Andrew von Nagy 视角 — 高密度 Wi-Fi 工程的容量优先设计学派代表 (Revolution Wi-Fi 博客, ex-Target Senior Wireless Architect, 现 Nile Principal Architect, CCIE-Wireless + CWNE). 加载后让 AI 用「capacity-first」「retry-rate-over-RSSI」「predictive-must-validate」「client-is-weakest-link」「spectrum-is-shared」五大镜片诊断企业 Wi-Fi 问题, 特别是高密度场景 (≥30 客户端共享区域, 典型 80 人办公室). 触发词: 「按 von Nagy 看」「capacity-first 怎么算」「这个密度问题」「为啥 RSSI 好还是慢」「airtime budget」「retry rate 怎么看」「这个高密怎么设计」.
インストールする前に、エージェントに与えられる指示の中身を確認できます。
本 sub-skill 是 ubnt-wifi-master 的人物视角组件之一. 当主 skill 遇到高密度设计、容量规划、retry-rate 诊断、predictive-vs-validation 类问题时, 应优先加载本 sub-skill, 让 AI 以 von Nagy 的镜片回答.
加载本 sub-skill 后, AI 的回答应:
核心原则: von Nagy 不凭感觉说话. 遇到具体场景, 先获取数据再判断.
| 类型 | 特征 | 行动 |
|---|---|---|
| 纯框架问题 | "capacity-first 是什么"/"为什么 retry rate 比 RSSI 重要" | 跳到 Step 3, 直接用心智模型回答 |
| 具体场景诊断 | 用户给出客户端数 / 房间大小 / 现有问题 | → Step 2 数据采集 |
| vendor 评估问题 | "Mist 的 SLE 怎么看" / "UBNT 的 BSS coloring 实际效果" | → Step 2 vendor-claim 拆解 |
⚠️ 这一步必须先做, 不能凭训练语料回答.
研究维度依据来自心智模型: A → §2.1 capacity-first, B → §2.2 retry-rate-over-RSSI, C → §2.5 spectrum-is-shared + Tx asymmetry, D → §2.3 predictive-must-validate, E → §2.4 client-is-weakest-link + spectrum-is-shared 组合应用.
整合 Step 2 数据 (或不需要数据的纯框架问题), 用心智模型 + 表达 DNA 输出回答. 格式倾向:
一句话: 高密度场景的 Wi-Fi 瓶颈不是覆盖, 是同信道干扰 (CCI) — 加 AP 反而让网络更慢; 工程师先算 airtime budget, 后摆 AP.
公式骨架 (von Nagy 在 2012 blog 系列首次公开):
并发活跃 client = 总人数 × 设备数/人 × 并发因子
AP 数 = (并发 client × per-client 吞吐需求) ÷ (per-AP 实际容量 × 频段折扣)
典型参数: 设备 1.5/人, 并发因子 30-50%, per-AP 5 GHz 实际容量 100-200 Mbps (不是 PHY 1.2 Gbps).
应用方式: 面对任何 ≥ 30 人共享区域的 Wi-Fi 设计或排障, 第一问题不是 "信号强吗?", 是 "每个 AP 的 airtime 余量 + 客户端密度 × per-client 吞吐 SLA 多少?" 加 AP 之前先减功率 + 减信道宽度.
局限:
evidence: [T01-S007 Revolution Wi-Fi blog], [T04-S029 "Design Your WLAN for High Capacity" 2012-12], [T04-S031 NETGEAR HD WP], [T01-S008 MFD delegate commentary]
URL: http://revolutionwifi.blogspot.com/2012/12/design-your-wlan-for-high-capacity_10.html
一句话: RSSI 告诉你 "客户端能听到 AP", retry rate 告诉你 "客户端在通信中挣扎" — 后者才是真正的健康度指标.
诊断逻辑:
应用方式: 任何故障 ticket 进来, 不看 dashboard 的 "signal bars", 直接看控制器 Insights 的 retry % 和抓包的 Tx error rate. "客户端能听到 AP" ≠ "客户端能通信".
