。

二、情景再现

小哥哥，小姐姐们：别再对着空白文档发呆了。这个AI全链路短剧平台能把你脑子里的“外卖小哥大战外星人”或者“霸道总裁爱上退休机甲师”，一路变成小说、剧本、分镜图、配音、最终导出一部带BGM和字幕的成片。你只管泡茶，剩下的交给AI全链路短剧生成平台。

想象一下：你晚上十点刷手机，突然灵光一闪——“如果唐僧是个脱口秀演员，去西天取经路上每到一个国家就开专场，那得有多炸？”

以前的流程是：打开Word → 写两章 → 卡文 → 刷B站 → 放弃。

现在的流程是：打开AI全链路短剧生成平台→ 输入这个脑洞 → 点一下“开始” → 睡觉 → 第二天早上收到一部15分钟的高质量短剧。

这不是科幻。 这玩意儿真的能跑通从零到成片的每一个环节。而且它不是简单调用一个AI写写画画——它背后是一整套多智能体协作系统，相当于你雇了一个编剧团队、一个分镜师团队、一个后期制作团队，然后它们自己开晨会、自己分工、自己检查，累了还能自动重试。

三、核心流水线

你不用每一步都亲自按，整个链条是全自动跑的，像工厂传送带一样：

中间你可以完全不管。如果你非得管，也可以随时暂停、跳过某一步、或者从断掉的地方重新跑。

四、核心模块布局

4.1 小说生成

你不是让一个AI帮你写小说，你是让7个不同职位的AI一起开会、吵架、修改、最终交稿。这7个角色是：

世界架构师：告诉你这个世界有几块大陆、有什么超能力规则、货币叫啥。
角色设计师：给每个主角写小传，包括“口头禅”“最怕的东西”“手机里存了什么歌”。
情节架构师：拉出一条从第1章到第100章的主线，分好卷。
章节规划师：细化到每一章讲啥、哪里埋钩子、第几章回收。
小说写手：真正一章章写正文，而且是一边写一边推送到你前端，看着像真人打字。
总编审：读完觉得不行就直接打回去，让写手重写。
质检官：从7个维度打分——角色有没有行为不一致、伏笔有没有漏掉、爽点密度够不够、文笔像不像人写的……

为了不让长篇故事崩掉，系统维护了四层记忆：

固定记忆：世界观、基础设定，铁打的。
角色记忆：张三爱喝冰美式，李四闻不了榴莲。
短期记忆：上一章发生了什么。
中长期记忆：50章前埋的伏笔，现在该提了。

还加了伏笔追踪功能：系统自动记录“第3章埋了这个梗，计划第27章揭晓”，到点了会提醒Agent别忘。

角色状态快照就更细了：每个角色当前位置、生命值、情绪值、背包里有什么、知道什么秘密……全给你记着。

最绝的是对话风格分化：系统级强制要求大模型输出时，让A角色每句带“咱就是说”，B角色每句结尾加“嗷”，C角色说话前先“咳”。效果立竿见影，不会串味。

顺带省钱：自研压缩格式，跟大模型来回通信时省30-60%的token。省下的钱干点啥，它不香吗？

4.2 全自动流水线：一次启动，挂机等收片

11个步骤的状态全部存进Redis。就算你把Java服务重启了，启动后它会问Redis“我上次跑到哪了”，然后继续，不丢进度。
你可以随时叫停、跳过某个环节（比如跳过AI写小说，直接用自己的小说）、或者强制重跑某一步。
批量生产：一次提交20个项目，后台用Semaphore控制并发，榨干你的CPU和API额度。

4.3 视频生成：三次重试，比甲方还有耐心

视频生成API经常翻车——同样的提示词，十次里有两次画外星人像土豆。

AI全链路短剧生成平台做了三级自动重试：

同样参数再试一次（可能是网络波动）。
让AI自己改写提示词再试（“要不换个说法？”）。
降低分辨率再试（1080p不行就720p，总比失败了强）。

还支持首尾帧衔接：前一个片段的最后一帧，作为下一个片段的第一帧，这样两个镜头接起来不会“嗖”地一下跳变。

最后用FFmpeg合成：转场特效、硬字幕烧录、混合BGM、叠加AI配音的音轨、盖水印、加片头片尾——全都自动化。

五、核心架构：产能无上限

5.1 技术架构

5.2 部署架构

看下面这张部署图，你就明白为什么了：

为什么能水平扩展？

Java服务完全无状态：流水线进度存在Redis里，任何一台节点都可以从Redis里认领任务继续跑。你加100台新机器，它们自己会抢活干。
JDK 21虚拟线程：传统线程池开几千个就到头了，虚拟线程可以开几十万个。单节点同时跑上千条流水线，跟玩儿一样。
Redis分布式锁：保证多节点抢任务、扣额度时不打架。
Python合成节点独立：视频合成这种CPU/GPU重活，单独扩，不影响AI生成。
分镜级并发：一部剧30个分镜，同时调30路API生成图片，不用等上一个完成再下一个。

