为什么要写这条 SOP

AI 视频生成模型(如 MiniMax 海螺系列、可灵等)生成一条几秒钟的成片并不难,难的是围绕它的一圈工程活:批量提交异步任务、反复轮询状态、等任务完成、下载成片、按提示词命名归档、失败重试、控制配额。这些活机械、琐碎、最耗时间,却恰恰是标准的编程工作——而写代码这件事,现在可以整个交给终端编程智能体。

我的分工原则很明确:人只负责两件事,写提示词和验收成片;其余全部交给 MCode。

MCode 是什么

MCode(MiniMax Code CLI)是 MiniMax 推出的终端编程智能体,把智能体带进终端和代码仓库:既可以用交互式 TUI 对话式处理复杂任务,也支持非交互模式嵌入自动化脚本。安装三步:

npm install -g @minimax-ai/code   # 前置:Node.js
mcode --version
mcode login                       # 登录 MiniMax 账号

它和通用聊天机器人的区别在于:能在仓库里读文件、写文件、执行命令、自己调试。这正是接管视频生成流水线的前提——它不是给你贴一段代码让你自己跑,而是直接把脚本写好、跑通,把成片放进约定目录。

可以直接复用的任务书模板

把下面这份任务书原样交给 MCode,按注释替换自己的输入即可:

# 任务:批量生成视频流水线

## 输入
- prompts.txt:每行一条视频提示词(人提供)
- 输出目录 out/:成片按「序号-提示词前8字.mp4」命名

## 要求
1. 写一个 Python 脚本:读 prompts.txt,逐条调用 MiniMax
   视频生成 API 创建任务(接口字段以开放平台文档为准);
2. 轮询任务状态(间隔 10 秒,单任务超时 15 分钟),
   完成后下载成片到 out/;
3. 每条任务落一份 manifest.json:提示词、task_id、状态、成片路径;
4. 失败任务不中断批次,记录原因,最后汇总重试清单;
5. 先用 1 条提示词跑通全流程,再放开批量。

## 验收
out/ 内成片数量与 prompts.txt 行数一致,manifest 无 failed 项。

MCode 产出的流水线长什么样

核心轮询逻辑大致如下(示意,接口字段以官方文档为准):

def poll(task_id, timeout=900):
    deadline = time.time() + timeout
    while time.time() < deadline:
        resp = query_video_task(task_id)   # GET 查询接口
        if resp["status"] == "Success":
            return download(resp["file_url"])
        if resp["status"] == "Fail":
            raise PipelineError(resp.get("message"))
        time.sleep(10)
    raise TimeoutError(task_id)

值得注意的是,脚本本身只是产出物的一部分。更省心的是让 MCode 顺手做掉配套:超时与失败落盘、断点续跑(自动跳过 manifest 里已成功的任务)、把重试封装成一条命令。这些自己写要一个下午,交给智能体通常一两轮对话就能收尾。

几点实践体会

1. 先单条跑通,再放开批量。 提示词格式、接口参数、下载命名的问题在单条时暴露最便宜;批量中途才发现,浪费的是真金白银的算力配额。
2. manifest 是流水线的账本。 提示词、task_id、状态、成片路径全部落盘,断点续跑、失败重试、事后对账都靠它;不落盘的流水线等于没跑过。
3. 提示词单独成文件,不要写死在脚本里。 prompts.txt 是人唯一需要频繁改动的输入,保持「人改文件、智能体改代码」的分工边界。
4. 配额与并发要在任务书里写死。 视频生成按条计费,批量脚本的默认并发必须设小、重试次数设上限,避免智能体「热情过头」。

小结

视频生成的工程侧——提交、轮询、下载、归档、重试——是典型的「值得自动化、不值得手写」的活。把任务书交给 MCode,人退回到提示词和验收两个环节,整体产出速度通常显著提升,流水线还可复跑、可对账。任务书写得越可验收,智能体跑得越稳——这正是把活放心交出去的底气所在。