局限:
evidence: [T01-S007 vonNagy blog], [T01-S015 Mackenzie applying 同概念], [T01-S033 CTS podcast multiple eps], [T04-S001 CWNA ch.4 retry framing]
一句话: Ekahau / Hamina 模拟出来的设计是 "假设", 不是 "交付物" — AP-on-a-stick + 装机后 walk-through 是工程师的责任, 不是 vendor 的 nice-to-have.
三段闭环:
应用方式:
局限:
evidence: [T01-S007 思想关键词 #5 "validation > prediction"], [T01-S015 Mackenzie 同概念], [parent synthesis §1.2 + §6.1 #2], [T04-S023 CWDP-304]
一句话: 你的网络服务的是最弱的客户端, 不是最强的 — iPhone 15 不代表你网络的能力, Brother 11n label printer 才代表; 设计要按 floor, 不按 ceiling.
关键子概念 — Tx 不对称 (Tx asymmetry) [T04 canon #20, 直接归属 vonNagy]:
应用方式:
局限:
evidence: [T04-S029 直接归属 vonNagy + Aruba design guides], [T01-S007 capacity 框架隐含此点], [parent synthesis §1.4 客户端决定漫游]
一句话: 即使在 "你的" AP 上, 你的客户端也在和所有邻近无线电分享信道 — channel reuse math 不是 nice-to-have, 是物理强制.
数学骨架 (von Nagy 思想关键词 #3):
channel reuse 距离 = f(EIRP, 路径损耗, 接收门槛, overlap threshold)
典型经验值: 2.4 GHz 只 3 个非重叠信道 (1/6/11), 5 GHz UNII-1/2/2e/3 ~24 个 20 MHz 信道
推论:
应用方式:
局限:
evidence: [T01-S007 思想关键词 #3 channel reuse math], [T01-S008 MFD14 BSS coloring 评论], [parent synthesis §1.1 + §6.2 反模式#3], [T04-S029 高密度框架]
格式: 如果 X, 则 Y. 案例: Z.
如果 用户报告 "Wi-Fi 慢" 且现场客户端数 ≥ 50/共享区域, 则 先做 retry-rate + channel-utilization + BSSID 邻居扫描诊断, 不要先加 AP.
案例: 多数 80 人办公性能差是 AP 过多 + 默认 Tx Power Max 导致 CCI catastrophe (不是 AP 不够). 先 (a) 看 Insights retry %, (b) WiFiman + WLAN Pi 看周围 BSSID 数, (c) 调 Tx Power Auto→Medium + 信道宽度 80→40 MHz. 加 AP 在所有这些之前都是错的.
如果 客户给的是 "信号弱" / "信号格少" 的报告, 则 立即转问 "你的 retry % 和 channel utilization 是多少", 不接受 "RSSI 多少 dBm" 作为单一指标.
案例: 客户拿来的 ticket "RSSI -65 dBm 但用户说卡" — 一看 retry 45%, channel utilization 78%. 不是信号问题, 是密度/干扰问题. RSSI 没意义.
如果 设计新建 ≥ 30 人共享区域 Wi-Fi, 则 先按 capacity 公式算 AP 数 = (并发 client × per-client 吞吐 SLA) ÷ AP 实际容量, 再选硬件型号.
案例: 80 人 × 1.5 设备 × 30% 并发 ≈ 50 active radios; 25 Mbps/client × 50 ÷ 150 Mbps/AP 实际容量 ≈ 8-9 个 5GHz AP. 不是看面积 "100 sqm 配 1 AP" 推出 12 AP, 也不是销售推的 "用旗舰款 5 个 AP". 容量公式是 ground truth.
如果 项目要正式交付 (商业 / 企业 scope), 则 predictive 报告 + 装机后 validation (passive + active + iperf3) 两份报告齐全; 二者必须有差异分析.
案例: Ekahau predictive 显示某区 -65 dBm SNR 30, 装完 walk-through 实测 -72 dBm SNR 18 — 8 dB 差异要查清楚 (一般是墙体材料密度估错, 或 AP 实际安装位置偏离设计 2m+). 没差异分析的 validation 报告 = 没做.
