AI 科普视频公司｜Paperclip 多 Agent 工作流实战

技术信息

语言技术
Python、Docker、Node.js、Torch、Linux系统类型
Web、Linux、算法模型行业分类
人工智能、内容平台演示地址
https://app.notion.com/p/64d5a48e47b041c5b1d9ee1eab600f21

作品详情

行业场景

传统科普内容生产依赖人工研究、核查与剪辑，成本高、周期长，且容易出现科学事实错误。本项目旨在验证：AI 能否以公司组织形式，完成可观察、可恢复、可验证的科学科普内容生产流程。用户只需提出科学选题，系统通过多 Agent 协作完成研究、事实核查、脚本创作到视频制作与发布，服务科学传播与 AI 内容生产场景。

功能介绍

项目围绕「AI 科普视频公司」搭建多 Agent 内容生产流水线，主要模块包括：1）Company/Project/Issue 任务编排，基于 Paperclip 管理 Agent Run、Activity、Artifact 与 Handoff；2）岗位 Agent：Research Director、Science Researcher、Fact Checker、Script Writer、Visual Director、Video Producer、QA Reviewer、Publisher；3）模型接入：通过 OpenCode Adapter 对接 Qwen、DeepSeek；4）工作流交接：上游研究结果经事实核查后交给脚本与后续制作环节；5）真实案例验证：以「地球失去引力后月球会怎样」选题，完成研究修正与脚本产出。当前基础设施与核心工作流已验证，端到端成片仍在完善。

项目实现

我负责整体架构与落地：在 AWS EC2（Ubuntu 24.04）上用 Docker Compose 部署 Paperclip，改造 OpenCode Adapter 支持自定义 Provider/Model（qwen-plus、deepseek-flash），测试由 14 项扩展到 28 项全部通过；设计多 Agent 岗位职责与交接协议；排查 Upstream Output Missing、Docker OOM（exit 137）等故障，用 Source Bind Mount 与工作目录文件交接保证链路可用。技术栈：Paperclip、OpenCode、Qwen/DeepSeek、AWS、Docker、ffmpeg。亮点是把 Agent 做成「角色+上下文+工具+输出协议+工作流位置」，难点在 Handoff 可靠性与可观测性。