AIGC 创意营销工作流

基于 LLM + AI 图像生成的创意营销内容生产工作流。面向品牌营销团队，从品牌知识库和用户洞察出发，经过多轮人工审核，逐步生成完整的创意营销方案。

工作流总览

品牌知识库 + 用户洞察
        │
        ▼
┌─────────────────┐
│ 核心创意理念(3-5个) │ ← Claude API 生成
└────────┬────────┘
         │ 人工审核：选择 1 个 / 打回 / 退出
         ▼
┌─────────────────┐
│ 创意执行方向(3-5个) │ ← Claude API 生成
└────────┬────────┘
         │ 人工审核：选择 1 个 / 打回 / 退出
         ▼
┌─────────────────┐
│  分镜脚本(3套变体)  │ ← Claude API 生成
└────────┬────────┘
         │ 人工审核：选择 1 套 / 打回 / 退出
         ▼
┌─────────────────┐
│  逐场景 AI 配图    │ ← Replicate flux-dev 生成
└────────┬────────┘
         │ 人工审核：通过 / 打回 / 退出
         ▼
   output/{campaign_id}/
   ├── scripts/scripts.json
   ├── images/scene_*.png
   └── summary.json

每个步骤都支持 Human-in-the-loop：审核不通过可以附带反馈意见，系统会据此重新生成。所有步骤记录到 SQLite 追溯数据库。

技术栈

组件	技术选型
语言	Python 3.10+
文本生成	Anthropic Claude API（默认 claude-sonnet-4-20250514）
图像生成	Replicate API（默认 black-forest-labs/flux-dev）
数据追溯	SQLite（output/campaign_tracker.db）
数据模型	dataclass + type hints
交互方式	纯 CLI

项目结构

├── workflow.py                 # 主编排入口
├── config.py                   # 集中配置（模型、API key、日志）
├── db.py                       # SQLite 初始化与连接
│
├── models/                     # 数据模型（dataclass）
│   ├── base.py                 #   GenerationMeta, ReviewDecision
│   ├── brand.py                #   BrandKB, InsightsBundle
│   └── campaign.py             #   CampaignGoal, Concept, Direction, Script, Scene, Image 等
│
├── modules/                    # 业务模块
│   ├── llm_util.py             #   共享 LLM 调用 + JSON 解析
│   ├── brand_kb.py             #   品牌知识库加载
│   ├── insights.py             #   用户洞察加载
│   ├── concept_gen.py          #   核心创意理念生成
│   ├── direction_gen.py        #   创意方向生成
│   ├── script_gen.py           #   分镜脚本生成
│   ├── image_gen.py            #   AI 配图生成
│   ├── review_gate.py          #   人工审核门（CLI 交互）
│   └── tracker.py              #   追溯记录写入 SQLite
│
├── prompts/                    # Prompt 模板
│   ├── concept_gen_v1.txt
│   ├── direction_gen_v1.txt
│   └── script_gen_v1.txt
│
├── brands/                     # 品牌数据（按 brand_id 组织）
│   └── {brand_id}/
│       ├── knowledge_base.md   #   品牌知识库
│       └── insights/           #   用户洞察（多个 .md 文件）
│
├── raw_data/                   # 原始品牌素材（PDF/图片等）
├── output/                     # 生成产物（按 campaign_id 组织）
├── requirements.txt
├── .env.example
└── .gitignore

快速开始

1. 安装依赖

python -m venv .venv

# Windows
.venv\Scripts\activate
# macOS / Linux
source .venv/bin/activate

pip install -r requirements.txt

2. 配置环境变量

复制 .env.example 为 .env，填入 API 密钥：

cp .env.example .env

# 必需
ANTHROPIC_API_KEY=sk-ant-xxx
REPLICATE_API_TOKEN=r8_xxx

# 可选
# AIGC_LLM_MODEL=claude-sonnet-4-20250514
# AIGC_IMAGE_MODEL=black-forest-labs/flux-dev
# AIGC_LOG_LEVEL=INFO

3. 准备品牌数据

在 brands/ 目录下按 brand_id 创建文件夹，放入：

• knowledge_base.md — 品牌知识库（品牌定位、产品信息、竞争优势等）
• insights/*.md — 用户洞察文件（市场分析、目标人群、竞品分析等）

