WoW
项目介绍
一个跑在浏览器里的 AI 影视创作台：左边跟 Agent 对话，右边是文件工作区。剧本、分镜表、视频生成提示词、人物小传都是可以直接改的 Markdown 文稿，参考图和片段在媒体库里，最后在浏览器里合成成片，再一键进达芬奇。
它解决什么问题
现在用 AI 做视频，难的不是生成单张图或单段视频，而是让几十次生成保持同一个世界：同一个人物在第 3 段和第 7 段还是同一张脸，同一个场景的光还从同一个方向打进来，两段分别生成的视频在剪辑点上接得住戏，广告里说好的卖点真的落在了某一段画面里。
这些事靠「记得提醒模型」是守不住的，WoW 把它们变成流程里的硬规则：每条创作都有一本台账，记着走到第几阶段、哪些信息已经确认、有哪些实体与片段；人物外形写成一句冻结描述，之后每一段提示词逐字照抄；两段视频的交接写成同一句画面状态，校验器逐字比对，不一致就拦下来；广告的卖点进账本，每个卖点必须写明落在哪一段，只靠字幕说出来不算数。
八个阶段，一条线走到底
选一个类型（广告 / 故事片 / 短片·短视频 / MV），之后的路线是固定的：需求澄清 → 对象建模 → 脚本 → 素材检查 → 分镜 → 片段方案 → 生成成片 → 交付。每一步该干什么由程序决定，模型只负责把内容填进去；打开「一键模式」它会自己往下走，只在脚本、参考图、片段方案、成片四个检查点停下来等你点头。
先问清楚再动手：需求澄清和建模阶段是本地题库出的问卷，一次一题，不想一道道选就点「全部用推荐值」，回答过的问题不会换个说法再问。动手之前先给计划：Agent 先列出要写哪份文稿、生成哪张图，你点「确认执行」才真的动手；删除类操作单独标出，删掉的东西进回收站留 7 天。
文稿、自审与参考图
所有产物都是文稿：剧本按场写，对白独占一行；分镜表是十列的固定表格；片段提示词一段一份。写入时右侧工作区逐行显示变化，写完可以直接改，改完的内容就是下一步的输入。
剧本类文稿写完会用写作模型按自查清单审读，给出问题和具体改法；改还是不改由你点，它不会自己改稿。
参考图有模板，不靠模型自觉：人物套「七视图设定图」，场景套「空场建立镜头」，道具套「单体棚拍」；生成完再让视觉模型按对应类型的门禁逐条验收。
在浏览器里出成片
片段按顺序拼接，字幕烧进画面，配乐与旁白离线混音，输出 MP4。装上本地助手就能一键把时间线导进达芬奇，视频轨、音频轨、SRT 字幕都铺好；没装就导出一个文件夹，里面有片段、FCPXML 和 EDL。
合成用 WebCodecs + mp4-muxer，退路是 MediaRecorder。宣传片片尾那一段是用它生成的真实片段（BytePlus Seedance 2.5）。
没有后端
前端是 Vite + React 19 + TypeScript，状态用 zustand。文稿和对话存 localStorage，图片视频的 blob 存 IndexedDB，按创作隔离，素材不经过我的服务器。唯一的服务端是一个 Cloudflare Worker 网关，只做一件事：拿着真正的 API key 去调模型，页面上只有访问口令。
代价也写在这儿：换浏览器或清缓存数据就没了，多端同步还没做。
模型按用途分
文本侧按用途分四条链路，温度也不一样：规划（低温度、要稳）、写作（高温度、要有想法）、编译（分镜与片段提示词这类结构化活儿，强模型低温度）、看图。每条链路都是候选链，只有在模型不可用时才换下一家，生成本身失败不会偷偷换模型。文本用 DeepSeek 与 Kimi，看图用 Kimi K3。
图像与视频走 fal 与方舟 / BytePlus 两家：图片 Seedream 5.0 起，视频 Seedance 2.5 起，可灵兜底；声音用 fal 上的 MiniMax 设计音色样本再合成旁白。用户只选用哪个模型，单段多长、长镜头优先还是分镜接续，由程序按这个模型的能力自动决定。
几个设计取舍
导演是纯函数：下一步做什么不问模型，由 nextStep() 根据台账、纲领和工作区里有没有那份文稿算出来，流程不会跳步，也不会卡在某一步来回打转。
模型写坏 JSON 也不让这一轮白跑：严格解析失败后先本地宽松修复，再按括号配平扫出每个完整的操作，最后才重问模型。
画风不是建议，是改写：写实真人时直接改写提示词开头，并把 character sheet、3D render 这类会把人物拉成卡通的词换成 photograph。
剪映不接受外部写入的草稿，所以成片改走达芬奇：FCPXML 里的媒体引用用绝对 file:// URL，音轨用脚本接口单独铺；本地助手只用 Python 标准库。
试用说明
页面打开就能看界面，但要让 Agent 真的干活，需要在设置里填一个模型网关口令（自己的 API key 或自建网关都行）。所有数据只留在你当前这台机器的浏览器里。
