上线后累计服务用户
AI Product · AIGC Workflow
Fight Scene Agent
把武术指导与动作导演的专业工作流，转译成可被模型执行、可被评测、可持续迭代的影视创作 Agent。
- Company
- 爱奇艺 · 纳逗 Pro
- Role
- AI 产品经理
- Scope
- 需求 · Skill · 评测
01 / Overview
从“能生成”走向“能采用”
古装、动作与仙侠题材对动作连续性、运镜节奏和招式体系都有高要求。项目从平台失败与低分案例入手，聚焦动作单一、镜头衔接生硬、专业性不足三类高价值 bad case。
Agent 任务成功率
专业工作流模块
Skill 2 四轮迭代后主观评分
动作缺少互动
通用模型容易生成重复、缓慢或穿模动作，人物之间没有真实攻防关系。
节奏与衔接生硬
分镜缺少景别逻辑与动作节奏，镜头冲击力不足，难以直接进入制作链路。
专业知识分散
招式与派系容易混乱，经典片段检索依赖跨平台人工搜索，成本高且不可复用。
Six-Skill Creative Workflow
Professional SOP → Executable agent
- 01剧本解析角色、冲突、场景与动作目标
- 02武打设计招式体系与攻防逻辑
- 03分镜运镜景别、机位、节奏与时长
- 04提示词生成把专业规则结构化注入模型
- 05参考检索经典片段与动作知识召回
- 06结果评测对照案例、人工评分与复盘
02 / Evaluation
把模糊的“好不好”变成可决策的分数
评测同时覆盖功能正确性、生成结果质量和工具调用效率。规则校验负责稳定项，人工与 LLM 联合评测负责专业性和连贯性，避免单一指标掩盖真实体验。
Correctness
对不对
检查 Skill 路由、字段完整性、武打规范与多轮上下文保持，确保 Agent 理解并执行了正确任务。
Generation
好不好
从基本质量、内容连贯性与意图还原度评价分镜、视频和提示词是否达到专业可用门槛。
Efficiency
快不快
关注工具选择、平均调用次数和错误恢复，让“完成任务”之外的成本与稳定性也进入评价体系。
03 / Iteration
不是堆更多约束，而是找到正确边界
Skill 2 是生成链路的核心，早期约 80% 失败案例集中在“分镜→视频生成”。通过六组对照案例，每轮只修改一个变量，逐步将硬约束与软引导分离。
完整参数框架
建立六大分镜参数与镜头分组规则，但约束过多导致模型顾此失彼，评分停留在约 5 分。
补齐行为完整性
强调动作起承转合与人物关系，验证“更细”并不等于“更稳”。
移除慢镜硬约束
将慢动作、镜头时长和切换频率改为软引导，避免快节奏场景被强制打断。
三条核心硬约束
只保留动作时序链条、真实物理逻辑与离地借力点；景别和运镜按场景动态组织，最终评分提升至 7–9 分。
Result & Boundary
Agent 已作为纳逗 Pro 的子 Agent 上线，可自动触发或独立进入。个人工作聚焦于需求归因、六项 Skill 设计、Prompt 迭代和评测框架；模型训练、平台工程与未脱敏业务数据不在本页面展示。项目沉淀的核心方法是：垂直边界越清楚，Agent 的专业价值越可验证。