CodeX 零基础实战全景指南：从安装到图文视频自动化，再到 Obsidian 知识库联动

本文由 莫潇羽@无忆研习社（www.wuyi.wiki） 撰写，转载请注明出处。

快速摘要

如果你只想要一个"结论版"答案，请先看这段加粗：CodeX 类 AI 编程助手已经从"聊天问答"进化到"给它一句话、它自己把活干完"的智能体阶段，普通人零编程基础也能上手；国内合规的用法核心就三步——用国内中转版客户端安装本体、接入 DeepSeek 之类的国产大模型 API、通过 Skills 技能包把 PPT / 图片 / 视频 / 知识库串成一条工作流。整篇文章会围绕软件安装配置、PPT 与图文自动化、历史人物短视频全自动生产、电商图改造、Obsidian 个人知识库联动、短视频文案到数字人视频这几条主线展开，配合流程图、伪代码与对照表。文中涉及的模型价格、平台规则会经常变动，最新价格与政策以对应官方页面为准；提及境外 AI 服务时请遵守国内网络与内容管理相关规定。想看完整拆解，往下翻。

一、把 AI 从"嘴把式"升级成"能干活的员工"

我做自媒体这些年，最深的一个感受是：AI 工具每隔一年半载就会换一茬，但每次换的其实不是工具本身，而是工具能替你做多少事。这也是我（莫潇羽）想先把这一节讲清楚的原因——搞明白 CodeX 类工具在整条 AI 演化线上的位置，你后面学任何一个新工具都不会慌。

1.1 从 1.0 到 3.0，AI 到底在进化什么

不用去背什么"三次工业革命"这类大词，我用最直白的方式给你梳理：

1.0 时代的 AI 更像一个博学的军师，你问它一句话它答一段话，但它进不了战场；2.0 时代它会写代码了，可你还得懂点技术才能收尾；到 AI 3.0，它更像一个能领任务的员工——你说"帮我做一个能自动整理桌面文件的小工具"，它真的会把这个小工具做出来放到你的电脑上。

1.2 CodeX 和市面上另几款工具的比较

自媒体圈里最近讨论度比较高的是三款：CodeX、OpenAI Codex 原版命令行工具、Claude Code。它们看似都是"AI 编程助手"，但目标人群其实差很多。我（莫潇羽@无忆研习社）把体感差异画成一张对照图：

graph LR
    A[普通用户想上手AI智能体]
    A --> B{看重什么?}
    B -->|界面友好、开箱即用| C[CodeX 类桌面客户端]
    B -->|极致灵活、写命令行| D[原版命令行工具]
    B -->|重度编程、专业项目| E[面向程序员的编程助手]
    C --> F[适合零基础]
    D --> G[适合技术极客]
    E --> H[适合程序员]

原版命令行工具走的是纯 CLI 路线，安装依赖包、配环境的活儿会劝退不少零基础用户；面向程序员的高阶编程助手在大型工程上非常强，但界面上没有对话窗口、鼠标点击流程，普通人上手成本高。桌面客户端形态的 CodeX 类工具则把界面做成了"聊天窗 + 项目栏 + 权限面板"，学习曲线基本被拉平了。

1.3 为什么这一波值得普通人认真学

CodeX 类工具能火，本质是被市场逼出来的。传统对话式 AI 的付费转化率一直不高，而做企业级智能体的路子先跑通了商业模型；作为回应，头部厂商纷纷推出"面向人人的智能体客户端"，要么价格更亲民、要么界面更简单、要么把国内合规做得更好——CodeX 这波几乎把这三件事一起做了。

对普通人来说，值得学的理由其实很朴素：

• 会打字就能用，不用背语法；
• 项目、日志、结果都能落地到本地文件夹，出问题好排查；
• 能装 Skills 技能包，PPT、图片、视频、知识库都能挂上去；
• 国内中转版本对国产大模型友好，不用折腾复杂网络环境。

