漫剧，不该只靠 Prompt
ADK 负责流程，llama.cpp 负责本地低成本文本推理
一句话结论 ADK + llama.cpp 对漫剧最大的价值，不是替代出图模型，而是把剧本、分镜、提示词、质检这些高频文本环节做成可控生产线。 |
过去做 AI 漫剧，很多人盯着模型：哪个图更好看，哪个视频更丝滑，哪个 prompt 更玄学。
但真正进入批量生产后，问题往往不是“能不能生成一张图”，而是“能不能稳定生成一批风格一致、设定不乱、能交付的内容”。
这正是 ADK 和 llama.cpp 可以组合起来的地方。
先把两个工具说清楚
ADK 更像一个流程导演。它适合把任务拆成节点：先写人物，再拆分镜，再生成提示词，再跑质检，失败就回到指定节点重做。
llama.cpp 更像一个本地小型文案车间。它可以在本机或私有服务器上跑开源模型，用来处理大量重复文本任务，例如扩写、改写、格式化、检查缺项。
不要误解 llama.cpp 本身不是出图工具，也不是视频生成工具。它更适合做漫剧生产里的文本层、规则层、批处理层。出图、视频、配音仍然要接 ComfyUI、视频模型、TTS 等外部工具。 |
这套组合怎么跑
图 1：ADK 控流程，llama.cpp 跑高频文本节点，出图/视频工具负责最终生成。
一个可落地的漫剧流程，可以这样拆：
·ADK 接收选题和故事方向，生成任务清单。
·llama.cpp 本地扩写剧情、整理角色表、生成多版分镜草稿。
·ADK 按规则检查：人物是否跑偏、镜头是否缺失、禁用题材是否触碰。
·通过后再交给 ComfyUI、视频模型、TTS、剪辑工具。
·成片前再由 ADK 跑标题、简介、标签、合规和一致性检查。
提升在哪里
图 2：从 prompt 手工作坊，转向可复用、可追踪的生产流程。
1. 降低云端 token 消耗
漫剧里最烧 token 的不一定是最终稿，而是大量试错：10 个标题、20 版分镜、50 条提示词、反复检查设定。
这些任务很多不需要最强大模型。本地小模型先跑粗稿，大模型只处理关键剧情、最终润色和复杂审美判断，成本会更可控。
2. 让角色设定更稳定
漫剧最怕角色忽然换衣服、换性格、换关系。ADK 可以把角色设定做成固定上下文，llama.cpp 在本地反复检查每一集是否违背设定。
3. 批量生成提示词更快
一集漫剧可能需要几十张图、多个镜头版本。llama.cpp 可以先按统一格式批量生成提示词，ADK 再检查字段是否完整：人物、场景、镜头、情绪、道具、风格、负面词。
4. 失败可以定位
只靠聊天式 Agent，失败时很难知道是剧本错、分镜错、提示词错，还是出图工具没接好。ADK 把流程拆成节点后，失败点能记录下来，也能只重跑某一步。
本地小模型和大模型怎么分工
环节 | 适合本地小模型 | 适合云端/大模型 |
故事扩写 | 多版本草稿、风格统一改写 | 关键剧情、复杂人物动机 |
分镜提示词 | 批量生成、格式化、检查缺项 | 首版风格探索、复杂镜头设计 |
设定检查 | 角色名、服装、道具、禁忌词复查 | 世界观冲突、审美判断 |
发布前质检 | 标题、摘要、标签、合规清单 | 最终文案润色、商业表达 |
最适合先做的 4 个功能
图 3：流程、推理、生成、人工判断各司其职。
·角色一致性检查：每集自动比对角色名、服装、关系、口头禅和禁忌设定。
·分镜草稿批处理：把剧情拆成镜头清单，先生成粗分镜，再交给人工挑选。
·提示词格式化：把随手写的描述整理成统一字段，减少出图随机性。
·发布前质检：标题、简介、封面文案、标签、敏感内容做一轮自动检查。
真正的优势不是“自动化”，而是“可控”
漫剧生产不是一次聊天，而是一条流水线。
ADK 的价值是让流程可控：哪些步骤固定、哪些步骤允许模型发挥、哪些步骤必须人工确认。
llama.cpp 的价值是让大量文本任务本地化：便宜、快速、可私有部署，也更适合保存项目设定和内部资产。
适合团队的落地顺序 先做文本层闭环：故事 → 人设 → 分镜 → 提示词 → 质检。等这条线稳定后，再接出图、视频、配音和剪辑，不要一开始就追求全自动成片。 |
限制也要说清楚
·本地模型质量取决于模型大小、量化精度和硬件，不要指望小模型承担最终审美判断。
·llama.cpp 主要解决文本推理和本地部署，不解决图像一致性、视频稳定性和动作质量。
·ADK 需要工程化接入，适合做长期流程，不适合只想临时试一条 prompt 的用户。
·合规、版权、平台审核仍然需要人工兜底。
结论
如果把 AI 漫剧当成一次“灵感生成”，那 ADK 和 llama.cpp 的价值不明显。
但如果目标是持续产出，真正值得搭的是一条生产线：ADK 管流程，llama.cpp 跑本地文本节点，专业工具负责图像、视频和声音。
这套组合不会让漫剧立刻全自动，但会让生产更便宜、更稳定、更容易复盘。
资料来源
·Google Developers Blog：Why we built ADK 2.0，2026-07-01，https://developers.googleblog.com/en/why-we-built-adk-20/
·ADK Docs：Agent Development Kit 文档，https://adk.dev/
·ADK Docs：LiteLLM model connector，可接远程或本地模型服务，https://adk.dev/agents/models/litellm/
·ADK Docs：Custom Tools for ADK，https://adk.dev/tools-custom/
·llama.cpp GitHub：本地/云端 LLM 推理、OpenAI-compatible server、Apple Silicon/CUDA/量化支持，https://github.com/ggml-org/llama.cpp
