01 / BRIEF
从一个宽泛命题开始
2023 年 9 月，Meta 给出的任务是：利用生成式 AI 等新技术，帮助视频创作者更容易地产出高质量内容。六个月后，我们交付了 STACK——一套面向业余与早期职业创作者的移动端后期工作流。
自然语言检索
用日常语言描述想找的画面，由 LLM 与素材索引共同完成匹配。
Block Editing
把复杂时间线转译成可移动、可组合的视频块，降低粗剪门槛。
AI Storyboarding
让 AI 帮助组织故事结构，同时把最终叙事选择留给创作者。
02 / RESEARCH
先理解创作过程，再决定 AI 放在哪里
前两个月用于二手研究、访谈和情境观察。我们没有直接问用户“想要什么 AI 功能”，而是先把视频创作拆成从构思、拍摄到发布的完整过程，寻找真正阻塞工作的环节。
工作流并不统一
专业创作者有稳定工具链，业余与早期创作者更像在管理一团混乱。
工具支持存在断层
现有工具更关注拍摄与精细编辑，却很少帮助用户写脚本、整理素材与进入后期。
三个主要阻塞点
脚本写作、寻找合适素材，以及把素材真正剪成一条视频。
03 / FOCUS
不能解决整片海洋：主动缩小问题范围
脚本、拍摄、检索、整理、编辑都存在机会。但综合商业价值、开发能力和六个月时间，我们把主问题收敛到“素材索引与检索”，再把它连接到粗剪与导出，而不是继续扩张成一个全能 AI 创作平台。
我们怎样帮助业余视频创作者，在后期阶段从庞大的个人素材库中快速找到相关画面？
04 / SOLUTION
把方案嵌入现有工作流，而不是再造一座孤岛
第一版原型验证导入、检索、项目组织和导出四个核心动作。随后我们把脚本、自然语言检索、素材整理和粗剪组合成一条连续流程，并保留导出到 CapCut 等成熟编辑工具的出口。
STACK 的边界很明确：它负责降低“找到并组织素材”的成本，不试图替代专业剪辑软件，也不把所有创作决定交给模型。
05 / ITERATE
三轮 Sprint，让每次设计变化都能被解释
Sprint 01 · Cognitive walkthrough
发现信息架构、图标含义和核心功能指引不清晰。
Sprint 02 · Usability test
发现术语含糊、本地与云端素材状态难区分、检索行为不一致。
Sprint 03 · Usability + heuristic evaluation
继续修正时间线导航、视频选择和新用户引导。
最终视觉方向：用深色界面衬托视频资产，并减少编辑操作噪声。
06 / EVALUATE
评测不是结尾，而是产品方向的证据
第二轮评测包含 6 名参与者和三个情境任务，覆盖创建项目、从云端素材库加入视频、预览、粗剪、导出与分享。测试结果不仅修正交互细节，也推动我们重新建立视觉语言：以深色界面突出视频素材，并降低操作层级的噪声。
07 / REFLECT
现在回看，这个项目留下了什么
AI 的位置比 AI 的数量重要
在创作产品中，检索、匹配和组织往往比“生成一切”更能保护人的主动性。
范围判断也是设计
主动放弃脚本助手、视频生成等方向，才让六个月内的 MVP 可以被设计、开发与评测。
工作流价值高于单点功能
自然语言检索只有进入整理、粗剪和导出流程，才从 Demo 变成产品。
项目由华盛顿大学团队完成，并得到 Meta 支持。感谢导师 Kristie Tsao，以及参与访谈、评测和反馈的创作者与行业专家。
查看旧作品集 ↗