3

KOOKO

2026 PSIG 海外产品创新组 多模态视觉范式模型交互

KOOKO 是百度文库 AI 版的海外产品,海外用户已达百万级,并在海外社交媒体平台引发广泛关注。

我参与了 KOOKO 中多模态场景的视觉范式设计与基础建设更新;优化核心的图与视频场景下的模型交互体验优化,提升输出效果。构建高质量数据集,支撑案例迭代与流程自动化。

我的整个工作内容围绕KOOKO的多模态场景展开,以生图与生视频场景为主。提高用户在模型使用上的体验感,兼顾AI生成专业性、交互流畅度与视觉质感。以及保证用户高效产出高质量内容,丰富完整的后期编辑工具链,全面提升并满足用户在智能化体验与创作场景下的多样化需求。
KOOKO 多模态创作能力总览KOOKO 创作与写作场景概览
对市面上相关AI生成类产品进行竞品调研,重点调研生成模式上的体验变化,其次为视觉与交互部分,包括但不限于Pollo AI,Kling,OiiOii,Lovart等。
 
结合自身产品进度,确认优化维度:视频场景的创作难度较大、提示词模版可用量少、模版不支持配置、模型量少、场景基础功能匮乏。
Problem
视频场景下辅助用户更好地创作是重点。
后续模版支持可配置,和运营协同,紧追热点,共创优质模版,辅助用户创作。
沉淀不同类别的可用提示词模版,辅助KOL进行创作,并把提示词玩法公开给用户。
随时紧跟新模型,快速上线。
提升视频场景基础性能,协调研发,降低非风控问题生成失败率。
分析用户query,挖掘可聚焦的场景,对后续做垂类做积累。
总结出问题方向:
Strategy
让不可控的生成结果变成用户可控的创作过程,构建标准化优质案例产出规范:进入编辑率、二次编辑后的采用及下载率;注重单次生成质量,尤其是新手一次编辑的成功率;在减少推倒重来的次数基础上,让生成更好看。
 
相比于更好的单次生成,用户更需要改得动的结果,增加编辑器功能:抓出用户行为数据,生成 2–3次就放弃,而非持续调Prompt;是局部生成问题,非单次结果不行;区分AI能力问题与产品体验问题。
 
视觉及交互优化,呈现更为清晰的模版层级,加大曝光模版入口:模版层面做减法,单页面更多的模版并不能提高辨识度;确认品牌调性,使视觉层富有专业性但不失活泼度;功能重构,更新用户反馈场景,优化应用页面策略。
通过对已有query、埋点、kol反馈、pv、uv等数据进行分析,得到优化策略:
Solution
定义用户身份、需求背景、生成目标等
作为电商卖家、影视导演、UI设计师等,进行某项具体的工作活动(产品宣传海报、分镜头设计、品牌UI设计),对整个生成过程规范进行前置的背景定义。
承接生成背景后进行的画面中具体内容的描述,根据用户身份的不同会进行相应的更改。
主体:有(人物/动物/物体/抽象矢量等)、无主体。
环境:尺寸-16:9、4k等;风格-写实、二次元、赛伯朋克、水彩、马克笔手绘等;色调-暖/冷、dark/light mode、光影等;镜头/构图-室内/外场景、俯视、黄金分割比、鱼眼镜头、长焦镜头等;文字-无衬线字体、3d字体等;质感/特效-磨砂玻璃、微拟物质感、动态模糊等
行为:主体的具体行为,依据用户需求来描述。
总的来说即:
     A谁或什么事物是焦点、场景在哪里、在什么时间
     B具体、视觉化的元素,用于充实角色和环境
     C发生了什么?场景中的驱动事件和变化
     D感受、氛围和非视觉元素
     E特定的摄像机角度、镜头、运镜
对生成内容进行进一步细化与规范,注明必须做的事与不要做的事
用户以图生图的形式生成:“将图片B中的风格换成A的”即“不要更换B的主体与必须更换B的风格”。
Context
Component
Criteria
明确图像范围
方向词
反向控制
图片场景案例定义3C公式模版来稳定产出Prompt,所生成的图片应用于案例页。配合AI辅助,产出速度提升,在一个星期内可产出100+图片案例,同时图片质量也较高,对品牌、生活、设计、电商、娱乐等类别均有覆盖。
 