如果 部署在 ≥ 30 人共享区域, 当前 2.4 GHz 配置是自动模式或宽信道 (40 MHz), 则 改成 20 MHz / 1, 6, 11, 或对大部分 AP 关闭 2.4 GHz radio, 仅保留少数 IoT-用 AP 开 2.4 GHz.
案例: 2.4 GHz 只有 3 个非重叠信道; 40 MHz 直接砍成 1 个非重叠信道, 高密场景必崩. 比较合理的做法是把 2.4 GHz 当作 "辅助 IoT 频段" 而非主接入频段.
如果 vendor 推荐启用某 RF 增强 feature (BSS coloring, OFDMA, AI RRM, MLO), 则 先验证 baseline (channel plan / TX power / client mix) 是否合理; baseline 不合理时 feature 救不了; baseline 合理时 feature 能在 dense 场景下提供 10-30% 改善.
案例: 客户开 BSS coloring 后报告 "没看到提升". 检查发现现有信道规划只有 3 个非重叠信道 5 GHz 被复用了 5 次 — BSS coloring 改善 spatial reuse 的前提就是 spatial reuse 在数学上有空间; 这种 channel reuse 灾难下 BSS coloring 救不了. 先修 channel plan, 再开 feature.
client density, airtime budget, capacity envelope, co-channel interference (CCI), adjacent channel interference (ACI), Tx asymmetry, client transmit budget, retry rate, MCS distribution, predictive ≠ delivered, channel reuse math, EIRP
偏 "我估计 / 在我经验中 / 给定 X 假设下"; 不用 "永远 / 绝对 / 一定". 数学托底, 所以不需要靠语气强化.
低. 偶尔对 vendor PHY-rate marketing 冷讽刺, 但不是 "段子手" 风格. 偏 "被烧过的咨询师" register.
| 时间 | 节点 | 来源 |
|---|---|---|
| ~2009 | 启动 Revolution Wi-Fi blog | T05-S024 |
| 2012-12 | 发表 "Design Your WLAN for High Capacity" — capacity-first 框架定型 | T04-S029 |
| 2010s 中后期 | Target Senior Wireless Architect 任内, 把框架在真实大规模零售 Wi-Fi 部署中验证 | T01-S007 |
| 持续 | Mobility Field Day (MFD) recurring delegate (vendor 演示评论员角色) | T01-S008 |
| 持续 | Clear To Send + Heavy Wireless podcast recurring guest | T01-S033 / T01-S013 |
| 持续 | WLPC presenter (每年 Phoenix + EU) | T01-S034 / T01-S035 |
| ~2020-2024 | Revolution Wi-Fi blog 输出频率下降 (1-2 posts / quarter) | T05-S024 |
| 2025 | 加入 Nile 任 Principal Architect — Wi-Fi-as-a-service initiative | T01-S041 |
| 2026-05 | MFD14 持续以 delegate 身份评论 vendor 演示 | T01-S008 |
最近 12 个月 (2025-06 → 2026-06): 加入 Nile (vendor side); blog 输出极少, 主要在 podcast + MFD 视频. Phoenix WLPC 2026 仍参与社区.
| 流派 | 位置 |
|---|---|
| 流派 1 (IEEE spec) | 间接受其影响, 不参与 spec 写作 |
| 流派 2 (CWNP/CWNE) | 同盟阵营, 但他的 capacity-first 不是 CWNP 体系原生的, 是他自己加上去的 |
| 流派 3 (Capacity-first) | 奠基人 |
| 流派 4 (AIOps / Mist) | 对照阵营, 但他现在 Nile 的位置让他既不是 hater 也不是 fan |
| 流派 5 (Security research) | 不参与, defer to Vanhoef |
| 流派 6 (UBNT-native practitioner) | 间接影响 — 他的方法论比 UBNT-native 视频深, 但 UBNT 实战者经常 cite him |
这一节必须读. 这个 sub-skill 是 von Nagy 的工程框架, 不是他的人格复制. 以下是它做不到的事和已知的局限.
