AI Coding 核心｜视频实时分析工具

AI Coding 核心｜视频实时分析工具 AI Coding 核心｜视频实时分析工具 Modified September 22, 2025 Audio or video is not supported Please download the file and open it with the appropriate software. d0b1ba9372e7675ac9fa495430bdd14e.mp4 · 198.13KB d0b1ba9372e7675ac9fa495430bdd14e 00:00 注意：创建的 API KEY，只要不删除，默认是长期有效的，一定要保管好，发现异常之后，及时删除。 将新建的密钥，填写到代码配置中，除了 API KEY 这个关键参数之外，还可以设置使用哪个大模型。 阿里云百炼平台有很多大模型可以使用，当前 qwen vl max、qwen vl plus 模型已支持上下文缓存。如果请求被系统判断命中了缓存，会减少 token 费用，cached token 单价为input token单价的 40% 配置好 API 密钥之后，在页面上输入一个视频链接，效果如图所示： No access 5c5d748310cb2dce4581eda8dcab7f83 00:00 3）Git 管理代码 整个开发过程中分阶段开发的，代码会比较多，考虑到后面我们还要增加新功能，为了避免新的改动影响之前的代码，建议用 git 管理代码。 不了解 git 没关系，可以理解为给代码的每次重要改动拍快照，有了快照，就可以快速回退到之前的任意版本。 使用 git 也很简单，只需用自然语言描述清楚就行。 提示词 Markdown Copy 请用 Git 工具协助我管理代码，检测当前计算机是否已安装 Git，若未检测到 Git，请自动帮我安装，安装成功之后，自动提交代码。 自动帮我完成了一次代码提交。在哪里可以看到提交记录呢？ 点击左边第 3 个图标，就能看到所有的提交记录了。 2、开发阶段二功能 第一阶段，主要是完成了单个视频的处理，希望在此基础上，能批量处理多条视频。 Code block Markdown Copy 非常棒，第一阶段的基础功能已通过测试，运行稳定。开始第二阶段开发，核心任务如下： 1.批量处理：增加批量视频链接处理功能，支持用户同时提交多个链接。 2.界面优化：优化前端页面布局与交互，使其更加美观、专业且用户友好。 请基于现有代码架构进行上述迭代开发。 测试一下功能是否正常可用。打开页面，输入 2 个视频链接，看看效果怎么样。 输入想了解的问题，快速理解视频内容，回答问题。 至此，整个工具的核心流程就开发完了。在本地启动 Python 服务，就可以正常使用了。 四）部署上线 在本地使用的时候，每次都需要启动服务，比较麻烦。服务器可以理解为 7 24 不关机的电脑，部署到服务器上，就不用重复启动服务了。 一般而言，生产环境用的代码，会比本地开发环境性能好一些。 让 AI 来告诉我们如何快速部署到服务器上。 提示词 Markdown Copy 作为 Python 新手，我希望将开发好的 Flask Web 应用部署到线上服务器，并能够通过外网访问。 请推荐一个适合新手的、提供可视化操作界面的部署平台或工具，目标是尽可能简化配置流程，避免复杂的命令行操作。同时，请简要说明基本的部署步骤和注意事项。 在回答中提到了宝塔面板，该怎么配置使用呢，告诉 AI 你的服务器系统，不同的服务器系统，操作会有一些差异。 提示词 Markdown Copy 我的服务器操作系统是 CentOS 8。我需要一份详细、分步骤的指南，用于安装宝塔面板。请确保所有命令和步骤都明确针对 CentOS 8 系统。 很清晰的给我列举出了详细的步骤。 回答很长很细致，总结了 14 个步骤。 Audio or video is not supported Please download the file and open it with the appropriate software. d0b1ba9372e7675ac9fa495430bdd14e.mp4 · 198.13KB d0b1ba9372e7675ac9fa495430bdd14e 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. d0b1ba9372e7675ac9fa495430bdd14e.mp4 · 198.13KB d0b1ba9372e7675ac9fa495430bdd14e 00:00 注意：创建的 API KEY，只要不删除，默认是长期有效的，一定要保管好，发现异常之后，及时删除。 