从“黑盒生成”到“可控流水线”：一等奖作品“智绘科普”的工程化启示
背景：在“小有可为”AI 向善创新挑战赛中，“点亮乡村课堂”赛道的一等奖作品“智绘科普”展示了如何通过多 Agent 协作与质量门控机制，构建高可靠性、可编辑、自动化的 AI 应用。
一、为什么放弃“一键生成”？
团队最初的目标是帮助老师将课本知识转化为视频，以节省制作时间。然而，在深入调研一线教学场景后，他们发现了一个核心矛盾：
“AI 能生成视频”并不意味着“老师能够用 AI 教学”。
针对数学、物理等强逻辑性学科，传统的文生视频模型存在显著缺陷：
- 黑盒效应：推导过程容易出错，且是一次性出片，无法局部修改。
- 随机性：难以满足乡村课堂对绝对准确性的刚需。
- 人工瓶颈：若采用人工流水线（老师+工程师协作），制作一个 60 秒的视频需耗时两三天，无法规模化。
基于此，团队调整了产品定位：不再追求一键生成完美视频，而是交付完整的创作过程。
二、技术路线：构建“AI 流水线”
项目采用了 “Qwen3.5-397B-A17B 大语言模型 + Manim（开源数学动画引擎）” 的技术组合。
| 组件 | 职责 | 技术细节 |
|---|---|---|
| Qwen 模型 | 深度的知识理解与逻辑规划，生成结构化的教学脚本 | 魔搭社区（modelscope.cn）上的 Qwen/Qwen3.5-397B-A17B，通过 Anthropic API 兼容网关接入 claude_agent_sdk |
| Manim 引擎 | 精准的代码执行与动画表达 | 开源数学动画引擎 |
这种“可控、可编辑”的设计，系统不仅输出最终视频，还同时交付教学脚本和动画源码，契合了教育场景对稳定性和可复用性的要求。
三、工程化核心：多 Agent 协作与质量门控
1. 工作流设计
整个系统的运作流程如下：
用户输入主题 → 规划 Agent 生成脚本 → 草稿 Agent 写代码 →
实现 Agent 跑渲染与自检 → 审查 Agent 把关视觉 → 合成 Agent 输出产物
每一阶段的中间产物均可检查、可修改。任一环节出错，只需重跑该阶段，Debug 视图可清晰定位原因。
2. 结构化脚本与“三道质量门”
系统不直接使用自由文本，而是生成结构化的 JSON 脚本（build_spec）。JSON 中的最小单元是 beats（分镜头），默认 3-6 个 beat，每个 beat 承载一个新教学点。
为了保证脚本质量，系统设置了三道硬性校验：
| 门控类型 | 校验内容 |
|---|---|
| 结构门 | 校验必填字段 |
| 数量门 | 控制 beats 数量在 3-6 个 |
| 可执行门 | 确保视觉目标在 Manim 中可实现（如拒绝“3D 全息交互”等无法实现的描述） |
3. 时序门控与自动修复
在代码生成阶段，团队引入了“时序门控”：
- 每个分镜的动画时长必须达到目标时长的 80% 以上。
- 整个脚本的总时长也要达到 60% 以上。
- 若不达标，系统将拒绝进入下一阶段。
最核心的工程亮点在于自动修复回路。系统设计了三层防御机制（入口拦截、渲染防御、结构防御）。在实际测试中，一个“抛物线”任务经历了 5 次失败和 5 次自愈：
- 系统自动提取错误日志；
- 依次修复了 import 路径、箭头绘制方式、线条虚线参数等问题；
- 最终通过自检。
这证明了工程化 AI 系统的价值不在于让模型一次做对，而在于出错时能自动定位、自动修复、并留下证据。
四、快速复现指南
项目已开源，地址为：https://github.com/gqy20/manim-agent.git
环境准备
- Python ≥ 3.12
- Manim Community Edition ≥ 0.20.1
- FFmpeg
启动命令
git clone https://github.com/gqy20/manim-agent.git && cd manim-agent
uv sync --group dev
uv pip install -e .
make install # 同时安装前端 Node 依赖
运行服务
| 服务 | 命令 | 访问地址 |
|---|---|---|
| 后端 | make dev-backend |
127.0.0.1:8471 |
| 前端 | make dev-frontend |
localhost:3147 |
注意：Windows + Python 3.13 环境下，代码侧已通过「独立线程 + 独立 asyncio loop」封装解决了子进程兼容性坑位。
五、范式迁移：从乡村教育到更多社会场景
“智绘科普”沉淀的 “多 Agent 协作 + 门控 + 自我修复” 工程范式，可平移到其他社会公益赛道。以下是三个基于该架构的落地思路：
1. 独居老人智能陪伴
- 痛点：老人夜间孤独，子女担忧安全。
- 架构：长期记忆 Agent + 对话 Agent + 安全兜底 Agent + 每日简报 Agent。
- 技术：Qwen3.5-397B-A17B（长对话+情绪感知）+ ASR/TTS。
2. 儿童情景演练（孤独症干预）
- 痛点：家长不会拆解社交情境步骤。
- 架构：情境理解 Agent + 剧本生成 Agent + 演练 Agent + 家长教练 Agent。
- 技术：Qwen3.5-397B-A17B + Qwen-VL（识别人脸情绪），数据本地存储。
3. 无障碍实时解释
- 痛点：视障人群难以快速理解菜单或说明书。
- 架构：场景识别 Agent + OCR+改写 Agent + 语音合成 Agent + 追问对话 Agent。
- 技术：Qwen-VL（识别+文字）+ Qwen3.5（改写+追问）。
结语
“智绘科普”团队的探索证明，AI 向善不仅是愿景，更是可以通过代码和逻辑构建的现实。
目前，“小有可为”AI 向善创新挑战赛正在进行中，欢迎开发者们结合专业背景，打造真正具有社会价值的 AI 创新作品。