同济大学城乡规划学硕士在读。曾在爱奇艺智能平台部任 AI 中台产品实习生,负责「短剧出海重制智能体」从 0 到 1 的产品定义与验证。本作品集收录短剧出海重制智能体、可步行性研究工具链,以及包含浏览器辅助填报的个人投递中控台。前两项的交互界面与前端 demo 由本人设计并实现,其中短剧重制项目在业务团队的反馈中迭代;投递中控台由本人定义需求与设计,借助 AI 辅助开发。
中文短剧批量重制为海外版本的 B 端生产工具。负责产品定义与交互设计,原型已由业务方完成 65 集真实剧集重制并交付海外站上线。
数据集构建、模型输出检视、专家评价三个独立工具,支撑了 13 位专家规模的人机对照测评实验。
将投递、探查、准备与复盘集中管理,通过浏览器扩展辅助网申填报。由本人定义需求与协作流程,借助 AI 实现并持续迭代,现已开源。
作品预览选择项目查看界面
中文短剧批量重制为海外版本的 B 端生产工具。负责产品定义与交互设计,原型已由业务方完成 65 集真实剧集重制并交付海外站上线。
阅读项目面向「中文短剧批量重制为海外版本」的生产工具,整体功能流程覆盖剧集智能解析 → 内容重制转化 → 视觉资产生成 → 视频片段生成四个阶段,生成的视频素材经人工后期处理与剪辑后输出成片。这里展示的是我设计并实现的交互原型;业务方已用其中间 demo 版本完成一部 65 集短剧的完整重制,交付爱奇艺海外站上线。
短剧出海已是百亿级市场,但本土化产能是行业瓶颈:一部中文短剧进入海外市场,需要把 60 集以上、约 800 个分镜做本地化——台词翻译、角色与场景的形象重绘、逐镜头视频重生成。传统海外实拍成本高、周期长;翻译、生图、生视频的单点模型能力已经可用,但环节彼此分散,中间产物靠人工搬运核对。在爱奇艺实习期间负责该项目的产品定义与验证:先以一部 65 集真实剧集做 demo,完整测试出海重制效果,验证通过后成品在海外站上线;此后产品正式投入开发应用,预计部署至爱奇艺的视频制作平台供制作团队使用。
项目启动时调研了视频风格转化、角色替换、翻译配音、AI 短剧创作、视频内容提取五类相关产品:当时尚未发现覆盖「解析 → 本地化转化 → 视频重制」完整流程的工具,已有产品多覆盖单一环节、多片段一致性受限,因此核心流程选择自建,这也是六阶段功能流程的来源。我设计并实现的交互原型按项目管理、资产库、剧集改编、视频生成四个功能 TAB 组织,供业务方制作人员独立完成整剧转化生产。
上传视频与字幕,自动识别集数并解析分镜、角色、场景、道具,形成全剧结构化数据
支持欧美 / 日韩 / 东南亚多个方向,原始解析共享,各方向改编独立,可随时切换
角色、场景、道具批量本地化改编,逐集分镜做原文与译文对照确认
基于改编后的资产与分镜逐集生成视频,支持提示词编辑、参数配置与历史版本
重制一部剧首先要解决一致性:同一角色在数百个分镜中,形象与服装必须统一。因此工具先把全剧角色、场景、道具解析入库,统一建档并批量完成本地化改编与参考图生成;进入剧集改编后,每个分镜直接引用库中资产,原文与译文左右对照逐条确认——整剧改编口径一致,资产改动全局生效。下面两张界面分别对应这两个阶段。
改编确认后进入视频生成阶段:工作室按「镜头索引 — 分镜与提示词 — 视频预览」三栏组织,制作人员逐镜生成、即时预览、键盘翻页连续作业,历史版本成对保存、可整体回退。下方是该原型在真实业务中的验证结果。
这个工具的目标是:业务方拿到一部中文短剧,能用 AI 完成从剧集解析、内容重制到视频片段生成的全部工作,素材经人工后期处理后成片交付海外站上线。以下按四个功能区域介绍主要设计:
工作台默认展示重制流程总览:剧集解析、确定改编方向、资产与剧集改编、视频生成四个阶段各带完成状态与操作入口;上传视频与字幕后,解析进度按单集色块与进度条实时展示。
资产原名与译名、原始描述与改编描述成对呈现,角色建立多角度参考图、每套服装独立建档。支持批量改编(一键本土化文本转化)与批量生成(多选模式 + 参数选单);删除或合并重复资产时,提示词中的 @ 引用同步迁移;检索支持多策略模糊匹配与按集筛选。
按集组织卡片,每个分镜的场景、人物、道具与提示词均为左原文、右译文对照;支持全剧批量改编与单集重新改编,可为单集附加特殊改编要求;每集改编完成状态实时标记。
「剧集选择看板 ↔ 单分镜生产工作室」两态布局。工作室逐镜操作:左栏镜头索引支持键盘翻页;提示词可 @ 引用本集资产,资产替换或删除后所有提示词中的引用同步更新;「延续上一镜」控制相邻镜头连贯;视频与提示词的历史版本成对保存、可整体回退;整集分镜按序拼接预览并导出。
一个 Web 工作流界面:把剧本解析拆为三阶段提示词流水线(剧本预处理 → 资产提示词生成 → 分镜脚本生成),在同一界面中接入多家模型的文本、生图、生视频接口做实际调用与对比,了解各环节模型的能力边界与提示词写法。这一阶段沉淀了 16 种风格预设与提示词策略文档,接口与提示词经验带入后续工具的开发。
按项目管理、资产库、剧集改编、视频生成四个功能区域组织,首次做出资产库四分类、按集筛选、批量本地化转化、原文译文对照等核心形态,并基于一部真实 65 集中文短剧的完整解析数据构建(37 个角色、33 个场景、842 个分镜),供业务方验证整剧生产的可行性。
