豆包深度使用指南：多端分工、结构化提示词、图像视频工作流与 AI 内容标识合规的完整拆解

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

如果你只想要结论，这段看完就够：2026 年再谈"豆包怎么用"，技巧本身已经不值钱了，值钱的是三件事——第一，把多端能力分清楚，网页端做长上下文、客户端做系统级调用、手机端做随手捕捉，模式选错比提示词写差更致命；第二，把需求写成"规格书"而不是"一句话"，结构化提示词的本质是把约束显性化，模型才有可能一次给对；第三，也是最容易被忽视的一条，自 2025 年 9 月 1 日《人工智能生成合成内容标识办法》施行以来，AI 生成的图片、视频、音频、文本都要带标识，删除、篡改、隐匿标识以及为他人提供"去标识"工具都被明令禁止，所以过去那套"教你怎么把 AI 水印抹掉"的玩法，已经从技巧问题变成了红线问题。

这篇文章我不打算写成功能列表。我按自己实际跑项目的顺序，把豆包在多端协同、提示词工程、图像版式、视频一致性、办公交付、教学辅助、文档优化、长文与播客这几条线上的做法串成一条完整生产线，中间穿插我自己踩过的坑，以及每一步对应的合规检查点。文中涉及的模型能力、价格、平台规则，都标了来源口径和时效说明。

想看完整拆解，往下翻。

一、先说清楚：现在卡住大多数人的，已经不是"会不会用"

我这两年带过不少刚上手 AI 工具的朋友，有做教培的、做电商图的、做企业内训的，也有纯粹想给自己提效的普通上班族。观察下来，卡住他们的地方高度一致，而且几乎没有一个是"不知道某个按钮在哪"。

第一种卡点，是把 AI 当搜索框用。 一句话丢过去，期待一个完整交付物出来，出来的东西不对，就下结论说"这模型不行"。实际上模型给的东西之所以泛，是因为你给的约束太少。你没说给谁看、用在哪、要多长、什么调性、什么格式，它只能按最大公约数给你一个"平均值答案"。这不是模型的问题，是需求描述的问题。

第二种卡点，是把所有事情堆在一个对话窗口里。 上午问了个法律问题，下午在同一个窗口问代码，晚上又让它写文案。大模型的上下文是以会话为单位整体读取的，历史消息越杂，它的注意力就越容易被无关内容拉偏，出现答非所问、风格串味、前后矛盾。这个问题在长对话里尤其明显，很多人以为是模型变笨了，其实是自己把语境搅浑了。

第三种卡点，也是我认为最危险的一种——只学操作，不看规则。 网上流传的很多"技巧"，写作的时候可能确实能用，但监管和平台规则是动态收紧的。2025 年 9 月 1 日之后，AI 生成内容的标识义务已经从"行业倡导"变成了"硬性约束"；到 2026 年，各大内容平台陆续把 AI 标识写进了社区规则并配套了检测与处置机制。你按老教程操作，产出可能一发就限流，严重的还要承担法律责任。技巧有保质期，规则没有。

所以这篇文章的组织方式，不是按"功能一二三四"排，而是按我自己做事的顺序排：先把工作台搭好，再把需求描述这件事解决掉，然后才是图像、视频、办公、教学这些具体产出，最后统一收到合规和生产线上。中间凡是涉及具体数字的，我都尽量说明来源是官方口径还是我自己实测，你可以自己去复核。

还有一点提前讲明白：本文里所有的做法，都是我在自己账号和自己项目上跑过的。AI 工具迭代非常快，功能入口、模型版本、计费标准随时会变，我写的是方法和判断逻辑，具体参数请以官方文档和产品内的实时说明为准。

