企业官网建设流程全解析

版权与内容来源声明
本文为原创整理。文中涉及官方文档、开源仓库、论文与公开报道的内容，均在附表 A 中标注来源；引用官方原文保持原样，不作改写。文中命令、版本号与界面截图以本文成文时的实测/核验结果为准，标注「待验证」的部分请以你本地环境实际输出为判断依据。本文不推荐任何不合规的软件获取方式，也不对任何收益结果作承诺。转载请注明出处。

第1章 一个分歧点：素材进流水线的那一刻

1.1 你以为是同一个问题，其实是两个

拍剪工作里有一件每天发生、却很少有人写成规则的事：一条素材从"拿到手"到"放进时间轴"，中间要过一道判断——这条东西到底能不能用。

把它拆开看，其实是两个完全不同的问题：

• 它是什么：画面里有什么人、什么景、什么文字，镜头怎么切，调性对不对。
• 我用它合不合法：这条素材谁授权的、授权到哪一天、能不能商用、能不能用在投放到境外的版本里。

多模态模型（人话解释：能同时接收文字和图像或视频输入、再输出文字的模型）在第一个问题上已经相当能打，在第二个问题上基本使不上力。原因不复杂：第一个问题的输入是像素，第二个问题的输入是凭证，而凭证不在像素里。

你上传一段视频，模型看到的是被解码、被缩放的画面帧；合同编号、订单截图、授权到期日这些东西，从来没有进入过它的视野。所以"让模型看一眼就告诉我这条素材能不能商用"，不是模型不够强，是这个需求本身就没有可用的输入通道。

1.2 一个具体的对照

同一条 12 秒街头镜头，两种问法结果不同。

问"这条镜头能不能用"，模型答不了——授权信息不在画面里，这不是它偷懒，是输入里根本没有这个信息。

问"画面里有没有可识别的真人正脸、有没有疑似品牌标识"，它能给线索，但线索不等于结论：官方文档写明这类输出是近似值，需要人复核。

这篇文章要讲的，就是这条边界：分清"能描述"和"能判定"，再把判定部分做成机器可校验的结构。

第2章 多模态模型的能力现状与边界（截至 2026-10-01）

2.1 它确实能做好的三件事

截至 2026-10-01，主流多模态模型的官方文档对能力的描述，集中在三类任务上：

1. 描述画面：生成对图像或视频内容的文字描述、分类与标注。Google 的官方文档直接把这条对应到"创意场景，例如故事写作、文案、短视频脚本"。
2. 读画面里的文字：识别图片中的文字与公式，提取票据、证件、表单信息，并支持格式化输出。
3. 定位时间点：视频理解支持定位具体事件并给出时间戳，官方文档要求提问时用MM:SS格式指明时间点。

这三件事恰好覆盖剪辑工作中"写分镜描述"“整理素材字幕”"找镜头在第几秒"的重复劳动。把它们接进流程，省下的是标注与检索的时间。

2.2 官方明确"不作保证"的部分

这一节的所有内容都来自各家官方文档，不是社区经验。三家主流厂商的文档里，都有一段专门列举"模型可能出错的地方"，值得逐条对照你的工作流。

这张表里最该记住的是两行：“模型不处理原始文件名或元数据”和“无法判断图像是否由 AI 生成”。前者意味着你在文件名或文件属性里写的信息对模型等于不存在；后者意味着不能让它替你判断生成物的来源。

2.3 每秒 1 帧意味着什么

Google 官方文档写明，视频理解默认按 1 FPS（每秒一帧）抽取画面进入上下文，音频按 1Kbps 单声道处理，并且明确提示快速动作序列可能因这个采样率丢细节。

对剪辑人来说，这个数字有一个非常实际的推论：你剪得越碎，模型看到的信息越少。一个 0.3 秒的转场，在这套采样下大概率落在两帧之间，被直接跳过。

所以"把成片丢给模型过一遍、让它告诉我有没有违规元素"这类需求，先天就建立在一个已经丢过一部分信息的输入上。它适合做初筛与提线索，不适合当最终判定的唯一依据——官方文档在安全建议里也写明，后处理与人工评估是必要的。