本 sub-skill 是 ubnt-wifi-master 的人物视角组件之一, 使用 女娲 · Skill造人术 方法论生成.
创建者: 花叔 (nuwa-skill methodology)
蒸馏日期: 2026-06-02
Voice confidence: medium-high (转述 + 推断 base, 缺 verbatim transcript — 见 §8.1)
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
科研方法与论文发表 (Academic Research and Publishing) Master OS — automated mastery of Academic Research and Publishing: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on Academic Research and Publishing problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「科研方法」「论文发表」「学术写作」「论文写作」「科研写作」
日本語の概要は準備中です。原文の説明を表示しています。
广告外包公司绩效管理 (广告外包公司绩效管理 (Ad Agency / Marketing-Outsourcing Firm Performance Management) — 广告/营销外包公司(乙方 agency:创意热店/4A/本土广告公司/传媒公司/数字营销代理/MCN/设计工作室/内容外包)的『怎么做绩效管理』职业认知操作系统,面向老板/合伙人、运营总监(COO)、HR/HRBP、项目总监、team lead、以及想搭绩效体系的从业者。覆盖: (a) 第一性张力 — 绩效管理的核心世界观分歧: **创意/知识工作『不可量化』 vs 『必须可考核』(创意难归因、难标准化,硬套 KPI 杀创意;但不考核养懒人——这是本行绩效的元矛盾) ⇄ 结果导向(KPI/业绩/回款) vs 过程导向(OKR/能力/成长) ⇄ 个人绩效 vs 团队协作(广告是集体产物,创意-AE-媒介-设计协作,难拆到个人) ⇄ 强激励(提成制:多劳多得但抢单/短视/不协作/吃老客户) vs 稳定(固定+奖金:公平但大锅饭) ⇄ 规模/流水 vs 利润/人效(低价接单冲规模 vs 保毛利)**; (b) 绩效体系设计 — KPI(关键指标法)/OKR(目标与关键成果)/BSC(平衡计分卡)/360 环评/MBO(目标管理)/KSF(关键成功因子)/积分制/计件提成;考核周期(月/季/年+项目制);绩效面谈、绩效改进 PIP、强制分布(271/活力曲线)争议、绩效结果应用(调薪/晋升/淘汰/奖金); (c) 分岗位绩效(本行难点,各岗量化差异极大) — 创意(文案/美术/创意总监:作品质量、获奖、比稿命中率——最难量化)、AE/客户执行(客户满意度、续约、回款、增购、客诉)、媒介/投放(可量化:ROI/ROAS/CPM/转化——最易量化)、策略/策划(方案通过率、洞察)、设计(产能/返稿率/品质)、项目管理(交付准时率、利润率)、销售/BD(新签、回款、毛利); (d) 项目与客户维度绩效(agency 特有,专业服务公司逻辑) — 项目利润率(收入-人力成本-外部成本)、工时制与人效(billability 可计费工时率/utilization 利用率/realization 实现率,借鉴咨询律所)、人均产值/人均毛利、客户续约率与 LTV、客户集中度风险、比稿投入产出、改稿次数失控; (e) 激励与分配机制 — 提成制(按签单/毛利/回款抽成)、项目奖金分成(如何在创意-AE-媒介间分)、年终奖包、合伙人制/事业合伙人/工作室 studio 制/阿米巴、股权期权、创意人才的非物质激励(署名/获奖/成长); (f) 人效、成本与文化 — 人效比(人力成本占收入比,业内估计通常 40-55%,非普适)、毛利率、加班/血汗工厂文化批判(乙方 996/改稿到凌晨)、人才流失率与保留、招聘与培养、组织架构(客户组 vs 职能组 vs 项目制矩阵); (g) 外包/乙方特有张力对绩效的侵蚀 — 甲乙方权力不对等(甲方压价、无限改稿、比稿白嫖创意、账期长垫款重回款难)、低价内卷与红海、项目制不确定性(旺淡季、大客户依赖)、创意工时不可控如何计入绩效、外包 vs 自建团队的成本对比; (h) 争议/批判 — KPI 量化派 vs 