二、把豆包当成"一套工作台"：多端分工与模型分层

很多人只用一个端，通常是手机 App，然后觉得"就这样吧"。其实三个端的定位差别很大，用错端会白白损失效率。

2.1 三个端各自适合干什么

先把结论摆出来，再逐条解释。

网页端的核心价值是"大屏 + 长上下文"。 对话框里的加号可以上传文件和图片，也可以直接把复制好的内容用快捷键粘进去。我处理几万字的资料、需要反复回看前面结论的时候，一定用网页端，因为滚动查阅和分屏对照比手机顺手太多。

客户端的核心价值是"系统级调用"。 这一点网页端完全替代不了。官方在客户端产品说明里明确列出的能力包括：全局快捷键唤起悬浮窗口，在 Word、WPS、浏览器、Excel 等任意软件里直接调出；划词后一键翻译、润色、解释、扩写；截图后直接把题目、报错弹窗、图表、软件界面发给模型识别解答；以及桌面小浮窗常驻。看不懂图表、想识别图片中的文字或物体时，可以通过截图提问功能快速截取屏幕或直接上传图片提问，模型会分析图像信息给出解答；AI 划词功能能够广泛兼容桌面应用程序，包括主流浏览器、Office 套件、WPS、文本编辑器、聊天软件等。

我自己的体感是，装了客户端之后，最大的改变不是"多了个功能"，而是复制粘贴这个动作被大量消灭了。以前看一份英文资料，要选中、复制、切窗口、粘贴、等回答、再切回来；现在划词就出结果，注意力不用来回撕扯。这个差别在连续工作两三个小时之后会非常明显。

客户端后续还整合了更重的能力。官方介绍里提到，桌面端提供多轮深度对话、联网搜索、深度研究报告、图片与视频生成、PPT、文档、表格处理；工作任务模式接入豆包 2.1 系列模型，由智能体自主拆解任务，支持操作本地电脑、使用浏览器、调用技能和定时任务，并内置办公套件。这部分能力更新很频繁，我建议你装上之后自己点一遍菜单，别指望任何一篇教程能覆盖全。

手机端的核心价值是"随时"。 新建对话后右下角的加号里，拍照、上传相册照片、上传手机文件、语音通话都在里面。我最常用的场景是：看到一张海报觉得版式不错，直接拍下来让它拆结构；或者走路的时候把一个念头用语音说完，回到电脑上再展开。

2.2 模式怎么选，比提示词更影响结果

现在豆包区分了不同的响应模式：快速回答、深度思考类模式，以及面向复杂任务的办公/工作任务模式。名称随版本迭代会变，但选择逻辑是稳定的。

选择逻辑（纯文本示意）

任务能一句话说清、答案是事实性的        →  快速模式
任务需要推理、分析、多步论证            →  深度思考 / 专家类模式
任务需要跨步骤、调工具、产出文件         →  办公 / 工作任务模式

判断标准我一般用一个很土的办法：问自己"这个问题我给一个靠谱的实习生，他要不要查资料、要不要打草稿"。要，就上深度模式；不要，快速模式反而更省时间。

有个很多人不知道的细节：深度模式不是万能药。它会把问题拆得更细、想得更久，但如果你的需求描述本身是模糊的，它只会把模糊放大——生成一堆看起来很严谨、实际上跑偏的推理。所以模式是放大器，输入质量才是本体。这条我在后面第三章会展开。

2.3 上下文管理：一事一窗，是最便宜的提效手段

前面提到过，会话内的历史消息会被整体纳入分析。所以我的规矩很简单：一个主题一个窗口，主题变了就新建。

配套的两个习惯：

• 改标题。 系统自动生成的标题经常概括得不准。我会把标题改成"客户 A 课程海报 到 第 3 版"这种能一眼认出内容的写法。
• 用搜索。 历史对话可以按关键词检索。这个功能在服务多个对象时价值极大——客户三周后回来说要改一版，我搜关键词就能找回当时的完整语境，包括当初为什么这么定的，比翻文件夹快得多。

