立项原因：传统动画制作门槛极高，完成一部短片需要分镜师、原画师、配音演员、剪辑师等多工种协作，制作周期动辄数周，成本数万元起步。这对独立创作者、中小企业、教育机构而言几乎是不可承受之重。与此同时，当前市面上虽已出现图像、视频、音乐的单点 AI 生成工具，但各工具之间相互割裂，用户需在多个平台间手动传递素材，极易出现角色不一致、风格割裂、音画不同步等质量问题，流程繁琐且难以复用。本项目旨在打通"创意 → 故事 → 美术 → 配音 → 成片"的完整链路，以 AI 技术将原本需要 5 人专业团队、数周时间的动画创作压缩为单人输入一段文字即可自动产出成片，真正实现创意的零门槛落地。
行业背景 / 业务场景：在短视频内容爆发、AIGC 技术成熟的双重驱动下，AI 动画生成是当前内容创作赛道最具潜力的应用方向之一。具体落地场景包括：IP 动画短片快速原型验证、教育机构课程动画内容制作、企业营销动画素材批量生产、独立创作者 AIGC 内容变现 等。面向的核心用户是对创作效率有强烈需求、但缺乏专业团队资源支撑的内容创业者和中小企业。
系统共涵盖 10 大核心功能模块，构成端到端的 AI 动画生成workflow：
模块 功能说明
故事创作模块 AI 根据用户一句话创意，生成完整故事大纲（约 1000 字）
美术风格模块 AI 定义画风体系、色彩方案、视觉情绪基调
角色设计模块 AI 设计主要角色外形，并生成可复用的角色参考图
场景设计模块 AI 设计关键场景，生成配套场景参考图
音乐生成模块 调用 Suno v4.5+ 生成与故事情绪匹配的纯背景音乐
分镜脚本模块 AI 编写每个分镜的画面描述与角色台词
分镜图像模块 调用 Gemini 3 Pro，逐镜生成图片（支持 img2img 角色一致性）
语音合成模块 调用 Vidu TTS，支持 58 种中文音色为角色配音和旁白合成
图生视频模块 调用 Vidu I2V，将静态分镜图转化为带动态效果的视频片段
视频合成模块 通过 FFmpeg 将所有视频片段、背景音乐、配音合成为最终成片
用户认证模块 邀请码注册 + JWT 鉴权 + 用户资源隔离，保障平台安全可控
主要功能描述：核心能力：一句话输入，自动产出完整动画短片。 用户只需在前端输入一段故事描述，系统将按照依赖顺序自动执行完整的 10 步工作流，最终输出包含画面、背景音乐和角色配音的动画视频文件。
智能依赖链管理： 系统内置了精细的步骤依赖规则，当用户对某一步骤进行修改时，系统会自动识别并仅重新执行受影响的后续步骤，避免全量重做，大幅降低 API 调用成本并提升修改效率。
防崩坏机制： 这是保障动画质量的核心技术。角色设计阶段生成的参考图会被持久化保存，在后续所有分镜图像生成时自动以 img2img 方式传入，确保同一角色在不同画面中保持视觉一致性，解决 AIGC 内容创作中角色"前后不一"的行业痛点。
实时进度推送： 采用 SSE（Server-Sent Events）流式推送机制
我负责的具体任务：
本项目由本人独立从 0 到 1 完成后端开发，具体承担以下所有工作：
系统架构设计：设计并实现基于 LangGraph 的 wawa-agent-server 工作流架构，定义节点、状态机与工具体系
后端全链路开发：使用 FastAPI 搭建 RESTful API 服务，完成 10 个服务模块和 16 个 Agent 工具类的开发
多 AI 平台对接：独立集成 Claude/GPT-5、Gemini 3 Pro、Suno v4.5+、Vidu TTS、Vidu I2V 五大 AI 平台的 API，处理各平台的鉴权、回调、异步任务轮询等差异
核心算法实现：开发智能步骤依赖管理系统、防崩坏 img2img 机制、混合式 SSE 流式输出
数据库设计：设计 MongoDB 文档模型，完成项目、用户、对话、邀请码的数据结构设计与索引优化
用户认证系统：实现邀请码注册制度、JWT Token 鉴权、用户资源隔离和成本控制中间件
DevOps：配置阿里云 OSS 多媒体存储、全局线程池并发管理、全局异常处理和中文友好报错
技术栈：Web 框架、AI 编排LangGraph 0.2.59 + LangChain 0.3（有状态工作流）、文本生成Claude API / GPT-5-chat、图像生成 Gemini 3 Pro Image/豆包、音乐生成Suno v4.5+（AI 纯音乐生成）、语音合成vidutts、图生视频vidu i2v、视频合成ffmpeg+moviepy、MongoDB+Beanie ODM异步文档存储等
架构亮点：State-as-Context 设计模式：以 WhiteBoxState 状态对象贯穿整个 LangGraph 工作流，所有节点通过状态共享上下文，避免了传统链式调用的数据传递问题，防角色崩坏的 img2img 一致性。
评论