第3章 剪辑人的可迁移资产盘点

3.1 你手上有四样东西，比"会用 AI 生成视频"值钱

转行者最容易踩的坑，是默认"要先学会用 AI 做视频，才算转过去"。但从内容团队的用人缺口看，剪辑人手上这四样东西迁移价值更高：

• 素材管理：一条素材要能被检索到，命名、分类、版本必须成套。
• 时间轴与版本：同一批素材会存在多条成片、多个版本，必须能说清"这版改了哪里"。
• 镜头语言与分镜描述：你能用文字把画面拆成可复述的镜头条目——这正是写评测标准和提示词（人话解释：给模型的指令文本）的底子。
• 成片验收标准：你有一套"什么叫合格"的判断，这是把主观感受写成可判定条目的起点。

3.2 迁移对照：哪些能直接搬，哪些要重学

还有一类能力要说清楚：调色手感、特效技巧这类高度依赖手工与软件操作的本事，在转 AI 应用方向上迁移很少——你要带走的是流程判断，不是手上的手感。

3.3 一个判断起步方向的问题

选方向时问自己一句：你想交付的是作品，还是流程？

交付"作品"，要补的是生成类工具；交付"流程"——让一件内容从素材到成片都能被稳定复现、被检查、被追溯——那你现在会的素材台账、版本管理、验收标准，正是这个岗位最缺的能力。

内容团队现在真正的痛点，很少是"没人会生成"，而是"生成出来的东西说不清来源、说不清授权"。这个缺口，恰好是剪辑人的地盘。

第4章 素材台账：把授权变成机器可校验的结构

4.1 一条素材最少要绑五个字段

台账（人话解释：把每一条素材和它的授权信息一一对应起来的结构化表）不是文件夹的重命名。文件夹回答"东西放在哪"，台账回答"这东西能不能用、还能用到什么时候"。

最后三列的"模型能否代填"，答案基本是"不能"。原因在 2.2 节已经写清楚了：官方文档明确模型不处理原始文件名与元数据，而授权信息往往就记在这些地方或者外部系统里。

4.2 台账长什么样

下面是一个最小可用的结构示例，字段名用英文、值用中文，方便程序读取。

assets:-asset_id:"street-0812-a"type:"video"duration_sec:12source:"外购素材站，订单号见 license_doc"license_doc:"PO-2026-0812 / 订单截图已归档"scope:platforms:["自有账号","客户投放"]regions:["中国大陆"]allow_secondary:trueallow_model_training:falsecommercial_ok:trueexpiry:"2027-08-11"contains:identifiable_person:truetrademark_visible:falsesensitive:falseowner_signoff:"待人工签字"status:"pending_review"

这份结构里有三个设计点值得说明：

• owner_signoff和contains分开。前者只能由人填；后者是模型可以给线索的部分。混在一个字段里，台账就失去了"谁负责"的信息。
• allow_model_training单独列出来。素材能不能用于训练，和能不能商用是两个授权，很多素材站的条款里是分开的。
• status只有有限几个取值，例如pending_review、cleared、blocked。状态机越小，越不容易被绕过。

4.3 让机器在入库时拦人

台账真正的价值不在"记录"，而在"拦人"。下面这段校验逻辑的作用是：缺字段或已过期的素材，直接拒绝进入时间轴。

⚠️代码待验证

fromdatetimeimportdate REQUIRED=["asset_id","source","license_doc","scope","expiry","commercial_ok"]defcheck_asset(asset:dict,today:date|None=None)->tuple[str,list[str]]:today=todayordate.today()problems=[]forfieldinREQUIRED:ifnotasset.get(field):problems.append(f"缺少必填字段：{field}")expiry=asset.get("expiry")ifexpiry:y,m,d=(int(x)forxinexpiry.split("-"))ifdate(y,m,d)<today:problems.append("授权已过期")elif(date(y,m,d)-today).days<30:problems.append("授权剩余不足 30 天，需人工确认续期")ifasset.get("commercial_ok")isnotTrueand"客户投放"inasset.get("scope",{}).get("platforms",[]):problems.append("非商用授权不得用于付费投放")ifproblems:return"blocked",problemsreturn"cleared",[]

