供给价值
补齐课程从内容生成到入库展示的视觉资产形态，使课程具备可检索、可匹配、可分发的基础入口。
课程封面-AI图像功能
为 Keep 课程生产搭建一套配置驱动、可接入自动化调度的封面生成系统。
封面动作必须匹配课程真实训练动作，生成结果需通过动作准确、内容匹配和入库可用三类校验。
70%
姿态准确率
60+%
MVP 封面合格率
01 / 项目背景
项目概览与业务价值
把课程封面从单次设计交付，改造成可调度的图像生产能力。业务规模化要求封面生产从“设计师一张一张做”转变成“系统批量出”。问题定义、核心痛点与系统目标构成项目起点。
关键约束：封面动作必须与课程真实训练动作一致。项目验收标准聚焦动作准确、内容匹配、课程系统可稳定调用。
01
策略迭代受设计产能约束
策略迭代速度被设计产能卡住，无法快速试错。
02
设计周期是验证瓶颈
设计耗时显著影响课程上线周期长，数据反馈滞后，迭代效率低
03
深度依赖成熟设计师
人力成本高，关键能力集中在个人，无法规模化。
提升课程供给与分发效率
产能价值
支撑 10 万级规模化课程封面生产，将人工单次交付升级为可批量调用的图像生产能力，降低人工依赖与边际生产成本。
分发价值
支持课程营销节点、课程卖点生成多版本图像，提高课程资产的复用效率与分发响应速度。
02 / 核心难点
难点集中在质量、规模与工程可控性三层
项目验收口径明确：动作准确、内容匹配、批量稳定、可接入生产链路。难点集中在质量、规模和工程三层，分别对应封面合格、动作覆盖和系统持续运行。
质量难点：专业动作必须被正确呈现
健身动作对姿态标准、发力感、动态感和器械交互握持方式有明确专业要求
决定封面是否可用工程难点：链路可控、可调度、可扩展
封面生成接入课程自动化生产链路，并承载风格、角色、模板、分发策略、审核回流和入库规则。模块化拆解后，问题可定位、策略可配置、节点可替换、链路可扩展。
决定系统是否可持续运行规模难点：海量动作需要被结构化描述
动作名称接近一万，人工逐条编写提示词不可持续。系统从动作名称、动作类型、训练部位、器械和参考图中提取稳定描述逻辑，将「动作名」转化为模型可理解的画面结构。
海量决定动作是否可覆盖03 / 解法判断
不是选技术路线，是在每个环节划清模型、规则和人的分工边界
课程封面面向核心营收场景，约束比普通图像生成更硬。
视觉质量只是表层要求，真正的难点来自专业准确性、动作规模、策略自动化和工程稳定性四个维度的同时叠加。
模型能力与工程补位的边界
参考资产+工程补位补偿模型边界
模型：基础画面（视觉主体、空间、光影、基础风格）；参考资产（姿态帧、角色档案）稳输入；工程补位（MoveNet 关键点检测、部位裁剪、标注叠加）兜底；质检做准出
设计经验变成系统可消费的分流逻辑
把人的隐性判断转译为系统规则
把设计师脑子里“减脂课用对比图+↓30%”这类隐性判断，拆成“基础形态→放大策略→实现路径”的显性分流规则，让系统自动执行，人只做审核
选确定性而非灵活性
高约束场景下，确定性比灵活性重要
采用线性管道+模块化拆解，明确不用自主决策形式——不确定性不符合高约束场景的验收要求。模块化保证新风格/新策略可快速插入已调好的流程
课程封面AI 智能生成系统
04 / 方案设计
从业务问题到可运行链路，按四个阶段推进
先定义封面类型与生成路径，再准备姿态、角色和模板输入；并行验证 Dify-workflow、图像模型与能力原型，最终接入营销拼合、视觉审核与入库复用链路。
资源准备
沉淀动作参考、角色一致性资产和模板资源，为生成链路提供稳定的可配置输入
姿态库：Keep 多年视频课程截取关键帧，真实健身教练拍摄 → 动作专业性保障。