学会它，不是为了变成"AI 专家"，而是让自己成为身边第一个会用 AI 智能体替自己干活的人。这句话我在直播里反复讲，也是我（莫潇羽）自己走过来最真实的体会。

二、CodeX 安装配置与国产大模型接入

进入正题。这一节我会把安装、模型接入、界面汉化这三件最容易翻车的事讲透。所有步骤我都用 Windows 系统截图讲解，Mac 系统流程基本一致，只在需要区别的地方做补充。

2.1 装之前先确认一件事：走哪条路径

CodeX 类客户端目前主要有两条安装路径：

• 路径 A：国内中转版客户端 + 国产大模型 API。安装快、无需复杂网络环境、对国内账户友好，是我强烈推荐给零基础同学的路径。
• 路径 B：原厂海外版本客户端 + 海外模型账号。功能更完整，但需要海外账号、海外号码验证等一整套流程；这条路径涉及境外服务，使用时必须遵守国内网络与内容管理相关规定，本文只做原理层面的科普，不做操作引导。

本文的操作演示全部围绕路径 A 展开。你只要有一台 Windows 10 或 11 系统的电脑、能上国内主流大模型平台的浏览器、以及一个可以微信支付/支付宝充值的账户，就够了。

2.2 分步安装：从下载到能对话

Step 1：准备安装包。到客户端官方发布页下载 Windows 版安装包（x64），如果是 Mac 系统，就按自己的芯片（Intel / M 系列）下载对应版本。这里有个小坑：下载完先看一眼数字签名和版本号是否与官方一致，来路不明的破解版不要装，账号密钥全在里面，容易出安全问题。

Step 2：双击安装本体。默认安装到 C 盘就行；如果 C 盘紧张，可以改到 D 盘，但路径里尽量不要出现中文和空格，避免后面调用命令时报错。安装向导一路"下一步"到底。

Step 3：安装管理工具。有些国内中转版会附带一个"管理工具/中转控制台"程序（例如 codex++ 管理工具），把它一并装上，后面接入 API、切换模型都靠它。

Step 4：申请 DeepSeek API Key。打开 DeepSeek 开放平台，用手机号注册后完成实名认证（这一步是国内合规要求，绕不过去），然后在"充值"里先充一笔小额，例如 10 元。接下来到"API Keys"页面点"创建 API Key"，命名随意，创建完立刻复制保存——这个 Key 一旦泄露给别人，账单会算到你头上，千万不要外传，也不要上传到任何公共代码仓库。

Step 5：把 API Key 填到管理工具里。打开管理工具，找到"归因设置 / 供应商 → 添加供应商 → 预设模板创建"，选择 DeepSeek，把上一步复制的 Key 粘贴到对应字段，其他参数保持默认，点保存。此时供应商状态会变成绿色可用。

Step 6：验证联通。打开 CodeX 主界面，新建一个对话，输入"你好"发出去，收到回复就说明整条链路已经跑通了。

整条流程的伪代码可以这样表达：

下载客户端安装包
    ↓
安装本体（避免中文路径）
    ↓
安装管理工具/中转控制台
    ↓
DeepSeek 平台完成实名 + 充值 + 创建 API Key
    ↓
管理工具里新增供应商，粘贴 API Key
    ↓
主界面对话验证 → 收到回复即安装成功

2.3 界面英文怎么办：两种合规汉化思路

第一次启动经常会发现界面是英文的。原因是首次启动没走官方渠道下载语言包，本地缺文件。有两种解法：

• 思路一：等官方修复。CodeX 类客户端的更新迭代很快，很多版本会自动修复这个问题，升级到最新版本再试。
• 思路二：手动加载汉化包。到中转版官方发布页找到官方提供的语言资源包（Windows 版 zip / Mac 版 dmg），解压后按提示双击运行汉化脚本，等待 30 秒到 1 分钟出现"汉化成功"提示，重启客户端即可。这里再强调一次：汉化包只用官方发布页的，第三方论坛"魔改版"很多带钩子，不建议使用。