这段代码只做一件事：把"这条素材能不能用"从一次口头确认，变成一次必然会发生的检查。判断门槛设低一点没关系，重要的是它每次都会执行。

第5章 可交给模型 vs 必须人工签字

5.1 分工表

这一节是全文最想让你带走的东西。把清单上的每一项明确归到"模型"或"人"的一侧，比笼统地说"AI 只是辅助"有用得多。

5.2 四条必须人工签字的红线

第一条：版权归属。判据不是"模型说没问题"，而是"台账里license_doc字段有可打开的凭证，且scope覆盖了本次用途"。《著作权法》第五十九条还规定，复制品的发行者不能证明其发行有合法来源的，应当承担法律责任——举证责任在你这边，不在模型这边。还有两点容易被忽略：你自己剪的成片属于视听作品，上传到平台涉及信息网络传播权（第十条第一款第十二项），视听作品的著作权归属法律另有专门规定（第十七条）；而注明出处也不等于拿到授权，合理使用有严格前提，且应当指明作者姓名或者名称、作品名称（第二十四条）。

第二条：肖像权。判据是"画面中是否存在可识别的特定自然人，以及是否有对应的肖像使用许可"。《民法典》第一千零一十八条界定了肖像是"可以被识别的外部形象"，第一千零一十九条明确了未经同意不得制作、使用、公开。注意第一千零二十三条还规定，对自然人声音的保护参照适用肖像权保护的有关规定——这对做口播剪辑和配音克隆的人是一条容易被忽略的要求。

第三条：商标出现。判据可以分成两步：模型负责"提示疑似"，人负责"判定"。原因是商标近似判断要看类别、看使用方式、看是否造成混淆，这已经超出"描述画面里有什么"的范围。

第四条：敏感内容。判据是"模型初筛 + 人复核"两道都要有，不要在流程里把初筛当成最终结论——官方文档已把高风险场景列为不建议依赖模型判断。

5.3 什么时候让模型停手

除了"哪些不能给模型"，还需要一条"什么时候必须打断"的规则。建议至少设三条：

1. 模型自报不确定时停手。输出出现"可能"“大约”"不确定"这类措辞，或明确表示无法判断时，该条不得自动放行。
2. 涉及真人可识别时停手。官方文档明确写明，模型被设计为拒绝识别人物身份。既然它在设计上就不做这件事，你也不该绕路让它去做。
3. 涉及法律结论时停手。模型可以告诉你画面里有什么，但不该输出"这条素材可以商用"这类结论。结论只能由拿着凭证的人签字。

《LangChain + LangGraph + MCP 智能体开发实战》视频课：这一章讲的是"哪些判断交给人、哪些交给模型"，课程里"多模态聊天机器人"那一模块正好是同一个问题的工程落地。放在资料包里，扫码即可获取：

第6章 素材进入流水线的检查清单

6.1 入库前：六条

1. 来源字段已填，能对应到具体渠道（自采 / 素材站 / 客户提供 / 外购）。
2. 授权凭证字段已填，且凭证文件可打开、可追溯到具体订单或合同。
3. 授权范围已填，平台、地域、用途三项都不能为空。
4. 授权期限已填，且不是"长期"这类无法校验的写法。
5. 可商用与否已明确，且未把"可用于训练"和"可商用"混为一谈。
6. 画面标记（是否含可识别真人、是否有疑似商标、是否敏感）已由模型给出初筛结果。

6.2 出片前：五条

1. 台账状态为已放行，没有停留在待复核。
2. 本次用途落在授权范围内（特别注意投放地域和平台）。
3. 涉及真人的镜头，肖像使用许可已归档。
4. 若成片含 AI 生成内容，发布渠道的标识项已勾选并核验。
5. 生成物的来源信息已写入台账（见第 7 章）。