角色库：固定角色 + 第三方 KOL/IP 角色 → 角色准确 + 系列感。
模板库：对比图拼合方式、文本位置/字号、箭头线条标识 → 营销表达预设。
姿态库角色库模板库
业务拆解
盘历史封面图，反推设计策略和业务规则，形成系统规则输入
判断现有封面的呈现方式、生成方式与实现方式，明确单图直出、局部裁剪、对比拼合等路径，形成系统规则输入。
现状归类封面类型生成路径
核心能力验证
Dify、模型选型与能力原型并行推进
Dify、模型选型与能力原型并行推进。
能力原型快速验证图像预处理、后处理、姿态定位、裁切和模板拼合，并输出方案提案、验证结论和工程拆解依据。
Dify-workflow模型选型vibe coding 原型验证
生产闭环
验证通过的能力进入正式链路
验证通过的生成能力进入正式链路，生成结果按营销策略拼合，经审核后随课程入库，形成可检索、可复用的课程视觉资产。
模板拼合视觉审核入库复用
05 / 资源准备
从业务资产中提取三类可控资产：姿态、角色、模板
资源准备是生成系统的输入控制层，负责降低动作、角色和版式三类不确定性。姿态库提供动作参考，角色档案控制人物一致性，模板库承接营销表达与批量拼合。
01 / 姿态库
标准姿态库
姿态库来自课程视频关键帧。每个视频片段截取一张代表帧，并与动作名称、训练部位、是否带器械等信息绑定，进入生成链路后提供动作参考。
来源
真实课程视频片段截取白棚动作帧。
链路作用
降低姿态漂移、动作错误和穿模风险。
02 / 角色档案
人物一致性输入
角色档案把人物一致性从口头描述转成可输入的视觉参考。进入生成链路时提供参考图输入，不训练独立模型。
R3 固定 IP
KOL / 达人角色，优先控制面部、体型、服装和气质。
档案要素
面部、三视图、表情、色彩、服装细节。
03 / 模板库
营销表达与拼合规则
模板库承接版式复用、营销表达、多图拼合和信息层呈现，让生成结果进入稳定的批量生产格式。
控制对象
版式结构、信息层、营销重点和视觉节奏。
链路作用
降低单张设计成本，保证批量封面风格稳定。
06 / 业务梳理
把封面问题解构成系统规则
业务拆解的核心工作，是盘 Keep 几年积累的历史封面，反推设计师做图的逻辑策略和业务规则，从分散的内容规则中归纳出系统可消费的分流逻辑。最终产出是一套三步决策树。
001 如何构成
基础形态
回答画面结构问题：
- 单图呈现（一张训练图表达课程内容）
- 多图呈现（训练前后对比、正误对照、底图叠子图）
002 如何表达
放大策略
覆盖在基础形态上的表达策略：
- 色调强化 / 光源强化 / 场景强化 / 文本强调 / 数值变化 / 描线聚焦 / 箭头趋势 / 对比组合 / 特征放大
003 如何实现
实现路径
控制层
给图像模型的输入项：
- prompt（Dify 生成，含文本提示词 + 指引后处理的关键词）
- + 角色参考图（角色库：固定角色 / KOL-IP / 自建角色）
- + 运动姿态参考图（姿态库：视频关键帧）
- → 三者一起输入给闭源图像模型
后处理层
把模型输出加工成可用素材：
- 角色
- 背景层分离
- 人像抠图
- 健身部位定位裁剪
渲染层
把素材变成成品封面：
- 直出（模型图叠加策略后直接可用）
- 模板拼合（嵌套模板：标注 + 详情窗口 + 文本位置等）
案例示意
实现路径
放大策略
基础型态
渲染层
后处理
控制层
直出
模板拼合
角色 / 背景层分离
人像抠图
健身部位定位裁剪
...
Prompt
KOL-IP / 角色参考
运动姿态参考
...
色调强化
光源强化
场景强化
文本强调
数值变化
箭头趋势
对比组合
特征放大
...
