让 AI 项目留下可修改的工程：从镜头拆分到资产管理

有一个数字值得所有做内容、做工程的人停下来想一想：Anthropic 的生产代码库里，新合并的代码行已经有超过八成由 Claude 编写。

不只是写代码。它还曾在两小时内排查出让数万项训练作业崩溃的故障；给它一个研究问题，它能反复设计并运行实验。造下一代 AI 的工程和研究工作，正在一步步交到 AI 手里。

这件事带来的变化，比「效率提升」要大得多。当生产的主体变成 AI，交付物的形态就必须跟着变——因为人不再是从零开始写，而是要在 AI 的产物上继续工作。

五阶段：人交出去的是什么

Anthropic 把自己的工作方式画成了一条五阶段路线，重点不是「AI 变强了」，而是人交给 AI 的任务颗粒度在变大：

• 2021—2023 人手开发：工程师在电脑上写代码、写文档，推动每一步。
• 2023—2025 聊天机器人辅助：模型生成代码片段，人复制进编辑器，模型接不了整个任务。
• 2025—2026 编程 Agent：Agent 自己读写和修改文件，有时能完成整份文件的改动。
• 现在 自主 Agent：它能运行代码、测试结果，把数小时的工作分给其他 Agent；人更多是给目标、审产出。
• 未来 递归自我改进：一代 AI 能设计、开发并训练后继模型，形成闭环。

看清楚这条线的走向：从「执行一个步骤」，到「完成一个目标」，再到「自己决定做什么」。颗粒度每一次放大，人的角色就往上移一层。

闭环还差哪一棒

造模型有两类工作：工程（写代码、建训练系统、排查故障）和研究（设计实验、解释结果、选下一条路线）。

按 Anthropic 自己的对照，目前的状态是这样的：

• 决定研究什么：人仍然主导，人提出重要问题与目标。
• 写代码、建系统：Claude 大规模参与，已合并代码逾八成可归因于它。
• 运行与设计实验：给定问题范围内已很强，能反复优化，也能自己提出实验。
• 判断结果与下一步：局部能力在进步，但「走偏节点的对照」不能代表一般判断能力。
• 设计后继模型：尚无完整闭环，人仍决定方向并验证下一代系统。

换句话说：执行已经大量交出去了，判断还握在人手里。这也是为什么现在谈「AI 自己造 AI」为时过早——缺的不是算力，是方向和判断。

回到你身上：交付物必须是工程

这套变化对我们这些不做模型、但天天用 AI 的人，有什么实际影响？

影响在于一个很容易被忽略的标准：AI 给你的东西，能不能继续改。

举个具体的例子。你想让场景里的某个物体消失：

• 如果修改集中在独立图层和蒙版里，你可以只调整那一块的范围，随时反悔。
• 如果所有内容已经合成一张平面图，你就没法单独控制原来的组成部分，只能重新生成——而重新生成往往连原本满意的部分也一起变了。

一张好看但改不动的产物，在真实项目里的价值接近于零。 因为真实工作里，修改才是常态，一次成型才是意外。

什么是「可修改的工程」

不同软件里的表现形式不同，但原则是同一条：保留结构，而不是只保留结果。

• 三维场景：保留可编辑场景与模拟设置，而不是导出一段视频
• 合成：保留合成工程，而不是渲染成片
• 图像处理：保留分层文件，而不是压平一张图
• 矢量：保留路径和分组，而不是导出位图
• 调色：保留节点，而不是烧死在画面里

节点（node）可以理解为一串分工明确的处理步骤，它的价值是让你能回头只调整其中某一步，而不用推倒重来。

这条原则对 AI 生成的内容同样适用。你接受的如果是「一段成片」，后续任何修改都要从头再来；你接受的如果是「一份工程」，修改就是沿着已有结构继续做。

为什么这一点现在变得紧迫

以前 AI 生成的东西质量一般，你本来也要重做，交付形态不重要。

现在不一样了：它生成的东西足够好，好到你不想重做。这时候如果它不可修改，你就会陷入一个尴尬的循环——满意但改不动，改了又不满意。

所以判断一个 AI 制作流程成不成熟，别看它第一版多惊艳，看它第二版能不能接着改。

从镜头拆分到资产管理：一套可操作的方法

如果你的工作涉及视频、图像或任何需要反复修改的产出，可以按下面这套方法组织：

第一步：拆镜头，别整段生成。

把一段内容拆成独立的镜头或模块，每个单独生成。整段生成的后果是——一处不满意，全部要重来。

第二步：明确每一层的职责。

背景、主体、特效、字幕、调色，各自独立。你后期要改字幕时，不应该动到主体。

第三步：建立素材库，而不是临时找图。

同一项目里的角色、场景、道具、配色，要有固定的参考文件和参数。这样不同批次生成的内容才能保持一致。

第四步：保留生成参数。

提示词、种子、模型版本、参数配置，全部记下来。三个月后客户要改一版，你靠这些能复现当时的结果，而不是靠运气重碰。

第五步：验收时提一次修改。

交付之后，故意提一个修改需求——换个角度、调一处颜色、改一块范围。看它能不能沿着原来的结构继续做。能，说明这套流程成立；不能，说明你拿到的还是结果，不是工程。

三个常见错误

• 只存成品不存工程。硬盘满了就删工程文件，留下成片。三个月后客户要改，你只能重做。
• 参数不记录。觉得「反正是 AI 生成的，再生成一次就行」。实际上再生成一次，出来的往往不是同一个东西。
• 接受不可编辑的交付。觉得「这次够用了」，直到第一次需要修改时才发现问题。

收尾：把标准写进流程

如果你在团队协作，建议把这条写成硬性要求：AI 参与的产出，必须交付可编辑的工程文件，而不是只有成品。

这条规矩看起来增加了当下的麻烦，但它决定了三个月后你们是「改一下就好」还是「从头再来一遍」。

AI 已经接手了大量生产工作——八成这个数字就是证明。接下来真正稀缺的，不是生成能力，而是让这些产出能被持续修改和复用的能力。