项目背景

生成视频自动化、自动提交视频至视频网站。

技术栈

• n8n (Docker 容器) - 工作流编排
• MoneyPrinterTurbo (本地 Python) - AI 视频生成
• DeepSeek - 文案生成
• Edge TTS - 语音合成
• Pexels API - 视频素材

workflow

    [用户填写表单] 
        ↓
    [AI Agent (DeepSeek + Structured Output Parser)] 
        ↓ 输出 {title, content}
    [生成视频 (POST host.docker.internal:8080/api/v1/videos)] 
        ↓ 返回 task_id
    [Wait 30s] 
        ↓
    [查询进度 (GET /api/v1/tasks/{task_id})] 
        ↓
    [If: progress === 100] 
        ↓ true                              ↓ false
    [完成]                            [Wait 30s] → 回到 [查询进度]
        ↓ true
    [提交视频]     

收获

技术方面

n8n 调试能力：搞清楚了循环节点、表达式 $('NodeName') 引用、Using Fields Below 和 Using JSON 的区别 Docker ：明白了容器 127.0.0.1访问到主机要用 host.docker.internal FastAPI 后台任务模式：用 task_id 异步轮询替代同步等待

流程设计

表单 → AI 生成 → 调用服务 → 轮询 → 完成，比同步等待更工程化 在n8n中数据传递用显式节点引用比 $json 稳，特别是有循环的场景 FastAPI + n8n 这种前后端分离思路很清晰，前后端各改各的

总结

该项目属于workflow模式开发，在需要稳定、自动化的流程方面上，workflow比ReAct等agent架构具备更优秀的审查机制，同时workflow本身可以作为agent的外部框架，进而约束agent输出目标的产物。 同时对于自动生成视频，当前项目属于下载素材、拼接素材的流程，目前AI短剧应该采用的是视频生成模型（如Seeddance、海螺等），通过输出结构化、稳定描述的prompt，使得模型生成优秀的视频。

优秀作品参考：

Ai原创短片《丧尸清道夫》-重制版，国产“爱死机”！