一个基于 NVIDIA NeMo Agent Toolkit 构建的 AI 驱动、端到端自动化视频内容分发解决方案。
在当今的创作者经济时代，视频内容已成为信息传播的主流。然而，内容创作者和运营团队普遍面临着效率低下的困境：为不同平台撰写标题、描述，设计吸引人的封面，以及手动登录多个账户进行发布，这些重复性劳动占用了大量本可用于内容创新的时间。
本项目旨在利用 NVIDIA NeMo Agent Toolkit 和多模态大语言模型，构建一个一站式的智能视频分发解决方案。通过分析用户上传的视频，系统能自动生成高质量的元数据、AI 封面，并一键发布至B站、小红书等多个平台，将创作者从繁琐的运营工作中解放出来。
-
队名: ThePAI
-
团队理念: 让创造回归创意，让分发回归智能。
-
重复劳动耗时: 为每个视频、每个平台手动撰写标题、描述和标签，过程枯燥且耗费大量时间。
-
跨平台运营复杂: 不同平台的社区文化和内容偏好各异，难以针对性地优化内容以获得最佳表现。
-
封面制作门槛高: 设计一张吸引眼球的视频封面通常需要专业的设计技能和软件，对普通创作者构成挑战。
-
分发效率低下: 手动登录、上传、填写信息至多个平台，流程繁琐，容易出错，且难以规模化。
-
端到端自动化流程: 从上传原始视频到最终多平台发布，实现了全流程自动化，将数小时的工作压缩至几分钟。
-
AI 智能分析与创作: 基于多模态大模型（如通义千问、Nano Banana）深度理解视频内容，智能生成与视频风格及平台特性相匹配的标题、描述和标签。
-
智能化封面生成: 独创的封面生成工具，结合 AI 图像美化与 FFmpeg 精准文字叠加技术，一键生成高质量、高相关性的视频封面。
-
基于 NVIDIA MCP 的微服务架构: 核心功能（如平台登录、上传、封面生成）被封装为独立的 MCP 微服务，确保了系统的稳定性、模块化和未来高度的可扩展性。
-
AI 代理框架: NVIDIA NeMo Agent Toolkit - 作为项目的基石，负责所有 AI 工具的定义、注册、管理和执行。
-
后端服务: FastAPI - 提供高性能的异步 API 接口，作为前后端交互的桥梁。
-
前端框架: React & React Bits - 构建现代化、响应式的用户交互界面。
-
核心依赖:
-
ffmpeg-python: 用于处理视频，包括提取关键帧、添加封面等。 -
Dashscope,Openai,Gemini: 用于调用大语言模型 API。 -
playwright: 用于实现平台自动化登录的浏览器模拟。 -
uvicorn: ASGI 服务器，用于运行 FastAPI 应用。
-
本系统采用前后端分离的微服务架构，其核心交互流程如下：
flowchart TD
A[👥 用户上传视频] --> B[前端接收请求]
B --> C[FastAPI后端处理]
C --> D[NVIDIA NeMo智能分发]
subgraph D[智能处理核心]
D1[📊 内容分析]
D2[🔧 平台匹配决策]
D3[🔄 MCP工具调度]
end
D3 --> E[B站工具服务]
D3 --> F[小红书工具服务]
D3 --> G[封面生成工具]
E --> H[📱 平台登录认证]
F --> H
E --> I[📤 视频上传执行]
F --> I
G --> J[🎬 视频预处理]
G --> K[🎨 智能封面生成]
J --> L[✓ 格式转换]
J --> M[✓ 质量优化]
K --> N[✓ 帧提取]
K --> O[✓ AI美化]
K --> P[✓ 文字合成]
H --> Q[✅ 登录状态验证]
I --> R[✅ 上传接口调用]
Q --> S[🎉 上传成功]
R --> S
S --> T[📋 结果返回用户]
-
前端 (React): 用户通过浏览器上传视频并发起任务。
-
主后端 (FastAPI Server): 作为总控制器，接收前端请求，并调用 NeMo Agent Toolkit 的工作流和工具。
-
NeMo Agent Toolkit:
-
工作流 (Workflow):
intelligent_distributor工作流负责执行核心的视频分析任务。 -
MCP 工具服务 (MCP Tool Servers): 多个独立的微服务，分别处理特定任务（如B站登录、小红书上传、封面生成）。
-
-
外部服务: 包括各大视频平台（B站、小红书）和 AI 模型提供商（通义千问, OpenAI, Gemini Nano Banana）。
-
技术: NeMo Agent Workflow
-
功能: 接收视频文件路径，调用通义千问多模态VLM分析视频内容，生成 JSON 格式的结构化数据，包括推荐标题、描述、标签，以及针对不同平台（B站、小红书、抖音）的发布建议和适配度评分。
-
技术: NeMo Agent MCP Tool, FFmpeg, AI Image Models (中文版使用通义千问，英文版使用 Nano Banana)
-
功能:
-
从视频指定时间戳提取一帧高质量关键帧。
-
调用 AI 图像模型对关键帧进行美化，优化构图与色彩。
-
使用 FFmpeg 的
drawtext滤镜将标题精确地叠加在美化后的封面上。 -
将最终生成的封面图与原视频合并，生成一个带封面的新视频文件。
-
-
技术: NeMo Agent MCP Tools, Playwright,
bilibili-api-python -
模块:
-
bilibili_login&xiaongshu_login: 启动 Playwright 浏览器，用户通过扫描二维码完成登录，程序自动捕获并保存 Cookies。 -
bilibili_upload_video&xiaongshu_upload_video: 使用已保存的 Cookies，调用 API 或通过浏览器自动化完成视频上传。
-
-
技术: FastAPI
-
主要接口:
/api/analyze,/api/login,/api/generate_thumbnail,/api/upload。
-
安装 Python 环境: 推荐使用
uv创建虚拟环境。uv venv --seed .venv source .venv/bin/activate -
安装 FFmpeg:
-
macOS:
brew install ffmpeg -
Linux (Ubuntu/Debian):
sudo apt update && sudo apt install ffmpeg
# 安装 Web 后端服务
uv pip install fastapi "uvicorn[standard]"
# 安装 AI 模型 SDK
uv pip install dashscope openai
# 安装视频封面生成工具的依赖
uv pip install ffmpeg-python requests
# 安装 B 站和小红书工具的依赖
uv pip install playwright "bilibili-api-python>=17.0.0"
playwright install # 下载浏览器核心在终端中设置所需模型的 API Key 环境变量：
# 阿里通义千问 API Key (用于视频分析和中文封面美化)
export DASHSCOPE_API_KEY='sk-xxxxxx'
# (可选) 用于英文封面美化的 API Key
export OPENROUTER_API_KEY='sk-xxxxxx'进入 NeMo-Agent-Toolkit 项目根目录，逐一安装并注册所有自定义工作流和工具。
# 进入各个工具目录并以可编辑模式安装
cd intelligent_distributor && uv pip install -e . && cd ..
