当AI生成的代码无法满足需求时，如何引导其进行精准优化？本文记录了一个舞蹈动作抓取工具的优化过程。通过提出具体的命名规则、人物聚焦和节奏调整等需求，最终得到了一个功能完善的版本。这为如何与AI协作进行代码迭代提供了清晰的思路和范例。
智能速览
AI生成的初始代码存在命名混乱、无法识别动作组合等问题。
用户提出按八拍命名、动态截图和聚焦C位人物三项核心需求。
AI迅速响应，提供可直接替换的、带有自定义参数的优化代码。
新增了镜像、节奏微调和相似图片合并等智能化功能。
精华内容
与AI协作开发工具并非一蹴而就，关键在于如何清晰、具体地描述优化需求。下面将详述一个从初版到完善的全过程。
初版代码的不足
最初由AI生成的代码存在几个明显问题。首先，截图的命名是无意义的“多少-1”格式，无法对应具体的节拍。其次，代码无法识别同一拍内包含的多个连续动作，未能将其作为一组处理。此外，由于视频是全景拍摄，画面中有多位舞者，导致目标老师的动作不够清晰，影响了后续分析。
明确三项核心需求
为了解决这些问题，向AI提出了三个关键的优化指令。第一，截图命名必须按照“八拍-拍-动作”的格式，例如“1-1-1”代表第一个八拍的第一拍的第一个动作，且每八个八拍为一组。第二，工具应能识别舞蹈动作的开始，跳过歌曲冗长的前奏部分。第三，截图范围应放大并锁定在画面最中心（C位）的人物上，确保其动作清晰完整。
AI的快速响应与交付
在接收到具体需求后，AI迅速提供了一段完整的优化后代码，并提示直接替换旧代码即可。这种交付方式非常高效，避免了复杂的调试过程。更重要的是，新代码引入了多个可配置的参数，为后续的个性化调整预留了空间，体现了AI代码生成的灵活性和可扩展性。
新增的精细化参数
新代码包含了多个实用的自定义参数。例如，“Mirror”参数用于控制是否镜像翻转视频，以适应不同老师的朝向。“time_offset”参数则用于微调截图时间点，解决老师动作与音乐节奏不完全匹配的问题，可以提前或延后截图。此外，“frames_per_beat”参数允许用户设定每一拍截图的数量，默认为二。
智能合并单一动作
为进一步提升效率，还增加了智能合并功能。虽然设定每一拍截取三张图，但有时一拍内只有一个动作。此时，新代码会计算这三张截图的相似度，如果相似度很高，系统会自动判定该拍为单一动作，并将生成的截图合并，避免了冗余文件的生成，使结果更加精准和精简。
这次经历证明，有效的AI协作关键在于将模糊想法转化为具体指令。通过不断迭代，即使是复杂的定制化工具也能被AI精准实现。这种交互模式不仅提升了开发效率，也降低了编程门槛，让更多人能借助AI解决实际问题。你是否也曾用AI解决过类似的个性化难题？