↑ 左:CINEFLOW 三阶段流水线界面,内置 16 种视频风格预设;右:Drama Reforge 项目总览,基于真实 65 集 / 37 角色 / 33 场景 / 842 分镜数据
在初步交互界面版本的基础上调整与功能补充,以工作台形式并入爱奇艺的视频制作平台,形成目前用于产品演示与设计沟通的完整前端交互原型。
为硕士课题配套开发的三个各自独立的小工具,分别对应研究流程中训练数据集构建、模型输出核对、专家对照评价三个环节;其中专家评价系统直接分发给参与测评的规划专业人员使用。
硕士课题方向是用多模态大模型评估街道空间的可步行性,为城市更新中的街道改造提供诊断参考。研究流程中有三个环节:批量构建模型微调与推理所需的数据集、逐条核对模型输出的图文结果、组织多位专家对街景图像独立打分。三个工具分别对应这三个环节。
以 Qwen3-VL-32B 为基底模型,可步行性知识图谱通过上下文注入,LoRA 微调掌握「感知体验 — 作用机制」归因逻辑
批量街景图像作为评估对象
以 Qwen3-VL-32B 为基底模型,可步行性知识图谱通过上下文注入,LoRA 微调掌握「感知体验 — 作用机制」归因逻辑
领域知识与模型微调共同支持空间诊断及问题归因
RAG 检索领域知识,匹配规划策略
融合诊断与对策,输出含推理路径与可视化结果的评估报告
数据准备、模型输出核对与专家评价分别组织,各工具可以独立使用。
对应数据集构建环节:把原本逐次改参数执行的脚本做成界面,配置图片目录与提示词模板即可批量生成微调与推理数据集,常用参数组合可存为预设;集成 JSONL 格式转换与优化策略提取,覆盖课题所有数据准备工作。
对应模型输出核对环节:读取推理结果 Excel,提供单条浏览、画册、表格三种视图,支持按列搜索、筛选、排序;按图片名列自动关联本地图片文件夹,图文同屏核对,单元格中的 Markdown 输出直接渲染。
对应专家对照评价环节,是三个工具中唯一分发给外部使用的:参与测评的规划专业人员各自打开网页,输入分配的评价者编号后独立打分、本地保存、最后汇总,无需部署任何服务。评价按建成环境步行性评估框架组织:通达性、安全性、舒适性、愉悦性四个层级,各含细分维度,五级量表,可填写问题归因与优化策略;评价维度与模型输出字段对齐,导出 Excel / JSON 即可直接做人机信度比对。在线体验评价界面 ↗
数据集构建工具与模型输出检视工具的实际运行界面;专家评价系统界面见下页。
三个工具中唯一直接分发给外部使用的:测评专家各自打开网页、输入评价者编号即可独立打分,无需部署任何服务;评价任务按建成环境步行性评估框架的层级组织,进度实时可视,结果本地保存后统一汇总。点击可直接在线体验评价界面 ↗ 下方是这套工具支撑完成的测评实验设计与结果。
这套工具支撑了课题的测评实验:邀请 13 位规划专业人员独立打分,作为衡量模型效果的基准。模型判断结果与专家判断的一致率达 80% 以上;专家从空间诊断准确率、诊断分析质量、对策准确率、对策生成质量四个维度为模型生成的评估报告打分,模型均分 4.23,高于通用大模型的 3.15;整体评估效率较纯人工提升约 90 倍。
围绕个人求职,把投递记录、岗位探查、面试准备与复盘集中管理,并通过浏览器扩展辅助完成网申填报。我定义需求、内容结构与协作流程,借助 AI 编程工具实现并持续迭代。
个人求职需要持续维护招聘记录、整理岗位信息并准备和复盘面试。材料散落在多个文件中时,查阅、关联与更新容易脱节。TouDi 将这些任务组织为独立模块,统一资料结构和协作流程,让 Agent 的整理结果能够接入日常管理。
维护进度、收藏和备注;招聘信息更新时保留个人标记。
通用与公司材料分开,背景、JD 和问答按目录查阅。
按公司保存岗位、判断依据与附件,保留待核实信息。
按场次保存问答与关键缺口,衔接后续准备。
由用户指定信源、真实材料和任务,Agent 按对应规范整理并写入目标模块,再由用户核对、标记和复习。手动编辑与文件导入同样保留。
首次明确招聘信源与资料结构;日常指定要更新的岗位、准备的公司或复盘的场次。
Agent 读取相应流程,整理内容、校验记录关联,再导入目标模块。
在工作台核对材料、补充信息与调整标记,后续任务沿用已有记录。
以公司准备为例:提供岗位 JD 与真实经历 → 整理公司背景和岗位问答 → 导入公司准备 → 按目录核对与复习。
更新、探查、准备、复盘分别定义输入、产物与验证步骤,可以按本次任务组合。
招聘信息与进度、收藏、备注分别维护,资料更新不会覆盖已有标记。
准备稿、报告与复盘都有清晰的目录和正文结构,方便阅读,也为后续 Agent 提供整理依据。
Chrome 扩展维护个人、教育与经历资料;在招聘网页核对匹配结果,确认后填写,并逐项读回核验。
按个人、教育和经历分组,手动编辑或导入。
规则先匹配;歧义可交给已配置的 Agent。
选择经历与字段,明确是否覆盖已有内容。
反馈执行结果,再由用户保存和提交申请。
资料缺失、经历不明和已有内容冲突由用户确认;附件、验证码、网站保存与最终提交由用户完成。