aliyun/hologres-ad-campaign

Hologres 广告素材生成与投放分析

本 Skill 指导用户通过 Hologres AI Function，使用 hologres-cli 从 OSS 上的原始素材出发，通过全 SQL 链路完成广告视频生成、虚拟投放模拟和实时 ROI 分析。

适用场景

当用户提到广告视频生成、宣传视频制作、素材转视频、Hologres AI Function 生成视频、虚拟投放模拟、ROI 分析、投放效果分析、广告素材生成等场景时使用。

前提条件

每次使用本 Skill 时，启动 CLI 前必须执行以下两条命令：

pip install hologres-cli
export HOLOGRES_SKILL=hologres-ad-campaign

此外还需满足：

• 已配置 ~/.hologres/config.json，包含有效的 profile（endpoint、port、database、access_key_id、access_key_secret、region_id、instance_id）
• 已准备好百炼 API Key（用于部署模型）
• Hologres 实例 V3.2+

所有 SQL 均通过 hologres-cli 执行，命令格式如下：

• 查询：hologres --profile <name> sql run "<SQL>"
• 写入（DDL/DML）：hologres --profile <name> sql run --write "<SQL>"

第一步：验证并部署模型

通过 hologres-cli 查询当前实例已部署的模型，如果缺少所需模型则自动部署。

1.1 查询已部署模型

hologres --profile <name> sql run "SELECT model_name, model_type, model_provider, task FROM list_external_models();"

1.2 确认默认模型（用户可自定义）

| 用途 | 默认模型名 | 模型类型（task） | 可自定义 | |------|-----------|-----------------|----------| | 图像生成 | qwen-image-2.0-pro | image-generation | 是 | | 文本生成 | qwen3.6-plus | chat/completions | 是 | | 视频生成 | wan2.7-i2v | video-generation | 是 |

如果用户没有指定模型，使用上表默认值；如果用户指定了其他模型，替换对应位置即可。

1.3 部署缺失模型

若查询结果中缺少任一模型，先查询 catalog 确认模型可用性：

hologres --profile <name> model catalog --search <keyword>

然后使用百炼 API Key 注册模型：

hologres --profile <name> model create --name <model_name> --type <model_type> --api-key <bailian_api_key>

注意：model_name 不能包含点号（.），如有需要用下划线替换（例如 wan2.7-i2v 需改为 wan2_7_i2v）。

注册后再次验证：

hologres --profile <name> model list

第二步：收集信息

在生成 SQL 之前，向用户收集以下信息（已提供的跳过）。最后需要用户确认所有参数。

2.1 模型名称（可选）

默认部署如下模型。如果客户有其他模型需求，可以更换模型名称；若没有指定，默认使用：

• 图像生成模型：默认 qwen-image-2.0-pro
• 文本生成模型：默认 qwen3.6-plus
• 视频生成模型：默认 wan2.7-i2v

2.2 产品信息

| 信息项 | 说明 | 示例 | |--------|------|------| | 产品名称 | 产品/游戏/服务名称 | "箭塔守汉中" | | 产品介绍 | 2-3 句话描述 | "一款轻松休闲的策略塔防游戏" | | 用户动机 | 核心卖点/吸引用户的点 | "策略塔防，拖拽放置防御塔" | | 视觉风格 | 画面风格描述 | "中国风" |

2.3 行业类型

• 游戏 / 电商 / 教育 / 应用 / 其他

2.4 OSS 配置

| 信息项 | 说明 | 示例 | |--------|------|------| | OSS Bucket | 存储素材的 OSS Bucket | "<your-bucket>" | | OSS Region | OSS 所在区域内网 Endpoint | "<oss-internal-endpoint>" | | RAM Role ARN | 访问 OSS 的 RAM 角色 | "<ram-role-arn>" |

2.5 素材路径

• 原始素材在 OSS 中的路径，如 oss://bucket/game/hero1.png
• 若提供多个素材，可放入数组

2.6 生成参数（可选，有默认值）

| 信息项 | 默认值 | 可选范围 | |--------|--------|----------| | 风格数量 | 1 种 | 最多 4 种 | | 视频时长 | 10 秒 | 5 / 10 / 15 / 30 | | 每个风格生成数量 | 1 个 | — |