从产品的体验数据上来看,生图功能渗透率环比Q1提升18.9%(生图功能渗透率 = 用户点击发送UV/全站访问UV,Q1是6.24%,Q2提升到7.42%),引入更优质的模型,生成的质量提升,用户对生成结果的可用性更认可,下载率有明显提高,环比Q1提升15.6%,(下载点击率 = 下载按钮点击PV/用户生成完成PV,Q1 为16.05%,Q2提升到18.56%,+2.51pp)
3C公式产出模版。
产出的图片素材
这是我在视频案例制作过程中总结出的生成方式,以用户的想法描述取代逐词控制。但它也有明确的失效区。对于需要逐镜复现、有硬性交付规范的商业项目和工业化产线,精细的Prompt仍然是更可靠的工具,不该被本方法替代,它服务的是创意探索与叙事表达场景。
 
从产品的体验数据上来看,模版在视频场景更加受欢迎,被更多的用户使用,Q1 模板使用率是 7.08%,Q2 提升到11.31%,提升 4.23 pp。视频场景改版后,数据提升明显:付费金额和付费用户数提升,付费用户数提升+64.3%、ARPPU值提升+67.9%,用户更容易成交,每个用户贡献更高,内容消费能力也变强,下载率提升+29.3%,点赞率提升+46.9%,线后产出的内容更有被消费、被认可的价值。
Intent Casting。
Intent Casting
节点
核心作用
核心内容
输出
创意输入
用户未加工的表达
口语化描述
参考图 / 参考片
碎片灵感
原始创作灵感
意图识别
确认真正想表达
的是什么
核心情绪
叙事主线
记忆与意象
意图片段
方向判定
判断这条需求
走哪个方向
意图型 → 投射内容
复现型 →
精准控制内容
通道结论 
处理策略
减少冗余词汇
去掉替模型做决定
的执行层语言
光圈与焦距数字
机位角度术语
运镜速率标注
调色数值
去噪文本
意图放大
把执行语言翻译成
观感语言
情绪浓度
空气质感
主观视角
镜头意图转写
氛围意图转写
"手持晃动跟拍" →
"蓝调时刻" →
"像有人举着相机在后面追"
"犹如夜晚开始降临,夕阳已落下"
…
观感化描述
信息自检
发送前补齐
4A 缺口
逐层比对 4A
缺哪层补哪层
补的是只有用户知道的信息,
不是模型自己会做的部分
可一次发出的
完整信息包
提示词成稿
合成可直接使用的
Prompt
画面自洽
情绪可辨
模型可执行
Intent Prompt
模型生成创意
出片
成片
意图先行
提示词本质上是一次意图的完整交付,一条prompt发出去应当是用户负责说清自己要什么,模型负责拍摄问题。
控制退让
确定焦段、机位、运镜数值,是在以用户的分镜水平覆盖模型的镜头直觉——多数时候是降级。
信息适配
让权不等于prompt内容少,抽象的形容词生成不出画面,删掉的应该是模型本来就会做的部分,补上的应该是用户知道的部分
4A信息结构
Anchor
镜头一开始,观众的眼睛,应该落在谁身上
Arc
这个主体在这几秒里,经历了什么变化
Air
光从哪来、颜色偏冷偏暖、剪辑的呼吸是急还是缓
Application
片子最终用在什么场合,整体想要哪种氛围
描述策略
意图清晰度
要让人感受到什么
信息完整度
4A是否已经写全
意图清晰 + 信息完备时,只删掉多余的参数指令,结构不动,可直接发送
意图清晰 + 信息不足时,围绕已有意图,逐层填上4A 缺口补全再发
意图模糊 + 信息完备时,从已写的细节里反推意图,并把它放到开头提炼再发
意图模糊 + 信息不足时,不要急着发送——先定下要传达什么,再按4A 铺开,想清楚再动笔
1
2
3
对目前产品内容进行问题定义,通过20000+用户query与行为数据分析,发现其中存在大量图像编辑需求。多数用户在对prompt的调整时仅存在于局部,并且不是持续调整,有时用户希望的并不是一次性的结果,而是可以改动的结果。对于产品而言,要做的应该是把AI能力转化成用户可控的编辑过程,应该要让用户感知到从“希望AI一次性就成功”到“和AI来回协作得到合适答案”的产品变化。
 
