【直播切片工作台】第41章:草稿 Worker 与一键成片编排

简介: 本章详解草稿Worker与一键成片编排机制:三组Worker共享同构骨架,差异仅在Process逻辑;通过PhaseOptions实现进度分段映射(如0–50→AI切片、50–100→草稿生成);支持进度钳制、部分成功(草稿完成即completed,视频失败仅记warning)、强制clips1校验等关键设计,兼顾鲁棒性与产品语义。(239字)

第41章:草稿 Worker 与一键成片编排

三组 Worker 的骨架完全同构(wake channel + pollLoop + drain + ClaimPendingByType),差异全部在 Process 的内容与参数调优上。本章聚焦两组成片 Worker:draft_worker 如何把 draft.Generator 适配为任务生命周期管理,以及 ai_slice_draft_worker 如何用 PhaseOptions 把两个 Worker 串成一条流水线。

流程

draft Worker 在 Generator 之上叠了"进度压缩"与"视频导出"两层。Generator 的本地进度 0~100 被压缩到 0~85(draftPhaseLocalProgress),剩余 85~99 留给 gen_video 轮询,MarkCompleted 补满 100。一键成片则是两段调用:切片阶段占 0~50(MarkComplete=false),草稿阶段占 50~100。

flowchart TD
    subgraph 一键成片 ai_slice_draft_worker
        A[阶段一 aiSlice.ProcessWithOptions<br/>base=0 span=50<br/>MarkComplete=false] --> B[校验 clips1 非空<br/>不回退 clips0]
        B --> C[阶段二 draft.ProcessWithOptions<br/>base=50 span=50<br/>MarkComplete=true]
    end
    subgraph draft Worker 内部
        D[Generator.Build<br/>本地进度钳制≤85] --> E[UpdateDraftURL /<br/>UpdateClipsTarURL]
        E --> F{MarkComplete?}
        F -- 是 --> G[exportVideo<br/>85→99 映射远端进度]
        G -- 失败 --> H[部分成功:<br/>completed + error_message]
        F --> I[MarkCompleted 100]
    end
    C -. 复用 .-> D

实现

进度坐标系统的三级映射。最内层是 Generator 的本地 0~100;draft Worker 的 Progress 回调先做钳制(local > 85 → 85),再经 setProgress → mapPhaseProgress(opts, local) 映射到全局:独立任务 base=0, span=100 直通,一键成片草稿段 base=50, span=50 把 85 映射为 92.5。视频生成段用独立公式 85 + 14 × remote/100(videoPhaseLocalSpan=14),远端进度先 clampProgress 防御负数与超 100——三个数字(85/14/1)共同保证进度条单调且永不提前到 100。

部分成功语义。exportVideo 的任何失败(生成失败、甚至回写 video_url 失败)都只返回警告文案,不返回 error:任务仍走 MarkCompleted,警告写入 task.error_message——注释原文"视频失败视为部分成功:状态 completed + draft_url 已写入"。用户拿到了可打开的剪映草稿,损失的只是自动成片。这是对"草稿才是核心交付物"的产品判断的直接编码。

一键成片的强制 clips1。编排器在两阶段之间显式校验 len(project.Clips1) > 0,注释强调"不能回退到分析窗口 clips0"——与 prepare.ResolveClipRanges 的回退链形成对比:纯草稿任务允许 clips0 兜底(用户手选区间直接出片),一键成片若 AI 切片产出为空则必须失败重试,因为"选都没选出来"意味着上游 LLM 异常,用手选区间顶替会掩盖问题。

参数梯度。三组 Worker 的并发与超时随任务重量递增:AI 切片 6 并发 / 20 分钟;草稿 3 并发 / 60 分钟;一键成片 3 并发 / 90 分钟(串了两阶段)。孤儿回收阈值 ≈ 任务最坏执行时长,太小会误杀健康任务,太大则故障恢复慢。

双保险的 live_url。material.LiveURL 为空时回落到 task.LiveURL 快照——素材记录被编辑或迁移后,任务仍能用创建时刻的 URL 完成下载。

📌 设计决策

  • Worker 适配器模式:draft 包不知道 Task 表的存在,draft_worker 负责读写任务状态、映射进度、决定 staging 路径。业务核心与任务基础设施可独立演化。
  • EnableGenVideo 三态指针:*bool 区分"未配置(默认开)"与"显式关闭",对应配置文件可选项语义;关闭时 exportVideo 直接返回空,草稿任务秒完成。
  • 编排器不含业务:ai_slice_draft_worker 只做"调谁、进度怎么分、中间校验什么",两段业务都在被复用的 Worker 里——新增"切片→草稿→BGM"三段编排只需再写一个薄编排器。
  • 子阶段失败即整体失败:阶段一失败时 ProcessWithOptions 内部已 MarkFailed,编排器直接透传错误不再重复标记——失败路径单一出口。

代码示例

片段 1 展示进度钳制与部分成功(摘自 service/draft_worker.go,节选):

const (
    // 草稿组装占用本地进度 0–85;视频生成占用 85–100。
    draftPhaseLocalProgress = int16(85)
    videoPhaseLocalStart    = int16(85)
    videoPhaseLocalSpan     = int16(14) // 85→99;最终 MarkCompleted 到 100
)

    result, err := w.generator.Build(ctx, draft.Request{
   
        JobID:      task.ID,
        Material:   material,
        Project:    project,
        CanvasW:    width, CanvasH: height,
        StagingDir: w.web.StagingDir(task.ID),
        RecordDir:  w.web.CapCutMateRecordDir(task.ID),
        // 将 Generator 本地进度压缩到草稿阶段上限,为视频生成预留空间。
        Progress: func(local int16) {
   
            if local > draftPhaseLocalProgress {
   
                local = draftPhaseLocalProgress
            }
            setProgress(local)
        },
    })
    // ... 回写 draft_url / clips_tar_url ...