产能公式就是乘法：

产出速度 = 节点数量 × 单节点并发流水线数 × 模型API并发上限

只要云厂商不限流，你就可以无限加机器，无限提速。

实际参考值：

集群规模	单节点并发	单次批量产出	适合谁
1台（8C16G）	10-20条	10-20部/批	个人UP主
5台	10-20条	50-100部/批	小内容工作室
10台	10-20条	100-200部/批	中型MCN
N台	可调	理论无上限	工厂级批量生产

扩容不需要改任何代码，docker compose scale 或者 kubectl scale 一行命令完事。

六、技术栈选型

层级	选型	一句话理由
后端框架	Spring Boot 3.3 / JDK 21	虚拟线程，抗造
数据库	MySQL 8.0（可换TiDB/PolarDB）	30张表结构清晰，以后数据量大直接换分布式
ORM	MyBatis-Plus 3.5	几乎不用手写SQL
缓存/协调	Redis 7+	分布式锁+状态持久化+任务队列，三合一
认证	Spring Security + JWT + Redis	Token能主动失效，支持4级角色权限
前端	Vue 3 + TypeScript + Vite	Pinia状态管理，WebSocket实时推进度
UI	Element Plus + UnoCSS	写样式快得像打字
Python服务	FastAPI + FFmpeg + NumPy	专门干重体力活：视频合成、图片超分
对象存储	AWS S3 / 阿里云 OSS / 腾讯云 COS	S3兼容，一套代码跑所有云
容器化	Docker + docker-compose / K8s	一键部署，集群编排
文档导出	Apache POI + 自定义样式	支持TXT和带目录的DOCX，导出失败自动降级

七、支持20+AI大模型

在管理后台，你可以给每个功能模块独立绑定模型，运行时热切换，不用重启服务。

7.1 文本类（写小说、写剧本、Agent对话）

厂商	模型
通义千问	qwen-max、qwen-plus、qwen2.5-72b
DeepSeek	deepseek-chat、deepseek-reasoner
豆包	doubao-seed系列
智谱	glm-4.5 / 4.6 / 4.7 / 5.x
OpenAI	gpt-4o、gpt-4.1、gpt-5
Gemini	gemini-2.5-pro、gemini-3.0-pro、gemini-2.5-flash、gemini-3.0-flash
Anthropic	claude-opus-4-5/4-6/4-7、claude-sonnet-4-5/4-6
XAI	grok-3、grok-4
其他	任意OpenAI兼容接口

7.2 图片类

厂商	模型
Gemini	gemini-2.5-flash-image、gemini-3-pro-image
火山引擎	doubao-seedream-4-5
可灵	kling-image-o1
Vidu	viduq1、viduq2
RunningHub	nanobanana（没错，就叫小香蕉）

7.3 视频类

厂商	模型	时长
火山引擎	doubao-seedance-1-5-pro	2-12s
可灵	kling-v2-6(PRO)	5-10s
Vidu	viduq3-pro	1-16s
万象	wan2.6-t2v/i2v	2-15s
Gemini	veo-3.1	4-8s
Sora	sora-2 (RunningHub/Apimart)	10-25s

7.4 TTS配音

火山引擎：多音色、情感控制，能让反派说话带阴笑。

八、多智能体系统

8.1 第一组：小说生成（7个Agent）

NovelMainAgent（制片主任）
├── WorldArchitect（搭世界观）
├── CharacterDesigner（捏人设）
├── PlotArchitect（拉大纲）
├── ChapterPlanner（拆章概）
├── NovelWriter（写正文）
├── Editor（审稿）
└── QualityInspector（七维质检）

8.2 第二组：大纲故事线（3个Agent）

MainAgent（组长）
├── StorylineExtractor（故事线生成器）
├── OutlineGenerator（分集大纲生成器）
└── DirectorProxy（AI导演，负责审核）