我自己吃过一次亏：一个长会话里既讨论了课程大纲，又插了一段完全无关的家庭旅行规划，后来让它写课程介绍，它硬是把"轻松愉快的行程感"揉进了专业课程文案里，我看了半天才反应过来是上下文串了。从那以后就严格分窗口。

2.4 关于智能体：一个必须知道的产品变更

这里要专门提醒一句，因为很多老教程还在教"怎么创建自己的智能体"。

豆包在 2026 年 7 月 3 日晚发布《豆包智能体功能下线通知》，智能体功能于 2026 年 7 月 15 日下线，用户无法新建智能体，已创建保存的智能体也同步无法调用、运行。功能下线后用户仍可在一段时间内查看并自行保存智能体信息及历史对话数据，2026 年 10 月 15 日后将根据隐私政策对相关数据进行处理，官方建议通过截图或分享导出文本的方式提前备份。同期，千问也推送了智能体服务下线提醒；更早的 6 月 30 日，腾讯系元宝也下线了 AI 应用智能体功能服务。

为什么几家几乎同时动手？公开报道注意到，豆包和千问通知下线的 7 月 15 日，正是《人工智能拟人化互动服务管理暂行办法》正式施行的日期。该办法对虚拟恋人、深度角色扮演、情感依附类 AI 设立了强约束，而用户自建智能体容易出现虚拟陪伴、侵权人设、低俗内容，且难以做好未成年人分级防护。

这件事最容易被误读的地方，是把"智能体功能下线"理解成"豆包不能用了"。实际上受影响的主要是用户自建智能体、拟人化角色、角色扮演、情感陪伴等相关功能，基础问答、写作、绘图、办公辅助等通用能力并不等同于整体下线。

那原来靠智能体沉淀的"固定人设 + 固定规则"怎么办？我的替代做法是把提示词模板化，存成本地文档，用的时候整段粘贴。听起来笨，但有三个好处：不依赖任何单一平台的功能存续；换到别的工具上可以直接复用；每次粘贴前你都会重读一遍，反而更容易发现该更新的地方。莫潇羽@无忆研习社 从智能体下线这件事里得到的最大启发就是——能力要沉淀在自己的文档里，不要沉淀在别人的功能按钮上。

三、提示词不是玄学：把需求写成一份"可执行的规格书"

这一章是全文里我认为最值钱的部分。因为图像也好、视频也好、PPT 也好，上游都是同一件事——你能不能把脑子里的东西，翻译成模型能执行的约束。

3.1 一句话需求为什么总是不对

先看一个对比。

反面写法：
帮我写一篇关于 AI 的文章。

正面写法：
读者：完全没接触过 AI 工具的中小学老师
目的：让他们理解 AI 备课能省哪些重复劳动，愿意试一次
篇幅：2000 字左右
调性：口语化，少术语，术语出现时要有白话解释
结构：先讲痛点，再讲一个完整例子，最后给三条上手建议
禁止：不出现英文缩写堆砌，不写"未来已来"这类空话

后者多花了不到一分钟，但省掉的返工可能是半小时。我把这四件事叫做需求的四根柱子：对象、目的、约束、交付形态。少任何一根，模型都得替你猜，而它猜的那一版通常不是你要的那版。

有一个特别容易被忽略的细节："禁止项"往往比"要求项"更有效。因为模型的默认输出里带着大量行业套话，你不主动禁止，它就会往上堆。我现在写任何一条提示词，最后一行几乎都是禁止清单。

3.2 结构化提示词的原理：把约束显性化

当需求复杂到一句话说不清的时候，就该上结构化写法了。所谓结构化，本质上就是把散落在你脑子里的隐性约束，一条条摆成显性的字段。

为什么用 JSON 这种格式？不是因为它玄，而是因为它有三个朴素的好处：

1. 字段名本身就是提示。你写下"配色系统"这个字段，模型就知道你在意配色；你不写，它就按默认审美来。
2. 可复用、可替换。同一份结构，换掉其中一两个字段的值，就是一张新图，风格还能保持一致。
3. 可校对。生成完不满意，你能定位到是哪个字段没被执行，而不是整段重写碰运气。

