AiGen Studio 2.0：整合 9 家顶尖 AI 供应商的统一创作平台
一、 核心产出与业务成果
我独立完成了从产品设计到全栈开发的端到端交付。成功打造了一个接入 9 家头部 AI 供应商、集成 13 个独立模型的一站式创作工作台，彻底打通了从“生成、筛选”到“沉淀、复用”的完整链路。
核心业务里程碑：
- 全栈独立闭环：一人包揽产品体验设计与前后端开发。攻克了复杂 API 接入、底层数据架构搭建、多维安全鉴权，并完成了核心资产渲染的深度优化。
- 广度模型覆盖：无缝接入 9 家供应商（含模型服务通道），囊括 Google Gemini、字节豆包、OpenAI Sora、即梦、Kling、Wan 等 13 个主流大模型。
- 极致性能飞跃：通过底层重构与感知设计，将核心资产的加载速度从最初的 17 秒跃升至“秒开”级别。
- 高阶架构拓展性：通过建立统一的供应商抽象层，将新增模型接入成本从“重新开发”降维至“仅需增添一份配置文件”。
二、 业务背景与破局目标
随着 Google、字节、OpenAI 等大厂能力的跃升，在实际生产环境中，痛点早已不是“模型效果好不好”，而是**“工作流极度碎片化”**。设计师为了产出一个满意的物料，往往需要在十几个标签页间疲于奔命，且难以沉淀优秀的提示词与参数配方。
基于这一洞察，我做出了关键的业务导向判断：停止制造“又一个单点生图工具”，转而构建“统一创作中枢”。 市面上不缺单点模型，缺的是一个能将选型、生成、对比、沉淀、复用无缝串联的超级工作台。
如果说此前的 AI 项目让我学会了“如何让 AI 做好一个单点任务”，那么 AiGen Studio 给我的命题则是：“如何建立一套秩序，让十几个顶尖 AI 在同一个平台内高效协同”。
三、 面临的核心挑战与解法
01 架构设计：用“信息架构”思维应对供应商协议割裂
挑战：9 家供应商意味着 9 套完全不同的鉴权机制、返回格式和错误码体系。采用硬编码逐一接入将导致系统复杂度和维护成本呈指数级爆炸。
解法：我拒绝了“快速接入”的技术债务。没有选择每家写一套独立逻辑的捷径，而是先抽离所有供应商的共性，设计了一层统一的模型抽象层（Abstraction Layer）。所有模型对前端暴露统一的调用接口，而鉴权与格式转换的差异被封装在后端的独立适配器中。
结果：系统具备了极强的延展性。后续接入即梦、Sora 等新模型时，对接成本从“重构代码”降维到了“仅需增加一份 JSON 配置”，产品迭代速度完美匹配了 AI 市场的爆发节奏。
02 体验重塑：用“感知设计”化解长耗时焦虑
挑战：高质量图文生成通常需要 10-30 秒，视频则更长。传统工具的“转圈等待”会让用户陷入极大的焦虑感，引发频繁的无效刷新。
解法：导致用户流失的不是“等待30秒”，而是“这30秒内的未知感”。为此，我将单一的 Loading 动画升级为**“占位优先，渐进反馈”的感知性能设计**：
- 瞬时响应：点击生成的毫秒级，结果卡片（骨架屏）即刻挂载。后台异步处理扣除积分等动作，给用户“系统立刻响应”的掌控感。
- 透明进度：引入模拟真实生成节奏的进度反馈机制，将“未知等待”转化为“期待感”。
- 渐进式渲染：缩略图优先策略，首屏告别白屏。
结果：不仅是代码层面的优化，更是对用户心理模型的重塑。最终实现了视觉资产加载从 17 秒到秒开的跨越。
03 产品敏捷演进：克制的生态构建节奏
挑战：从个人的效率脚本，到一个带有计费、社区属性的团队级平台。功能加早了是过度设计（阻碍试用），加晚了则导致核心体验断层。
解法：基于真实数据的三次关键决策：
- Day 1 的安全架构：考虑到 9 家 API 资产价值极高，项目首日即将密钥彻底抽离至服务端代理，前端零暴露，封堵多供应商场景下的安全隐患。
- 克制的计费系统：早期刻意不设计费以鼓励试用。直到资源出现瓶颈时，才顺势引入“消耗积分/失败退还”机制。
- 顺应行为的画廊：观察到大家频繁截图分享后，立刻上线“公开画廊”。同时主动克制了“评论与点赞”等社交功能，聚焦“复用优秀 Prompt”的工具属性。
四、 产品设计亮点 (Product Showcase)
摒弃繁琐的跨平台操作，用一张图拆解 AiGen Studio 的极简创作路径：
AiGen Studio用户创作总流程
统一生成入口：降噪与专注
设计决策：将四种生成模式（制作图片/文本转视频/帧转视频/素材转视频）统一融合在页面底部的一个全局对话框中。用户切换模式时无需跳转页面，极大地降低了上下文切换带来的认知负担。
高级参数收纳：渐进式披露
设计决策：对于首尾帧控制、多图参考等高阶功能，采用渐进式披露设计。只在用户需要时才展示复杂的控制项（如帧转视频模式下的起止帧上传区），保持界面的清爽与专注。
知识共享画廊：聚焦复用的团队提效
设计决策：在「生图广场」中，重点突出 Prompt 结构与生成参数。用户点击任意优秀作品即可一键回填其配置到创作工作台，将个人经验转化为团队的公共资产飞轮。
五、 写在最后
如果说此前的项目是我从“使用 AI”向“研发 AI 产品”的转身，那么 AiGen Studio 则是我从“打造单一工具”到“构架复杂平台”的进阶。
在平台级项目中，最难的往往不是单纯的技术攻坚，而是要同时兼顾“系统复杂度（架构）”、“用户心理模型（体验）”与“商业化演进（产品节奏）”的微妙平衡。设计师的底层思维训练，让我习惯于从真实的用户痛点去倒推技术选型与产品决策——这在做平台型产品时，恰恰成为了串联一切的最强纽带。