企业官网建设流程全解析

起因：一节 5 分钟的动画讲解，能吃掉我一下午

做过知识类视频的人应该都有体会：真正费劲的不是把知识想明白，而是把知识"画出来"。

一个傅里叶级数的动画，从画坐标轴、调动画节奏，到把文字对齐，熟练的人也要小半天，不熟练的直接劝退。我平时写代码比用剪辑软件顺手，所以一直有个念头：能不能干脆用"写代码"的方式，把这类讲解动画做出来？

最近刷到一个开源项目 Code2Video，思路正好对上了。我翻了下它的仓库和论文，又自己跑了一遍，这篇就把过程和我关心的几个点说清楚。

一句话说清它是什么

Code2Video 是新加坡国立大学 Show Lab 做的一个框架：你给它一个知识点，比如"汉诺塔问题"“线性变换”“大语言模型原理”，它自动产出一条教学视频。

它跟常见 AI 视频最大的区别，在于用什么来生成：

• 常见的 AI 视频（Sora、Veo、可灵那类）走的是像素级生成——模型一帧一帧地"画"出画面。
• Code2Video 走的是代码级生成——它写出来的是 Manim 代码，再让代码渲染成视频。

【解释】：Manim是一个用 Python 写数学动画的引擎，3Blue1Brown 那些标志性的数学讲解视频就是用它做的。渲染就是把代码算成一帧一帧画面，再拼成视频。

打个比方更好理解：

• 像素生成，像请画师直接画一张成品画——画完就定型了，想改一笔只能重画。
• 代码生成，像先画出一份可编辑的图纸——图纸能反复复印、随时改动。视频第 10 秒想换个颜色，改一行代码重跑就行。

这就是它敢说自己"清晰、可重现、可调试"的底气，也是它和普通文生视频最本质的分野。

它内部是三个 AI 在打配合

我一开始以为它就是个"调大模型写 Manim 代码"的脚本，翻了下源码才发现里面分了三道工，各管一摊：

三个角色，可以理解成一个小型的视频制作小组：

这里有个我觉得挺巧的设计：Critic 不是嘴上说说"不够好看"，它会去分析画面里元素的重叠和留白，算出具体该挪到哪儿，再把坐标建议发给 Coder 重排。相当于给 AI 配了个会盯版面的美术。

Coder 那一步也不是"写一遍就完事"，它会自己跑一遍代码看报错，根据错误信息回头改，有点像我们平时写代码的调试循环。

我实际跑了一遍

安装这块提前提醒一句：它依赖 Manim，系统级依赖没装好会直接卡住，这是最容易劝退的一步。

# 1. 克隆项目gitclone https://github.com/showlab/Code2Video.gitcdCode2Video/src# 2. 装 Python 依赖pipinstall-rrequirements.txt# 3. 装 Manim Community v0.19.0（版本一定要对上）# 参考官方安装指南：https://docs.manim.community/en/stable/installation.html

macOS 上 Manim 的两个前置库（cairo、pango）我是用 brew 补的：

brewinstallcairo pango

然后是配 API Key，文件是api_config.json：

{"LLM_API":{"provider":"anthropic","api_key":"你的key","model":"claude-4-opus"},"VLM_API":{"provider":"google","api_key":"你的key","model":"gemini-2.5-pro-preview-05-06"},"ICONFINDER_API_KEY":"可选，用来给视频补充图标素材"}

【解释】：LLM就是负责写代码的那个大语言模型，Planner 和 Coder 都靠它；VLM是"能看图的语言模型"，Critic 用它来看画面挑毛病。项目方推荐的组合是 Claude-4-Opus 配 Gemini-2.5-Pro。

生成一条视频，一行命令就够：

shrun_agent_single.sh--knowledge_point"Hanoi Problem"