单图呈现
多图呈现
07 / Dify workflow
模型做基础画面，策略编排和工程补位解决模型做不到的部分
核心能力验证聚焦 Dify 策略编排层：怎么把业务规则变成可执行的工作流，怎么让新增风格不牵动主干链路，以及怎么在上线前把质量兜住。通过国产 / 国外图像模型横向评测，确定模型生成与工程补位边界：模型做基础画面，工程补位补出可用封面。
ASSET 01
模块化编排
每个节点只处理一个问题域：主体、服装、场景、动作、组装或合规。问题可定位到具体模块，不需要重调整条 Prompt。
ASSET 02
单点调试
动作、服装、场景或风格出现问题时，只调整对应模块，不牵动整条生成链路。
ASSET 03
可插拔可扩展
新增、下线或替换风格时，在模块层处理配置和组装规则，保留原有链路稳定性。
工作流架构：多模块并行解耦
工作流拆为 4 个并行预处理模块 + 1 个组装模块 + 1 个合规模块。每个模块对应一个 Dify 节点，独立负责一个专业领域，
降低长 Prompt 的耦合风险；新增风格、下线规则和局部替换均在模块层完成。
INPUT
课程参数 + 输入资产
动作名称、训练部位、课程阶段、营销节点、姿态帧、角色档案与模板策略进入工作流。
MODULE 01
主体模块
控制年龄、体态、训练状态与课程阶段，保证人物基础设定稳定。
MODULE 02
服装模块
控制运动服款式、颜色、材质和适配场景，避免服装与课程语义冲突。
MODULE 03
场景模块
控制空间、光源、氛围和背景陈设，让不同课程获得可复用的视觉环境。
MODULE 04
动作模块
读取姿态帧和动作名称，生成可被模型理解的动作描述与器械关系。
ASSEMBLY
组装模块
汇总各模块输出，注入风格规则、模板变量、营销表达和生成控制参数。
SAFETY
合规模块
处理违禁词、敏感表达、冲突规则和安全边界，统一生成前的审核口径。
OUTPUT
生成参数
输出最终 Prompt、参考图调用、模板参数与后处理参数，交给下游生成链路。
图像模型选型验证动作生成底线。
模型选型是调试期投入最高的环节。通过国产与国外模型横向评测，确认图像生成的下限、上限和生产取舍。
动作准确性
专业动作姿态是否标准、标志性是否清晰、发力表现是否可信。
运动瞬间表现
能否呈现运动中的张力与最紧绷瞬间，而非僵硬摆拍。
人 - 器械空间
与器械的交互关系是否正确，是否出现穿模、错位。
泛化能力
能否覆盖大量运动品类与多种场景。
稳定性
同一输入产出的一致性与可预期性。
耗时与成本
满足线上服务的响应与成本约束。
09 / Vibe coding 功能验证
Vibe coding验证能力原型&生成链路
图像模型只能产出基础画面，课程封面还依赖裁切、定位、标注、对比、拼合和模板渲染等工程补位。集中验证关键路径可行性，输出提案展示、可行性结论和前后端工程拆解依据。对于不确定的环节，优先以原型验证替代沟通对齐，确保方案推进节奏可控。
原型定位
- 用 TensorFlow.js、MoveNet、BodyPix 和 Canvas 在浏览器端验证“生成前处理参考图”和“生成后加工成封面”两条路径。
- 正式落地时，能力拆到不同节点：参考图裁切进入预处理，部位裁剪、标注、对比拼合、课程贴片进入后处理与模板渲染。
识别定位
验证人体、关节点和训练部位能否被稳定识别，为姿态判断和部位定位提供输入
图像加工
验证参考图裁切、局部裁切、局部放大和轮廓提取，把原始图像处理成可用于封面的结构化素材
表达叠加
验证箭头、虚线、角度、框选、连接线和放大窗口等信息层，把训练重点、正误差异和结果变化显性表达
模板拼合
验证训练前后对比、正误对照、课程分段贴片和多图组合，确认多图模板封面的渲染路径
工程拆解
将能力拆分为前处理、后处理和模板渲染节点，为前后端接入正式链路提供工程依据
10 / 流程地图
全流程地图：从触发到入库的完整工程链路
资源、规则、模型、原型各自就绪后，生产闭环把它们串成一条从触发到入库的完整工程链路。每一步内部有具体的分支逻辑，对应业务拆解中定义的生成模式和拼合模式。
Step 1: 触发
├─ 触发封面生成任务
├─ 调用 Dify API
├─ 传入课程tags
└─ Dify 返回：task_id（异步）
Step 2: Dify 决策
├─ Dify 工作流执行
├─ LLM 推理策略 → 生成Prompt → 组装指令包
└─ 输出：execution_package JSON
Step 3: 后端执行生成
