M1 实验设计单臂图源对照 + 盲评
5 个分镜场景 × 2 种图源（实拍真图 / 现产线 AI 图）= 10 条视频，同一引擎、同一运镜提示词，唯一变量是图。产出随机编号打乱后团队盲评五维打分（真实感 / 产品还原 / 运镜服从 / 画质 / AI 味），打完揭盲。历史产出摆旁路做参照，不进主对照。
预算 ¥10–40 · 零新增账号凭据获客四线
技术方案蓝图
同一条漏斗的工程口径：视频产线、投放承接、加微收口、企微 AI——每个子系统用什么架构、为什么这么选、机制怎么兜住风险。
// 与「四线实时进展与卡点」页配套 · 那页讲进度，这页讲设计
M1 图源对照实验
八工位视频产线
三生态承接链路
HARD-GATE 收口
云电脑 GUI + VL 读屏
LANGFUSE 全链路
SCROLL / 向下滚动
01
System Architecture · Brain / Ledger / Hands
总体架构：想在云端，手在终端
四条线共享一个架构根因：抖音和企微都对数据中心的直接操作严防死守——云端 IP 直发消息会被静默丢弃，官方 API 又被备案卡住。所以整套系统被设计成「想」和「做」分离的三层。
Brain▲ 云端大脑
判断与生成
Next.js on Vercel
意向打分、话术生成、人设管理、成本核算——所有需要智能的判断集中在这层。它从不直接触碰抖音或企微，只把「该做什么」写进数据库。
分通道 LLM 路由 · 60+ 确定性后置规则
Ledger◈ 事实源
状态机交接台
Supabase Postgres
每一棒先落库再交接：任务队列、会话状态、发送回执全部持久化。任何一层崩了都能从库里的状态捡起来重跑——不重发、不丢单，事后可逐条对账。
状态机 + 队列表 · 多租户行级隔离
Hands✦ 执行端
真实登录态发送
无影云电脑 · iPhone / 安卓真机
发送必须发生在带真实登录态的真实界面里：云电脑上的抖音 / 企业微信客户端、真机上的 App。国内云电脑连不上海外云，命令经东京中转层接力。
GUI 自动化 + VL 读屏 · Fly.io 中转
First Principle
模糊判断给模型，确定性动作给代码。什么算高意向、话术怎么说——交给 LLM；什么时候发号、发给谁、发送前校验什么——全部是代码写死的规则。这条原则会在下面每一条线里反复出现。
02
Video Pipeline · Experiment Before Investment
视频产线：一个实验设计 + 一条八工位流水线
视频方案的核心不是「选哪个模型」，而是先用最便宜的对照实验锁定病根，再决定往哪个方向做重投入。
Attribution Method · 归因方法论
「某某 API 效果不好」这类判断，必须先验证喂给它的输入——现产线一直是「AI 生图 → 图生视频」，视频引擎只是忠实地动了一张本来就假的图。不能用下游产出给上游定罪，真图路线从未被测试过，所以第一步是把「图源」这个变量单独隔离出来。
🔬
⚖️
判据前置go / no-go 写在实验前
结论怎么用在开跑前就定死：真图显著更好 → 归因成立，产线立即切真图路线；两者都一般 → 图源不是主因，启动下一层排查（模型参数档位 / 提示词）。方案经对抗性评审砍掉了多引擎对照——同引擎内隔离变量已经够回答问题，多买引擎是浪费。
01–03
LLM 工位 脚本 → 素材编目 → 分镜：钩子文案与逐镜脚本由 LLM 生成，输入可以直接用「解构产线」从真实爆款拆出来的分镜骨架——比让模型凭空想靠谱
LLM 工位 脚本 → 素材编目 → 分镜：钩子文案与逐镜脚本由 LLM 生成，输入可以直接用「解构产线」从真实爆款拆出来的分镜骨架——比让模型凭空想靠谱
04–06
生成工位 出画（图生视频）→ 配音（TTS）→ 口型：三个花钱的工位，每个都是统一接口的可插拔模块——M1 定了引擎，换供应商只动一个文件
生成工位 出画（图生视频）→ 配音（TTS）→ 口型：三个花钱的工位，每个都是统一接口的可插拔模块——M1 定了引擎，换供应商只动一个文件
07–08
合成工位 合成 → 变体矩阵：ffmpeg 拼片、字幕、BGM，同一素材出多版本投放变体；AIGC 标识在这一步写进元数据，发布时主动声明
合成工位 合成 → 变体矩阵：ffmpeg 拼片、字幕、BGM，同一素材出多版本投放变体；AIGC 标识在这一步写进元数据，发布时主动声明
// 架构：异步 job + 数据库状态机，逐工位写状态、可断点续跑。目前脚本与分镜两个工位接真实 LLM，其余占位——故意的：等 M1 定了引擎再接，避免在错的引擎上白做集成。
🎨
生图 + TTS 选型火山引擎全家桶
生图走即梦 Seedream（官方 API、低延迟），配音走豆包 TTS（授权音色库）——同账户体系、国内直连、可开发票，产线依赖收敛到最少的供应商。
