开宠物用品店五个月，早期的状态很多同行都懂：选品全靠直觉，文案手敲，每一条内容花费半小时是常事，一天拼尽全力只能更新三四条。效率低下不说，写到后面脑袋空空，感觉就像在流水线上搬砖，但砖还是纯手工打的。
后来开始琢磨用 WorkBuddy 把这套手工活搭成 AI Agent 工作流。前后折腾了三天，调整了好几版，最终跑通了一条从“商品名 + 卖点输入”到“文案、封面图、短视频自动产出”的全链路流程。
这篇文章记录了搭建和调优过程中的思考与踩坑，希望能给同样在摸索 AI 工作流的朋友们提供一些参考。
一、先搞清楚：为什么工作流会“烂”
动手搭建之前，先做了最重要的一件事——把原来纯手工的流程画出来。
画完一看，整个过程里大量重复性的脑力消耗主要集中在三个地方：
第一，每次选品都得重新在 1688 上搜索，翻评论、看销量、估算定价，没有固定判断标准，每次都是“从零开始”。
第二，写文案时要同时回忆产品卖点、判断平台调性、调整语气风格，三步合一，特别容易卡壳。
第三，素材生产环节散乱。封面图、文案、视频脚本分散在不同工具里，没有统一出口。做完一条，光手动搬运就要好几次。
本质就是：每次都在重新决策，没有一件事是“上次想清楚了，这次直接照搬”的。
AI 能干的事不是替你想，而是把你想好的东西固化下来，让它自动跑。所以搭工作流的第一步不是打开工具，而是先把自己的执行逻辑写清楚。
（配图1）
二、工作流的整体架构
最终搭出来的这套流程分三层：
第一层：输入层
入口非常轻，只需输入两个东西：商品全名 + 一句核心卖点。入口越简单越好，要是入口复杂了，每次跑流程都会产生摩擦，用不了几次就放弃了。
第二层：处理层（AI Agent 链）
这部分包含四个关键节点，依次执行：
节点 A — 文案生成：调用大模型，按平台风格（小红书/视频号）生成正文文案、三个备选标题和话题标签。这个节点是整个链条的“源头”，后面所有的图和视频都依赖它的输出质量。
节点 B — 封面图生成：将商品名称和文案摘要传给图像生成接口，自动产出封面图。
节点 C — 视频脚本生成：基于文案，提炼出一段标准化的“钩子-演示-促单”三段式口播脚本。
节点 D — 视频生成：把脚本传给腾讯混元视频接口，生成一段 5 秒的种草短视频。这个节点最慢，也是踩坑最多的地方，下文会详述。
第三层：输出层
所有产出的素材自动打包到一个以“商品名+时间戳”命名的文件夹里，包含文案 txt、封面图 png、短视频 mp4，拿到手就能直接去发布。
（配图2）
三、搭建过程中踩的坑
坑一：节点之间的数据格式没对齐
最开始，文案节点输出的是自由格式的中文。结果图像生成节点拿到这段文字后，根本不知道要提取哪部分作为 prompt，生成的封面图跟商品完全不搭界。
解决方法很简单：在文案节点的 prompt 里加了一行指令，“请在末尾单独输出一行英文 image prompt，格式为 [IMAGE_PROMPT: xxx]”。下一个节点里用正则表达式提取这一行就行。这件事让人意识到，节点之间的“接口”设计与写代码一样重要，不能指望 AI 自己去猜。
（配图3）
坑二：视频接口的异步问题，比预想中麻烦
腾讯混元视频 API 不是实时返回的，提交任务后需要轮询状态，等待时间大约 3-5 分钟。早期版本是同步等待，整个流程被卡死在这里，跑一条就得干等 5 分钟，什么都做不了。后来改成“异步提交+定时轮询”：先提交任务，把返回的 task_id 存起来，过一会儿再来取结果。这样一来可以同时提交多条任务并行生产，整体耗时反而大大缩短了。
坑三：批量跑的时候 API 报 429
第一次尝试批量跑 10 条，跑着跑着就报错了，提示 429（请求频率超限）。解决方案也很务实：加一个简单的速率控制，每提交一条任务 sleep 2 秒，问题就解决了。
四、优化迭代
流程跑通后并没有停下来，而是持续盯着几个地方优化：
产出速度：从最初的 13 分钟/条，优化到批量 10 条总耗时约 8 分钟（利用异步时间继续提交其他任务）。
文案质量：建立了一个“爆款钩子模板库”，把平台上验证过的高转化话术整理成结构，让文案节点优先参考这些模板。效果比每次从零生成稳定得多。当然也不是完全完美，有些商品套模板反而显得生硬，这种时候就果断手动修改。
素材一致性：封面图风格不统一是个长期问题。在 image prompt 里固定了几个关键词（“温暖家居风”、“白色背景”、“产品特写”），情况改善了不少，但还没完全解决，仍在持续调优。
（配图4）
五、关于 WorkBuddy 用下来的感受
这套流程主要是在 WorkBuddy 里通过“对话+代码”的方式完成的。
最省事的点在于它的上下文记忆功能。把定价公式、选品标准、文案风格偏好都写进了 MEMORY.md 文件。之后每次新开对话，这些背景信息都会自动带入，不用重复交代。对于记性不太好的人来说，这个设计特别有用，不然每次开头都要花 10 分钟跟 AI 解释背景信息。
调试工作流也形成了一套固定习惯：每次只改一个节点，改完后先跑一条样本看格式对不对，确认无误了再批量跑。这样出问题能快速定位，不用每次从头排查。
流程跑通后，还让 WorkBuddy 把整套流程整理成了一份 SOP 手册——包含每个节点的 prompt 模板、输入输出格式以及常见错误处理。这份文档现在放在工作目录里，隔段时间再用也不用从头回忆了。
（配图5）
六、现状和没搞定的事
这套工作流目前已经稳定运行了一段时间，主要服务于宠物用品类目的视频内容批量生产。
当然，还有两件事没搞定：
一是选品环节还没接入自动化。目前还是从 1688 手工挑选完再输入，这一步比较耗时，也容易漏掉好货。后续在想，能不能直接抓取 1688 数据做自动筛选。
二是文案的“人味儿”还不够稳。有时候跑出来的文案 AI 感比较重，需要人工二次润色。这个问题目前没有特别好的解法，只能靠持续积累和优化模板库来改善。
至于发布环节，目前也还是手动操作，不过这个优先级暂时放一放。