统计用户编辑需求类别共20类,汇总成核心的五类编辑功能。推出编辑器功能。整合多项图像操作能力,丰富图像场景能力,增加用户对图像部分的体验与可操作性,不再只能通过prompt描述来对图片进行调整,可视化编辑过程。
 
融合局部重绘、扩图、消除、裁切、高清修复等核心功能及功能引导,用户可hover结果图与大图预览实现多入口进入编辑页,视觉上仅保留主题色倾向,使专注度始终停留在图像本身。在内页的工具上,我们取消了常见设计工具的布置,例如蒙层、反转、强度等工具,放弃专业性的体现,以更简洁的使用方式便于所有用户都不会被卡住,无论专业或是非专业创作者都能够得到较好的产品体验。
图片编辑器。
KOOKO AI Image 创作界面KOOKO Seedance 2.5 使用流程
1.如无必要,不增实体,做减法比填充视觉更加重要。要求视觉中的可见元素都有明确的作用,要么在传达信息,要么在支撑逻辑,要么在渲染调性,要么在放大关键亮点。
 
2.只给出模版的关键信息,用呼吸感降低信息密度带来的视觉疲惫。
 
3.原有4列模版改版为3列,hover图片只给出应用标识,去除多余低频button等。避免视觉陷阱,减少无意义装饰。
 
4.将反馈的纯Icon更新为表情类型,鼓励用户对生成结果进行评价。
 
图片场景改版后,转化效率出现明显改善,对比上线前后数据,投放花费下降 60.3%、到访下降 37.3%,但投放口径付费率仍提升+65.3%,CAC下降 -61.7%,ROAS0 +73.4%,说明首页改版显著提升了投放流量的转化效率和回收效率。创作深度增长,人均发送pv+41.2%,对创作的认可度提升点赞UV日均+9.5%,Q2上线了图片场景的编辑工具,累计带来新增用户23.8w,付费点击7017次,场景付费金额$459.35。
图片场景优化从四个部分展开。
这是我第一个产品项目,虽说职位是PM,但工作内容也包括了很多设计的部分,由于之前的工作经验,与研发和设计之间对齐也比较熟练。总结下来,感受到与设计最大的不同在于,视角变得更为重要了。为什么要做?用户有什么问题?我们要达成什么样的业务目标?这些在思考过程中占比越来越多,在写产品需求的时候也会格外关注入口的放置、功能优先级的排序、怎样引导用户,决策大于视觉效果。此外,在AI产品的语境下,产品还应该直面用户根本需求的窗口,与其关注用户需要多好的模型,更应该关注用户为什么需要模型,这样才能够创造更契合的需求场景。
 
简单来说,我认为产品和设计之间还是有许多共通点的,设计一词的本质其实就是解决问题,我想产品也是。
Outcome

当然,一个完整的项目肯定不止这些,这仅是我所参与的部分,感兴趣的话找我聊聊。

看看下个项目 4 Terabox 百度网盘海外版本,主打内容 + AI,海外方向强化多模态与 AI 能力。