8.3 第三组：分镜（2个Agent）

MainAgent（组长）
├── SegmentSplitter（片段拆分）
└── ShotPromptGenerator（镜头提示词生成）

所有Agent共享同一个底层框架：WebSocket实时通信、Tool调用、消息队列、断点恢复、日志追踪。你可以看到它们在后台聊天的记录（如果开调试模式的话）。

九、22个功能模块

模块	一句话解释
用户与认证	登录、JWT、4级权限（超管/管理员/创作者/查看者）
项目管理	增删改查项目，删除时会自动清理16张关联表
小说管理	上传已有小说，支持分章批量导入
AI小说生成	一键启动7Agent写小说
故事线管理	从小说里自动抽主线，你也可以手动改
大纲管理	分集大纲，同时自动抽角色/道具/场景清单
大纲故事线Agent	三个Agent对话生成大纲，你可以围观
资产管理	管理角色/道具/场景，批量生成它们的图片，提示词还能自动润色
剧本管理	自动生成500-800字短剧剧本
分镜管理	生成分镜图、切宫格图、批量超分
分镜Agent	片段师+分镜师协作，WebSocket实时看进度
图片生成	支持5+厂商，文生图/图生图，自动质检和超分
视频生成	支持7+厂商，三级自动重试，首尾帧衔接，多版本管理
视频合成	FFmpeg拼片、转场、字幕、BGM、配音、水印
AI配音	TTS多厂商，每个角色可单独配置音色，自动逐句配音
AI模型配置	管理多厂商模型，为每个功能绑定不同模型，热切换，测连通性
Prompt模板	存在数据库，支持用户自定义覆盖
素材库	BGM、片头片尾模板、水印图片，全局共享
小说导出	TXT或带目录的DOCX
生产监控	实时产量、各模型调用次数统计、流水线状态看板
全自动流水线	一键11步，批量提交，可配置审核节点，断点续跑
系统设置	全局配置、日志查看

十、企业级功能：别人有的它有，别人没有的它也有

能力	实现方式
分布式锁	Redis SETNX，用于扣配额、抢Agent会话
流水线状态持久化	Redis + MySQL双写，服务重启不丢进度
Agent内存管理	30分钟无活动自动回收，防OOM
配额管控	每日自动重置，分布式锁防并发超限
异步任务池	自定义ThreadPoolTaskExecutor，视频轮询用独立Scheduler
多租户隔离	项目级数据隔离，角色级功能隔离
智能重试	视频生成三级重试：原参数→AI润色Prompt→降分辨率
非阻塞轮询	轮询视频生成状态不占用业务线程
OkHttp连接池	共享HTTP客户端，避免连接池泄漏
优雅降级	DOCX导出失败自动降为TXT

十一、代码布局

story-video/
├── story-video-server/              # Spring Boot 3 主服务 — 整个项目的扛把子
│   └── src/main/java/io/binghe/ai/video/
│       ├── config/                 # 配置中心：Security让你别乱翻，CORS允许谁串门，Async异步干活，WebSocket实时唠嗑
│       ├── controller/             # 21个REST接口，前端喊什么我们应什么，一个萝卜一个坑
│       ├── entity/                 # 30张表对应的“模具”，数据库长啥样代码里就长啥样
│       ├── mapper/                 # MyBatis-Plus的搬运工，SQL？不存在的，它替你写
│       ├── service/                # 核心业务逻辑 + 流水线引擎，所有骚操作都在这儿
│       │   └── pipeline/           # 流水线状态机 + Redis持久化 — 跑断腿也不丢进度，重启照样接上
│       ├── agent/                  # 多智能体大本营，12个AI同事各司其职
│       │   ├── core/               # 基础框架：BaseAgent、会话管理、工具箱注册，Agent们的“娘胎”
│       │   ├── novel/              # 小说生成Agent（7个）— 世界架构师、角色设计师、写手… 一个编剧组全在这儿
│       │   ├── outline/            # 大纲故事线Agent（3个）— 故事师、大纲师、导演，帮你把小说理出头绪
│       │   └── storyboard/         # 分镜Agent（2个）— 片段师拆剧本，分镜师写提示词，配合默契
│       ├── ai/                     # AI提供商抽象层 — 换模型像换电池，厂商随便切，代码不用动
│       │   ├── provider/           # 文本/图片/视频的具体实现，每家厂商的“方言翻译官”
│       │   ├── model/              # 请求/响应封装，跟AI聊天时的“标准话术”
│       │   └── retry/              # 重试模板 — 一次不行就两次，两次不行降级，比销售还有韧性
│       ├── security/               # JWT + RBAC — 给每个人贴个“工牌”，谁该看什么一目了然
│       └── common/                 # 统一返回、异常、错误码 — 出事了也整整齐齐，不甩一锅乱码
├── python-service/                 # Python FastAPI微服务 — 干重活、累活、FFmpeg那种体力活
│   ├── main.py                     # 入口，一启动就等着Java大哥派活
│   ├── routers/                    # 图片/视频路由，不同的请求走不同的门
│   ├── services/                   # 图片超分、视频合成 — 把模糊变清晰，把片段拼成大片
│   └── utils/                      # FFmpeg工具封装，命令行? 不存在的，优雅调用
├── frontend/                       # Vue 3 前端 — 你点的每一个按钮，背后都是一场猛操作
│   └── src/
│       ├── views/                  # 页面组件 — 项目页、小说页、分镜页、视频页… 你看到啥就在这儿
│       ├── components/             # 可复用组件 — 按钮、弹窗、表格，哪儿需要哪儿搬
│       ├── api/                    # 与后端1:1对应的API封装 — 前端喊话的“传声筒”
│       ├── stores/                 # Pinia状态管理 — 数据存哪儿、怎么共享，全都归它管
│       ├── composables/            # WebSocket STOMP钩子 — 实时推送进度，让你盯着屏幕不焦虑
│       └── types/                  # TypeScript类型定义 — 给JS穿上“盔甲”，少出幺蛾子
└── doc/                            # 文档目录 — 写代码的人不想写但必须写的说明书