交付路线图

阶段 0：架构验证与供应商 Spike

目标：用最小代码验证关键技术和模型能力，不建设完整产品。

交付物：

• 火山引擎、百炼凭证和区域配置验证；
• 图片、首帧视频、首尾帧视频、多参考视频各跑通至少一个模型；
• Conductor Node.js Worker 提交、等待、回调、重试和取消验证；
• OSS 签名 URL、供应商下载、结果回存验证；
• FFmpeg/Remotion 代理预览和最终渲染验证；
• 模型能力矩阵初版；
• 真实成本、耗时、成功率和限制记录。

退出条件：主链路技术风险已通过真实调用验证。

阶段 1：平台基础

• 多仓工程骨架、共享 contracts 包和统一工程规范；
• Next.js、NestJS、PostgreSQL、Redis、Conductor、OSS；
• 飞书多企业安装和 OAuth 登录；
• Tenant、Workspace、Project、Membership、RBAC；
• 企业模型凭证、OSS 配置和预算策略；
• 模型注册、能力矩阵、Provider Adapter；
• 生成任务中心、状态、日志、取消和重试；
• 审计、指标和链路追踪。

退出条件：不同企业可以安全登录并独立调用模型，查看任务和费用。

阶段 2：故事、剧本与资产

• 原文上传和解析；
• 故事圣经、人物关系、分集大纲；
• Tiptap 结构化剧本编辑器；
• 版本、差异、评论、锁定和 AI Patch；
• 角色、场景、道具、风格和音色资产库；
• 资产候选、审核、晋升和归档；
• ShotSpec 和镜头编辑器；
• 参考素材语义绑定和生成前检查。

退出条件：人工可以完整修订 AI 结果，并生成可执行的镜头生产清单。

阶段 3：镜头生产

• Prompt Compiler；
• 火山与百炼视频模型统一接入；
• 文生、首帧、首尾帧、多参考、音频驱动等模式；
• 模型动态表单和兼容规则；
• 镜头级 Conductor 子工作流；
• 输出回存 OSS、探测、抽帧和代理文件；
• 角色、场景、动作和连续性自动质检；
• 候选镜头对比、审核、重试和切换模型。

退出条件：可完成一集 60～90 秒、10～20 镜头的可控生产。

阶段 4：声音、BGM 与剪辑

• 角色音色、旁白、对白和情绪配音；
• BGM 上传、生成、检索、标签和版权管理；
• 环境音与动作音效；
• 多轨声音模型和自动闪避；
• TimelineSpec、TimelinePatch 和时间线编辑器；
• AI 候选镜头选择、节奏、字幕、BGM 卡点和转场；
• Remotion/FFmpeg 代理与最终渲染；
• 音画同步、响度、黑帧和文件完整性质检。

退出条件：可人工修改 AI 剪辑结果并输出稳定成片及素材包。

阶段 5：MCP 与 Agent

• MCP 鉴权、租户上下文和项目权限；
• 项目、剧本、资产、镜头、生成、音乐、时间线和渲染工具；
• 高成本与高风险操作审批；
• Agent 操作审计和 traceId；
• 导演、场记、剪辑、声音和质检 Agent；
• Agent 生成 Patch，不静默覆盖人工资产。

退出条件：Agent 可以在权限和预算范围内推进项目，同时所有修改可追溯、可撤销。

阶段 6：商业化与规模化

• 套餐、额度、用量计费和企业账单；
• 模型质量/成本/延迟自动路由；
• 团队协作、审批流和生产报表；
• Kubernetes 部署和 Worker 弹性扩容；
• Provider 限流、熔断、降级和跨区域策略；
• OSS 生命周期和成本治理；
• 模板市场、资产复用和项目复制；
• 内容安全、版权和音色授权合规。

MVP 明确不做

• 一开始就做三维世界和复杂虚拟摄影棚；
• 一开始就实现任意节点的通用低代码工作流；
• 一开始接入十几家模型供应商；
• 一开始继续拆分超出既定边界的微服务和仓库；
• AI 自动发布成片到外部平台；
• 没有授权证明的声音克隆和版权音乐分发。

MVP 演示目标

使用真实模型完成一个 3 集短剧项目：

• 每集 60～90 秒；
• 每集 10～20 个镜头；
• 角色跨集保持基本稳定；
• 任意镜头可独立编辑、切换模型、重试和审核；
• 包含对白、旁白、BGM、音效和字幕；
• AI 生成可编辑时间线；
• 导出竖屏成片、字幕文件和完整素材包；
• 展示每集、每镜头的耗时、费用、模型和成功率。