🎬
出画选型无声档是成本关键
图生视频用无声档模式（配音在自己产线里做），单价只有有声档的三分之一左右；M1 实验用 DashScope Wan2.2 托管跑对照。目标成本 ¥50–120 / 条成片。
🏗️
自建口径修正省 2–5 倍，不是数量级
此前「自建便宜几十倍」拿错了对比档位。修正后：自建 GPU 相比商业 API 只省 2–5 倍；自建的真正价值是 LoRA 风格微调和更强控制——那是 M2 的事，M1 全走托管。
03
Ad Handoff Architecture · WeCom As Terminal
投放承接：按「承接链路形态」选生态
投放评估的硬约束是企业微信是唯一承接终端——所以三大生态的排序本质上不是比流量，是比「广告点击到躺进企微」这条链路的技术形态：跨几跳、掉多少人、能不能回传优化。
🥇
腾讯 · 同域承接点击即加微，零跨端
全网唯一不跨 App 的形态：广告点击直接拉起获客助手·获客链接——1 条链接给 500 个企微号分流、免扫码；加粉成功事件经 API 回传给投放端做 oCPM 优化，形成闭环。链路瓶颈不在广告，在企微号加人频控（新认证号前 30 天日加约 80 人）——所以承接侧要备 3–5 个号分流。
链路：广告 → 获客链接 → 企微（1 跳）
🥈
字节 · 跨端两跳落地页做桥
家装线索 2026 年已整体迁到巨量本地推。承接走官方链路：广告 → 橙子建站落地页 →「加微」按钮绑获客助手 DeepLink 拉起加粉，加粉事件同样可回传优化。抖音生态封闭、比腾讯多一跳，每一跳都是流失面。企微组件是行业白名单制，家装类目待确认。
链路：广告 → 落地页 → 企微（2 跳）
🥉
小红书 · 站内兜底组件封闭，加微后置
导流管控全行业最严且持续收紧（2026-07 起暗语彻底作废）。技术上只能走站内官方组件：私信企微名片 / 留资表单回捞，且名片组件有投放消耗门槛。架构选择：站内表单留资兜底，加微动作后置到外呼环节，不在站内硬导。
链路：内容 → 站内表单 → 外呼 → 企微
🎯
归因设计 · 投前埋点每个计划一个渠道码
归因必须投放前埋好：每个广告计划配独立渠道参数（获客链接的渠道标识 / mark_source），客户加进企微那一刻就知道来自哪个计划、哪条素材。算账口径统一为「到企微真实成本」= 线索成本 + 加微流失 + 加好友费——只看 CPL 会系统性低估。
🚫
为什么千川不用目标函数不匹配
巨量千川的优化目标是电商 GMV（卖货、定金券），投放算法围绕成交出价；「留资加微谈单」的目标事件是加好友，千川没有对应的优化闭环。工具选型跟着目标函数走，不跟着「抖音投放=千川」的直觉走。AI 素材合规另有两条硬线：AI 内容主动声明 + 不得用虚构人设做客户见证。
04
Handoff Design · Deterministic Gate
加微链路：确定性收口 + 把链接挪到短信里
抖音风控禁链接、禁二维码、禁暗语——所以「从抖音把人带进企微」这条链路的设计前提是：抖音会话里只能出现纯文本。方案分现行与规划两层。
🚪
现行 · Hard-Gate 收口发号这件事不交给模型自觉
AI 负责聊，但「什么时候给号、给完说什么」是代码里的确定性规则：客户给出联系方式后必发承接话术（不靠 LLM 记得）；微信号只在客户明确说「我加你」时才给。收口话术自带风控适配——「抖音直接发微信号容易被吞」的措辞与备注规则都是模板化的。
📨
规划 · 短信桥链接的合法位置在短信里
抖音里只发纯手机号（零链接、零风控面）→ 短信下发企微官方获客助手链接 → 客户一键加微、自动通过 + 欢迎语。短链的真正价值位就在短信这一步：归因、可换指向、省字数——在抖音里它毫无价值（发不出去）。
Domain Constraint · ICP 备案
短信模板过运营商审核，落地域名必须有 ICP 备案且主体匹配。方案按优先级：① 直接用企微官方域名（免备案、最易过审）；② 短信服务商自带的已备案短链；③ 自有企业主体备案域名（彻底解，同时解锁企微官方 API，见下节）。
付费流的正解形态
广告流量不走短信桥——走上一节的官方一键加粉（获客链接 / 获客助手 DeepLink），这条链路不卡备案。短信桥服务的是免费自然流（评论区捞出来的私信客户）。两条流量、两套承接，共享同一个企微号池与频控预算。
05
WeCom Automation · Plan A / Plan B
企微自动化：官方 API 被卡后的工程解
企微 AI 接待有两套方案：方案 A 走官方 API（正规军），方案 B 走界面自动化（游击队）。A 被备案卡住，B 是当前在生产上跑的——两套不是二选一，是先后关系。
方案 A · 官方客服 API（写完待解锁）
- 回调验签、AES 解密、消息收发、知识库对接全部开发完毕
