06 · FULL EPISODE
完整看一期
《思考强度开到最高，AI 就会更聪明吗？》——3 分 37 秒，从文案、配音、字幕到每一帧动画和封面，都是在这个工作台里做出来的。
查资料、写文案、配音、逐字字幕、分镜、Remotion 动画、封面、发布信息——整条科普视频的生产线，装进一个文件夹。打开 Claude Code 或 Codex，AI 进来就知道自己该做什么。
下面全部截自已经发在抖音和 B 站的成片。每一个旋钮、每一张图表、每一个三维小人，都是 AI 按口播一拍一拍用代码搭出来的。
八个环节，每个环节都有专门的技能管着：读什么、写什么、写到哪、怎样才算过关，全都写死在规则里。AI 不靠记性，靠文件。
先查原件、观众怎么想、反对意见和有手感的细节，存成资料；再从资料里找出真正的问题，写成听得下去、给画面留好位置的口播稿。
文案改成口播稿，一行一行生成语音。每一行 AI 先自己听一遍——念错、发哑、停顿不对就删掉重来，全部过关才拼成整条。真人录音也能直接接进来。
ASR 出逐字时间轴，再和原稿逐字比对，修掉识别错误，按语义自然切行。每一条字幕都带每一个词的起止时间，动画能卡到字。
把口播拆成一拍一拍，判断每一拍在做什么——抛问题、下定义、讲机制、做对比、报数量——按类型选画面骨架，圈出名词和动词，卡到 0.2 秒以内。
规划里要用到的原件——论文、官方博客、产品界面、新闻截图、真实 logo——列成清单，交给搜素材的 agent 按官方来源去找，截图带正反例标准。
在 React + TypeScript 里把每一拍现搭出来：三维空间、光画、景深、镜头运动。像素小人、微信聊天、鱼眼屏摄、论文与推文卡片、各种视频容器都是现成零件。
每个看得见的动作配一声；BGM、音效、人声按响度平衡。按审片清单逐条过：有没有一拍一个主体、字有没有复述口播、相邻两场有没有重复。
抖音竖版、B 站横版两张封面由脚本按规范生成；标题、简介、话题、分区写好一份纯文本，成片硬链接过来，发布时只看一个目录。
整个工作台就是一个文件夹。一个入口规则文件告诉 AI 它是谁、目录怎么分；一组技能告诉它每件事怎么做；产物按期号落到固定位置。换一个 agent 打开，照样接得上。
AGENTS.md # 入口：身份、目录、流程、约定 .agents/skills/ # 10 个技能，所有 agent 共用 copywriting/ tts-voiceover/ srt-proofread/ visual-direction/ reusable-animations/ … text/<期号>/ # 发布只看这里 资料.md wenan.text 发布.txt chengpian.mp4 shuping.jpg hengping.jpg worker/<期号>/ # 制作目录 audio/ subtitle/ material/ 动画规划.md <Remotion 工程>/ 可复用素材/ # 跨期共用：logo、音效、BGM、形象… scripts/ # 链接素材、定稿、TTS 引擎 tmp/ # 试片和中间文件，随时可清
Claude Code、Codex 等都读同一份规则和技能，不绑死某一家模型，换模型不用重新教。
谁读哪个文件、写哪个文件、格式长什么样，写在一张表里。中途断了，下一个对话从文件接着做。
每次被否掉的做法、被认可的思路都沉淀成规则。做到第五期，AI 已经知道什么画面是 AI 味、什么音效不能用。
音频、字幕、素材库全用链接进工程，跨期复用不复制；成片硬链接到发布目录，不多占一点空间。
技能里写的不是提示词，是方法：怎么想、按什么顺序想、什么样算错。合计近万行规则、脚本和组件。
整个工作台的核心。把一段口播变成观众一看就懂、愿意看下去的画面：十三条原则、十余类内容的画面骨架、实体化映射、空间与镜头、运动与过渡、质感、声音、封面规范、审片清单。和题材无关。
自带代码和数据的现成零件：Claude 像素形象与像素出镜人物（多套动作）、微信聊天界面、鱼眼屏摄加荧光笔标注、论文 / 推文 / 博客 / GitHub 截图卡片与中英对照、B 站播放器 / 竖屏 / 浏览器 / 老电视 / 投影幕等视频容器。
先查资料再动笔：原件、观众心理、反对意见。列问题链，保留你自己的说话方式，替画面留位置，起标题。
口播稿改写、多引擎 TTS、逐行生成、AI 逐句试听收货、拼接与转录，一条命令走完。
逐字时间轴对齐原稿，修 ASR 错字，按语义切行，输出带逐词时间的字幕。
按清单找官方原件，截图的正反例标准都附图写清楚，交回来就能用。
从 Freesound、Pixabay、Mixkit 等按下载量、评分和授权挑音效，配合黑名单避坑。
找不到合适的声音就现场合成：转场、冲击、UI 提示音、氛围铺底、短旋律。
人声、BGM、音效的电平、EQ、动态和响度，用 FFmpeg 一次调好。
市面上的「AI 做视频」大多是图片加字幕加转场。这套工作台教给 AI 的是一套画面语言——摘几条：
任何时刻，最大、最亮、最靠中间的，就是口播正在讲的那样东西。其余的变暗退后。
说到一样东西它就在画面上，说到一个动作它就在发生，和那个字相差不超过 0.2 秒。
讲过的东西退到远处，下一拍从上一拍留下的东西里长出来。断开只留给论证真正转弯的地方。
关系、方向、数量、误差变成线、场、刻度、光点，并且当着观众的面长出来。
论文、界面、原片、真实数据以实物的样子出现在空间里，只标出相关的那一处。
屏幕上的字只当铭牌、数值、名字和公式。问题、转折、情绪不上字。
《思考强度开到最高，AI 就会更聪明吗？》——3 分 37 秒，从文案、配音、字幕到每一帧动画和封面，都是在这个工作台里做出来的。
目录约定、字幕流程、文件格式、发布规范，以及全部技能的规则、脚本和参考文档。
可直接起新工程的骨架，像素形象、聊天界面、截图卡片、视频容器等现成组件。
多种 TTS 引擎脚本、逐行配音与质检流程、转录、字幕校对、音效搜寻与程序化合成。
素材链接与定稿脚本、跨期素材库结构；分镜规划和素材清单的固定格式。
工作台打包出售中。想了解价格、看更多成片，或者问它能不能做你那个领域的内容，直接私信。