产品定位与核心功能

漫导APP的核心流程：用户输入一句灵感描述，系统自动生成剧本、角色、场景，随后逐步生成分镜图片、分镜视频，最终合成完整的漫剧视频。

作者的出发点很实际——市面上大多数AI漫剧工具只能在PC端的Web页面操作，缺少一款支持手机端随时创作的APP。于是决定自己动手。

技术架构选型

核心技术栈：

  • 开发工具：Claude Code（CLI编程助手）
  • 前端框架：Flutter（Dart），Claude对Flutter代码生成准确度高，开发安卓应用速度快
  • 核心大脑：GLM 4.7（通过API调用），负责理解用户意图、拆解步骤、输出JSON格式指令
  • 多模态接口：Gemini绘图 + Veo视频生成接口

架构设计采用ReAct模式（Reasoning + Acting），核心思路是不把逻辑写死，而是让GLM 4.7充当规划层：

  1. 用户输入：例如"帮我做一个熊猫吃竹子的视频，要可爱的风格"
  2. GLM 4.7（规划层）：分析意图，输出工具调用指令——先生成文案，再生成图片，最后生成视频
  3. APP（执行层）：解析指令，调用对应API
  4. APP（反馈层）：将结果回传给GLM 4.7
  5. GLM 4.7（规划层）：根据反馈决定下一步操作

这种架构让大模型真正扮演"导演"角色，而非简单的接口调用。

人物一致性解决方案

AI漫剧最大的难点是人物一致性。漫导的做法是：

  • 先为主角生成三视图，作为整个剧本中角色形象的锚点
  • 每个场景的分镜图生成时，都会参考主角三视图和对应提示词
  • 默认配置7个场景、2个角色，均支持自定义调整

开发过程

整个开发流程可以概括为：

  1. 编写核心提示词：明确告知Claude Code要做什么，附上API接口文档
  2. 规划架构：向Claude Code描述技术栈和ReAct架构，防止生成方向跑偏
  3. 从零到雏形：约10分钟，APP雏形诞生，包含完整的聊天界面、相机图片上传、对话记录等功能
  4. 迭代调试：遇到问题后反复让Claude Code配合GLM 4.7调整，逐步完善

作者本身并不懂APP开发，全程依赖AI编程助手完成。最终产出的MVP版本，UI简约美观，功能链路完整——从剧本生成到角色设计、场景规划、分镜绘制、视频合成，形成了完整闭环。

成本与效率

  • 开发周期：8天（含元旦假期3天，实际编码不到5天）
  • API费用：20元人民币（包含开发阶段和APP使用阶段的token消耗）
  • 对比传统开发：同样的MVP版本，传统方式至少需要一两周

项目已开源

该项目已在GitHub开源（仓库名：freestylefly/director_ai），开发者可以配置自己的API密钥体验，也欢迎提交PR参与共建。

延伸思考

这个案例展示了当前AI Coding的真实能力边界：一个不懂移动端开发的程序员，凭借Claude Code + GLM 4.7的组合，可以在极短时间内交付一个功能完整的APP。对于独立开发者而言，这意味着产品验证的成本已经降到了前所未有的低点——5天时间、20块钱，就能把一个想法变成可运行的原型。关键不再是"能不能做"，而是"值不值得做"。