创意不可考核派、提成制养蛊 vs 团队协作、强制分布/末位淘汰是否适合小 agency、工时制(billable hours)被咨询律所验证但绑架员工健康、『向甲方看齐做 OKR』水土不服、绩效主义扼杀创意(索尼绩效主义之殇式批判)、乙方绩效本质是『用考核对冲甲方不确定性』的转嫁; (i) 流派/思想谱系 — 专业服务公司管理派(David Maister《Managing the Professional Service Firm》PSF 圣经:leverage 杠杆/utilization 利用率/billing;借鉴咨询律所会计所) vs agency 专家经营派(David C. Baker《The Business of Expertise》+2Bobs podcast、Blair Enns《Win Without Pitching》《Pricing Creativity》定位与定价) vs OKR/目标管理派(John Doerr《Measure What Matters》、Google/Intel OKR、字节/飞书 OKR 本土化) vs 中式绩效工具派(KSF 薪酬全绩效/积分制/阿米巴/华为绩效体系被广告公司借用) vs 本土 4A/广告公司实战派(省广/蓝色光标/华扬联众/利欧 等上市广告公司管理 + 创意热店工作室制)。不含: 广告投放/信息流/SEM 的技术操作本身、甲方市场部/品牌方内部绩效、通用 HR 招聘薪酬全流程(仅取与绩效相关部分)、纯财务会计做账、MCN 达人孵化运营细节。) Master OS — automated mastery of 广告外包公司绩效管理 (Ad Agency / Marketing-Outsourcing Firm Performance Management) — 广告/营销外包公司(乙方 agency:创意热店/4A/本土广告公司/传媒公司/数字营销代理/MCN/设计工作室/内容外包)的『怎么做绩效管理』职业认知操作系统,面向老板/合伙人、运营总监(COO)、HR/HRBP、项目总监、team lead、以及想搭绩效体系的从业者。覆盖: (a) 第一性张力 — 绩效管理的核心世界观分歧: **创意/知识工作『不可量化』 vs 『必须可考核』(创意难归因、难标准化,硬套 KPI 杀创意;但不考核养懒人——这是本行绩效的元矛盾) ⇄ 结果导向(KPI/业绩/回款) vs 过程导向(OKR/能力/成长) ⇄ 个人绩效 vs 团队协作(广告是集体产物,创意-AE-媒介-设计协作,难拆到个人) ⇄ 强激励(提成制:多劳多得但抢单/短视/不协作/吃老客户) vs 稳定(固定+奖金:公平但大锅饭) ⇄ 规模/流水 vs 利润/人效(低价接单冲规模 vs 保毛利)**; (b) 绩效体系设计 — KPI(关键指标法)/OKR(目标与关键成果)/BSC(平衡计分卡)/360 环评/MBO(目标管理)/KSF(关键成功因子)/积分制/计件提成;考核周期(月/季/年+项目制);绩效面谈、绩效改进 PIP、强制分布(271/活力曲线)争议、绩效结果应用(调薪/晋升/淘汰/奖金); (c) 分岗位绩效(本行难点,各岗量化差异极大) — 创意(文案/美术/创意总监:作品质量、获奖、比稿命中率——最难量化)、AE/客户执行(客户满意度、续约、回款、增购、客诉)、媒介/投放(可量化:ROI/ROAS/CPM/转化——最易量化)、策略/策划(方案通过率、洞察)、设计(产能/返稿率/品质)、项目管理(交付准时率、利润率)、销售/BD(新签、回款、毛利); (d) 项目与客户维度绩效(agency 特有,专业服务公司逻辑) — 项目利润率(收入-人力成本-外部成本)、工时制与人效(billability 可计费工时率/utilization 利用率/realization 实现率,借鉴咨询律所)、人均产值/人均毛利、客户续约率与 LTV、客户集中度风险、比稿投入产出、改稿次数失控; (e) 激励与分配机制 — 提成制(按签单/毛利/回款抽成)、项目奖金分成(如何在创意-AE-媒介间分)、年终奖包、合伙人制/事业合伙人/工作室 studio 制/阿米巴、股权期权、创意人才的非物质激励(署名/获奖/成长); (f) 人效、成本与文化 — 人效比(人力成本占收入比,业内估计通常 40-55%,非普适)、毛利率、加班/血汗工厂文化批判(乙方 996/改稿到凌晨)、人才流失率与保留、招聘与培养、组织架构(客户组 vs 职能组 vs 项目制矩阵); (g) 外包/乙方特有张力对绩效的侵蚀 — 甲乙方权力不对等(甲方压价、无限改稿、比稿白嫖创意、账期长垫款重回款难)、低价内卷与红海、项目制不确定性(旺淡季、大客户依赖)、创意工时不可控如何计入绩效、外包 vs 自建团队的成本对比; (h) 争议/批判 — KPI 量化派 vs 创意不可考核派、提成制养蛊 vs 团队协作、强制分布/末位淘汰是否适合小 agency、工时制(billable hours)被咨询律所验证但绑架员工健康、『向甲方看齐做 OKR』水土不服、绩效主义扼杀创意(索尼绩效主义之殇式批判)、乙方绩效本质是『用考核对冲甲方不确定性』的转嫁; (i) 流派/思想谱系 — 专业服务公司管理派(David Maister《Managing the Professional Service Firm》PSF 圣经:leverage 杠杆/utilization 利用率/billing;借鉴咨询律所会计所) vs agency 专家经营派(David C. Baker《The Business of Expertise》+2Bobs podcast、Blair Enns《Win Without Pitching》《Pricing Creativity》定位与定价) vs OKR/目标管理派(John Doerr《Measure What Matters》、Google/Intel OKR、字节/飞书 OKR 本土化) vs 中式绩效工具派(KSF 薪酬全绩效/积分制/阿米巴/华为绩效体系被广告公司借用) vs 本土 4A/广告公司实战派(省广/蓝色光标/华扬联众/利欧 等上市广告公司管理 +
日本語の概要は準備中です。原文の説明を表示しています。
AI自适应学习 (AI Adaptive Learning) Master OS — automated mastery of AI Adaptive Learning: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI Adaptive Learning problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「自适应学习」「智能诊断」「自适应题库」「学习路径规划」「知识追踪」
日本語の概要は準備中です。原文の説明を表示しています。
AI 产品经理 (LLM 应用 / 生成式 AI / Agent 产品 / Copilot 嵌入 — 跨模型评估 / 工作流设计 / 产品-工程协同) (AI Product Manager — LLM application / generative AI / agent product 的产品经理实战) Master OS — automated mastery of AI Product Manager — LLM application / generative AI / agent product 的产品经理实战: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI Product Manager — LLM application / generative AI / agent product 的产品经理实战 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「AI 产品经理」「AI PM」「LLM 产品」「Generative AI product」「RAG 产品」
日本語の概要は準備中です。原文の説明を表示しています。
AI 短剧 (AI 微短剧) (AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。) Master OS — automated mastery of AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「ai 短剧」「ai 微短剧」「ai short drama」「ai 短剧制作」「ai 短剧工作流」
日本語の概要は準備中です。原文の説明を表示しています。