下面这个是我自己整理并长期在用的通用模板，做信息类图片时几乎不用改骨架，只换内容：

{
  "全局设定": {
    "主题": "填写画面要传达的核心信息",
    "画布比例": "3:4",
    "语言": "简体中文",
    "整体调性": "如：干净的科普手册感 / 温暖的生活杂志感"
  },
  "版面结构": {
    "网格方式": "如：上下分栏 / 九宫格 / 环形排布",
    "视觉动线": "如：从左上到右下的 Z 字型阅读顺序",
    "留白比例": "如：四周留白不少于画面短边的百分之八"
  },
  "视觉系统": {
    "材质表现": "如：哑光纸张 / 磨砂玻璃 / 水彩纸纹",
    "背景": "如：米白纯色，无杂纹",
    "主色": "两到三个，写清楚用在哪里",
    "装饰元素": "如：细线分隔、圆角标签框"
  },
  "文字系统": {
    "主标题": "填写标题文案",
    "标题处理": "如：加粗无衬线，字号最大，居中",
    "正文标签": "如：细体，字号为标题的三分之一",
    "强调规则": "关键词用主色标出，其余保持黑色"
  },
  "内容节点": [
    {
      "编号": "01",
      "画面元素": "描述这一块画什么、放在哪",
      "文字内容": { "小标题": "", "说明": "" }
    }
  ],
  "硬性约束": {
    "必须": ["所有文字为简体中文", "不出现错别字", "文字不遮挡主体"],
    "避免": ["繁体字", "无意义英文", "背景过于花哨"]
  }
}

这个模板我用过很多轮，最实用的一条经验是："硬性约束"里的必须项和避免项，一定要写具体、可判定。 写"画面要好看"没用，写"文字不遮挡主体"有用，因为后者你一眼就能验收。

3.3 反推与复刻的边界：能学版式，不能抄表达

现在有一类很流行的玩法：把别人一张做得漂亮的图丢给模型，让它反推出一套详细提示词，然后换掉内容再生成。技术上确实跑得通，模型对版式的解析能力已经很强了。但这件事我必须把边界讲清楚，因为它离侵权只有一步之遥。

我的判断标准是这样的：

说得再直白一点：版式是语法，内容才是句子。 学语法没问题，把别人的句子改两个字当自己的，就是另一回事了。而且从实际效果讲，整体照搬出来的东西同质化非常严重，平台的同质化检测这两年也在加强，未必能跑得远。

我自己的做法是把反推当成建立"自己的版式规范"的手段，而不是当成复制机。具体流程是：

1. 收集十来张我觉得结构清晰的图（不限于某个平台，海报、书籍内页、展览导视都行）；
2. 逐张让模型拆解结构，只保留"结构层"的描述，文案和插画元素全部丢掉；
3. 把这十来份结构描述放在一起，找共性，提炼成两到三套属于我自己的版式模板；
4. 之后所有内容都套我自己这两三套模板，风格自然就统一了。

跑完这一圈，你会发现最后留下来的东西已经跟任何一张原图都不像了，但你的产出有了辨识度。这才是这个方法真正的价值。莫潇羽 在做站点配图的时候就是这么攒出来的固定风格。

3.4 一个提效的小习惯：让模型反问你

复杂任务开始之前，我会加一句：

如果你对我的需求有任何不确定的地方，先向我提问，
问清楚之前不要动手写。

这一句能省掉大量返工。模型在信息不足时的默认行为是"合理补全"，也就是编一个看起来说得通的设定继续往下做，这就是幻觉的主要来源之一。强制它先问，等于把补全环节换成了确认环节。我一般会被反问三到五个问题，回答完之后出来的第一版，可用度比不加这句话高出一大截。

四、图像与版式：从"抽卡"到"可复用的视觉规范"