如果两种思路都没生效，可以先在客户端设置里把 UI 语言手动切换为"简体中文"，重启一次；再不行就走客户端自带的反馈通道提工单，别去尝试来路不明的破解方案。

2.4 三种模型如何选：性价比、速度、能力的取舍

接入 DeepSeek 之后，你会在模型下拉里看到多种可选。这里给一个莫潇羽@无忆研习社日常使用的选择建议表：

模型价格与调用限额会随平台策略动态调整，上面只写了倾向，不写具体单价，请以 DeepSeek 官方定价页的实时数据为准。

2.5 装完之后马上要做的三件事

装好客户端只是第一步，我建议装完立刻做三件事，能少踩很多坑：

• 给项目建独立文件夹。以后每一个具体任务（做一份 PPT、剪一条视频、改一批图片）都放到独立的项目文件夹里，避免混在一起。
• 打开自动备份。CodeX 类客户端一般会把对话日志和工作产物落到本地文件夹，建议定期把这个文件夹同步到网盘或者外部硬盘。
• 先跑一遍最小任务。比如让它帮你在电脑上新建一个 txt 文件、写一段"Hello, 莫潇羽"进去，跑通"下命令 → 执行 → 输出结果"这条最短闭环，你就理解了它的工作方式，后面接复杂任务会顺很多。

到这里，CodeX 已经能跑起来了。接下来一章，我们进入驾驶舱——把界面上每一颗按钮、每一个权限、每一个沙盒模式讲清楚，让你不再"看着它就发怵"。

三、CodeX 的工作界面与沙盒权限设计

界面看似复杂，本质上就是四块：菜单栏、导航栏、对话区、结果区。搞清楚这四块和背后的"沙盒权限"，你才敢放心让它替你干活。

3.1 左侧导航栏：项目、对话、插件

左侧导航栏从上到下大致分几组：

• 新建对话与新建项目。新建对话是"临时窗口"，聊完就散；新建项目是"独立工作区"，会把这个项目里所有对话、脚本、产物都归档到一个本地文件夹里。
• 项目列表。你所有做过的项目会按名字排下来，做 PPT 的、剪视频的、写文案的，各自独立不打架。
• 插件市场入口。CodeX 类客户端把"能力扩展"做成了插件形态，后面 PPT / 视频 / 知识库联动都要靠这里。

给项目取名有个反复被踩的坑：用拼音或英文，不要用中文。原因是很多客户端底层是海外基座，中文文件夹名偶尔会出现编码乱码。我（莫潇羽）自己养成的习惯是"简短拼音 + 用途"，比如 ppt-quarterly-report、video-history-figures。

3.2 顶部菜单栏：常用就四组

顶部菜单栏一共四组：文件、编辑、视图、帮助。用得最多的其实只有两个入口——文件里的"新建窗口"和帮助里的"快捷键说明书"。前者让你能同时开几个 CodeX 窗口并行处理任务，后者是你遇到疑难杂症时最靠谱的自查手册。其它选项属于"用到再点"，不用刻意记。

3.3 沙盒权限：这是新手最容易忽略的安全阀

这是我想重点讲的一节。沙盒（sandbox）就是给 AI 划了一块隔离的工作区，AI 所有的读写操作都在这块区域里完成，避免它一不小心把你桌面文件误删或篡改。CodeX 类客户端一般提供三档沙盒模式：

零基础同学的建议路径是：先用只读模式熟悉一周，再切到工作区写入模式作为日常主力；完全访问模式只在做过完整备份、明确知道自己在让 AI 干什么的前提下再打开。莫潇羽@无忆研习社强烈建议你把这段话截图存下来——权限踩坑损失的经常不是钱，而是没备份的重要文件。

3.4 对话权限的三档：默认审批、自动审核、完全访问

除了沙盒本身，对话面板里还有一层"每一次工具调用是否要问用户"的权限设置。三档从紧到松是这样的：

• 默认审批：每一次 AI 要读写文件、访问网络、调用第三方，都会弹窗问你一次。安全性最高，但弹窗多，做长任务会烦。
• 自动审核：系统自己判断风险等级，低风险的自动放行，高风险的才弹窗确认。日常智能创作的甜蜜点。
• 完全访问：一次授权，全程不再弹窗。适合已经跑通流程、想让 AI 把整个工作流"一气呵成"跑完的场景。

我自己（莫潇羽）在做视频、做 PPT 这种可预期的任务时会开完全访问；碰到第一次跑的新工作流、或者涉及本地大量文件的批处理，我一定会先切回默认审批，看它每一步在干嘛。

