国庆前 TikTok 上皮克斯风格的动画带货视频流量是其他类型的 2 到 7 倍，作者决定上量，于是用 TRAE 指挥多个 Agent 一路做下去：先做抓取并翻译 TikTok 评论区的选题插件，再搭一个从上传产品图到逐镜出成片的工作台，全程没手写代码。

国庆前一周，我察觉到了，最近Tiktok 上很多同行开始发皮克斯风格的动画视频来带货

而且流量数据很好，是其他类型的2 到 7 倍

于是我抓紧跑了 10 条，国庆期间发了，数据果然不错

基础流量就已经是平时的 10 倍，于是我决定要上量，放大效果。

但问题马上就来了。

1 是选题。

之前都是抄的，想做好内容还是得自己去评论区里挖更多真实反馈和痛点。

我曾经就做过小红书的评论区抓取和分析工具，所以这次还得做一个 tiktok评论区翻译与分析的插件。

能一口气把几百条评论加载翻译了，然后根据提示词来做选题分析

2 是制作。

动画短剧的流程还是蛮长的，之前做一个就要一个多小时。

如果我想做 100 个，岂不是要好几天？

这不中啊，所以还得把这个过程产品化，做成一个「AI视频生成工作台」

用户只需要上传产品

AI 能自动分析痛点开头，给出完整剧本

最后一口气到视频生成，这样能直接投广了：

而这些开发需求看着复杂，但其实我也就在工作中抽了一个小时，就完成了从想法到落地的全过程了。

今天就手把手带大家跑一遍。

先说一下我用的工具：TRAE

老朋友了，2025 年 1 月第一天上线就在用，那时还是国产 Cursor

迭代到今年 3 月，SOLO 拆成独立的桌面端和网页端；6 月改名 TRAE Work，不写代码的人也能用，文档、表格、PPT、设计都能交给它。

于是它有了两个端：TraeWork 管工作，TraeCode 管编码。

到最近，10 月 9 日，两个端合并，统一叫 TRAE，主题一句话——双端融合，进入 Agent 开发新阶段。

新增的 Agent 模式，把开发从「让一个 Agent 帮我写代码」变成「指挥多个 Agent，从想法一路干到交付」；所有项目和任务在一个工作台里调度，真要改代码细节，一键切回 IDE。

今天就用它来做一个压箱底的教程

下面整个过程，我都是在这一个窗口里完成的。

01 准备工作

到TRAE就先看下它的插件市场，插件、技能、MCP 都在里面，按场景打包好了。

我用到的是「研发工具」这一组：前端设计工具集、快速产品原型开发、GitHub，后面会用上。

两个产品都要和浏览器打交道，所以先在插件市场装上「浏览器控制」。装好之后，TRAE 就能直接操作我本机这个已经登录好的 Chrome，不用再折腾 cookie。

准备工作就这两步。

02 先开发一个浏览器插件

这段话就是全部需求。我没说用什么框架、数据存哪、转写走哪家服务，这些都让它判断。

它先拆了一张任务计划：Chrome 扩展的骨架、评论区抓取和滚动加载、翻译队列、评论分析报告、视频转写（视频自带字幕就直接用，没有就下载媒体转写，再不行录屏兜底）、模型设置页和测试连接，最后是单元测试。每一项在聊天区里打勾，哪一步在干什么，点开就能看。

等它跑完，第一版就能装进 Chrome 了。它搭出来的结构是这样的：

• content.js 注入 TikTok 页面：面板、抓评论、滚动展开回复、把译文贴回评论旁边；
• background.js 在后台发所有模型请求，页面只收结果；
• offscreen.js 负责录音兜底，最长 10 分钟；
• 评论分析在 Web Worker 里跑，不卡页面；
• 评论、译文和报告存在浏览器自己的 IndexedDB 里；
• llm-client.js 适配 OpenAI 兼容和 Anthropic 两套协议，所以火山方舟、DeepSeek、Claude 都能填。

这些名词不懂也没关系，因为我也不懂，但我知道去哪看。

聊天窗口右上角有个 IDE 入口，点进去就是完整的编辑器：文件树、代码、终端都在。Agent 模式负责往前推，IDE 模式负责盯细节，两边随时切。

没错，这活 10 几分钟他就干完了

本地跑通不算数。

我把它装进自己的 Chrome，开了几个真实视频，攒了一批问题发回去：

PROMPT

装到 Chrome 实测，问题如下，逐条修：
1. 翻译时网关偶尔返回 HTTP 500，插件会无限重试，把额度刷光。只对 429 和 5xx 重试，最多两次；网络错误、超时、我手动取消的一律不重发；自动翻译连续失败就先暂停，等我改完设置再手动重试。
2. 转写服务只返回文字、没有时间轴时，SRT 导出和点击跳转要禁用，只留复制和分析。
3. 评论和报告一刷新就没了。加一个「视频档案」：每个视频的评论、译文、报告存在本机，能回看历史版本，能导出 Markdown / CSV，能备份成 JSON 再导入；已有数据要兼容。
改之前先把当前版本备份到 tasks/backups，改完把验收结果写进 tasks/todo.md。