项目已包含示例品牌 yishanfu，可直接使用。

4. 运行

python workflow.py --brand yishanfu --objective "提升品牌认知" --platform "抖音" --notes "面向30-45岁男性"

参数说明：

参数	必填	说明
--brand	是	品牌 ID，对应 brands/ 下的目录名
--objective	是	营销目标
--platform	是	目标平台（如 抖音、小红书、微信视频号）
--notes	否	补充说明（目标人群、风格偏好等）

5. 人工审核交互

工作流每个阶段会在 CLI 中展示生成结果并等待输入：

• 输入数字（如 1、2）— 选择对应方案并通过
• 输入 r — 打回重新生成，随后输入修改方向
• 输入 q — 退出工作流

输出产物

运行完成后，产物保存在 output/{campaign_id}/ 目录：

output/campaign_abcd1234/
├── scripts/
│   └── scripts.json        # 完整分镜脚本（含所有场景）
├── images/
│   ├── scene_1.png          # 各场景 AI 配图
│   ├── scene_2.png
│   └── ...
└── summary.json             # 工作流摘要（选定的理念、方向、脚本等）

追溯数据库位于 output/campaign_tracker.db，记录每个步骤的输入输出、审核结果等，可用任意 SQLite 工具查询。

架构设计

数据流

模块间通过 dataclass 传递数据，不使用裸 dict：

BrandKBReader  →  BrandKB
InsightsLoader →  InsightsBundle
                                    ┐
ConceptGenerator  →  ConceptResult  │  每个 Generator 接收上游产物
DirectionGenerator → DirectionResult│  + CampaignGoal，输出 Result
ScriptGenerator   →  ScriptResult   │
ImageGenerator    →  ImageResult    ┘

LLM 调用

所有文本生成模块共享 modules/llm_util.py：

• call_llm() — 统一的 Claude API 调用，内置重试逻辑和 system prompt（约束纯 JSON 输出）
• parse_json_array() — 从 LLM 响应中提取 JSON 数组，自动去除 markdown code fence

Prompt 模板存放在 prompts/ 目录，通过 .format() 填充变量。

重试机制

• LLM 调用：最多 3 次重试，指数退避（2s → 4s → 8s）
• 图像生成 API 调用：同上
• 图片下载：同上

追溯记录

CampaignTracker 将每个步骤写入 SQLite，字段包括：

字段	说明
campaign_id	工作流实例 ID
step	步骤名（concept_gen / direction_gen / script_gen / image_gen / *_review）
input_snapshot	输入参数 JSON
output_snapshot	输出结果 JSON
prompt_template	使用的 Prompt 模板文件名
model	使用的模型
review_status	审核结果（approved / rejected）
review_feedback	审核反馈

添加新品牌

1. 在 brands/ 下创建品牌目录：

brands/mybrand/
├── knowledge_base.md
└── insights/
    ├── 01_market.md
    └── 02_audience.md

2. 运行时指定 --brand mybrand 即可。

知识库和洞察均为 Markdown 格式，无特殊格式要求。知识库的第一个 # 标题 会被识别为品牌名称。

环境变量

变量	必需	默认值	说明
ANTHROPIC_API_KEY	是	—	Claude API 密钥
REPLICATE_API_TOKEN	是	—	Replicate API 密钥
AIGC_LLM_MODEL	否	claude-sonnet-4-20250514	LLM 模型
AIGC_IMAGE_MODEL	否	black-forest-labs/flux-dev	图像生成模型
AIGC_LOG_LEVEL	否	INFO	日志级别（DEBUG / INFO / WARNING / ERROR）