我拆了一个14.5万粉的AI道家号，又把它做成了一条自动化生产线

265 条作品，14.5 万粉，橱窗已售 4004 件。

这是我最近反复研究的一个 AI 道家号。

嵌入推文（联网查看）

很多人看到这种账号，第一反应是研究黑金画风和提示词，觉得只要把同款人物做出来，就能复制它的流量。

但我真正跑了一遍才发现，最容易模仿的是画风，最难复制的是每天稳定交付一条合格视频。

一张图好看，只能说明这次抽卡成功；能够连续处理选题、文案、人物一致性、配音、分镜、付费任务和成片验收，才算是一条生产线。

所以我没有停在拆解别人。

我沿着这个方向亲自跑了一个新号：26 条原创，0 投流，480粉，连续获得视频号推荐，单条最高播放近 8000。

这还是早期数据，但已经完成了我最关心的第一轮验证：这套流程不是写在文档里的概念，而是真的能持续交付作品，并拿到平台的自然反馈。

我生成的 AI 道家号成品

下面不讲空泛的“AI 赋能”，直接按照真实生产顺序，看看一条 AI 道家视频怎么从选题一路走到发布，又在哪些节点必须由人确认。

零、这条生产线用了什么

它不是靠一个模型完成的，而是由几个工具各自负责一段工作。

Codex 是整条流程的控制台，它做的是把这些工具串起来，并且知道什么时候应该继续，什么时候必须停下来等我确认。

增量分析对标
→ 选题去重
→ 口播与内容质检
→ 5 镜头分镜
→ 配音与字幕时间轴
→ 分镜图确认
→ 视频生成
→ 合成验收
→ 封面和发布文案

一、先决定今天做什么，不要一上来就写稿

最早我也试过直接告诉 AI：“写一条道家智慧口播。”

前几条还能看，做久了就开始换着说同一件事。模型每次都像在写新内容，账号却在不断重复自己。

现在我会把对标视频放进本地素材库，系统只分析新增或变化的内容，提取这些字段：

{
  "开头钩子": "具体发生了什么",
  "情绪痛点": "观众正在为什么难受",
  "观点反差": "原来怎么想，新的解释是什么",
  "镜头节奏": "什么时候转折",
  "封面词": "用户第一眼看到什么"
}

随后，它会把新题目和历史作品比较，先排除已经讲过的主题，再结合账号定位选出一个值得验证的方向。

字段只是记录方式，真正影响选题质量的，是对标样本是否靠谱、账号定位是否清楚，以及新题目和历史内容之间的比较。

这一层解决的不是“AI 能不能想一个题”，而是“这个账号今天还有没有必要再讲这个题”

二、文案不是写完就算，而是过不了门槛就不能花钱

AI 很擅长把话写完整，但完整不等于有人愿意听。

每条口播进入生图和视频阶段前，至少要检查：

前几秒有没有具体处境
开头提出的问题，后面有没有兑现
每一句是否继续推动上一句
有没有重复历史选题
有没有为了刺激硬塞夸张词
互动问题是否具体、容易回答

运行目录里不会只有一份“最终文案”，而是同时保留几种用途不同的文件：

plan/narration.txt          字幕短句
plan/voice-script.txt       配音停顿
plan/content-quality.json   内容检查结果
publish/publish-copy.txt    发布文案
publish/first-comment.txt   作者首评