上一章解决的是怎么描述，这一章解决的是怎么把描述稳定地变成图，并且让一批图看起来像一个人做的。

4.1 先了解你手里的模型能干什么

字节 Seed 团队在 2026 年 7 月正式发布了新一代图像创作模型 Seedream 5.0 Pro，并陆续接入豆包、即梦等产品。根据官方发布说明，相比前一代，它在图文匹配、结构合理性、文字渲染和画面美感这些基础能力上做了整体升级，另外重点强化了四项能力：复杂信息可视化、交互式精准编辑、真实影像与人像质感、原生多语种输入与生成。

对做内容的人来说，其中两条最有实感：

第一是高密度信息图。 官方给的例子是把时间轴、折线图、柱状图和写实场景整合在同一张画面里，信息层级清晰。这意味着知识科普、课件插图、图解长图这类以前必须用设计软件排的东西，现在可以先让模型出一版结构稿。我实测下来，纯中文长句仍然是短板，字数一多容易出现笔画粘连，所以我的做法是图上只放短标签，长解释放正文。

第二是交互式精准编辑。 不用反复改写整段提示词，可以圈选、点选画面局部去改，材质替换、局部修改的同时能保留原有的透视和光影关系。这一条对返工效率的影响非常大——以前改一个细节要整张重生成，风格就飘了；现在能锁住其余部分。

价格方面，官方公布的 API 计费口径是按输入图与输出图分别计算，输出图分辨率不超过约 236 万像素时，输出图约 0.3 元每张，超过这个像素量级则约 0.6 元每张，第一张输入图免费、后续输入图约 0.02 元每张。这类数据变动很快，上面是写稿时的近似行情，实际请以官方定价页面的实时数据为准，产品内的会员套餐计费方式和 API 也不是一回事。

4.2 让一批图风格统一的三步法

单张图好看不难，一批图统一才难。我的做法是：

第一步，先抽出"风格卡"。 拿到一张自己满意的图之后，不要急着做下一张，先让模型把这张图的风格提炼成一份可复用的描述，只保留风格层，不要内容层。风格卡至少包含这些字段：

第二步，固定比例和用途。 我给站点写文章，配图统一 16:9；做竖版内容，统一 9:16。别在一篇文章里混比例，读者说不出哪里不对，但会觉得乱。

第三步，只换内容层，不动风格层。 后面每生成一张，都是"风格卡原样 + 新的内容节点"。这样跑十张下来，一致性会非常好。

4.3 配图密度：少即是多

这是我自己踩过的坑。刚开始做图容易上瘾，一篇三千字的文章塞八九张图，结果读者反馈是"看着累"。后来我定了个粗糙的规则：

配图密度参考（纯文本示意）

长文配图数 ≈ 正文字数 ÷ 800，向下取整
且每张图之间至少隔开两个自然段

这不是什么严谨公式，就是个手感尺子。核心逻辑是：配图的作用是给眼睛一个休息点，不是给页面加装饰。图一多，休息点就变成了新的干扰源。

4.4 商用之前，先把授权这关过了

这一条必须单独说。AI 生成的画面本身是新生成的，但你在整个流程里可能引入了别人的权利：

• 字体：如果你把生成图导进设计软件加字，用的字体是否有商用授权？很多系统预装字体是不能商用的。
• 素材：参考图如果来自别人的作品，尤其是有明确版权声明的摄影、插画，拿来做参考本身就有争议，商用风险更高。
• 音乐：给视频配的背景音乐，免费下载不等于免费商用。
• 人物形象：涉及真人肖像的，无论是照片还是仿真形象，都要有本人授权。

只要是要拿去商用的素材，一律先取得正版授权。 这句话看着像套话，但真出事的时候，赔偿金额和一份授权的价格完全不在一个量级上。我的习惯是给每个项目建一个"授权清单"文档，字体、素材、音乐各占一栏，写清楚来源和授权范围，交付的时候连清单一起给客户。这个动作花不了十分钟，但能让你在任何质询面前站得住。

