Agent 与工作流
DeepSeek Harness、工具编排、状态建模、Function Calling、MCP、RAG、ReAct、ComfyUI 工作流搭建与接入
About / Li Zhicheng
我的路径不是从设计或影视出发。先学物联网和嵌入式,再自学 Agent,随后进入 AIGC 制作。 真实项目带来的限制,最终把我推向工具开发。
01 / Story
大学阶段,我学习 C 语言、嵌入式、单片机与物联网工程。毕业求职时,我开始自学 Agent, 因为我相信把模型、工具和任务连接起来,会比单独调用某一个模型更有空间。
真正进入 AIGC,是从复刻电商爆款视频开始的。我跟着公开教程做提示词和流程,完成了第一条视频, 但很快发现问题:内容太短,生产链路也不完整。于是我继续做了一集 AI 漫剧,从剧本、人物提示词、 视频提示词到视频生成与剪辑,完整走了一遍。
后来进入短剧公司后,公司主要提供的是手动流程。我在制作中参与搭建了部分简单工作流, 也因此更清楚地看到整条制作链仍有大量重复步骤可以交给 Agent 组织。
离职后,我用约 25 天把短剧 Agent 插件做成可运行版本,并把通用模式、可替换工作流和用户干预加入其中。 当前它是一个自发原型,没有外部用户;接下来更重要的是测试、真实使用与连续性校验。
02 / Timeline
03 / Skills
DeepSeek Harness、工具编排、状态建模、Function Calling、MCP、RAG、ReAct、ComfyUI 工作流搭建与接入
LoRA 数据整理与打标、AI Toolkit、Krea2、Qwen Image 2.1、MiniMax H3、VOSR2
竖屏短剧流程、提示词工程、分镜与镜头语言、角色与场景一致性、粗剪和精剪
Python、C 语言、嵌入式、Git、FFmpeg、SQLite、机器人上位机与 Socket TCP/Modbus
04 / Principles
没有结果、运行记录或交付物的能力,不写进作品集。
资产、提示词和镜头需要可编辑;错误要能被发现,而不是被自动化掩盖。
一次生成出好结果不等于可生产。可重复、可恢复、可交付才算完成。