6.3 把清单固化成阻断级别

清单写在文档里会被忽略，写进流程里才会生效。建议给每条检查项标一个阻断级别。

gate_rules:-id:"license_missing"level:"block"# 直接阻断when:"license_doc 为空"-id:"expired"level:"block"when:"expiry < today"-id:"expiring_soon"level:"review"# 人工复核后放行when:"expiry - today < 30 天"-id:"trademark_suspect"level:"review"when:"模型标记疑似商标"-id:"model_low_confidence"level:"log"# 记录并抽检when:"模型输出含不确定措辞"

三个级别对应三种代价：block 保护公司，review 保护客户，log 保护你自己——被问"当时为什么这么判断"时，你能拿出记录。

第7章 生成物的来源标注与留痕

7.1 现行要求（截至 2026-10-01）

《人工智能生成合成内容标识办法》（国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局联合印发）第三条把标识分成两类：

• 显式标识：在生成合成内容或者交互场景界面中添加的，以文字、声音、图形等方式呈现、可以被用户明显感知到的标识。
• 隐式标识：采取技术措施在生成合成内容文件数据中添加的、不易被用户明显感知到的标识。

第五条进一步规定，服务提供者应当在生成合成内容的文件元数据中添加隐式标识，隐式标识包含生成合成内容属性信息、服务提供者名称或者编码、内容编号等制作要素信息；同条还给出元数据的定义：按照特定编码格式嵌入到文件头部的描述性信息，用于记录文件来源、属性、用途等信息内容。

该办法第十四条明确：自 2025 年 9 月 1 日起施行。

对剪辑人的实际含义是：生成物的来源信息，一半在文件里，一半在台账里。文件里那一半由服务提供者写入，你未必能控制；台账里那一半由你控制，必须自己留。

7.2 台账里给生成物留的字段

{"output_id":"ep12-shot07-v3","generated_by":{"tool":"所用生成工具名称","model_version":"调用时记录的实际版本","generated_at":"2026-09-30 14:20:00 +08:00"},"inputs":[{"ref":"asset_id","value":"street-0812-a","role":"参考图"}],"ai_generated":true,"explicit_mark_added":true,"implicit_mark_expected":true,"implicit_mark_verified":false,"human_reviewer":"待填写","published_channels":[]}

注意implicit_mark_verified默认写false：隐式标识写在文件元数据里，属于"默认应该有、但需要实际核过才算数"的项。不同工具对隐式标识的支持情况本文标为待验证，请以你手上工具的实际输出为准。

7.3 这件事怎么用进作品集

不要写"我精通 AI 视频"。写你做出的东西：

• 一份素材台账模板（字段定义 + 校验规则 + 状态机）；
• 一份入库与出片检查清单（每条带阻断级别）；
• 一段能跑的校验脚本（就是第 4 章那种，能实际拒绝一条素材）。

这三样合起来说明一件事：你能让一批素材从入库到出片全程可查、可拦、可回溯——这正是内容团队最缺、也最不该交给模型替人下判断的一环。

AI 大模型知识库（在线可查）：这一章讲的是"生成物怎么留痕"，知识库里的 Agent Skills 专题给了把这类规则写成可复用能力的完整结构。放在资料包里，扫码即可获取：

附表 A：本文引用事实与出处对照表

附表 B：术语速查表

写在最后：这篇用到的资料

写这篇文章时，把相关的官方文档和源码又翻了一遍，顺手也整理了几份配套的东西：

• 大模型学习路线图：从零基础到能自己动手做 Agent，按阶段说明每一步该学什么、哪些可以先跳过
• 《LangChain + LangGraph + MCP 智能体开发实战》视频课：7 个模块，从私有化部署、Embedding+RAG 到 MCP+Agent 全流程
• AI 大模型知识库（在线可查）：Agent Skills 从入门到落地、Claude Skills 完全指南等专题，按目录浏览即可
• 640 套 AI 大模型行业报告 + 经典 PDF 书籍：看行业落地案例和别人怎么做的时候用得上
• 大模型零基础到精通教学视频：跟着敲一遍，比只读文档快得多

资料是我自己整理的，放在下面这个码上，扫码即可获取：

添加时备注「AI」，优先通过。

资料按「先路线、再动手、最后查漏」的顺序整理好了，建议先看学习路线那一份，照着它挑一条适合自己当前基础的路径再往下看。