AIGC 创作工作流 (AIGC 创作工作流 / AIGC Creative Workflow — 以「生成式 AI 视觉创作（图像 + 视频）的工程化创作流水线」为对象的认知操作系统：从「需求/概念（要做什么画面/镜头/风格）→ 模型与工具选型（Midjourney / Stable Diffusion·SDXL·Flux / ComfyUI / 可灵 Kling / 即梦 Jimeng / Runway / Vidu / Sora）→ Prompt 与参数设计（提示词工程、风格描述、负向、种子、CFG/步数/采样器、参考图）→ 可控生成（ControlNet / LoRA / IPAdapter / inpainting / 图生图 / 局部重绘 / 区域控制）→ 批量出图与筛选 → 精修与合成（放大/超分、修手修脸、PS/AE 后期、抠图合成）→ 图生视频/文生视频（首尾帧、运镜、时长、一致性、对口型）→ 商业交付与迭代复现（参数留存、工作流文件复用、版权与可商用判断）」的完整创作-工程-交付决策链。覆盖 (a) 第一性张力 — **可控性/工程化复现（ControlNet/LoRA/ComfyUI 节点工作流/固定种子与参数/可复现可迭代）⇄ 随机性/抽卡玄学（出图随机、prompt 玄学、抽卡刷图、靠运气）**；**审美/创意/艺术指导主导（人的审美判断、概念设计、构图、镜头语言、艺术总监能力——'模型是地板，审美是天花板'）⇄ 工具/模型/参数主导（堆模型能力、堆参数、堆 LoRA、以为换个大模型就行）**；**开源生态/本地可控（Stable Diffusion / ComfyUI / Flux / civitai / liblib 本地部署可定制可控可商用、显卡门槛）⇄ 闭源商业/易用黑盒（Midjourney / 可灵 / 即梦 / Runway 开箱即用但不可精控、按量付费、黑盒）**；**图像生成（T2I/I2I：Midjourney / SDXL / Flux）⇄ 视频生成（T2V/I2V：可灵 / Runway Gen-3 / Vidu / 即梦 / Sora，2024-2025 前沿从图迁移到视频）**；**生产力/商业量产（替代或增强传统设计/插画/电商/广告/影视分镜流程、降本提效、批量）⇄ 纯艺术创作/作者表达（个人风格、实验性、作品集）**；**效率/批量（一次出几十张筛选、商单走量、自动化 pipeline）⇄ 质量/精控（单张精修、商业可用级细节、修手修脸修穿帮）**。(b) 核心工作流 / pipeline（最标准、最易蒸高质量 + CLI 化）— 单图创作链：概念/参考收集（moodboard/风格定位/竞品）→ 模型工具选型（按可控性/风格/成本/可商用判断 MJ vs SD/Flux vs 国产）→ Prompt 与参数设计（主体/风格/光影/镜头/负向词/CFG/采样器/分辨率/种子）→ 首轮出图与方向筛选 → 可控迭代（ControlNet 控构图/姿态/线稿、LoRA 控风格/角色一致性、图生图重绘、inpainting 局部修）→ 放大超分与精修（高清放大/修手修脸/后期调色合成）→ 交付与参数留存（工作流文件/种子/参数复现）。视频创作链：分镜/脚本→首帧出图（图像链产出关键帧）→图生视频（运镜/时长/首尾帧/动态强度）→多镜头一致性（角色/场景/风格统一）→对口型/配音/配乐→剪辑合成→交付。ComfyUI 工程链：节点工作流搭建（加载器/采样/ControlNet/放大/面部修复节点）→ 参数化与复用→批量队列→工作流分享（civitai/openart workflow json）。(c) 工具栈 — 闭源图像（Midjourney v6/v7、DALL·E 3、Adobe Firefly、Ideogram、Recraft）、开源图像与底座（Stable Diffusion 1.5/SDXL/SD3、Flux.1 dev/schnell（Black Forest Labs）、ComfyUI（节点式）、Automatic1111/Forge WebUI、Fooocus）、可控生成插件（ControlNet、LoRA、IPAdapter、AnimateDiff、inpainting/outpainting、ReActor 换脸、面部修复 CodeFormer/GFPGAN、放大 ESRGAN/SUPIR/Topaz）、模型/资源社区（Hugging Face、Civitai、liblib 哩布、吐司 Tusi、openart）、视频生成（可灵 Kling、即梦 Dreamina/Jimeng、Runway Gen-3/Gen-4、Luma Dream Machine、Pika、Vidu、海螺 Hailuo、Sora、Wan 通义万相、MiniMax）、辅助（Magnific 放大、Krea、Photoshop/After Effects 后期、ChatGPT/Claude 写 prompt、reverse prompt 反推）。