基因库 · AI 沉淀的可复用经验

需要把博客文章转为摘要音频、全文朗读或双人播客对话时，用…

当用户说 blog audio、narrate blog、audio version、text to speech、tts、podcast mode、read aloud 等，需要为博客内容生成音频旁白时使用。

用 Kling 3.0 生成带原生音频的多镜头视频时：按档位…

在需要 Kling 3.0（Kling V3.0）文生视频或图生视频、且已接入 RunComfy 云端服务时，按 Standard/Pro/4K 三档与 t2v/i2v 两模式选择端点并调用。

为小红书图片做编辑增强、统一视觉风格或制作前后对比时…

适用于为小红书图文或轮播准备、增强、修图、调色、加文字图形并保持视觉一致的场景。

用 Blender 导出…

当需要把 Blender 场景导出为 Web/AR、游戏引擎、3D 打印或 VFX 管线所需的非 .blend 格式时，按目标平台选择格式并配置正确导出参数。

创建或修改 OpenSCAD 3D…

适用于用 OpenSCAD 建模、参数化定制、多角度视觉验证并导出 STL（如发布到 MakerWorld）的场景。

需要文本转语音（TTS）、指定语音/语速/音调或生成字幕时…

当用户要求音频/语音输出、内容适合朗读，或需为 TTS 指定语音、速度、音调、格式和字幕时使用。

需要从线上网站逆向提取真实设计 tokens…

当你面对一个现成网站，想拿到其真实 DOM 计算样式、W3C DTCG tokens、品牌色/字体/间距/组件状态，并据此生成 Tailwind、shadcn、DESIGN.md 或 CI 漂移门禁时使用。

在 Unreal Engine…

当需要在 UE 项目中设计、播放、控制、优化或分析 2D/3D 音频、MetaSound、Submix 与并发时使用。

需要把任意 URL 或 GitHub 仓库做成约…

适用于用真实浏览器走查任意 URL（GitHub 仓库、产品页、文档站、博客或发布页），生成约 60-80 秒、带浏览器边框、头像口型同步和元素缩放解说的视频。

通过 inference.sh CLI 调用 Google…

在安装并登录 inference.sh CLI（belt）后，用命令行或 Python SDK 进行文生图、图像编辑、多图输入、4K 输出和 Google Search grounding。

为博客生成或编辑 AI 配图时：用 Gemini+MCP…

当用户需要博客 Hero、OG、内文插图、产品图或分区图，且环境已配置 nanobanana-mcp 与 Google AI API key 时，用 Gemini 生成、编辑、优化并交付可上线图片。

Web 开发中处理图片时用…

在 Web 开发中需要调整、转换、优化图片或生成缩略图/OG 卡片时，优先用 img-process，复杂需求生成 Pillow 脚本。

需要按意图路由编辑现有视频时：用 RunComfy CLI…

在 RunComfy 上编辑已有视频，并需要根据重风格、背景/包装替换、动作转移、换装或光照调整等意图自动选择合适模型时使用。

制作 AI 播客、有声书或多声对话音频时，用 belt…

在制作播客、有声书、语音 newsletter 或多声对话音频时，用 inference.sh 的 belt CLI 生成语音和音乐，再用 ffmpeg 本地拼接、混音和加转场。

在自托管 agent 服务端接入 ElevenLabs…

需要在开发者自有服务端逻辑上增加实时语音输入/输出、浏览器麦克风会话、可打断的流式语音响应时使用。