3.5 项目对话的一个小心机

项目对话最好用的一点是：它会把上下文和历史记忆保留在这个项目里。比如你在"PPT 项目"里聊了半天，让 AI 记住了你想要的排版风格、字号偏好、色调偏好，下次再回到这个项目继续对话，它还记得。而临时对话就没有这层记忆，聊完关掉就散。

所以有一个反复用得上的习惯：只要是长期要用的场景，都新建成项目——做视频的一个项目、做 PPT 的一个项目、做知识库整理的一个项目。这样莫潇羽的 CodeX 工作台就永远整洁，找什么都在自己该在的位置。

3.6 侧边小组件：文件浏览器、终端、日志

对话区右侧一般还有几个小组件：文件浏览器能直接看到当前项目文件夹里生成了什么；终端用于查看 AI 执行命令的原始输出；日志记录了每一步 API 调用的耗时和 token 消耗。做长任务时把这几个面板都打开，你就能实时看到 AI 在干什么、卡在哪里，出了问题定位速度会快很多。

四、Skills 技能包 + PPT 制作一条龙

这一章是很多职场同学最关心的：如何用 CodeX + 一个技能包，把一份带排版的 PPT 从零做出来。

4.1 写 PPT 之前的四遍法

再厉害的 AI 也救不了一份"写着写着就崩逻辑"的 PPT。我（莫潇羽@无忆研习社）自己摸索出来一套"四遍法"，你写任何一份 PPT 前都先按这个走一遍：

• 第一遍：定骨架。把整份 PPT 划成几个大模块，每个模块的核心主题一句话说清楚。
• 第二遍：拆单页主题。每一页 PPT 的标题写出来，跟所属模块的核心主题对一遍，逻辑不通就当场调。
• 第三遍：细化要点。每一页写下 3 到 5 个要点，再反向检查这些要点是不是紧扣该页主题。
• 第四遍：填素材。到这一步再去找配图、找数据、找案例，避免"先做图再改逻辑"的返工地狱。

绝大多数人卡在只做了第一遍就动手，写着写着逻辑崩了整份返工，这就是根本原因。

4.2 一份能看的 PPT 该守的五条底线

PPT 好不好看跟"花里胡哨的动效"关系不大，跟下面这五条关系很大：

• 字号克制：正文 18 号起步，一级标题 24 号，二级标题 20 到 24 号。屏幕最小字号建议不小于 16 号。
• 配图清晰：宁可少放图，也不放糊图。糊图会瞬间拉低整份 PPT 的观感。
• 字体统一：中英文最好用同一个字体家族，颜色不超过三种主色。
• 图文平衡：没有图能表达的，就用短句加分点，不要堆整段文字。
• 一页一意：与其在一页里塞五个观点，不如拆成五页，每页只讲一件事。

守住这五条，配上后面要讲的 Skills 技能包，一份合格 PPT 半小时内出稿是常态。

4.3 什么是 Skills 技能包

Skills 技能包，本质上是别人预写好的"操作说明书 + 提示词 + 模板"打包，让 CodeX 拿到之后就知道"做 PPT 应该分几步、每一步用什么样式、最后导出成什么格式"。

技能包通常从两条渠道来：

• 开源社区（例如 GitHub 上的 SkillsMarket 类仓库），大部分免费，也有一些质量很高的付费包。
• 国内二次分发平台（例如网盘、闲鱼等），几块钱到几十块钱不等。

拿到技能包的地址（或者本地 zip 文件）之后，安装流程可以浓缩成下面这段伪代码：

打开 CodeX → 新建项目 "ppt-demo"
    ↓
在插件市场安装 GitHub / 本地文件加载插件
    ↓
把技能包的 GitHub 地址 / 本地路径粘贴到对话框
    ↓
"请把上面这个技能安装到 ppt-demo 项目里"
    ↓
CodeX 自动下载 + 解压 + 注册
    ↓
重启客户端，技能出现在 /skills 列表里