将新建的密钥，填写到代码配置中，除了 API KEY 这个关键参数之外，还可以设置使用哪个大模型。 阿里云百炼平台有很多大模型可以使用，当前 qwen vl max、qwen vl plus 模型已支持上下文缓存。如果请求被系统判断命中了缓存，会减少 token 费用，cached token 单价为input token单价的 40% 配置好 API 密钥之后，在页面上输入一个视频链接，效果如图所示： No access 5c5d748310cb2dce4581eda8dcab7f83 00:00 No access 5c5d748310cb2dce4581eda8dcab7f83 00:00 3）Git 管理代码 整个开发过程中分阶段开发的，代码会比较多，考虑到后面我们还要增加新功能，为了避免新的改动影响之前的代码，建议用 git 管理代码。 不了解 git 没关系，可以理解为给代码的每次重要改动拍快照，有了快照，就可以快速回退到之前的任意版本。 使用 git 也很简单，只需用自然语言描述清楚就行。 自动帮我完成了一次代码提交。在哪里可以看到提交记录呢？ 点击左边第 3 个图标，就能看到所有的提交记录了。 2、开发阶段二功能 第一阶段，主要是完成了单个视频的处理，希望在此基础上，能批量处理多条视频。 测试一下功能是否正常可用。打开页面，输入 2 个视频链接，看看效果怎么样。 输入想了解的问题，快速理解视频内容，回答问题。 至此，整个工具的核心流程就开发完了。在本地启动 Python 服务，就可以正常使用了。 四）部署上线 在本地使用的时候，每次都需要启动服务，比较麻烦。服务器可以理解为 7 24 不关机的电脑，部署到服务器上，就不用重复启动服务了。 一般而言，生产环境用的代码，会比本地开发环境性能好一些。 让 AI 来告诉我们如何快速部署到服务器上。 在回答中提到了宝塔面板，该怎么配置使用呢，告诉 AI 你的服务器系统，不同的服务器系统，操作会有一些差异。 很清晰的给我列举出了详细的步骤。 回答很长很细致，总结了 14 个步骤。 我按照详细步骤，在服务器上安装了宝塔面板，接下来就该配置项目环境了。 选择 Python 项目，之前没有配置过，添加一个新项目。 将项目文件上传到网站目录下，填写相关配置。 上传文件，我用到了 WindTerm 这款软件，可视化操作，将文件上传到服务器很方便。 AI 在回答里面，结合当前项目，已经给出了这些配置要如何填写，对照着填写就行。 默认是未启动，启动成功，就可以通过服务器 IP + 端口号访问了。如果有自己的域名，也可以通过域名来访问。 五）源码 整个过程，在 AI 工具的辅助下，从沟通需求，到最终部署上线，花费了 2 个小时，完成了一款符合自己要求的工具，还是挺方便的。 在开发过程中，国产编程模型 Qwen3 Coder ，代码生成的速度还是很流畅的，编程工作效率大幅提升。 个人感觉，国产编程大模型已从追赶者转向定义者，下一阶段竞争焦点在于垂直场景的深度优化。 源码放到这里，感兴趣的朋友可以再优化： Python 处理视频： 前端页面： 代码文件放到对应位置，app.py 放到项目根目录，index.html 放到 templates 目录下。 在 app.py 中填入 api key（百炼平台申请的密钥） 结尾： 不论国产 AI coding 工具，还是海外，进化的都非常快，可见今年的热度，对于普通人来说，让自己动起来，机会一直在。 大家好，我是小林，今天在天津做了一场 AI 编程主题分享，其中有一些是近期一线实践后理解的 vibe coding 盲区。 刚好最近和大鹏在参加阿里的比赛，做了个视频分析工具，给大家分享下心得。 一、AI 编程六大核心 二、视频分析工具环境配置 最近，我遇到了一个问题： 收藏夹越堆越满，但真正会回头去看的没几个。最让我头疼的是那些长视频，想要精准地捕捉核心内容和关键点更是耗时费力，经常是看着看着就漏掉了关键信息。尤其在赶时间或者查找资料时，这种低效真的很让人抓狂。 