# NewMediaCopilot：TikTok AI 视频助手

AI 内容生产与创作者工作流

一个本地优先的 TikTok AI 视频内容工作台：从 Agent / LLM 选题、脚本、视觉素材到发布追踪与复盘，固化中长视频生产闭环。

## 项目进程

内容团队一开始并不缺少模型，而是缺少一条能够重复运行的生产节奏：选题散落在聊天记录里，脚本被反复覆盖，视觉参考无法回到具体段落，发布后的数据又很少真正影响下一条内容。我们先沿着一条视频从想法到复盘走完，再确定哪些节点必须留版本、哪些节点必须由创作者做选择。

确认边界后，项目把一个“做视频”的愿望拆成选题、单集、版本、视觉卡片、发布记录和洞察六类工作对象，并用本地优先的 PWA 把它们放进同一张工作台。模型负责加速候选生成，创作者负责取舍和最终表达。

## 背景与痛点

AI 可以很快写出十个标题，却不会自动知道哪个标题适合当前账号、哪一段脚本能在前三秒建立承诺，也不会替团队保留每次修改为什么发生。没有版本和标准，创作越快，返工和风格漂移反而越多。

发布之后，播放量、完播率和互动数据通常又回到表格里，和选题、脚本、视觉没有稳定关联。团队很难回答“哪一种判断值得重复”，更无法把一次复盘沉淀成下一次可复用的创作资产。

## 解决方案

NewMediaCopilot 用选题库承接观众问题和 Agent / LLM 主题，再在单集工作台中依次生成标题、前三秒钩子、大纲、分段脚本、视觉计划和 CTA 候选。每个候选都可以被人工筛选，确认后的结果以版本快照保存，避免“最新文本”覆盖掉真实的创作过程。

视觉卡片把脚本中的画面意图变成可导出的流程图、对比图和总结卡；发布记录则把平台、发布时间和人工录入的数据绑定回具体单集。AI 复盘不直接替代分析，而是基于这些上下文提出下一轮选题、节奏和表达的洞察。

模型连接通过本地代理适配 Anthropic、OpenAI-compatible 和 Ollama 等协议，内容与配置默认留在浏览器 IndexedDB。这样团队可以在不把整套素材交给远端 SaaS 的前提下，逐步验证自己的创作标准和工作节奏。

### AI 技术

AI_CONTENT_WORKFLOW / SCRIPT_AND_HOOK_ASSIST / VISUAL_ASSET_PLANNING / PUBLISH_ANALYTICS / LOCAL_FIRST_PWA

### 工作流、管道与 Agent

Vite / React / TypeScript PWA / Dexie IndexedDB 内容与版本存储 / 本地模型代理与多协议适配 / 选题—单集—视觉—发布—洞察工作流 / 候选审核、版本快照与 Markdown 导出

选题、脚本、视觉卡片和发布记录默认保存在浏览器本地 IndexedDB；模型请求经过本地代理，导出 JSON 前由使用者决定范围。公开案例不包含模型密钥、账号数据或真实发布记录。

## 效果反馈

项目把视频生产从一串临时对话变成了可继续编辑的工作流：选题有上下文，单集有版本，视觉有卡片，发布后又能回到洞察。它首先解决的是团队如何稳定做出下一条，而不是用未经验证的数字承诺账号增长。

当前公开版本仍是本地 MVP，发布数据依赖人工录入，模型输出也需要创作者审核。公开案例因此只展示工作台和生产方法，不外推播放、涨粉、转化或商业化结果。

本案例基于 NewMediaCopilot 当前本地 MVP。仓库中的选题、脚本生成、发布追踪和复盘能力用于说明工作流设计，不构成真实创作者账号的播放、完播、涨粉或商业化结果。

## 资料范围

本文是网站公开的静态编辑资料，不等于已独立核验的客户成果或客户背书。请结合项目说明与原始来源判断。

原始来源：https://github.com/BrianXie99/NewMediaCopilot

来源读取日期：2026-08-30