五、视频：把"时长"和"一致性"这两件难事拆开解决

AI 视频这两年最大的变化，不是画质，是可控性。早期的模型你只能许愿，出来什么算什么；现在已经能谈"我要第几秒发生什么"。

5.1 先看清楚工具边界

字节 Seed 团队在 2026 年 6 月的火山引擎年度大会上预告了新一代视频创作模型 Seedance 2.5，并于 7 月底正式发布、接入豆包专业版。综合官方发布信息，这一代的三个关键变化是：

单段时长翻倍。 官方说明里，单次视频生成时长从上一代的 15 秒提升到 30 秒，可以在一段视频里组织多个有逻辑关联的镜头，完成铺垫、推进、转折和收尾；同时支持在已有视频的基础上继续延长，尽量保持人物、场景、风格、声音和叙事节奏的一致，适合做数分钟的连续内容。

多模态参考素材大幅扩容。 官方发布说明提到单次最多支持输入 30 张图片、10 段视频和 10 段音频；大会现场对"全模态参考素材"的表述口径则更高。这类数字在不同场合、不同版本下会有差异，具体上限请以产品内的实时提示和官方文档为准，我在这里想说的是趋势：你能同时喂给它的参考越多，可控性就越强。

新增时间戳控制。 这是我认为这一代最值得花时间学的东西。它把提示词从"描述一个画面"变成了"描述一条时间线"。

入口方面，公开实测文章提到 Seedance 2.5 位于豆包专业版的视频生成模块中，时长可在 4 到 30 秒之间调整，比例覆盖竖屏 9:16 到超宽画幅；同时也被接进了办公任务模式的技能板块，可以让模型自己拆分镜、先出首帧图再出片。这些入口位置会随版本调整，你打开产品对照一下就清楚了。

5.2 提示词：从"六段式"到"时间线"

先给基础版。任何一条视频提示词，我都按六段来写：

主体 + 动作 + 场景 + 镜头 + 风格 + 参数

举例：
一只金毛犬 / 在浅水里奔跑 / 退潮后的海滩，夕阳斜照 /
侧面跟拍，轻微慢动作 / 电影质感，暖色调 / 竖屏 9:16，10 秒

新手记这句口诀就够了：谁、在干什么、在哪、怎么拍、什么味道、多长。

进阶版是把它展开成时间线。有了时间戳控制之后，写法变成这样：

总时长 15 秒，竖屏 9:16，电影感暖色调

0 到 4 秒：中景，人物推开木门走进院子，镜头缓慢前推
4 到 9 秒：切近景，手捧起一把稻谷，浅景深，光斑在背景晃动
9 到 15 秒：镜头拉远成全景，院子全貌，落日余晖，画面渐暗

全程无对白，环境音为主

这么写的好处是返工成本骤降。以前一条不满意要整条重来，现在你能指着说"第二段不对，只改这四秒"。

5.3 人物一致性：先定形象，再拆分镜

想做连续剧情或者系列内容，最头疼的就是人物长得不一样。我现在的固定流程是这样：

flowchart TD
    A[第一步 生成人物形象卡] --> B[第二步 用形象卡做参考 生成全套分镜静帧]
    B --> C[第三步 逐个分镜生成短视频]
    C --> D[第四步 需要更长就用视频延长功能续接]
    D --> E[第五步 剪辑软件里拼接 统一调色与节奏]
    E --> F[第六步 发布前补齐 AI 标识与声明]

