用 DeepSeek Harness + REA 复刻一切 AI 产品!!
最近国内外的短剧越来越火了,想入局的人很多 我有个朋友啊 真的是朋友 花了大半年筹备一个 AI短剧产品,但因为没有设计师,界面 UI 交互各方面都很 low ....
最近国内外的短剧越来越火了,想入局的人很多
我有个朋友啊
真的是朋友🌚
花了大半年筹备一个
而且几乎做的都是表单式的,功能非常受限,只能在固定几个场景来做效果
结果上周,他用
DeepSeek
Harness 配合
一下子高大上起来。不止是前端交互,甚至后端功能、
他甚至把短剧剧本大模型都给
再加上 Gemini、Claude等海外
而且前后也才花了 2 天时间。
DSH 在工作的时间长达 10 个小时,跑了 48 个会话、累计 29.36 亿 99% 命中缓存),用的 DeepSeek v4 flash max, 成本才 100 块钱出头,谁敢想啊?
老实说,以后大家想创业、想做什么产品,真的不要自己花心思去空想了。因为创业本身就是先各种抄作业,那就直接把它抄到位就好了。
所以这篇文章,就是给大家看下这个朋友是怎么抄到位的。
我之前跑过几个案例,全都是这样:
不愧是谷歌,出的这个MCP能一键复刻网站、改AI写的屎山代码...
GLM-5「全栈长任务」实测:3小时复刻TikTok视频生成SaaS
只是说用这套逻辑,能更深度复刻,也更省事了。
废话少说,直接上教程。
这也是顺序,先复刻前端外观,这部分很好抄;然后是逆向后端功能;最后是把背后的模型和
工具上用到的是 DeepSeek Harness、
先简单介绍一下它们。
DeepSeek 官方开源的桌面级 Agent 工具,主打「一切皆插件」。
用下来还挺爽的,DSH 基于自研的 Agent 在运行过程中自己给自己开发、安装和卸载插件。
甚至还能把 Claude Code、
再配上自家的 DeepSeek V4 Pro / V4.1 Flash 模型,极高的
安装也很简单,直接去官网下载桌面端,或者在终端跑一行 npx @deepseek-ai/dsh web 就能启动本地网页端。
GitHub 上 45.8 万 Star 的
它支持逆向本地软件,但逻辑上拿来复刻网站也没问题。连上浏览器后,它能直接把前端代码、页面结构和网络请求全扒下来,专门负责摸清原站的前后端逻辑,非常刑
听说通过 Claude、Codex 用它的话,会被封号,所以我才用的 DSH
安装接入很简单(要求 Node.js 22.19 以上):
开源地址:https://github.com/morluto/rea
如果你平时用的是 Claude Code、Codex 或 Cursor,直接在终端跑一行交互式向导就能自动扫描并配好:
npx rea-agents setup如果要接进 DeepSeek Harness,只需跑一行命令装好逆向 Skill:
npx -y rea-agents setup --skill --yes再在 ~/.dsh/cordis.patch.yml 里把 rea-agents 挂进 @deepseek-ai/dsh-mcp-client,重启 DSH 就能直接调用它的 200 多个逆向工具。
号称是 REA 的升级版。
区别是,REA 只管调查不管写代码,而 Craft Anything 自带「调查 → 构建 → 验收」流水线。
开启 Deep 模式后,它会一边读网页结构,一边调用本地的 DSH 写代码,最后自动把本地页面和原站截图叠在一起比对像素差异,哪里不像改哪里。
安装方式:去 GitHub 仓库的 Releases 页面下载对应系统的安装包(macOS 装 .dmg,Windows 装 .msi)。
装好后打开软件,在「设置 → AI → 构建助手」里选好本机的 Coding Agent(支持 DeepSeek Harness、Claude Code 等)
需要深度还原代码时把顶部开关从默认的「craft-anything-cli mcp 挂进 Agent 配置即可联动。
所以它们大概是这么跑的:
这里最核心的是「写剧本 →
先用带调试端口的 Chrome 登录某梦会员,打开「剧本创作」页面,让 Craft Anything 抓取原站布局并驱动 DSH 生成前端代码。
首版界面出来后,我朋友逐项检查了一下,重点让 AI 修了三处交互细节:
① 输入框行内标签
选中的技能、画风和 #时间循环 选题都是嵌在文字行内的标签,删标签不能误删正文。
② 132 种画风封面
原站风格菜单是懒加载的,一路滚到底才抓齐
把点开「技能」按钮弹出的 16 项官方技能(剧本医生、玄幻仙侠、都市男频、摄影增强、引用优化、表演优化、分镜打分等)连同搜索、分类和详情卡片一比一还原出来。
前端界面其实是最简单的,真正麻烦的是后端。此时就要用 REA 分析原站的前端代码和网络请求,把后端的运行逻辑反推出来:
摸清这 26 个接口后,DSH 直接在本地用 Node.js 加
检查了一下本地跑起来的体验,还是挺顺畅的:
输入一句话想法后,先弹出「创作方向单选问卷卡」;确认方向后依次生成故事设定、大纲与正文;接着拆解角色与场景图,进分镜工作台生成多段视频,最后自动合成导出 30 秒整集短剧。
终于到了核心竞争力了:某梦自研的短剧模型和 16 个官方 Skill,到底是怎么写出爆款节奏、怎么给剧本打分的?某梦
这一步靠的是接口抓包 + 模型蒸馏。通过分析网络请求里的 JSON 数据,把 16 个官方技能的触发标识、输入变量和返回格式全部摸清,再把原站在「剧本创作、剧本医生诊断、按诊断修订、角色设计、分镜规划、摄影增强」等 12 个核心环节的能力蒸馏成提示词模板,做成一套本地管理后台。
在本地后台里,每个功能调用的模型(Gemini、Claude、Grok 等)和提示词模板都能随时修改,体验非常丝滑。
我把朋友吊起来打了三天三夜才跟我说,实际上,最终还是用的 Codex 作为
甚至蒸馏剧本大模型这件事实际上是claude做的,它设计了多个问题直接把1000+元的6000积分用完了,调试出来了背后的效果
还逆向找到了json接口看到了一些背后的提示词,太刑了,不建议这么做
但如果你感兴趣的话,可以留言
我再接着吊打朋友,让他吐出来蒸馏模型的实操方法论