这篇值得看在哪里
作者从生财有术 MCP 的每日监控起步，筛出 AI 赋能本地生活流量方向。随后用 Hermes、Codex 和多 Agent，把《AI 同城流量超级术》中的内容生产流程做成视频工作台。离线测试共 253 项通过，但公网长期稳定运行仍待验证。
从社区监控到项目选择
作者是人工智能在读博士，软件工程科班出身，并在 Hermes 上搭建了生财有术每日帖子监控流程。MCP 接入后，社区内容可以被统计、检索和结构化处理，他据此观察近一年、半年和三个月的项目方向，再结合技术背景、现有 Agent 能力、真实场景和交付距离筛选项目。编辑判断，这套方法的参考价值在于把信息热度与个人资源放在一起看，而不是把帖子数量直接当成项目结论。
把精华帖变成业务输入
锁定 AI 赋能本地生活流量后，作者没有直接让 Codex 生成页面，而是先整理精华帖、生财好事案例和航海手册，建立项目的信息地图，再提炼目标用户、输入、操作、判断条件、输出和风险点。实战选用《AI 同城流量超级术》，只截取参考内容拆解、创意改造、视频生成、人工审核和成片交付这一段，形成视频生产工作台。核心经验是先找清业务流程，再决定系统边界。
系统如何承载内容生产
开发时，作者把业务节点改写成模块，要求每个模块具备明确的输入、处理逻辑和输出，并让前端、后端、测试等 Agent 基于同一份开发文档协作。系统支持拆分镜头、筛选片段、生成和审核关键帧、调用不同视频服务、恢复时长、复用原片、处理音频和断点续作。另一个重要经验是先用 Mock 跑通骨架，再逐层接入 FFmpeg、图片服务、AutoDL ComfyUI 或 MiniMax，降低接口和付费调用风险。
成果口径与适用边界
截至 2026 年 8 月 21 日，仓库记录 Python 编译和前端语法检查通过，完整离线测试共 253 项通过，覆盖状态文件、路径安全、任务互斥、异常恢复和媒体处理。作者还补齐 Docker、环境变量模板、健康检查和部署方案，并在宝塔面板手动检查。但现有材料只能证明形成了可部署架构和上线清单，不能证明已在公网长期稳定运行，密钥轮换、真实供应商、端到端测试和压力测试仍是上线前事项。
根据作者原帖及所附飞书文档整理。完整实操与材料见原文。
原文还会展开这些问题
- 生财有术 MCP 如何把社区帖子转化为项目方向信号？
- 作者为何选择《AI 同城流量超级术》作为实战对象？
- 视频生产工作台为什么只先覆盖内容生产环节？
- SOP 如何被翻译成 Codex 能执行的系统模块？
- 多 Agent 协作怎样避免职责重叠和结果失控？
- 当前测试通过为何仍不能证明网站已长期稳定运行？
原作者原话
最重要的产物不是代码，而是一张“业务动作—系统动作”的映射表
AI 编程降低了写代码的门槛，却提高了定义问题的价值
以上为原帖简短摘引。作者：Jason、mar。完整内容及访问条件以生财有术原帖为准。
