一名独立开发者近日在 V2EX 社区发布了其最新的 AI 广告生成项目 “On Brand Ads”。该项目旨在解决现有广告生成工具缺乏品牌一致性和文案支持的痛点。On Brand Ads 采用独特的 “文案优先 ” 策略，用户仅需粘贴网站 URL，系统即可自动抓取真实的品牌信息，包括颜色、字体、Logo、标题及产品卖点，并确保所有数据均有据可查。在文案生成阶段，用户可选择广告目标，如品牌认知、价值传递或促成下单，系统将自动起草标题和行动号召（CTA）。在视觉产出上，该工具利用 AI 技术一次性生成 1:1、4:5、9:16、16:9 和 21:9 五种原生构图的广告尺寸，而非简单的图片裁剪，以适应不同平台的展示需求。技术架构方面，该项目采用了现代化的全栈方案：使用 Next.js 并通过 OpenNext 部署在 Cloudflare Workers 上，数据库选用 D1，对象存储使用 R2，图片生成则调用兼容 OpenAI 的网关接口。目前该项目采用积分制商业模式，1 积分对应生成一张图片，新用户注册即可获赠 6 个积分，无需绑定银行卡。开发者就产品卖点和技术选型向社区征求反馈。
事件分析
从技术架构视角分析，该项目展示了 “Serverless First ” 理念在 AI 应用层的成熟落地。使用 OpenNext 将 Next.js 应用部署于 Cloudflare Workers，结合 D1 数据库和 R2 存储，构建了一个低成本、高扩展性的边缘计算架构，这对于初创项目降低运维成本具有重要意义。在产品逻辑上，On Brand Ads 区别于通用的文生图工具，它引入了 “RAG （检索增强生成）” 的思路，通过抓取 URL 内容来约束 AI 生成的品牌一致性，这标志着 AI 应用正从简单的模型调用向复杂的工作流自动化转变。然而，其核心挑战在于爬虫的鲁棒性以及解析非标准网页结构时的准确性，这直接决定了生成素材的质量。此外，多尺寸原生构图对图像模型的控制力提出了更高要求。
核心观点：该项目展示了 AI 应用从单纯生成向垂直工作流整合的趋势，边缘架构进一步降低了独立开发者的创新门槛。
原文链接：V2EX 分享发现
评论前必须登录！
立即登录 注册