引言
过去几年，生成式 AI （AIGC）的浪潮正在快速改变传媒行业。无论是图片、视频，还是交互式内容，AIGC 正在成为新的增长引擎，并重塑内容的生产方式。
作为国内数字电视和传媒领域的重要力量，华数传媒也在积极拥抱 AIGC。在这样的背景下，华数团队开启了全新的探索。
图片由 AI 生成
场景
在华数传媒的 AIGC 探索中，AI 多模态研发支撑工具是一个重要的应用方向。
在内容生成的过程中，文本、图像、音视频等多种类型的数据会以流水线的方式被生成、加工与组合。表面上看，这只是模型调用的链路，但实际运行中涉及的流程远比想象复杂。
要让这样的流程能够规模化、可持续地运行，系统性的基础设施支撑必不可少，尤其是以下三个方面：
- 数据管理：内部的多模态素材（如文本、图片等）需要统一整理、标注并纳入内容库。只有建立起结构化的数据管理体系，才能支撑后续的语义检索、内容推荐和智能生成。
- 工作流与生产调度：从“选题 → 内容生成 → 审核 → 输出”，每个环节都需要被自动化、可视化管理。统一的调度平台不仅让流程更高效，也使多模型调用、任务分配和版本管理成为可能。
- 数据监控：在批量内容生成场景下，数据（包括脚本、生成记录、调用日志等）的实时监控至关重要。它不仅帮助团队快速定位问题，还能为后续迭代和优化提供反馈依据。
挑战
在这一背景下，技术与系统层面的挑战被迅速放大：既要快速验证流程跑通，又要支持未来迭代。
在具体推进过程中，研发人员遇到了几个关键挑战：
- 管理复杂：随着研发推进，素材数量呈指数级增长。团队不仅要管理海量图片、脚本和生成结果，还要协调多个 AI 模型、算力节点和处理流程。
- 前端开发投入大：在系统搭建过程中，前端界面的开发通常需要投入大量时间和资源，如何高效完成界面构建成为团队必须面对的问题。
- 快速上线压力：在探索期，系统迭代周期以“天”为单位计算，开发周期一旦过长，就会直接影响业务验证和决策节奏。
在此之前，他们也尝试过其他 AIGC 应用开发平台类工具。虽然这类工具场景更垂直，但是同时也需要写大量代码，学习曲线陡峭，不符合快速试错的节奏。
NocoBase 的引入与使用
为了应对这些挑战，研发团队最终选择了 NocoBase 作为承载平台。NocoBase 的无代码特性让开发者只需专注于数据建模和业务逻辑，而不必耗费精力在前端界面上。对于以后台开发为主的团队来说，这意味着可以快速上手、极大缩短开发周期。
在实际落地中，研发团队通过可视化的表结构建模，仅用 1–2 天就完成了平台主体功能。如果按照传统方式，他们至少需要自己写 10+ 个 API 和前端页面。复杂的业务逻辑则通过工作流配置实现，相当于把几十行 if-else 转化成直观的流程图，并能在关键节点触发告警。与此同时，平台与 PostgreSQL 数据库无缝对接，数据既能在 NocoBase 内部使用，也能继续通过 SQL 或 BI 工具分析，保持现有生态不变。
在典型应用场景中，NocoBase 成为了 AI 多模态研发支撑工具的底座：
- 作为 AI 的调度与管理平台，能够集中管理不同算力环节，避免了流程分散。
- 在内容生成层面，平台不仅支撑当前图片素材的批量生成与管理，还为后续的其他内容生成奠定了基础，真正实现了多模态内容的衔接。
-17kdnf.png)
NocoBase 的引入实现了效率飞跃，分工也因此更清晰——后台团队专注于业务逻辑，前端界面则由 NocoBase 自动生成，这大幅缩短了开发周期并提升了研发体验。
团队成员普遍认为，平台的易用性和扩展性超预期：
“作为后端研发，不用关心前端界面，NocoBase 已经满足了我们几乎所有的业务设计需求。复杂逻辑通过工作流完成，效率提升非常明显。”
虽然平台仍处在研发阶段，但已在内部投入使用并展现出价值。
展望
NocoBase 不仅解决了当前 AI 多模态研发的需求，还让团队看到未来的方向——将不同的 AI 场景逐步迁移到同一个平台，统一管理算力和流程，减少重复开发成本。随着平台能力的增强，他们能更快验证新业务，把更多精力放在内容与创意上。
这次的应用也让我们看到了 NocoBase 在 AI 多模态研发中的更多可能性：它可以作为底层数据和工作流的基础平台，也能适配多模型协同与内容生成等复杂场景。
更多 NocoBase 的用户故事：