把博客、视频、海报都交给 AI：我的三条生产线

三条线，一套方法：把标准写下来，把重复交出去，把判断留给自己。 这篇不讲工具怎么装，只讲我现在真正在跑的三套流程，以及它们各自的坑。

图 1｜「Yutter的日常」：Hugo + PaperMod，部署在 Cloudflare Pages

一、先说说为什么

我做的事很杂：写博客、做 AI 科普视频、做海报，偶尔还折腾域名和服务器。

这些事有一个共同点——重复的部分特别多：排版、导图、压图、字幕、封面、发布清单。每一次都手工做，时间就全耗在这些"看不见的活儿"上。

所以我的做法是：把每一类工作的标准写成文档，交给 AI 照着执行；我只保留三件事——选题、审美、最终拍板。

二、生产线一：博客

流程

素材整理 → 写正文 → 套排版标准 → 本地构建 → 推送 → 自动上线。

• 站点：Hugo + PaperMod，部署在 Cloudflare Pages，推送到 main 约 1 分钟自动上线
• 排版标准是固定的一套：字号、行高、段落间距、可折叠目录、图注格式、类型徽章
• 图片统一进 static/images/<文章名>/，正文用相对路径引用

性能这件事

博客不需要花哨，但必须快：

自动化

• 文章索引不用手写：推送文章后，仓库里的 Action 会重新生成 README 里的目录
• 构建失败会直接体现在部署状态里，推送后看一眼就知道有没有问题

三、生产线二：视频

视频有两条线，差别很大：

长视频（3–5 分钟科普）

流程固定成八步：选题 → 研究 → 剧本 → 分镜 → 生成素材 → 配音与字幕 → 合成 → 质检。

• 剧本按 4.9 字/秒 估算时长（中文 TTS 的实测值），先定时长再写内容
• 分镜每张卡只写一件事：谁、做什么、镜头怎么动
• 画面用本地模型生成 8–10 个镜头，动效层单独做
• 字幕必须用 Whisper 词级对齐——按字数估算会越到后面越错
• 合成后必须 ffprobe 核对时长（设计 ±0.1 秒）

短视频（15–30 秒竖屏）

另一套逻辑：豆包生成 4–8 个镜头 → 裁切、去水印 → 字卡 → BGM → 混音。

图 2｜16 秒竖屏实验《雨夜 · 异变》——4 个镜头、2 张字卡

质检清单

• 抽帧看画面（尤其手和脸，缩略图看不清的细节最容易翻车）
• 字幕抽点核对（每段的句切换处都要看）
• ffprobe 核对总时长
• 响度统一到 -16 LUFS

四、生产线三：海报

流程只有一句话：AI 画画面，HTML 排中文，最后合成。

图 3｜「AI 分不清星期几？」——底图 AI 生成，中文全部由 HTML 排版

1. 收信息（标题、副标、时间地点、调性、素材、尺寸）
2. 灰模定层级
3. 生成底图（提示词里明确"不要任何文字，上方留白"）
4. HTML 排版（A4 300dpi = 2480×3508，四周 3mm 出血）
5. 三验：眯眼、灰度、扫码

五、三条线共用的四件事

01｜先验证，再批量

• 视频先出 15 秒样片，确认风格再跑全片
• 海报先出 1K 底图，构图满意再上 2K
• 文章先写小段落给方向，再展开全文

批量生产最贵的一次错误，就是方向错了还跑完了全程。

02｜标准写成"技能"

每类工作都有一份自己的标准文档：怎么写分镜、怎么排版、怎么命名、交付要带什么。AI 每次开工前先读它，执行结果就稳定。

文档越写越厚，返工越来越少。

03｜交付即成品

• 文章：正文 + 配图 + 目录 + 相关阅读，一次到位
• 视频：成片 + 封面 + 发布文案
• 海报：PNG + PDF + 可改字的源文件

“差一点就好了"不算交付。

04｜用数字说话

时长、码率、响度、体积、构建时间、压缩率——这些数字比"感觉不错"可靠得多。每次做完记一笔，下次就有基准。

六、AI 做什么，人做什么

有些事目前还做不好：视频里的人物一致性、长内容的稳定性、以及"这个选题值不值得做”——这些仍然要人来盯。

小结

三条产线看起来是三件事，其实是同一套方法：

把标准写下来，把重复交出去，把判断留给自己。

工具会一直换，这套方法不会。