为了解决这个效率难题，我迫切需要有一款工具，可以帮我快速总结视频内容，自动生成视频章节标记，方便我快速了解关键信息。 本次使用通义灵码 IDE，结合 Qwen3 Coder 模型，从 0 到 1，完成开发并部署一款视频处理工具。 用它总结视频到底多快多省心？看效果： 下载通义灵码 IDE，访问官网：https://lingma.aliyun.com/download 提交体验申请，填写完问卷之后，就可以获得下载链接了。 安装好软件，打开之后，会看到默认已经选中了 Qwen3 Coder 模型。 三、实战 一）确定需求可行性 在正式写代码之前，把我要做的需求，跟 AI 沟通清楚，让 AI 完全理解我们的需求，评估是否可行。需求理解到位，是后续所有开发的前提。 从回答中，能看出，Qwen3 Coder 模型确实完全理解了我的需求，也评估了技术实现方案的可行性。 在回答中，提到了阿里云百炼平台支持视频理解功能。为了确保真实可靠，我去阿里云百炼大模型平台看了一下使用文档，确实也提到了视频理解，说明 Qwen3 Coder 模型给出的方案是准确的。 确认了有大模型能提供能力支持，接下来还需要有一个简单的框架，可以将大模型返回的数据，展示到页面上。 Qwen3 Coder 模型推荐使用 Flask 框架来快速上手，构建 完整的 Web 应用。 现在，Qwen3 Coder 模型完全理解了我的需求，要使用到的技术也清晰了。 二）制定技术方案 需求沟通清楚之后，不用着急写代码。先让 AI 设计技术方案，技术方案是后续写代码很重要的依据。 等 AI 完成了方案，自己看一遍，认可方案的话，就可以开始写代码了。 我看了一下生成的方案内容，写的很详细。 The damaged or encrypted file cannot be previewed. Please download it to local device. plan.md · 7.74KB plan.md The damaged or encrypted file cannot be previewed. Please download it to local device. plan.md · 7.74KB plan.md 还细心的拆分了阶段任务，我觉得这一点非常好，避免一次写太多，产生混乱。 三）开发功能 1、完成阶段一功能 1）完成基础功能 现在，生成了 Python 代码，对于之前没接触 Python 的朋友，需要先安装 Python 相关的环境。 配置 Python 环境的工具： 运行 Python 代码的工具： 从回答中，可以看到推荐 Anaconda + PyCharm，Anaconda 内置了大量的常用库（可以理解为别人已经写好，可以直接使用的功能），开箱即用，能省去 80% 的环境配置时间。 访问 Anaconda 官网：https://www.anaconda.com/download 下载安装成功之后，就配置好默认 Python 环境了，可以看到已经安装了很多常用库，能满足大部分需求场景。 为了快速运行 Python，下载 PyCharm 这款 IDE，适合新手，社区版免费且功能足够。它提供了智能代码补全、错误检测等功能，对初学者很友好。 访问 PyCharm 官网：https://www.jetbrains.com/pycharm/download 配置好 Python 环境，安装好 PyCharm 之后，就可以运行代码了。在 PyCharm 中打开文件，在 Python 文件中右键选择运行，即可快速运行 Python 代码。 启动成功之后，会提示你打开一个浏览器页面。 输入一个链接，能够正常显示分析结果（当前返回的都是假数据，在 Python 中固定写好的数据），测试没有报错，说明整个前后端服务链路是没问题的。现在还没开始接入大模型服务，只是让 AI 完成了基础框架代码。接下来就可以开始开发核心功能了。 2）大模型处理视频 基本流程跑通之后，就可以开始增加大模型处理功能了。 为提升响应速度与用户体验，大模型会采用流式输出模式，将计算过程中的中间结果实时返回给用户，大幅减少了用户等待的焦虑感，并有效避免了因生成时间过长而导致的请求超时问题。 如果没有配置真实的 API 密钥，默认情况下，返回了模拟数据。 注册阿里云账号并开通百炼平台服务，网址是：https://bailian.console.aliyun.com 新建一个密钥。 选择账号，填写描述信息，确定即可。