返回项目列表

AI产品实验室

探索AI实际应用场景,针对业务痛点搭建多个AI工具原型,赋能一线业务

AI赋能 一人项目

产品1: 脚本打印助手

业务痛点

线下拍摄需要纸质脚本,但线上脚本系统无打印功能,摄像师需要手动截图拼接,效率极低。在开发资源紧张的情况下,该需求无法获得正式排期。

线下打印脚本示意

核心挑战

流程受阻
公司数据导出审批流程冗长,难以快速响应
资源瓶颈
开发人力紧张,该需求无明确业务增量,排期靠后
需求个性化
chrome已有组件无法符合业务特定需求

机会点洞察

关键洞察

需求特征适配
该需求"前端逻辑重、后端依赖少",非常适合AI Coding
技术可行性
浏览器插件开发门槛相对较低,适合快速验证
成本效益
零开发成本,快速响应,验证AI赋能可行性

解决思路

AI coding快速实现demo
自动识别-格式化-打印输出
给到运营使用调研细化场景
存在两个场景:打印(演员看台词)和手机查看(自己拍摄看方便)
完善输出实际插件
推广全量使用

插件展示

插件展示

产品2: AI视频脚本生成器

业务痛点

创意运营团队在进行爆款视频分析时,其工作流(观看视频 -> 拆解画面 -> 撰写脚本 -> 整理资源)高度依赖人工,单条视频处理耗时约1小时,已成为内容生产链路上的主要效率瓶颈。

项目目标

打造一款AI赋能的提效工具,将上述手动流程自动化,核心目标是将单任务处理耗时降低80%,从1小时缩短至10分钟以内。

解决思路

视频理解

通过技术方案整合,实现对视频内容的自动化提取。这包括利用ASR(语音识别)技术抽取音频文案,以及通过视频抽帧结合OCR(文字识别)技术提取关键画面信息。

内容再创作

将提取出的结构化信息,喂给大语言模型(LLM),由其自动完成新脚本的撰写和拍摄所需资源的清单化整理。

实际落地执行

后端实现
利用Coze等Agent搭建平台,快速构建了集视频理解、脚本生成、资源列表输出能力于一体的后端服务。
前端搭建
利用AI Coding能力,快速生成了一个简易的前端交互界面。
用户验证
将这个可交互的Demo提供给创意运营团队进行试用,快速收集反馈并验证了产品的核心价值。

效果展示

AI脚本生成器

后续迭代与战略思考

全球化适配
考虑到实际业务中存在大量海外视频素材,后续迭代的核心是评估并引入国外顶尖模型(如GPT系列),以更好地处理英文语境下的内容理解与创作。
合规风险
在处理跨平台、跨国界内容时,需将数据隐私与版权合规作为核心要素。

产品3: 道具管家

业务痛点

之前观察到现有工作流中借用归还道具存在两核心痛点:

信息录入形同虚设
道具的线上信息库长期无人维护,信息严重滞后。制片和摄影师被迫依赖"线下经验"和个人记忆进行借用,新员工上手极其困难
查询方式背离直觉
创意人员的需求往往是模糊和感性的,而传统后台仅支持精确的关键词搜索。导致实际系统使用率极低,无法真正服务于一线团队

机会点洞察

关键洞察

LLM正是解决上述痛点的关键。

高效录入
其强大的视觉理解能力,可将繁琐耗时的图片手动录入,变为"一键上传、自动解析"的智能化流程。
智能检索
其卓越的意图识别能力,能精准"翻译"用户的自然语言,理解其背后的风格、氛围和场景需求

解决思路

打造"录入-查询"一体化AI Agent
采用coze快速搭建对应Demo。核心Agent被设计为具备两大任务模块,可根据用户意图自动调用:

任务一:AI道具助理(录入)
用户仅需上传道具图片,AI即可自动识别并生成结构化的实体描述(材质、颜色等客观信息)与风格描述(风格、适用场景等主观信息),一键同步至数据库
任务二:AI指导(查询)
用户可用任何自然语言描述需求(如"适合女企业家的办公桌")。AI首先会智能解析其意图,生成实体与风格关键词,再调用数据库进行双字段精准查询,最终以卡片形式返回道具建议

后续迭代思考

本次Demo成功验证了核心思路的可行性。后续方向应该是推动"道具管家"从个人工具走向团队平台:

提升数据录入效率
支持批量图片上传与自动化处理,为道具库的规模化更新提供可能性
赋能团队知识沉淀
增添"借用状态"与"使用备注"字段。用户可在查询后直接标记和评论(如"这个椅子拍出来很有质感"),将个人零散的经验沉淀为团队可复用的知识