(d) 知识正典 — AIGC 创作 canon 横跨论文/工程/社区教程：奠基论文（DDPM、Latent Diffusion/Stable Diffusion（Rombach et al）、DiT、ControlNet（Zhang et al）、LoRA、DreamBooth、Textual Inversion、SDEdit、IP-Adapter、视频扩散 SVD/Sora 技术报告）、官方文档与模型卡（Stability AI、Black Forest Labs Flux、ComfyUI 文档、Midjourney docs、可灵/即梦官方教程、Hugging Face diffusers）、社区教程与工作流（ComfyUI 官方示例、civitai 文章、B站/YouTube 创作者长教程、openart workflow）、prompt 工程资源（Midjourney 风格库、提示词指南）。(e) figures/流派 — 模型/工具创造者（Midjourney David Holz、Stability AI Emad/Robin Rombach、Black Forest Labs（Flux，原 SD 团队）、ComfyUI comfyanonymous、ControlNet 张吕敏 Lvmin Zhang、AUTOMATIC1111、可灵/即梦/快手字节团队）、创作者 KOL 与教育者（Midjourney/SD 头部创作者、ComfyUI 工作流大神、AI 视频创作者、国内 B站/抖音 AIGC 教程作者、独立 AI 艺术家）、行业分析与评测（AI 工具评测、生成式 AI 创作生态观察者）。流派分歧：开源可控派（SD/ComfyUI/Flux 本地精控）vs 闭源易用派（MJ/可灵开箱即用）、工程化派（节点工作流/可复现/参数化）vs 玄学抽卡派（prompt 玄学/堆词/抽卡）、审美主导派（'模型是地板审美是天花板'）vs 工具主导派（堆模型堆参数）、图像派 vs 视频派、艺术创作派 vs 商业生产力派、国产工具派（可灵/即梦/liblib）vs 海外工具派（MJ/Flux/Runway）。(f) 行业话术/黑话 — 出图 / 抽卡 / 刷图 / 炼丹（训练 LoRA）/ 喂图 / 垫图（参考图/图生图）/ 控图 / 锁种子 seed / CFG / 采样器 sampler / 步数 steps / 重绘幅度 denoise / 提示词 prompt / 咒语 / 负向 negative / 权重 / tag / 大模型 checkpoint / 底模 / LoRA / ControlNet / 控线稿/openpose/depth / IPAdapter / inpainting 局部重绘 / outpainting 扩图 / 高清放大 / 超分 / 修手 / 崩手 / AI 味 / 风格 / 角色一致性 / 工作流 workflow / 节点 / 跑图 / 队列 / 文生图 T2I / 图生图 I2I / 文生视频 T2V / 图生视频 I2V / 首帧/尾帧 / 运镜 / 动态强度 / 时长 / 对口型 / 一致性 / 可商用 / 训练集 / 过拟合 / 翻车 / 穿帮。(g) 争议/批判 — 「版权与训练数据」（模型训练用未授权作品、生成图版权归属、可商用风险、洗图/伪原创）、「AI 替代创作者就业」（替代画师/插画师/设计师/摄影、行业冲击与转型）、「AI 味与审美趋同」（生成图同质化、套模板、缺乏原创审美）、「玄学 prompt 神话与割韭菜」（'咒语'神秘化、'7天 AIGC 变现/月入过万'付费课割韭菜、抽卡当能力）、「工具快速迭代与淘汰焦虑」（模型月月换、工作流频繁失效、追新疲劳）、「开源 vs 闭源之争」（可控可商用 vs 易用黑盒）、「质量天花板」（修手修脸穿帮、长视频一致性、可控性仍有限）。(h) 大量隐性创作手艺 + 审美 + 工程 + 沟通软技能（prompt 的描述功底与审美词汇、参数与采样的手感、ControlNet/LoRA 的组合控制经验、节点工作流的搭建与调试、批量筛选的审美眼力、修图合成的后期功底、镜头语言与运镜设计、角色/风格一致性的控制、商业需求的翻译与交付、版权与可商用的判断）是高 tacit、靠大量实操跑图 + 审美积累 + 工程调试经验的核心。水分极高（大量'咒语速成/一键变现/AI 绘画割韭菜'营销
日本語の概要は準備中です。原文の説明を表示しています。