4.4 从大纲到成品：手把手一遍

装好技能之后，做 PPT 的流程可以短到令人发指：

Step 1：把大纲丢给 CodeX。你从 Obsidian（后面章节会讲）或者任何笔记工具复制一份大纲进来，格式清清爽爽的 Markdown 就行。

Step 2：让它选风格。技能包一般会内置十几种风格（轻盈风、瑞士风、玻璃拟态风、暗黑风等），让 CodeX 根据你的主题推荐两三种，你二选一。

Step 3：等它跑完。CodeX 会在项目文件夹里生成一份可预览的 HTML 版本 PPT，你在浏览器里就能预览。

Step 4：可编辑导出。好的技能包会同时提供"可编辑 PPT"导出选项——不是那种糊死的图片版 PPT，而是每一页字体、颜色、位置都能改的真 PPTX 文件，直接扔进 WPS 或 PowerPoint 里做最后微调。

不满意某一页怎么办？直接跟 CodeX 说"第三页换成暗黑风、把标题字号加大"，它当场重跑那一页。这就是智能体客户端跟传统"生成一次就完事"的 AI 工具的核心区别。

4.5 免费的替代方案：豆包 PPT / 类似工具

如果你只是偶尔做一份 PPT，不想为技能包付费，国内有几个免费的替代路径值得知道：

• 豆包 PPT 生成：直接把大纲贴过去，让它自动匹配风格。目前免费额度对个人使用足够。
• 国内其它开源 PPT 智能体：例如基于 OpenBP 或类似框架的开源方案，可以本地部署。

这些工具的 PPT 排版偏中规中矩，胜在免费 + 稳定。莫潇羽@无忆研习社的建议是：日常汇报用免费方案；对外提案、客户交付这类"需要美感"的场合，再上付费技能包。

到这里，"把资料写成 PPT"这条闭环就跑通了。下一章我们要挑战更大的：给 CodeX 一个名字（比如"李白"），让它自己写剧本、生成图片、生成视频、剪辑并导入到剪映草稿箱。这套流程一旦跑通，你手里就有了一台"个人视频工厂"。

五、历史人物短视频自动化全流程

这一章是整篇文章的"高潮章节"。目标很明确：给 CodeX 一个历史人物的名字，让它自己完成"写剧本 → 生图 → 生视频 → 剪辑成片"的全流程，最后把成品草稿送进剪映。整条流水线跑通之后，你产一条 30 秒左右的历史人物短视频，从下命令到看到成片，控制在 8 到 10 分钟内。

5.1 整体架构：先画一张流程图

在动手之前，先看清楚整条链路是怎么串起来的：

flowchart TD
    A[输入: 历史人物名字, 例如 李白] --> B[CodeX 调用 Skills 技能]
    B --> C[生成 8 段生平剧本 + 8 段画面描述]
    C --> D[调用图片生成 API<br/>豆包 Seedream 一类国产模型]
    D --> E[并行生成 8 张竖屏图片]
    E --> F[调用视频生成 API<br/>豆包 Seedance 或同类模型]
    F --> G[并行生成 7 段前后帧过渡视频]
    G --> H[调用剪映小助手 HTTP 接口]
    H --> I[自动创建剪映草稿]
    I --> J[打开剪映, 微调音乐字幕, 导出]

关键点在于并行。剧本是串行的（要先出剧本才能出画面），但图片、视频这些"每一段之间没有依赖"的环节，一定要让 CodeX 并行调用 API，否则一条 8 段的视频会做半小时。

5.2 第一步：写剧本 Skills 技能

先把"根据一个历史人物名字生成剧本"这件事封装成一个 Skills 技能。这个技能其实就是一份 Markdown 格式的说明书，告诉 CodeX：

• 输入是什么（比如 历史人物名字：李白）；
• 输出的结构是什么（标题、8 段身世经历、8 段画面描述、覆盖生命线从少年到晚年、图片提示词要写清人物气质与朝代服饰）；
• 有哪些"不能做"（不允许虚构与主题无关的内容、不允许出现现代元素、涉及历史人物需尊重史实）。

