七月的案例列表
多源数据自动采集与竖屏视频生成系统
一套无人值守的数据到成片流水线。定时从公开接口采集数据，做字段对齐与空值异常校验， 不合格数据直接拦截不进下游，再按日以 JSONL 归档；随后用 Pillow 逐帧绘制榜单画面， ffmpeg 合成为 1080×1920、30fps、H.264 CRF18 的竖屏成片，画面内自动标注数据来源与 统计日期。我负责全部环节：采集器、异常自动重启的守卫进程、渲染引擎、视频合成，以及 一个带「更新于 X 秒前」新鲜度角标的本地监控看板，服务卡住一眼就能看见。模板支持替换 品牌标识，同一套代码可批量套用到不同数据主题。原先需要人工整理加剪辑数小时，现在 每天定时自动产出。
图文转视频批量生产管线
把分镜脚本批量转成带配音和字幕的竖屏成片。打通了文生图接口的异步提交与轮询下载、 TTS 配音、逐帧合成三段链路，单集 20 个镜头全流程跑通，出图成本控制在个位数元。其中 解决的关键问题是：生成模型画不准指定的文字和数字，我的做法是让模型只出干净空白的 牌面，再用程序按坐标精确刻字，这套方法对门牌、屏幕、招牌类画面通用可复用。成片按 规范带「AI 辅助制作」标识。同类五秒片段实测约 31 秒出片，支持并发提交扩产。
在线编程题自动判分系统
为在线编程题库开发的一整套出题与自动判分交付：题面契约表、参考答案、puppeteer 判分脚本、错解反测样例。判分脚本设 11 个检查点，逐项输出「期望 vs 实际」，错在哪一步一眼定位。实跑验证：参考答案 100 分；错解 A（去重写成大小写敏感） 92 分，精准定位到去重项；错解 B（忘记 trim） 72 分，同时抓出 trim、空值拦截、去重三项。我负责全部环节：题目设计、参考答案（原生 HTML/CSS/JS，无第三方库）、判分脚本、错解反测与评分表。这类活的关键在于：只跑正确答案的检测脚本证明不了「错的会被抓」，必须配错解反测。我第一版脚本读文本时用了 textContent.t
案例判断参考
七月的案例列表
多源数据自动采集与竖屏视频生成系统
一套无人值守的数据到成片流水线。定时从公开接口采集数据，做字段对齐与空值异常校验， 不合格数据直接拦截不进下游，再按日以 JSONL 归档；随后用 Pillow 逐帧绘制榜单画面， ffmpeg 合成为 1080×1920、30fps、H.264 CRF18 的竖屏成片，画面内自动标注数据来源与 统计日期。我负责全部环节：采集器、异常自动重启的守卫进程、渲染引擎、视频合成，以及 一个带「更新于 X 秒前」新鲜度角标的本地监控看板，服务卡住一眼就能看见。模板支持替换 品牌标识，同一套代码可批量套用到不同数据主题。原先需要人工整理加剪辑数小时，现在 每天定时自动产出。...
图文转视频批量生产管线
把分镜脚本批量转成带配音和字幕的竖屏成片。打通了文生图接口的异步提交与轮询下载、 TTS 配音、逐帧合成三段链路，单集 20 个镜头全流程跑通，出图成本控制在个位数元。其中 解决的关键问题是：生成模型画不准指定的文字和数字，我的做法是让模型只出干净空白的 牌面，再用程序按坐标精确刻字，这套方法对门牌、屏幕、招牌类画面通用可复用。成片按 规范带「AI 辅助制作」标识。同类五秒片段实测约 31 秒出片，支持并发提交扩产。...
在线编程题自动判分系统
为在线编程题库开发的一整套出题与自动判分交付：题面契约表、参考答案、puppeteer 判分脚本、错解反测样例。判分脚本设 11 个检查点，逐项输出「期望 vs 实际」，错在哪一步一眼定位。实跑验证：参考答案 100 分；错解 A（去重写成大小写敏感） 92 分，精准定位到去重项；错解 B（忘记 trim） 72 分，同时抓出 trim、空值拦截、去重三项。我负责全部环节：题目设计、参考答案（原生 HTML/CSS/JS，无第三方库）、判分脚本、错解反测与评分表。这类活的关键在于：只跑正确答案的检测脚本证明不了「错的会被抓」，必须配错解反测。我第一版脚本读文本时用了 textContent.t...