几个关键细节：

形象卡要一次做到位。 我一般会明确写清楚正面、大半身、纯色背景、光线均匀，然后把这张图存下来当"主素材"，后续所有分镜都以它为参考。背景越干净，模型抠特征越准。

分镜要一次性列全。 不要生成一张画一张，而是把整个故事的六到八个场景一次性描述给模型，让它一批出图。一批出来的图，风格一致性远高于分几次生成的。

逐镜生成视频，而不是一次生成长片。 哪怕现在支持 30 秒直出，我做叙事内容时仍然倾向于分镜生成再拼接，因为单镜可控性更高，废片率更低。

成片率是可以量化的。 我自己跟踪的一个粗糙指标：

成片率 = 可直接使用的片段数 ÷ 生成总条数

刚开始随手写提示词时，我的成片率大概在两成上下；
把提示词改成时间线写法、并固定形象卡之后，能到五成以上。

这个数字每个人不一样，但做记录本身比数字重要——你只有记了，才知道哪次改动是真的有效。

5.4 常见场景与容易踩的坑

我把自己跑过的一些方向整理成表，重点写"坑"，因为怎么做网上到处都有，什么做不成反而没人讲。

最后这一栏里，数字人口播这一项还有额外的合规要求，不只是技术问题，下一章会专门讲。

另外提醒一句：AI 视频的生成价格和会员套餐变动非常快，上面这些做法不涉及具体计费，但你真要批量跑之前，先去官方定价页面看一眼实时数据，别按半年前的教程估成本。

六、这一章比所有技巧都重要：AI 内容标识与平台红线

我把这一章放在正中间，是故意的。因为前面讲的所有能力，只要在这一步栽了，前面全都白做。

6.1 规则是什么

2025 年 3 月，国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局联合发布《人工智能生成合成内容标识办法》，同期配套发布了强制性国家标准《网络安全技术 人工智能生成合成内容标识方法》（GB 45438-2025）。这套规则自 2025 年 9 月 1 日起正式施行。

规则的核心概念只有两个：

按办法要求，服务提供者应当对文本、音频、图片、视频、虚拟场景等生成合成内容添加显式标识，在提供下载、复制、导出等功能时，要确保文件中含有符合要求的显式标识；同时应当在文件元数据中添加隐式标识，其中包含生成合成内容属性信息、服务提供者名称或者编码、内容编号等制作要素信息。

管辖范围是五类内容全覆盖：文本、图片、音频、视频、虚拟场景。也就是说，用大模型写的文案、用图像模型生成的封面、用语音合成做的口播、用视频模型生成的短片，都在里面。

6.2 那条最硬的红线

办法里有一句话，我建议每个做内容的人都记住原意：

任何组织和个人不得恶意删除、篡改、伪造、隐匿本办法规定的生成合成内容标识，不得为他人实施上述恶意行为提供工具或者服务，不得通过不正当标识手段损害他人合法权益。

这句话的分量在于后半段。它管的不只是"你自己去标"，还包括"你教别人去标、给别人提供去标工具"。

所以我要在这里非常明确地说一件事：网上那些"三分钟教你去掉 AI 图片视频水印"的教程，无论用的是插件、小程序还是第三方站点，在现在的规则下都不该再跟着做，我也不会在这篇文章里写任何一种具体做法。 有公开报道提到，在专项治理行动中，售卖"去 AI 标识教程"的账号和电商店铺被批量处置下架。这已经不是限流那一层的问题了。

顺便澄清一个很多人搞混的点：

• 官方会员权益里的"无水印导出"，不等于"去除 AI 标识"。 前者是服务提供者按自己的产品规则调整显式标识的呈现方式，属于官方渠道内的正常功能；文件元数据里的隐式标识通常仍然存在。
• 拿到无水印文件，也不等于你发布时可以不声明。 发布环节的主动声明义务是你自己的，跟文件上有没有水印是两回事。