- 优点：官方送达回执、稳定、真无人值守
- 卡点：企微后台要求回调域名 ICP 备案主体 = 企业主体，通用托管域名一律被拒
- 解锁：拿到甲方主体备案域名，解析一条记录即零改动复活
方案 B · 云电脑 GUI 自动化（生产在跑）
- 云电脑挂登录好的企微客户端：截屏 → 视觉模型认字读消息（像素红点检测新消息）→ 定位输入框逐字打字发送
- 无任何 API 依赖，绕开备案；缺官方回执 → 用发送后回读确认 + 数据库逐条对账兜底
- 天花板：读屏判断本质不稳，到不了零故障无人值守——这是 A 的存在意义
云电脑
只做 I/O 本地 Python 循环只负责看和打字——不认人、不生成、不落库，让最脆的一层保持最薄
只做 I/O 本地 Python 循环只负责看和打字——不认人、不生成、不落库，让最脆的一层保持最薄
中转层
东京接力 国内云电脑连不上 Vercel → 消息经 Fly.io 东京中转进出，中转层无状态、可随时重启
东京接力 国内云电脑连不上 Vercel → 消息经 Fly.io 东京中转进出，中转层无状态、可随时重启
云端大脑
全部智能 认人、带历史上下文、按销售人设生成回复，落库 + 成本核算都在这层——换模型只动一个环境变量（7 月已热切换过一次底层模型，可独立回滚）
全部智能 认人、带历史上下文、按销售人设生成回复，落库 + 成本核算都在这层——换模型只动一个环境变量（7 月已热切换过一次底层模型，可独立回滚）
回路
对账闭环 发送后回读屏幕确认真发出去了，GUI 记录与数据库逐条对账——「发了」由证据定义，不由代码返回值定义
对账闭环 发送后回读屏幕确认真发出去了，GUI 记录与数据库逐条对账——「发了」由证据定义，不由代码返回值定义
🛡️
确定性护栏三道闸拦在生成之后
防自问自答、防误读联系人、发送前窗口校验——都是代码规则不是提示词。再加服务端「轮次铁律」：客户没说新话，AI 就不回，杜绝自嗨刷屏。
👁️
VL 只留语言任务位置判断收回给代码
实战教训：让视觉模型判断「哪条消息是最新的、在屏幕什么位置」不可靠——位置与几何类判断改用固定坐标和确定性规则，VL 只负责认字。
📈
灰度机制身份隔离 + 日限爬坡
每个销售身份独立配置、独立开关、DRY_RUN 预演模式；日限从 5 条起步爬坡。话术水平先用历史真实对话逐轮压测对齐金牌销售，再放真实客户。
06
Stack & Principles · One Table
一页看全选型与理由
| 子系统 / 槽位 | 选型 | 为什么 |
|---|---|---|
| 云端大脑 | Next.js · Vercel | 判断与生成集中层，从不直接触碰终端 |
| 事实源 | Supabase Postgres | 状态机 + 队列 + 对账，每一棒落库再交接 |
| 中转层 | Fly.io（东京） | 国内云电脑 ↔ 海外云的唯一通路，无状态可重启 |
| 执行端 | 无影云电脑 · iPhone WDA · 安卓 ADB | 发送必须发生在真实登录态的真实界面里 |
| 对话 / 话术 LLM | qwen3-235b-a22b-2507 | 中文销售对话质价比，env 切换、可独立回滚 |
| 意向分析 LLM | deepseek-v4-flash | 高频短任务，便宜的干粗活 |
| 读屏视觉模型 | qwen3-vl-30b | 只做认字；位置判断已收回给确定性代码 |
| 生图 | 即梦 Seedream（火山） | 官方 API 低延迟，与 TTS 同账户收敛供应商 |
| 图生视频 | DashScope Wan2.2（M1）· 可灵无声档 | 无声档省 2/3 成本；引擎终选等 M1 盲评结论 |
| 配音 | 豆包 TTS | 授权音色库，合规且成本低 |
| 合成 | ffmpeg on Fly | 拼片 / 字幕 / 变体 / AIGC 元数据标识一站完成 |
| 可观测 | Langfuse trace 全覆盖 | 每次 LLM 调用可追溯，按人 / 按任务追账 |
🧭
原则一 · 先实验后投入最便宜的问题先问
视频线不急着换引擎，先花 ¥10–40 做图源盲评；投放不急着烧钱，先 2–4 周小额校准 CPL。每个重决策前面都放一个便宜的实验，让数据而不是直觉拍板。
⚙️
原则二 · 模糊给模型，确定给代码贯穿四条线
意向判断、话术生成给 LLM；发号时机、发送校验、轮次控制、归因埋点全是代码规则。能用状态码回答的问题，不让模型在提示词里抖机灵。
一句话总括：四个子系统共享同一套工程哲学——想在云端、手在终端、每一棒落库交接；模糊判断给模型、确定性动作给代码；先做最便宜的实验，再做最贵的投入。被合规卡住的路（官方 API、短信链接）全部保留「备案到位即零改动解锁」的形态，不推倒重来。