技能包文件的骨架大致长这样：

---
name: history-figure-script
description: 输入历史人物名字，输出剧本 + 画面提示词
---

## 工作流
1. 根据输入的名字，写标题
2. 分 8 段生平经历，从零岁到晚年
3. 每段配一条画面提示词（人物气质、朝代服饰、场景光线）
4. 输出为 JSON，写入 ./scripts/{名字}.md

## 输出规则
- 不允许虚构与主题无关内容
- 图片提示词要写清朝代与服饰
- 竖屏比例 9:16

把这段 Markdown 保存成 history-figure-script.md，作为一个技能包安装到 CodeX。以后你只需要说"帮我用这个技能，为李白写一份剧本"，几秒钟就能拿到结构化的 JSON 剧本。

5.3 第二步：接入图片生成 API

写完剧本，接下来要把每段画面描述变成实际的图片。这里用国产的图像生成 API（例如火山方舟平台下的豆包 Seedream 系列）。接入步骤是标准三件套：

1. 到平台控制台开通"图像生成"模型，完成实名认证；
2. 创建一个 API Key，命名清晰（例如 history-video-image）；
3. 到平台文档页面找到官方给出的接口调用示例代码，把这段代码整段复制。

拿到示例代码之后，你不需要自己写实现，直接把代码贴给 CodeX：

我需要用这个 API 帮我生成李白剧本里第一张图，比例 9:16，无声视频用的静帧，提示词按照 utf-8 编码传给接口。以下是官方接口文档：[粘贴文档 Markdown]，以下是我的 API Key：[粘贴 Key]。请先做单张测试，成功后再并行生成剩余 7 张。

关键细节有几个：

• 一定要用 UTF-8 编码传中文提示词，否则大概率会报编码错。
• 图片比例根据成片选定：短视频竖屏用 9:16，横屏视频用 16:9，公众号封面用 3:4。
• 并行调用：单张测试成功之后，让 CodeX 一次发出剩余的 7 个请求，速度是串行的近 7 倍。
• API Key 不要泄露：这套流程跑完，如果只是自己用，删掉 Key 重新申请也可以，避免日后误传给别人。

5.4 第三步：接入视频生成 API

视频生成的思路和图片类似，只不过接的是"图生视频"接口（例如豆包 Seedance 系列）。为了让最后成片流畅，推荐采用前后帧模式——不是"每张图单独生成一段视频"，而是"第 1 张图作为首帧、第 2 张图作为尾帧生成一段过渡视频，第 2 张图作为首帧、第 3 张图作为尾帧生成另一段"，以此类推。

用一张对比表说清楚差别：

给 CodeX 的提示词模板可以固定成这样：

请用视频生成 API，参考以下接口文档 [粘贴文档]，用前后帧模式，把项目文件夹里的 8 张图片生成 7 段过渡视频。每段时长 5 秒，无声（音效我们后期加），清晰度 480p 即可（测试阶段控制成本，请以官方定价页面的实时数据为准，实际调用产生的费用变动很快，上文均为示意）。生成的视频请直接输出为 mp4 格式并保存到 ./videos/ 目录。

无声视频这个选择很关键——视频生成 API 的原生音效经常不理想（马蹄声不像马蹄声、水声不像水声），后期用音乐盖住比让 AI 硬配靠谱得多。

5.5 第四步：剪辑联动的关键——剪映小助手

到目前为止，我们有了剧本、图片、视频。最后一步是把它们送进剪映去做真正的成片剪辑。剪映本身没有开放官方 API，所以业内的通用做法是走一个开源中间件——剪映小助手（GitHub 上有多个开源实现），它启动后会在本地暴露一个 HTTP 服务，负责接收结构化数据、把它组装成剪映的 draft_content.json 格式，直接写到剪映的草稿目录里。

架构大致是这样：

flowchart LR
    A[CodeX] -->|HTTP + JSON| B[剪映小助手]
    B -->|写入草稿文件| C[剪映本地草稿目录]
    C --> D[打开剪映, 草稿箱里出现新草稿]

安装剪映小助手时有两个必须踩准的坑：

• 草稿目录地址必须和剪映的完全一致，一个字符都不能差。剪映里点齿轮 → 全局设置 → 草稿位置能看到当前草稿路径，复制这个路径到剪映小助手的配置中心。
• 路径里不要有中文。这个原因和 CodeX 项目名一样，避免编码问题。

