王林曦

特效资产自动化生成 Agent项目 owner

背景：特效资产依赖美术逐个制作，产能受工时限制，难以匹配热点梗的时效要求。

效果：单体资产由人工制作转为自动产出，动效工程文件与标准玩法模板支撑特效玩法批量化生产；获评 2025 Q3 特效技术中心优秀实习生。

我的职责：项目 owner，横评图像编辑 / 套图分割 / 文生图三条路线后定型文生图，以 ComfyUI 编排为自动化产线，链路四段如下

• 话题解析：具象 / 抽象分流，抽象梗不直译；正反例写入 prompt，约束模型落到可绘制实体。
• 元素扩展：主体按角色 / 动物 / 物体、节日 / 节气、文化 / 风格三类走不同策略，单主体扩 6–15 个元素。
• 提示词生成：固定首尾句式、九色位配色表、十六进制色号、占画面高度百分比；禁用无形状词汇。
• 模型适配：按特效场景分组设计 Prompt 模板并跟进 LoRA 训练，提升单体资产生成通过率。

github.com/posia-12138/AI-Film-Multi-Agent-Editing独立开发

背景：AI 生成的素材是片段化、多版本、空间关系不稳定的镜头集合，直接拼接形不成叙事；剪辑判断主观，模型对自身输出一律给出通过判定。

目标：把剪辑经验拆成可追溯、可审核、可回流的流程，交付可继续编辑的剪映工程。

效果：累计跑通 150+ 集，产出交付外部团队用于实际内容项目；协作方法沉淀为五个可复用 Skill 与一套质量门禁。

我的职责：独立开发，从 0 到 1 设计并落地以下架构与链路（素材事实 → 导演意图 → 剪辑计划 → 工程落地）

• 总控调度：管理阶段、分发任务、传递中间产物、触发审核与回流，不代替导演或剪辑做判断。
• 导演 / 剪辑分层：导演出叙事节拍、视点与信息保护项，剪辑出主轨素材、区间、顺序、速度与核心接点；上下文按岗位裁剪，导演读叙事摘要（不含帧级时间戳），剪辑读镜头事件时间戳索引。
• 剪辑模块：主时间线、空间连续、节奏、音画关系与声音设计集中于此，内部七环节顺序处理——接导演要求 → 节奏与信息密度 → 长对白插镜 → 空间连续与跳轴 → 黑场与转场 → 色彩连续 → 音乐与音效；主轨通过校验后冻结，下游只落地不改。
• 四道门控：导演审核 / 剪辑审核 / 声音复核 / 工程审核，失败带问题位置与证据退回责任层。
• 机械验证：只抓重复对白、废帧、衔接断裂、素材缺失；跳轴与景别变化交 Agent 判断；子 Agent 自评不作结论，实测硬切虚报率 62–100%。

124.126.117.32:3010/appshows核心开发

背景：平台覆盖 8 个创作板块、260+ 功能，各垂直场景对风格与一致性的要求不同，通用模型难以稳定输出。

目标：让创作者在人物、服装、产品、建筑、非遗等场景下低成本产出可直接使用的图像与视频。

我的职责：负责模型能力建设与产品化落地，覆盖训练、工作流与课程；训练过程延伸出分类研究

• 模型层：按艺术风格、艺术技巧、材质纹理、电影与摄影风格分层建立 LoRA 体系，落地为平台「风格训练」应用，风格由调提示词变为选模型。
• 产品层：编写「图像编辑」「风格迁移」等应用的 ComfyUI 工作流，把模型能力封装为面向用户的可调用功能。
• 用户层：课程框架按 AI 图像 / 建筑 / 服装 / 中国画四条平台线铺开，按认知深度分六种模式；产出 100 节线上课与 20 节直播课，合计约 1700 分钟。
• 研究延伸：由训练中的数据分类问题出发，微调多模态模型做设计类图像分类，测试集准确率 82% → 91%；基于 CLIP 构建图像美学与图文匹配度评分，数据规模 2 万张以上。方法写成论文，入选 HCII 2025。

github.com/posia-12138/trend2product独立开发

背景：AI 领域资讯更新频繁、渠道分散，现有日报多聚焦内容聚合与摘要，缺少面向产品设计的趋势筛选与机会分析。

目标：构建每日更新的 AI 趋势与产品机会简报，从跨平台资讯中识别具备产品转化价值的议题，并生成相应的产品概念与视觉方案。

效果：截至 2026.08，累计完成 180+ 次端到端自动运行；日均从 11 个平台约 250 条热搜中筛出约 120–130 条候选，经 VIMC 评估与查重后选取 Top 5 生成产品方案并推送至 n8n。

我的职责：独立完成需求分析、Linux 定时部署与端到端链路实现（热点采集 → 关键词初筛 → VIMC 评估 → 产品方案生成 → n8n 出图触发）

• 热搜初筛：基于开源 TrendRadar 完成 Linux 定时部署与二次配置，聚合 11 个热榜平台及 3 个 RSS 源；维护 4,732 个关键词和 37 个排除词，完成标题去重与候选导出。
• 四维评估：设计自定义 VIMC 评分框架，从视觉转化力 / IP 化潜力 / 市场潜力 / 合规性四维全量评估，查重后选取 Top 5。
• 方案生成：沉淀 27 套品类级提示词模板，覆盖 CMF、材质、表面处理与渲染规范，自动生成产品创意、目标用户及 AI 绘图提示词。
• 工作流衔接：使用 Python 编排评估与方案生成，将 Top 5 通过 Webhook 推送至 n8n，触发下游出图流程。