一个正在发生的转变

前两篇写了AI漫剧的工业化流水线和ComfyUI的专业化方案，讲的都是技术怎么把生产流程自动化。但技术自动化之后，真正被重新分配的是人的角色和收益——这篇聊点技术之外的事。

一个具体的数字：中国网络视听协会的数据显示，2026年一季度全网上线微短剧约12.8万部，其中AI微短剧约12.2万部，占比超过95%。这不是"AI要来了"的预警，是已经发生的现实。行业已经从"AI漫剧"（动态漫画，角色是完全虚拟的美术形象）快速滑向"AI短剧"（用AI生成或改造的真人影像，角色是"看起来像真人"的数字资产）——这一步转变，把"演员"这个职业推到了台前，也推向了悬崖边。

为什么专业选手还在用 ComfyUI

前一篇《AI制作漫剧的工业化全流程》里讲的是 LibTV、Seedance 2.0 这类云端一站式平台——它们的价值是把"分镜到成片"打包成几句话就能跑通的流程，面向的是要走量、拼速度的生产团队。

背景

漫剧（动态漫画/AI短剧）在2025-2026年经历了从"单点工具拼接"到"工业化流水线"的转变。早期做一部AI短片，靠的是 ChatGPT 写故事、Midjourney 出图、再找个剪辑软件手工拼接（参考早年写的《ChatGPT + Midjourney + Clipcha制作出一部视频》，那会儿全靠人工在多个工具间倒腾素材）。

起因

一块 AT32F403A（雅特力，Cortex-M4F @ 240MHz）的工业控制板，串口通信出问题了：短命令一切正常，长命令后半段全是乱码，偶发丢字节，频率不固定。用逻辑分析仪抓波形——干净得很，一个毛刺都没有。

起因

用 Claude Code 和 Codex 这类 AI CLI 工具，如果只是"打开就聊"，那跟用网页版 ChatGPT 没区别。真正的威力在于三个进阶用法：

1. 定义角色和规则——让 AI 知道它是谁、该遵守什么规范
2. 开多个 subagent 并行干活——一个任务拆成几块，同时跑
3. 全自动运行——给个清晰的目标，AI 自己干到完成为止

这篇文章把这四件事一次讲清楚。

起因

用 Claude Code 和 Codex 这类 AI CLI 工具久了，最烦的不是模型不够聪明，而是两件事：

1. 供应商不得不频繁切换。现在各家供应商都不太稳定：有的限制每日使用量，有的限制每周使用量，写代码写到一半额度就见底了，只能换一家继续。GLM、Kimi、DeepSeek、各种中转站……来回切是常态。
2. 切换不能中断会话。AI 辅助写代码，上下文和对话历史都长在会话里，一旦中断重开，前面聊的全白费。所以理想的工具必须做到：换供应商，会话还活着。
3. 每次执行命令都要弹权限提示。改个文件弹一次，跑个 git status 又弹一次，一天下来几百次确认，手都按酸了。

这篇文章介绍我用的一整套解法：cc-switch 负责切换供应商（会话不断），allowlist 配置负责告别权限弹窗。

起因

我之前在抖音的评论区里，陆续写过自己是怎么入行编程的，不少朋友说看得有意思。抖音篇幅有限，写得零零散散，现在整理成文章放进博客的「程序人生」分类，也算给这个分类开个头。这里只挑了几个真正影响我决定的事件，还有更多有意思的事，以后慢慢写。

起因

上一篇说了视觉分拣项目从 DEMO 到商业落地要翻三座大山——节拍、稳定性、异常处理，节拍能一票否决，另外两座决定项目能不能"活着收尾款"。但只指出大山在哪不算完整，这篇把翻山的工程方法逐座展开：每座山怎么量、怎么拆、用什么样的手段阶梯去翻，最后给一套交付前能把三座山一次性验证掉的验收闭环。

起因

上一篇把 RK3588 + NPU 的流水线分拣方案设计写完了，但有件事必须单独拎出来讲：方案在实验室跑通，和项目在客户产线上活下来，中间隔着一条鸿沟。这些年见过太多视觉分拣项目死在这条沟里——机器视觉本身是可行的，机械臂也动得好好的，DEMO 演示行云流水，最后客户验收过不了、尾款结不了。

起因

前面写过一篇《瑞芯微RK3588应用程序开发全流程记录》，把 SDK、设备树、烧录、自启动这条 Linux 工程链走了一遍——那是"把平台跑成产品"的一半。另一半是应用本身：怎么把 RK3588 那 6 TOPS 的 NPU 真正用起来，做成一套流水线机械臂分拣的视频识别方案。这篇就补这一半：从模型训练、量化部署，到手眼标定、皮带跟踪、跟机械臂握手，把整条链路的设计决策过一遍。