跑通之后的调用范式非常清爽，让 CodeX 参考剪映小助手的 API 文档，一句话下达任务：

请参考剪映小助手的 API 文档 [粘贴文档]，把 ./videos/ 里的 7 段视频按顺序拼接，加上标题"李白跌宕的一生"、每段视频对应的字幕（来自 scripts/李白.md 里的生平经历字段）、以及一段 35 秒的背景音乐（音频地址：[粘贴一个云端音频链接]）。标题字体用江湖体，字号 60，位置屏幕上方；字幕字体用思源黑体，字号 42，位置屏幕下方。生成完毕后返回草稿链接。

CodeX 会调用剪映小助手把这些参数组装好，你打开剪映的"本地草稿"就能看到一份完整的成品草稿。

5.6 第五步：把整条流水线封装成一个技能

上面这几步跑通一次之后，你会发现这套流程是完全可复用的——今天给它"李白"，明天给它"王阳明"、后天给它"李清照"，流程一模一样。所以最后一步就是把上面这一整套流程封装成一个新的技能包，比如叫 history-video-pipeline。

封装之后的调用方式简单到不可思议：

你：/history-video-pipeline 朱元璋
CodeX：好的，正在生成剧本... 生成图片... 生成视频... 组装草稿...
（8 分钟后）
CodeX：完成。草稿已保存到剪映本地草稿箱，草稿名为"朱元璋跌宕的一生"。

你打开剪映，微调一下背景音乐、检查一下字幕，导出，就是一条可以直接投放的成片。这套流程我（莫潇羽@无忆研习社）在自己账号上跑了一段时间，选题、批量、迭代的效率是原来手动生产的十倍以上。

5.7 合规提醒：AI 生成内容的标注

这一节最后要认真讲一件事。国内自媒体平台（例如抖音、快手、视频号、小红书）已经明确要求：AI 深度合成的音视频内容必须在发布时勾选"AI 生成内容"标注、并在画面显著位置说明。用上面这套流水线做出来的历史人物视频，画面、语音、字幕全是 AI 生成的，属于典型的深度合成内容，发布时一定要如实标注，切勿伪装成真人拍摄。

另外，涉及真人（包括已故名人）的 AI 声音克隆、AI 人像视频，需要注意肖像权、声音权相关的法律边界；使用背景音乐、字体等素材时，商用场景请确认是否需要正版授权。合规是自媒体这条路走得远的前提，别为了短期的流量把号做废。

六、电商图片改造工作流：把家里随手拍的产品变成详情图

上一章讲的是"从零生成"，这一章讲的是"基于素材改造"。目标是：手里有一张随手拍的产品照片（比如家里的一台电风扇），想把它塞进一张精美的电商详情图里、旁边配一个模特——用 CodeX + 两套 API 做完。

6.1 为什么要用两套 API

先讲清楚为什么这一章需要两套 API，而不是一套。

• API 1：图片理解。DeepSeek 目前主力还是单模态推理模型，看不到图片。所以我们要用一个多模态视觉理解模型（例如豆包 vision 一类的国产多模态 API）先把用户上传的产品图"读懂"——识别它是什么、颜色、造型、材质，转成一段文字描述。
• API 2：图片生成。识别出来的文字描述交给一个擅长中文理解的图像生成模型（例如 GPT Image 类模型，通过合规的国内 API 中转平台调用）去生成新的图片。

用两套 API 的核心原因是"专业的事交给专业的模型做"。让一个只会画画的模型去理解图片，容易画错；让一个只会理解的模型去画图，画不出来。

用一张示意图说明分工：

flowchart LR
    A[用户产品照片] --> B[多模态视觉 API<br/>识别产品特征]
    B --> C[文字描述: 白色塔扇, 三档风速...]
    D[参考图: 电商详情页风格] --> E[多模态视觉 API<br/>识别参考图风格]
    E --> F[文字描述: 冷色调背景, 侧后 45 度光...]
    C --> G[图像生成 API]
    F --> G
    G --> H[新的电商详情图]

6.2 视觉理解