它会依次跑完 Planner 规划、Coder 写码、Critic 优化，最后执行代码渲染出视频，按项目说明默认落在CASES/TEST-single/目录下。

要批量做，就改long_video_topics_list.json里的主题列表，然后：

shrun_agent.sh# 脚本里可以调这几项：# FOLDER_PREFIX 输出文件夹前缀，比如 Math-Course-2026# MAX_CONCEPTS 生成几个（-1 表示全部）# PARALLEL_GROUP_NUM 并行跑几组

我拿"汉诺塔"试了一条，出来的画面长这样：

这是视频里的真实一帧，不是示意图。左边分点讲解规则，右边三根柱子用 A/B/C 标注，圆盘用不同颜色区分——很标准的数学动画风格。

先说直观感受：清晰度确实在线，文字和图形都很干净，没有像素生成视频那种"文字糊成一团"的毛病。当然，它本质上是在"画教学动画"，不是在做写实视频，所以别指望它给你生成风景大片。

它给自己出了套"考卷"

光自己说好没用。这个项目做了个基准测试叫MMMC，包含 117 个精选学习主题，还配了真人手工制作的视频作为参考答案。

【解释】：基准测试（benchmark）就是一套统一的"考卷"，大家都做同一套题，才能横向比高下。

评估分三个维度：

说实话，用"看完视频后答题的正确率"来衡量教学效果，比单纯比画面相似度要靠谱得多，也能看出这个项目是想认真做教育场景，而不是做个好看的 demo。

和另外两条路比一比

我把三种方案摆在一起，方便你判断：

一句话总结：要"稳、清、能复用"，选它；要"快、随便出个氛围视频"，传统文生视频更省事；要"极致自由和特效"，还是得手工来。

我踩过的几个坑

这部分也是从社区 issue 和论坛反馈里收集来的高频问题，碰到别慌：

1. Manim 装不上

八成是系统依赖缺失。Linux 上补build-essential python3-dev libcairo2-dev libpango1.0-dev，macOS 用brew install cairo pango。强烈建议装进虚拟环境，别污染全局：

python3-mvenv venvsourcevenv/bin/activate pipinstallmanim

2. API 调用失败

按顺序排查：key 填对没、网络能不能通、账号额度够不够、有没有触发限流。

3. 生成的代码跑不起来

先确认版本：manim --version应该是 0.19.0。然后可以直接去输出目录里翻出生成的manim_code.py，手动跑一遍看报什么错：

manim-pqlmanim_code.py GeneratedVideo

4. 视频不够好看

升级一下 LLM（官方推荐 Claude-4-Opus），或者在prompts/目录里改提示词模板，再让 Critic 多迭代几轮，通常在版面上能明显改善。

5. 太慢 / 内存爆

并行数别开太大，PARALLEL_GROUP_NUM按 CPU 核心数来；调试阶段用低质量预览，出片再上高质量：

manim-pql# 低质量，快速预览manim-pqh# 高质量，慢一些

再就是先拿MAX_CONCEPTS=5小批量试，别一上来就冲上百个主题。

这东西适合谁，什么时候别用它

适合你，如果：

• 要批量做教学视频，且希望风格统一、可复现；
• 需要反复迭代画面细节，改一行就能重出；
• 你写代码比用剪辑软件顺手；
• 做的是数学、计算机、物理这类适合动画演示的内容。

别用它，如果：

• 你要的是实拍或复杂特效；
• 你只是想要一条"有艺术感的氛围短片"；
• 你完全不想碰命令行和 Python 环境。

写在最后

Code2Video 最打动我的，是它换了个思路——不再执着于"让 AI 直接画视频"，而是"让 AI 写能画出视频的代码"。这个转向带来的好处很实在：看得清、改得动、跑一百遍都是一个样。

当然它也不是万能的，本质上是"教学动画自动生成器"，边界很清楚。但如果你恰好卡在这类需求上，它值得花一个下午装起来试试。

项目地址：github.com/showlab/Code2Video
项目主页：showlab.github.io/Code2Video
论文：arXiv:2510.01174