AI辅助研究和工具实践04-自动化的AI写作和出图文视频工作流

大家好，我是人月聊IT。

今天继续整理和分享AI工具使用方面的话题。即如何简单的构建一个关于写作或自动化出图文视频的工作流。

在这里所有工具全部采用Google的全家桶工具来进行完成，其中包括了Google Antigravity的IDE编程工具，Google AI Studio，也包括了Google提供的深度研究功能和我前面多次提到的Notebooklm AI笔记。

在前面我就多次提到了，实际我们大部分的自动化工作都可以采用类似构建Skills技能包或者AI编程的方式来完成。这个实际并不需要你有相应太多的编程经验就可以完成。特别是最近类似minMax，天工AI，阿里的Qoder，腾讯的CodeWork都推出了自己的AI桌面端工具，更加加快了普通人通过AI工具提升效率的速度。

通过AI输出图文并茂的文章

首先大家可以看下我2月4日公众号发布了一篇文章，即意识的本质，这篇文章即是通过我构建的Skills技能包自动化工作流自动完成，输出了一篇图文并茂的文章。

对于这个工作流核心的思路，我将其分为三个关键步骤。第1步是互联网爬取意识相关的关键文章，存储到本地；第2步是基于我给出的关键写作要点和提纲，调用AI工具对文章重新进行归纳输出；第3步是对输出的文章进行配图，调用Google Nano Banala的API来输出图片。

如何来完成上面的关键步骤呢？

实际我仅仅是给出我的写作思路，给出数据采集指定的网站和关键字，其余的工作基本全部由AI来自动完成。类似我前面文章谈过的热点文章写作Skills也是同样的道理。

这个Skills技能包里面不仅仅是提示词和参考模板，更加重要的是执行我的数据采集任务，文章配图任务等的源代码片段。对于这种文章的输出实际我并不会经常应用到个人文章写作，但是通过该例子，我基本验证了一个关键的内容。就是我经常谈到的，构建了原子技能+方法论技能的两个关键技能分层。

再简单点来说，就是对于个人AI辅助来说，我只是需要将我个人的原子技能全部梳理和定义清楚，再基于需要定义我的上层方法论技能，那么AI基本就可以完全复刻一个具备同样能力的我。即使对于现在火热的OpenClaw，实际核心思路仍然和我上面思路一致。

这个也是我经常谈到的，AI辅助的时候首先是让AI能够复刻你已有的技能，其次才是面对千变万化的场景，让AI具备基于你的原子技能，进行自我组装，自我进化的能力。

通过AI输出图文并茂的视频

请帮我做一份中国古代木质建筑构建结构分析的深度研究，需要对类似古塔（宋代应县木塔，晋祠），古寺庙（唐代五台山佛光寺，南禅寺），辽金华严寺，善化寺。清代故宫太和殿，天坛等。当然你也可以增加我没有谈到的代表性建筑。我需要你深度研究各个时期木质简直的特点，内部构建，框架结构，构建方式等。形成一篇完整的深度研究报告给我，注意体现关键的构建细节，因为后续我需要用该深度研究文章进行ppt配图。因此深度研究文章要能够讲清楚内部构建细节。注意重点要参考梁思成的中国建筑史。字数8000到10000字。

大家可以看下我2月7日发布的《中国古代木质建筑框架研究》的文章和视频，整个视频全部基于AI输出。核心思路是：

首先是基于Google的DeepResearch深度研究功能输出完整的1万字左右的深度研究报告。然后再让Gemini基于报告输出一个35页的分页绘制ppt图片的绘制提示词。并输出和35页内容对应的语音播客的讲解逐字稿件。接着再调用Notebooklm输出具体的图片信息。

在上面内容都做完成后，实际我得到的两个关键内容。一个是完整的35页ppt的内容，一个是基于这个ppt内容解读的语音文字稿内容。但是我现在需要基于这两个内容输出一个图文讲解的视频。

接着我使用Google AI Studio来帮我生成一个简单的应用APP来完成该任务，具体的提示词如下：

我会提供两个文件给你，一个是有35页ppt的pdf文件，一个是按这个ppt顺序的语音播客文案，你是否可以基于这两个文件帮我生成一个完整的视频，视频就是讲解ppt的内容，同时讲解到某页的时候就显示该页的图片？

基于这个内容，AI帮我输出一个完整的APP界面如下：

我只需要上传我提供的ppt和解说稿件，AI帮我自动完成合成。

由于Google API调用次数限制，我后面又将其源代码下载，基于AI辅助编程，将TTS的语音API替换为GLM的大模型重新进行输出。

整个过程当前还没有实现基于一个关键主题完全一键自动化，但是我们基本可以看到整个过程是完全可以做到的。这个也给了我们一个制作PPT图文解说视频的自动化思路，供大家参考。

今天的分享就到这里，希望对大家有所启发。