项目案例
全部是软件与技术服务范围内的工作。「自研技术」是火翼自己的成果,「技术交付」是为合作方开发的系统——上线运营、对外服务与收费均由合作方负责。

授权形象的内容生产平台
问题
用授权来的形象做二次创作,麻烦的不是模型不够强,是能力太散:这个模型出图、那个模型出稿,参数各记各的,中途换个人接手就断了。更要命的是事后没人说得清哪一张用的是谁的授权。
我们做了什么
把分散的模型能力收进一个工作台:项目、画板、素材统一管,换人接手也能接着做
一个角色打包成三张参考图,选一次就带齐;出图前自动核对授权范围,超范围的拦下来
用量、扣费、产出记录都落在同一套账上,事后能一条一条对
结果
创作从"碰运气"变成能重复的流程:同一个角色在不同画面里长得一样,每一张产出都查得到用的是谁的授权。
权属与运营:广东追光工坊 · 设计开发与交付:广州火翼

形象素材的双方水印与溯源
问题
授权方最怕的是文件流出去以后说不清是谁泄的。想在同一个文件上同时标记版权方和制作方,直觉做法是连打两次水印——但第二次会把第一次盖掉,结果两边都读不出来。
我们做了什么
把一次能写进去的水印内容对半分:前一半记版权方,后一半记制作方,只写一次
两半各自独立校验,单独拿出任何一半,都能认出对应的那一方
再加一层看不见的指纹,文件被压缩、转码、改过尺寸之后依然认得出来
结果
一个文件带两个能各自验证的归属标记,画质不受影响。边界也要说清楚:水印跟着这些像素走,能证明文件被转到了哪里,但认不出别人从零另做一个长得像的角色。
权属与运营:广东追光工坊 · 设计开发与交付:广州火翼

海外客户的筛选与评估系统
问题
找海外客户,名单不难拿,难在一千条里大部分根本不是你的客户。人工一条条看要一周,看完还是靠感觉;全丢给大模型逐条打分,又贵,而且它对每一条都能编出一套像样的理由。
我们做了什么
分三步筛:先用现成字段免费粗筛,再用中等模型批量打分,最后只对靠前的细查
查海关提单记录,把"看着像客户"和"真的在进口这类货"分开
每条结论都要给出依据,不能只给一个分数
结果
一千条名单的初筛,从人工好几天变成跑一次任务,每条结论都能查到出处。业务同事看到的不是"系统打了 87 分",而是"这家有 12 条提单记录,最近还在扩采购团队"。

只在指定范围内作答的问答系统
问题
大模型答题的毛病不是答错,是答得太超前。使用者只掌握这一阶段的方法,模型却用了更靠后的解法——答案是对的,但对方看不懂,也用不上。
我们做了什么
先把每个阶段能用哪些方法、不能用哪些方法,一条一条写清楚
模型答完先自查一遍,超出范围就带着限制重答,而不是直接抛给使用者
关掉深度思考、重写调用流程,一次回答从 42 秒降到 0.9 秒
结果
碰到超出范围的问题,系统会直说"这个方法不在范围内",再给一个范围内的解法。换一份范围配置,同样的做法就能用到别的专业领域。

把一张成品图拆成能照着做的步骤
问题
难的不是说出七个步骤,是这七步要**真的对得上那张图**。让模型凭空描述做法,它会给出一套听起来合理、但和图上位置对不上的顺序——照着做就走样了。
我们做了什么
先给出一张完整的成品图,步骤全部从这张图上倒推,不是另外编一套
主体的位置由图本身算出来:白底以外的才是内容,再按离中心的远近分档
每一步只加一个动作,只用圆、方块、三角这几种基本形来说,不用专业词
结果
先看见要做成什么样,再一步一步长出来,每一步都落在成品图的同一个位置上。换一套题材配置,同样的做法能搬到别的技艺讲解上。

用一句话改代码的网页工作台
问题
想让没写过代码的人改一个网页,卡点不在模型写不出代码,在**改完要能立刻看见**。每改一次就重装环境、重启服务,人就不会想改第二次。
我们做了什么
一句话说清要改什么,系统只动相关的那一行,并把改在哪里标出来
改完不重启,预览当场刷新,一个来回是几秒不是几分钟
一键打包发布,拿到一个能直接打开的网址;源码随时导出带走
结果
从"提一个想法"到"看见它变了",缩短到一次呼吸的时间,做出来的东西有一个能发给别人的网址。作为技术底座交付给合作方,对外运营由合作方负责。

跟着人动的立体画面装置
问题
展厅里最常见的问题是:屏幕就只是一块屏幕,人走过去画面不变,没人愿意停下来。想让一块平屏看起来像一扇能望进去的窗,难点不在认人脸,在画面怎么算。
我们做了什么
用摄像头实时找到观众头的位置,直接用成熟的开源方案,不自己训练模型
按观众眼睛的位置,把画面的透视实时重算一遍——窗框不动,只有窗里的景物移动
场景按远近分层,画面才有东西可以错开;没有摄像头时也能用鼠标演示
结果
人左右一动就能看到物体的侧面,屏幕像墙上开了一扇窗。整套跑在浏览器里,现场一台笔记本加一个摄像头就能布置。好莱坞的 LED 环幕背景用的是同一套原理,区别是那边跟着摄影机走,这里跟着观众走。
合作方式
四步交付,每一步都有可验收的产出
能做什么、做不了什么,第一步就说清楚。
场景评估
先判断这件事该不该用 AI 做。梳理业务流程、数据条件与验收标准,给出可行性判断和不建议做的部分——包括直接告诉你哪些环节用规则或人工更划算。
方案与原型
确定技术路线、模型选型与系统架构,产出可运行的原型和明确的工期、成本、验收指标。方案阶段就把调用成本和时延算清楚,不留到上线才发现。
工程交付
完整开发、测试、部署与联调。交付物包含源代码、部署文档与运维说明,确保你的团队能接手,不产生对单一供应商的隐性依赖。
运行与迭代
上线后持续监测效果,按真实使用数据调整流程与参数。模型和业务都在变,交付不是终点。



