AI PRODUCT / PHOTO PLANNING

摄影救星|AI 摄影策划工作台

PHOTO PLANNING STUDIO

拍摄信息 × 摄影规则 × AI 增强策划

面向家庭、儿童与人物摄影的本地策划工作台,把拍摄信息、摄影规则与 AI 增强规划组织成一套可以继续执行的工作流程。

可运行原型 · 持续验证中AI 产品开发
摄影救星|AI 摄影策划工作台真实主界面
YEAR2026
PROJECT个人项目
ROLE产品方向、摄影工作流与 AI Coding 协作
SCOPE结构化输入 + 本地规则 + 可选 AI 规划 + 执行入口

01 / WHY

为什么拍摄前的策划值得被工具化

家庭、儿童与人物拍摄,往往在按下快门之前就已经包含了许多判断:拍摄对象、年龄与尺码、气质、风格、场景、服装、妆发、道具、器材、时间与地点。摄影师需要把这些信息整理成一套能沟通、能执行的计划。

摄影救星把这段拍摄前工作组织成一个策划工作台。它不替代摄影师的现场判断,而是让一次拍摄从零散想法进入更清楚的准备、规划与执行流程。

02 / STRUCTURED INPUT

从“想拍一组照片”到结构化拍摄信息

工作台首先收集可影响拍摄方案的具体信息:性别、年龄或月龄、身高与尺码、鞋码、性格气质、拍摄风格、场景、地区、内容目标与出行方式等。

这些输入组成一份可继续处理的拍摄条件,而不是一条孤立的提示词。结构化输入让后续的摄影规则、方案结果与执行入口能够回到同一组拍摄上下文。

摄影救星|AI 摄影策划工作台:结构化拍摄输入
结构化拍摄输入从拍摄对象与场景条件开始组织方案

03 / PLANNING ENGINE

摄影规则如何形成可执行方案

本地摄影规则会根据输入组织主题方向、场景与地点建议、色彩和风格、穿搭、妆发、道具、器材、拍摄日程与节奏,并把结果整理成可以继续沟通和执行的方案。

方案不是一次性答案,而是一份可以被检查、保存、复制和继续使用的拍摄准备。规则层提供一个不依赖 AI 后端也能工作的基础。

01拍摄信息
02摄影规则
03方案结果
04执行入口
摄影救星|AI 摄影策划工作台:方案结果 A
方案结果 A主题、地点、日程与拍摄方向
摄影救星|AI 摄影策划工作台:方案结果 B
方案结果 B穿搭、妆发、道具与器材建议

04 / AI + RULES

AI 增强,而不是让工具依赖 AI 才能工作

产品在本地摄影规则基础上接入 AI 增强规划;当 AI 后端不可用时,仍可回退到本地规则生成基础方案。当前代码中已接入 /api/plan 入口,以及 MiniMax 与 Moonshot 的可选后端路径。

当前真实产品截图展示的是 AI:规则回退。这说明本地规则路径已经参与方案生成,不代表本轮已经验证 AI 后端成功返回。

摄影救星|AI 摄影策划工作台:AI + 规则回退
AI + 规则回退当前截图状态:AI:规则回退

05 / FROM PLAN TO ACTION

方案不是终点

方案结果继续连接执行入口:地图与导航、装备或服装搜索,以及小红书、抖音等灵感入口。它们把拍摄计划带回真实准备工作,但当前是外部链接,不是应用内地图导航、价格比较或内容数据库。

摄影救星|AI 摄影策划工作台:外部执行入口
外部执行入口地图、导航与装备搜索链接

06 / PRODUCT LOOP

从一次方案到下一次拍摄

方案可以在浏览器本地保存,之后重新打开、复制或下载,便于把一次拍摄的条件和规划带入下一次准备。当前历史记录使用浏览器本地存储,不包含服务器端账号或云端同步的断言。

摄影救星|AI 摄影策划工作台:本地历史记录
本地历史记录浏览器本地保存的方案

07 / CURRENT STATE

当前状态

摄影救星目前是一个 可运行原型 · 持续验证中 的 AI 摄影策划工作台。

已经形成的产品结构包括结构化拍摄输入、本地规则生成、AI 规划入口与回退路径、方案结果、外部执行链接和本地历史记录。后续仍需继续验证有效 AI 后端下的生成稳定性、方案结构的持续适配,以及更复杂的地点、装备和发布场景。

已形成
  • 结构化拍摄输入
  • 本地规则生成与回退路径
  • 方案结果、执行链接与本地历史
持续验证
  • 有效 AI 后端下的生成稳定性
  • 复杂地点、装备与发布场景的适配
  • 更长周期的实际使用反馈

08 / MY ROLE

我的角色

我负责把真实摄影需求与摄影经验转化为产品逻辑、功能结构和验收标准,并判断 AI 应该在哪一层参与。

  • 产品起点与方向:定义工具要解决的拍摄前策划问题与使用边界。
  • 摄影规则与结构化输入:把拍摄对象、风格、场景和执行条件组织成可处理的信息。
  • 方案与执行逻辑:梳理主题、穿搭、道具、器材、地点和日程之间的关系。
  • AI 增强与本地兜底:判断 AI 后端、规则路径与实际使用体验如何衔接。
  • 测试、验收与迭代:检查真实流程,判断问题优先级并推进下一轮验证。

具体工程实现结合 AI Coding 持续推进。