输出目录规范：生成的图片和视频放在素材路径的同一父级目录下：

• 素材路径：oss://game/base_images/hero1.png
• 生成图片输出：oss://game/generated_images/<style_name>/
• 生成视频输出：oss://game/generated_videos/<style_name>/

2.7 用户确认

收集完以上信息后，向用户复述确认：

请确认以下参数：

1. 模型名称：图像=xxx，文本=xxx，视频=xxx
2. 产品信息：名称=xxx，介绍=xxx，动机=xxx，风格=xxx
3. 行业类型：xxx
4. OSS 配置：Bucket=xxx，Region=xxx，RAM Role=xxx
5. 素材路径：xxx
6. 生成参数：风格数量=x，视频时长=x秒

确认无误后，我将开始执行完整的广告视频生成链路。

第三步：创建业务表并初始化数据

3.1 创建 product_info 表

hologres --profile <name> table create -n product_info \
  -c "name TEXT NOT NULL, intro TEXT, motivation TEXT, art_style TEXT, material_list TEXT[]" \
  --primary-key name --if-not-exists

3.2 插入产品信息

hologres --profile <name> sql run --write "
INSERT INTO product_info (name, intro, motivation, art_style, material_list)
VALUES (
    '产品名称',
    '产品介绍',
    '用户动机',
    '视觉风格',
    ARRAY['素材路径1']
)
ON CONFLICT (name) DO UPDATE SET
    intro = EXCLUDED.intro,
    motivation = EXCLUDED.motivation,
    art_style = EXCLUDED.art_style,
    material_list = EXCLUDED.material_list;
"

3.3 创建 video_style 表

hologres --profile <name> table create -n video_style \
  -c "name TEXT NOT NULL, prompt TEXT" \
  --primary-key name --if-not-exists

3.4 根据行业类型插入风格

根据行业类型从模板中随机抽取「风格数量」种风格：

游戏行业（4 种可选）：

• 北境枭雄：厚重黑色毛领金属铠甲，冷峻蓝调光线，史诗级电影感
• 云海剑仙：月白色宽袖道袍，水墨山水暗纹，儒雅仙侠气质
• 幽冥夜行：哑光黑色贴身夜行衣，神秘暗影刺客
• 黄金铠甲：华丽黄金铠甲，猩红丝绸斗篷

电商行业（4 种可选）：

• 户外使用：户外自然环境，真实光照，产品特写
• 居家场景：温馨居家环境，暖色调，生活气息
• 商务办公：现代化办公环境，简洁专业感
• 运动健身：运动健身场景，活力动感

教育行业（4 种可选）：

• 课堂讲授：现代化教室，明亮互动氛围
• 在线学习：温馨书房环境，专注学习氛围
• 实验演示：实验室教学演示，专业科技感
• 户外研学：户外实地教学，自然环境互动

应用/其他（4 种可选）：

• 日常使用：日常场景使用应用，现代生活感
• 商务场景：商务办公环境使用，专业高效
• 社交分享：朋友分享应用内容，轻松愉快
• 创意展示：创意内容展示，艺术视觉冲击

hologres --profile <name> sql run --write "
INSERT INTO video_style VALUES
('风格1名称', '风格1提示词')
ON CONFLICT (name) DO UPDATE SET
    prompt = EXCLUDED.prompt;
"

3.5 创建 generated_images 表

hologres --profile <name> table create -n generated_images \
  -c "product_name TEXT, style_name TEXT, style_desc TEXT, material1 TEXT, material2 TEXT" \
  --primary-key "product_name,style_name" --if-not-exists

第四步：AI 素材生成（CLI 方式）

hologres-cli 提供了专门的 AI 子命令（hologres ai image-gen / hologres ai gen / hologres ai i2v / hologres ai r2v / hologres ai t2v），相比 SQL ai_gen 更稳定、参数更直观。图片和视频生成必须使用 CLI 方式执行。

前置步骤：创建 OSS Volume

CLI 的 AI 命令要求输出目录使用 volume:// 格式，需先创建 volume 配置：

hologres --profile <name> volume create <volume_name> --type oss \
  --endpoint <oss-internal-endpoint> \
  --root oss://<bucket>/ \
  --rolearn <ram-role-arn> \
  --access-key <your-oss-access-key> \
  --access-secret <your-oss-access-secret>