6.3 平台是怎么落地的

国家规则之上，各平台还有自己的执行细则，而且松紧不一。综合各平台公开的社区规范和公开报道：

小红书方面，平台在 2026 年 1 月上线了新版社区公约，把 AI 内容主动标识写进社区规则；2026 年 2 月发布通知，倡导用户在发布 AI 生成或合成内容时主动添加明确标识，并说明对于未按要求主动标识的内容，系统会自动补充标识并视情况限制推荐与传播范围；同年 4 月进一步发布了 AI 内容治理规则，明确鼓励 AI 视觉创作、AI 角色创作、AI 知识科普三类方向，禁止 AI 违规运营、AI 造假、AI 侵权、AI 低质四类行为。公开信息还显示，平台对图文笔记里的 AI 配图识别精度较高。

抖音方面，公开梳理提到平台把 AI 数字人列为重点检测对象，对未声明的数字人视频处置比较严格；纯文案层面的 AI 参与相对宽松，主要靠创作者自觉声明。

视频号、B 站等平台同步要求主动标识，执行严格程度略有差异。

我的实操建议，浓缩成一张发布前的检查表：

有一点要特别提醒："一闪而过的小字"和"半透明叠在花哨背景上的角标"，通常不会被认定为显著标识。 判断标准是普通用户在正常观看条件下能不能看清。你自己把视频用手机播一遍，如果需要暂停才能看见那行字，那就是没做到位。

平台规则一直在微调，上面是我写稿时整理的情况，发布前请以各平台官方公告和后台的最新提示为准。

6.4 标了标识，不等于没有其他风险

这是另一个常见误区。标识义务和侵权责任是两条线，标了 AI 标识不会豁免以下问题：

肖像与声音。 用真人照片做数字人、用他人音色做克隆配音，都需要本人授权。声音虽然不是肖像，但相关权益在我国法律中是参照肖像权保护的。没有授权的仿真形象和仿真声音，标了 AI 也一样违法。

影视与音乐版权。 拿影视片段做二次创作，即使全程用 AI 处理，原作品的著作权依然存在。只有平台与权利方达成官方授权、并提供官方授权模板的情况下，才谈得上合规二创。看到"某某经典桥段可以随便二创"这类说法，先去核实是不是有官方授权渠道，别听转述。

公众人物形象。 用 AI 模仿公众人物形象、制作可能误导他人的内容，是各平台明确打击的方向。

商用授权。 前面第四章说过的字体、素材、音乐授权问题，在视频场景里同样成立，而且视频传播量大，一旦有问题波及面更广。

6.5 关于境外工具，说几句合规的话

现在时不时会有人问我某个境外的模型好不好用。我的态度是：技术层面可以了解、可以做科普讨论，但不做任何引导性的使用教学。

需要明确的是，我国对生成式人工智能服务实行备案管理，公开数据显示已有数百款大模型在网信部门完成备案或登记。在境内提供服务的产品应当依法完成相应备案；使用境外模型及相关服务，需遵守国内网络管理与内容管理的相关规定。 涉及数据出境、内容审核、标识义务的，也都要按国内规则执行。这句话不是套话，它决定了你做的东西能不能长期做下去。

我个人的选择很简单：国内有合规、备案齐全、能力也够用的工具，就没必要绕路。 从工程角度看，绕路带来的不确定性，比它带来的那点能力差要贵得多。莫潇羽@无忆研习社 这几年做内容的一个基本原则就是——所有工作流都要能摆在台面上讲清楚来源。

七、办公交付物：PPT、文档、表格的正确打开方式

回到日常。对绝大多数人来说，AI 带来的最实在的改变，其实发生在办公桌上。

7.1 做 PPT 的三步法

以前做汇报级 PPT，最耗时间的不是写内容，是找模板、调对齐、配颜色。现在这部分可以交出去，但交出去的方式很讲究。我固定用三步：

第一步，先要大纲，不要成品。 把选题、页数、听众告诉模型，让它先列大纲。这一步的目的是在最便宜的阶段把方向错误纠正掉。大纲阶段改一句话的成本，和成品阶段推翻重做的成本，差着十倍。

第二步，要逐字稿。 把演讲时长告诉它，让它结合每页内容出一份口播稿。这一步很多人跳过，我认为不该跳——因为逐字稿会暴