这一轮改出了 v0.2.0。

反正用的过程中有什么问题，就像这样去反馈给 TRAE Agent ，剩下的就是等它解决即可。

03 接着，开发视频生成工作台

欸，工作台的逻辑跟插件还不一样，前者是要有「业务经验」的

但讲真，一个小白也是可以胜任的。

是时候祭出我压箱底的技巧了，包好用的。

就是让Agent 自己去学业务，再让它把流程做成产品。

先到某音、某薯找十几条拆解动画带货的视频，然后回到 TRAE 首页，选「浏览器控制」，把链接贴进去，告诉它用 tkdownloader、xhsdownloader 这类开源项目下载。

模型我选的 Seed-2.1-Pro，权限给到「完全访问」，再指定一个本地文件夹放素材。

done！

视频全部下载下来之后，扔给它这段话：

逐帧学习视频里讲的，总结出这些动画带货视频的特点是什么？为什么他们能有转化？视频结构是怎么样的？如何制作一个动画带货视频？30秒到1分钟的即可，要包含什么步骤？
补充整理提及到的动画视频的带货数据
然后都整理到一个html里，作为报告说明，报告里内嵌图片。

它把 10 多条视频逐帧看完、口播转成文字，最后给了我一份带截图的 HTML 报告。报告里的内容，比我自己看一天视频总结出来的还细。

比如这条卖软糖的黄帽骷髅：每一镜什么画面、什么字幕、起什么作用，拆到秒。

新版把 Agent 产出的报告、文档、图片、视频统一放进「项目产物」，下一步要用的时候直接取，不用从聊天记录里往回翻。

04 梳理产品开发需求

OK，业务学完，报告里也沉淀出了一套 5 步制作流程，就可以开始产品化、批量生产了。

其中，前面的AI动画带货拆解报告.html 里有个制作步骤，结合起来，直接在写成提示词：

接下来，我要把以上的制作过程产品化，做成一个「带货动画短剧生成工作台」
这是制作过程：
1. 挖痛点，写 5 个开头。从评论区和对标视频里找尴尬场景，写 5 个不超过 3 秒的开头，开头不提产品。
2. 按结构写脚本。钩子 → 痛点 → 原因可视化 → 错误方案 → 产品 → 结果；30 秒 75–85 词，产品在第 19 秒左右出场。
3. 设计原创角色。一张三视图 + 表情的设定图，固定一个记忆点道具；产品用实拍图当参考。
4. 逐镜头出关键帧。每镜一张 9:16 静帧，带角色图和产品图做参考，按顺序编号，画面里不生成文字。
5. 一次性生成 30 秒视频。关键帧按顺序喂给 Seedance 2.5，时间戳分镜写清画面、台词、音效，出 480p视频即可
这个产品要面向小白用户使用，上传产品图和跟着指引逐步操作后，能简单生成ai 动画带货视频。
需要你帮我完善这个产品的思路先。

TRAE 没有直接开写代码，先把端到端流程画出来，再帮我把产品定位想清楚：不是通用的 AI 视频工具，是一条带货素材生产线。

差异化在三点：从爆款里验证出来的脚本结构、全程托管不用懂提示词、产出的是能直接投放的成片。

我回答了一些产品的选型问题后，顺手 @ 了插件市场里的「前端设计工具集」，让它先把 UI 设计了。

接下来它就调技能、生成 UI 素材、搭框架，一路自己往下走。

最后交付的是一个本地网页工作台：上传产品图 → 识别卖点 → 选痛点和开头 → 生成分镜脚本 → 出角色设定图 → 逐镜关键帧 → 一次性生成 30 秒视频。

后端一个 Python 文件，前端一个 HTML，打包发给同事，解压就能跑。开头那条视频，就是它生成的第一条样片。

一整套下来，业务逻辑非常丝滑。

而且，注意哦，我是没有给我自己的任何业务经验的，所以说我这个流程非常适合小白来复刻，直接把几年经验的老鸟干趴下（不是

05 为什么说这是「全链路」

回头看这一趟，我一行代码没写，但从做出一个能装进 Chrome 的插件、让它学完同行的视频，到把制作流程做成工作台，全部在 TRAE 的一个窗口里完成了。

这就是新版本 Agent 模式的意思：不是让一个 Agent 帮我写代码，而是指挥一群 Agent，从想法干到交付。

这次还上了几个我已经在用的功能。

– 自动化：重复的流程交给 Agent 持续执行，我的测试回归就是这么跑的。

– 模板库：产品方案、页面搭建、数据分析、技术文档这些常见场景，不用每次从零开始。

– 我的助理：安装说明、汇报、协同这些非编码环节也接进来。

– 项目产物：代码、文档、测试、备份、截图在一个项目里共存，可回看、可继续交付。

桌面端、网页端、移动端一起升级，手机上也去掉了 Work / Code 的区分，离开电脑也能给 Agent 下发任务、看进度，回到电脑接着改。

新版本已上线了，官网就能下载。

所以如果你也有一个「我不懂，但想做出来」的想法，可以像我这样：先让 Agent 学，再让它做。