cd bilibili_mcp && uv pip install -e . && cd ..
cd xiaohongshu_mcp && uv pip install -e . && cd ..
cd video_thumbnail_mcp && uv pip install -e . && cd ..
# 使用 nat 命令重新加载所有已安装的工具
nat workflow reinstall intelligent_distributor
nat workflow reinstall bilibili_mcp
nat workflow reinstall xiaohongshu_mcp
nat workflow reinstall video_thumbnail_mcp注意: 需要开启多个终端窗口来分别启动各项服务。
-
终端 1: 启动 Bilibili MCP 服务
nat mcp --config_file bilibili_mcp/src/bilibili_mcp/configs/config.yml --port 9902
-
终端 2: 启动小红书 MCP 服务
nat mcp --config_file xiaohongshu_mcp/src/xiaohongshu_mcp/configs/config.yml --port 9901
-
终端 3: 启动视频封面生成 MCP 服务
nat mcp --config_file video_thumbnail_mcp/src/video_thumbnail_mcp/configs/config.yml --port 9903
-
终端 4: 启动主后端 FastAPI 服务
uvicorn intelligent_distributor_server:app --reload --port 8000
-
终端 5: 启动前端开发服务器
cd intelligent_distributor_frontend npm install npm run dev
服务全部启动后，浏览器会自动打开 http://localhost:5173 (或类似地址)。
在内容为王的时代，创作者经济和 MCN 机构正以前所未有的速度发展。市场对于能够提升内容生产和分发效率的工具（AIGC aPaaS）存在巨大的需求。我们的产品精准切入这一赛道，为个人创作者、MCN 机构及企业品牌的内容营销团队提供了一个强大的“效率倍增器”。产品目前处于原型验证阶段，未来将面向 To B 和 To C Pro 市场，提供SaaS订阅服务。
-
平台接口变更风险: 社交媒体平台的前端或 API 可能会更新，导致自动化脚本失效，需要持续维护。
-
AI 内容质量稳定性: AI 生成的内容虽然质量较高，但偶尔可能缺乏创意或与热点脱节，仍需用户进行最终审核。
-
视频分析准确性: 对于内容抽象、无明确主题的视频，AI 的分析结果可能存在偏差。
-
数据隐私与安全: 系统需要处理用户的平台凭证（Cookies），必须采用高级别的安全措施确保数据不被泄露。
-
支持更多平台: 逐步增加对 YouTube、抖音、快手等主流视频平台的支持。
-
数据分析与反馈闭环: 追踪视频发布后的表现，将数据反馈给 AI 模型，以优化未来的推荐策略。
-
智能排程发布: 根据各平台的用户活跃时间，提供最佳发布时间的建议，并支持定时发布。
-
迁移至 NVIDIA NIMs: 将计算密集型任务从调用外部 API 迁移至由 NVIDIA NIMs (NVIDIA Inference Microservices) 部署的私有化 NeMo 模型，以获得更高的性能、更低的成本和更好的数据隐私保护。
-
GPU 加速视频处理: 利用 NVIDIA GPU 和相关库（如 Video Codec SDK）加速 FFmpeg 的视频编解码过程。
-
SaaS 订阅模式: 针对个人创作者和小型团队，提供不同级别的月度/年度订阅服务。
-
企业级解决方案: 为大型 MCN 机构和品牌提供定制化的私有部署方案和技术支持。
-
前端开发 (王宇): 负责 UI/UX 设计与实现，包括粒子背景、渐变色彩、动画过渡等，确保界面美观、现代、交互友好。实现前端完整的功能逻辑，确保用户操作流程顺畅。
-
后端与 AI 代理开发 (Brad, 王宇): 设计并实现基于 FastAPI 和 NVIDIA NeMo Agent Toolkit 的后端架构，开发所有核心 Agentic 工作流和 MCP 工具，确保系统稳定、高效、可扩展。
-
测试与优化 (刘凡, 雷蕾, 大仁): 负责全面的系统测试，包括功能、性能与安全测试，发现并修复 bug。同时根据用户反馈，持续进行用户体验优化和流程改进。
智能视频分发代理项目成功地将 NVIDIA NeMo Agent Toolkit 的强大能力应用于解决内容创作领域的实际痛点。通过其创新的 MCP 微服务架构和端到端的自动化流程，本项目不仅极大地提升了视频分发效率，也为未来构建更复杂的 AI 代理应用生态奠定了坚实的基础。