    if opts.MarkComplete {
   
        videoURL, videoWarn = w.exportVideo(ctx, task.ID, result.DraftURL, setProgress)
    }
    if opts.MarkComplete {
   
        if err := w.taskRepo.MarkCompleted(ctx, task.ID, mapPhaseProgress(opts, 100), extRaw); err != nil {
   
            return fmt.Errorf("标记任务完成失败: %w", err)
        }
        // 视频失败视为部分成功:状态 completed + draft_url 已写入,error_message 记录视频原因。
        if videoWarn != "" {
   
            _ = w.taskRepo.UpdateErrorMessage(ctx, task.ID, videoWarn)
        }
    }

// exportVideo 在草稿成功后生成成片;失败时返回警告文案(不导致任务失败)。
    videoURL, err := w.videoExporter.GenerateVideoAndWait(ctx, draftURL, recordDir, func(remoteProgress int, status string) {
   
        local := videoPhaseLocalStart + int16(int(videoPhaseLocalSpan)*clampProgress(remoteProgress)/100)
        setProgress(local)
    })
    if err != nil {
   
        return "", fmt.Sprintf("草稿已生成,视频生成失败: %v", err)
    }

片段 2 展示一键成片的两阶段编排(摘自 service/ai_slice_draft_worker.go,节选):

// Process 串联执行:AI 切片(进度 0–50,写 clips1 与标题/描述/话题)→ 校验 clips1 → 草稿(进度 50–100)。
func (w *aiSliceDraftWorker) Process(ctx context.Context, task *model.Task) error {
   
    if w.aiSlice == nil || w.draft == nil {
   
        return w.fail(ctx, task.ID, 0, fmt.Errorf("AI 切片/草稿 Worker 未配置"))
    }

    // 阶段一:AI 切片写 clips1,不标记任务完成。
    if err := w.aiSlice.ProcessWithOptions(ctx, task, PhaseOptions{
   
        MarkComplete: false,
        ProgressBase: 0,
        ProgressSpan: 50,
    }); err != nil {
   
        // 子阶段已 MarkFailed。
        return err
    }

    project, err := w.videoProjectRepo.GetByID(ctx, projectID)
    if err != nil {
   
        return w.fail(ctx, task.ID, 50, fmt.Errorf("查询剪辑项目失败: %w", err))
    }
    // 一键成片必须使用 AI 切片产出的 clips1,不能回退到分析窗口 clips0。
    if len(project.Clips1) == 0 {
   
        return w.fail(ctx, task.ID, 50, fmt.Errorf("AI 切片结果为空,无法生成草稿"))
    }

    // 阶段二:生成剪映草稿(成功后继续 gen_video)并标记任务完成。
    if err := w.draft.ProcessWithOptions(ctx, task, PhaseOptions{
   
        MarkComplete: true,
        ProgressBase: 50,
        ProgressSpan: 50,
    }); err != nil {
   
        return err
    }
    return nil
}

小结

三组 Worker 的同构骨架让"加一种任务类型"变成"写一个 Process + 一组参数";PhaseOptions 把进度切分成可组合的区间;部分成功语义则为长链路的末端风险划出了安全缓冲。

思考题

  1. 一键成片两阶段之间进程崩溃,任务处于 processing 且 clips1 已写入——重启后孤儿回收把它重新排队,阶段一会再次执行并覆盖 clips1。LLM 两次选段结果必然不同,这种"非确定性重试"对用户意味着什么?是否应为阶段一记录已完成标记?
  2. exportVideo 回写 video_url 失败时返回警告、任务标记完成——video_url 从此丢失。若任务详情页支持"补导出"按钮,需要哪些接口与状态支撑?

项目信息

  • GitHub仓库:Chyona/live-mixer
相关文章
|
8天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
9504 25
|
8天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
2739 14
|
3天前
|
人工智能 安全 应用服务中间件
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
NGINX曝出两个高危漏洞(CVE-2026-123633和CVE-2026-123007),CVSS 9.2分,均属HTTP/2内存安全缺陷,无需认证即可远程执行代码。影响自2015年起的多个版本,静态站点亦受威胁。修复版本为开源版1.30.7/1.31.9。(239字)
1311 1
NGINX 爆出两处高危漏洞 可导致未经身份验证的远程代码执行
|
6天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
11天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
11天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
23天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
11482 59
|
6天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
1378 1
|
4天前
|
人工智能 弹性计算 IDE
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
适合团队落地代码规范,每次提交自动生成评审报告,降低人工CR工作量。同时支持自定义技能脚本,接入团队内部SDK说明文档,让Codex生成符合团队编码规范的代码。Codex三大客户端覆盖本地开发、服务器远程编码、自动化流水线场景,搭配阿里云百炼的Token Plan、Coding Plan,能够低成本搭建稳定可控的AI编码助手。新手建议先从IDE插件入手,熟悉交互逻辑,再尝试CLI版本部署在阿里云ECS,实现云上项目远程编码、批量脚本处理。只要按照步骤完成环境准备、版本选型、密钥对接、项目初始化,就可以把Codex融入日常开发流程,大幅提升代码编写、问题排查、项目重构的效率。
955 0
|
9天前
|
Linux API iOS开发
【DSH】DeepSeek Harness新手保姆教程(下载+安装+配置+使用,2026最新实测)
DeepSeek Harness(dsh)是DeepSeek AI开源的智能体框架,秉持“一切皆插件”理念,支持读文件、改代码、跑命令、处理表格、联网搜索等操作。免费开源,兼容Windows/macOS/Linux,提供桌面端与网页端,可灵活安装插件扩展能力。

热门文章

最新文章