narration.txt 和 voice-script.txt 的文字内容必须一致，但断句方式不同。前者服务字幕阅读，后者服务自然发音。

如果内容门槛没有通过，预算和付费任务就不会启动。

这一步看起来比“多生成几条再挑”更慢，实际反而更省钱。因为把一份不合格文案做成高清视频，只会得到一件成本更高的废稿。

三、人物一致性不能靠连续抽卡

道家号最容易被看见的是黑金画风，连续生产时最容易崩的却是人物身份。

同一句提示词重复五次，可能得到五张都很好看、但完全不像同一个人的图。发在一个账号里，用户看到的是五个不同 IP。

所以每个镜头不会只写“一个道士站在山前”，而会同时受几类锚点约束：

• 人物身份和体态

• 发冠、服装和固定材质

• 哑黑肤色与金色轮廓

• 黑金主色与镜头语言

• 禁用的肤色、光线和视觉元素

口播会被拆成 5 个镜头，每个镜头都要写清人物动作、环境、构图、视觉隐喻和是否允许复用历史镜头。

首镜头还要同时照顾横版和竖版封面，不能等视频做完后再随便裁一张。

五张图生成完成后，系统会先做一张人物一致性五宫格：

review/character-contact-sheet.jpg

我确认人物身份、服装、月牙冠、肤色和整体画风没有漂移以后，流程才允许进入视频阶段。只要图片被替换，之前的确认就自动失效。

四、先定人声，再让镜头和字幕跟着声音走

很多 AI 视频是先做五段等长画面，再把配音硬塞进去。结果一句话还没说完，镜头已经切了；该停顿的地方没有停，不该断的词被字幕拆开。

我的顺序正好相反：

确认口播
→ 生成配音试听
→ 人工确认语速、停顿和读音
→ 提取真实逐字时间
→ 按语义边界分配镜头
→ 生成字幕

faster-whisper 只提供时间坐标，字幕文字始终来自已经确认的 narration.txt。这样不会出现配音说一套、转写模型又改成另一套。

镜头时长也不是机械五等分。经典原句、转折句和行动建议应该在换镜点完整起句，画面跟着内容重心移动，而不是跟着计算器平均切割。

这一阶段需要人工确认声音，因为一旦配音和时间轴发生变化，后面的图片、视频和字幕都可能需要重排。

五、付费任务最重要的能力，不是重试，而是不乱重试

只要接入付费生图或视频模型，“失败了再跑一次”就可能变成重复扣费。

所以每个远程请求在提交前都会生成素材指纹，并先写入本地状态；拿到任务标识后立即保存。网络断线时，系统继续查询原任务，而不是重新提交。

一条正在处理的任务，状态记录大致长这样：

{
  "status": "processing",
  "task_id": "remote_task_xxx",
  "request_fingerprint": "sha256:xxx",
  "cost_status": "known",
  "retry_allowed": false
}

如果提交结果不确定，任务会被锁住，等待人工绑定原任务；生成结果不满意，也不会自动再花一次钱。

预算、任务状态和每次请求的结果都会被记录下来。具体实现可以变化，但有一条原则不能变：

不确定上一笔钱有没有花出去，就绝不自动发起下一次请求。

这才是生产系统和普通 Demo 的区别。Demo 只考虑成功路径，生产系统必须知道失败以后怎么办。

六、导出 MP4 不是结束，能发布才算交付

一条运行完成的任务，目录里至少会留下这些结果：

output/final-1920x1080-30fps.mp4
covers/horizontal-4x3.jpg
covers/vertical-3x4.jpg
publish/publish-copy.txt
publish/first-comment.txt
publish/reply-prompts.json
state.json
cost-ledger.json

成片还要经过一次技术验收：

ffprobe -v error \
  -show_streams -show_format \
  output/final-1920x1080-30fps.mp4

我会检查它是否为 1920×1080、30fps，是否包含正常的视频与音频轨道，字幕有没有词内断句，封面是否遮挡主体，BGM 和人声是否互相打架。

我最近一次完整成片的实际结果是 H.264 High、1920×1080、30fps，时长 29.4 秒。

技术上“能播放”，只说明文件没有损坏；封面、文案、首评和回复素材都准备好，才说明这条内容真的可以交付。

七、这套系统真正值钱的地方，不是省下几次点击

回到开头那个 14.5 万粉账号。

橱窗显示已售 4004 件。按 20 元假设客单价计算，约为 8 万元粗略 GMV，但这不是实际收益、利润或佣金。

主页还能确认存在橱窗、3 个群聊及「合作、教学」入口。更值得注意的是，它把微信号直接写进了合集名称——这里的合集不是为了让用户继续刷内容，而是把主页上一个原本普通的展示位，改造成了醒目的私域入口。

这个案例依然说明了一件重要的事：内容生产和商业承接不是两套互不相干的系统。

短视频负责持续带来新人，橱窗承接即时购买需求；合集名称里的微信号和主页群聊，则尽量把公域用户带进私域，再由服务入口承接更深的需求。

它值得学习的甚至不只是“留下微信”，而是把主页上能命名、能置顶、能长期展示的位置都当成转化入口。用户看完视频进入主页，不必翻简介或猜下一步该去哪，联系方式已经摆在最显眼的位置。

如果前端内容无法稳定生产，后面的承接就没有持续流量；如果只有播放没有承接，再高的产能也只是在不断制造数字。

所以，AI 道家号真正值钱的不是一条视频，也不是某种黑金画风，而是：

用较低成本持续生产合格内容，再让这些内容进入一套完整的流量承接系统。

自动化也不是取消人工。

重复分析、格式转换、任务轮询、素材归档和技术验收可以交给系统；选什么题、哪句话值得留下、画面是否有审美、异常时要不要继续，仍然需要人做判断。

AI 负责扩大产能，人负责方向、创造和品味。

如果你也想验证一个 AI 垂类账号，不要先花几周搭一套宏大的系统。先跑一小批内容，确认有人看、能承接、自己能够持续，再把已经重复且稳定的步骤逐渐自动化。

我会继续公开这个账号的真实数据、失败记录和流程迭代。

关于完整工作流和后续实测，我放在评论区了，感兴趣可以往下看。