├─ 后端服务接收 Dify 的指令包
│ └─ MoveNet检测 → 裁剪人物区域 → 放大到85%占比
├─ 根据 prompts + 处理后的参考图 调用图像生成API
│ ├─ G1: 文生图 → 1张
│ ├─ G2: 文生图 → 1张全身图（前端裁剪）
│ └─ G3: 组图生成 → N张（含对比型N=2、拼贴型N=3-4）
├─ 返回处理后的素材（图片URL列表）
└─ 存入临时素材库（带task_id关联）
Step 4: 前端渲染拼合
├─ 前端获取素材 + Dify的拼合指令
├─ 如果需要局部裁剪 → MoveNet检测 → Canvas裁剪
├─ 按拼合模式渲染：
│ ├─ C0: 直接用图
│ ├─ C1: 套模板+加文字
│ ├─ C2: 多图拼贴
│ └─ C3: 对比布局+标注
├─ 输出成品封面图
└─ 上传到审核队列
Step 5: 质量门禁
├─ AI自动质检（美学评分+技术质量+品牌规范）
├─ 评测标准 > 未通过 → 进入人工审核队列
└─ 人工审核 → 通过/打回
Step 6: 入库
├─ 审核通过 → 入图库
├─ 打标：课程ID/教练/类型/风格
└─ 关联到课程页面
真实工作样例：参数 → 源图 → 成品
每张样例展示完整转换链路：课程参数（动作名称/场景/部位/难度/性别/风格/年龄）→ 生成素材 → 后处理拼合 → 成品封面。标签（单图/多图 × 直出/特征放大）对应 06 业务拆解的决策树。
徒手深蹲 · 全身
健身房·K2·S1
输出
单图
拼合
后处理·场景强化
素材
生成素材x1
输入
动感单车 · 全身
健身房·K3·S1
输出
单图
拼合
后处理·场景强化
素材
生成素材x1
输入
俯身哑铃屈伸 · 全身
健身房·K3·S1
输出
单图特征放大
拼合
后处理·特征放大裁切
素材
生成素材x1
输入
交替伐木提膝 · 核心
办公场景·K2·S1
输出
单图特征放大
拼合
后处理·特征放大裁切
素材
生成素材x1
输入
臀腿·塑型课程 · 核心
办公场景·K2·S1
输出
单图特征放大
拼合
后处理·特征放大裁切&模板1
素材
生成素材x1
输入
减脂课程 · 核心
办公场景·K2·S1
输出
单图特征放大
拼合
后处理·特征放大裁切&模板1
素材
生成素材x1
输入
减脂 · 核心
办公场景·K2·S1
输出
多图特征放大
拼合
后处理·特征放大裁切&对比
素材
生成素材x1
输入
腿部矫正 · 核心
办公场景·K2·S1
输出
多图特征放大
拼合
后处理·特征放大裁切&对比&t线条强化
素材
生成素材x1
输入
局部放大 · 核心
办公场景·K2·S1
输出
多图特征放大
拼合
后处理·特征放大裁切&模板2
素材
生成素材x1
输入
11 / 资产沉淀
将隐性经验转成 AI 可读、可调用的规则资产
大部分公司做 AI 智能化时面对同一个问题：让 AI 读取和执行的规则，散落在汇报文档、业务文档或关键人员的经验里——不是 AI 可以直接调用的。资产沉淀做的，是把这些隐性经验整理成 AI 可读的结构化资产，让新场景接入时不用从零开始。
01 配置驱动的生成范式
分层范式：配置层 + 决策规则层 + 生成层 + 后处理层 + 审核层。
解耦机制：映射表 × 提示词库，规则与文案分离。
能复用到
封装为Skill、可复用于其它图像自动化能力中
02 多节点解耦工作流
工作流范式：并行预处理 + 模板引擎组装 + 统一合规。
混合模式：查表 + 动态推理。
扩展方法：让新增风格实现「拆 / 换 / 加」乐高式扩展
能复用到
需要持续扩展风格或品类的图像生产场景
03 规则资产化(隐性 → AI 可读)
规则体系：围绕人物 / 服装 / 动作 / 场景模块，梳理成要素拆解 → 属性层级 → 标准化描述模板 → 边界约束规则体系
专业判断：含器械分级防穿模、动作命名反推等。
能复用到
需要持续扩展风格或品类的图像生产场景
04 AI 原生解法范式
工程范式：先摸清图像模型的能力边界 → 让模型只做它擅长的基础画面 → 用工程补齐出图前后的不稳定环节。
能复用到
可迁移到其他「模型做不稳」的生成场景
05 双形式沉淀（Skills + 数字资产库）
形式一：封装为可移植的 Agent Skill（意图网关 → 主体/服装/场景/动作 → 组装 → 合规 → 一键出图，内置「新增风格」）。
形式二：数字资产库存入规则、映射表、参考资产。可被直接调取或重新串联。
能复用到
团队复用：个人经验转为团队可复用的数字资产