1. 项目定位与用途
Jellyfish 是面向 AI 短剧制作的全链路生产工作台，核心定位是整合碎片化的 AI 工具能力，为短剧制作团队提供从剧本输入、结构化分镜拆解、资产一致性管理、镜头准备、AI 生成到最终导出的统一生产环境，帮助团队高效完成工业化短剧生产，降低制作过程中的协作与管控成本。
项目档案应用项目
Jellyfish AI短剧全链路生产工作台 - 开源从剧本拆解到成片导出的AI短剧制作工具
Jellyfish 是面向 AI 短剧制作的全链路生产工作台，覆盖剧本拆解、分镜准备、资产一致性管理、AI 生成到成片导出的完整流程，支持多模型接入与异步任务追踪，适合短剧制作团队工业化生产使用。
AI 总结
Jellyfish 是面向 AI 短剧制作的全链路生产工作台，覆盖从剧本拆解、分镜准备、资产一致性管理、AI 生成到成片导出的完整短剧制作流程，帮助团队高效整合 AI 能力完成工业化短剧生产。
中文项目介绍
Jellyfish 是专为 AI 短剧制作打造的全链路生产工作台应用，核心用途是整合碎片化的 AI 工具能力，为短剧制作团队提供从剧本输入、结构化分镜拆解、资产一致性管理、镜头准备、AI 生成到最终导出的统一生产环境，降低短剧制作的协作与管控成本。
它主要解决 AI 短剧制作领域的三个核心痛点：一是流程碎片化，传统短剧制作中剧本拆解、分镜准备、AI 生成等环节分散在不同工具，协作效率低；二是跨镜头资产一致性难管控，角色、场景、道具等资产分散管理容易导致多镜头生成内容风格漂移；三是长耗时 AI 生成任务难追踪，文本处理、图片/视频生成等异步任务缺乏统一的状态管控、取消与恢复能力。
适用场景包括短剧制作团队基于 AI 完成全流程制作、需要统一管理角色/场景/道具等资产保障多镜头风格一致性的项目、需要追踪长耗时 AI 任务状态并支持取消/恢复的制作场景。
从仓库信息可见，项目采用前后端分离架构，后端基于 FastAPI + LangChain/LangGraph 实现 AI 工作流编排，前端基于 React + Vite 开发，通过 Redis + Celery 统一管控长耗时 AI 任务，支持多模型/多 Provider 接入，可通过本地运行或 Docker Compose 一键部署。
详细信息与使用说明
2. 解决的问题
Jellyfish 主要解决 AI 短剧制作领域的三个核心痛点：一是流程碎片化，传统短剧制作中剧本拆解、分镜准备、AI 生成等环节分散在不同工具，协作效率低；二是跨镜头资产一致性难管控，角色、场景、道具等资产分散管理容易导致多镜头生成内容风格漂移；三是长耗时 AI 生成任务难追踪，文本处理、图片/视频生成等异步任务缺乏统一的状态管控、取消与恢复能力。
3. 适用场景
Jellyfish 适用于三类核心场景：一是短剧制作团队基于 AI 完成从剧本拆解到成片导出的全流程制作；二是需要统一管理角色、场景、道具、服装等 AI 生成资产，保障多镜头风格一致性的短剧项目；三是需要追踪文本处理、图片/视频生成等长耗时 AI 任务状态，并支持任务取消、恢复的制作场景。
4. 安装方式
从当前仓库信息可见，Jellyfish 支持三种部署方式：1. 后端本地部署：参考 backend/.env.example 配置环境变量，使用 uv 管理依赖，执行 uv sync 安装依赖后，通过 uv run uvicorn 启动后端服务；2. 前端本地部署：参考 front/.env.example 配置环境变量，基于 React + Vite 框架构建运行；3. 一键部署：通过 deploy/compose 下的 Docker Compose 配置，可一键部署包含 MySQL、Redis/Celery、后端、RustFS 对象存储、前端的全套服务。
5. 使用方式
Jellyfish 的核心工作流为「剧本拆解 → 镜头准备 → 候选确认 → 镜头就绪 → 生成工作台」：首先输入章节剧本，AI 自动完成结构化拆解与分镜要素提取；随后进入镜头准备环节，确认/忽略资产与对白候选、关联已有实体、修正镜头基础信息；镜头状态标记为「就绪」后即可进入生成工作台，发起图片/视频生成任务。此外，系统提供统一异步任务中心，可追踪所有文本处理、图片/视频生成任务的状态、进度与耗时，支持任务取消与恢复，也可从任务直接跳转回对应的项目/章节/镜头上下文。
6. 实现特点与技术架构
从当前仓库信息可见，Jellyfish 采用前后端分离架构：后端基于 FastAPI 实现接口服务，结合 LangChain/LangGraph 实现 AI 工作流编排，使用 SQLAlchemy 作为异步 ORM，默认使用 SQLite 数据库，可切换至 PostgreSQL/MySQL 等数据库；前端基于 React + Vite 开发，可通过 OpenAPI 文档自动生成请求函数与类型定义。系统采用 Redis + Celery 作为异步任务 Broker，统一管控长耗时 AI 生成任务；使用 S3 兼容对象存储（如 RustFS）管理素材文件；支持多 Provider/多模型接入、提示词模板管理，通过 OpenAPI 接口实现前后端协作，具备良好的扩展性。
思维导图
Jellyfish AI短剧全链路工作台
核心生产工作流
剧本拆解
分镜准备
候选确认
镜头就绪
生成工作台
核心能力模块
剧本理解与分镜拆解
分镜准备与确认工作流
资产一致性与复用管理
镜头级图像/视频生成
统一异步任务中心
模型/提示词基础设施
技术基础设施
前端：React + Vite
后端：FastAPI + LangChain/LangGraph
异步任务：Redis + Celery
存储：SQLAlchemy + S3兼容对象存储
部署方式
后端本地部署
前端本地部署
Docker Compose一键部署
常见问题
Jellyfish 的核心定位是什么？
Jellyfish 是面向 AI 短剧制作的全链路生产工作台，整合剧本拆解、分镜准备、资产一致性管理、AI 生成、任务追踪到成片导出的完整短剧制作流程，帮助团队高效整合 AI 能力完成工业化生产。
Jellyfish 支持哪些部署方式？
从当前仓库信息可见，Jellyfish 支持后端本地部署、前端本地部署，以及通过 Docker Compose 一键部署全套服务，具体配置可参考各目录下的 .env.example 文件。
Jellyfish 如何保障多镜头生成的风格一致性？
Jellyfish 提供统一的资产一致性管理模块，支持角色/演员、场景、道具、服装等实体的集中管理与跨镜头复用，减少多镜头生成的内容漂移。
Jellyfish 的异步任务系统支持哪些能力？
Jellyfish 的异步任务中心统一管控文本处理、图片/视频生成等长耗时 AI 任务，支持任务状态/进度/耗时追踪、任务取消与恢复，也可从任务直接跳转回对应的项目/章节/镜头上下文。
Jellyfish 的技术栈是怎样的？
Jellyfish 采用前后端分离架构，后端基于 FastAPI + LangChain/LangGraph 实现 AI 工作流编排，前端基于 React + Vite 开发，异步任务基于 Redis + Celery 实现，素材存储支持 S3 兼容对象存储。