示例：

hologres --profile <name> volume create <volume_name> --type oss \
  --endpoint <oss-internal-endpoint> \
  --root oss://<bucket>/ \
  --rolearn <ram-role-arn> \
  --access-key <your-oss-access-key> \
  --access-secret <your-oss-access-secret>

注意：--root 只需指定到 bucket 根目录（如 oss://bucket/），不要包含过深的子路径，否则可能因 OSS ACL 权限导致创建失败。

4.1 生成主题图片（hologres ai image-gen）

逐个风格执行：

hologres --profile <name> ai image-gen "<风格提示词>" \
  --reference-url oss://<bucket>/<素材路径> \
  -o volume://<volume_name>/generated_images/<style_name>/ \
  -m <图像模型名> \
  --size "1280*720" \
  -n 1 \
  --watermark false \
  --net intranet

示例（云海剑仙风格）：

hologres --profile <name> ai image-gen "月白色宽袖道袍，水墨山水暗纹，儒雅仙侠气质" \
  --reference-url oss://<bucket>/<素材路径> \
  -o volume://<volume_name>/generated_images/<style_name>/ \
  -m qwen_image_2_0_pro \
  --size "1280*720" \
  -n 1 \
  --watermark false \
  --net intranet

执行成功后，CLI 会返回生成图片的 OSS 路径。提取 oss_path 保存到 generated_images 表：

hologres --profile <name> sql run --write "
INSERT INTO generated_images (product_name, style_name, style_desc, material1, material2)
VALUES ('产品名称', '风格名称', '风格描述', '生成的图片OSS路径', '原始素材路径')
ON CONFLICT (product_name, style_name) DO UPDATE SET
    style_desc = EXCLUDED.style_desc,
    material1 = EXCLUDED.material1,
    material2 = EXCLUDED.material2;
"

提示：每个风格单独执行一次。若有 N 个风格，重复上述命令 N 次。

4.2 生成分镜脚本（hologres ai gen）

使用文本模型生成分镜脚本：

hologres --profile <name> ai gen "你的任务是为游戏行业生成一份用于投放广告的5秒视频素材文案。

<产品名称>箭塔守汉中</产品名称>
<产品介绍>一款休闲的策略塔防游戏。</产品介绍>
<用户动机>策略塔防，拖拽放置防御塔</用户动机>
<画面风格>中国风</画面风格>
<图片物料>oss://<bucket>/generated_images/<文件名>.png oss://<bucket>/<素材路径></图片物料>

视频素材结构：
1. 开场2秒：选取一张图片，显示产品名称，展示视觉亮点。
2. 中段1秒：展示1个核心特性/玩法，选取2张图片，描述画面内容和效果。
3. 结尾2秒：所有元素登场，使用行动号召。

要求：围绕用户动机展开，脚本不超过5秒，使用图片全路径。" \
  -m <文本模型名>

将生成的脚本保存到 generated_scripts 表（或变量中用于下一步视频生成）：

hologres --profile <name> table create -n generated_scripts \
  -c "product_name TEXT, style_name TEXT, script TEXT, material1 TEXT, material2 TEXT, created_at TIMESTAMP DEFAULT now()" \
  --primary-key "product_name,style_name" --if-not-exists

4.3 合成广告视频（hologres ai i2v / r2v / t2v）

根据模型类型选择对应的 CLI 命令：

| 模型类型 | CLI 命令 | 关键参数 | |----------|----------|----------| | I2V（首帧图生视频） | hologres ai i2v | --img-url <首帧图片> | | R2V（参考图生视频） | hologres ai r2v | --reference-urls <url1,url2> | | T2V（纯文本生视频） | hologres ai t2v | 仅需 prompt |

I2V 示例（wan2.7-i2v）：

hologres --profile <name> ai i2v "<分镜脚本或视频描述>" \
  --img-url oss://<bucket>/generated_images/<图片文件名>.png \
  -o volume://<volume_name>/generated_videos/ \
  -m <视频模型名> \
  --duration <5|10|15> \
  --resolution <720p|1080p> \
  --watermark true \
  --net intranet

实际执行示例：

hologres --profile <name> ai i2v "Chinese martial arts tower defense game advertisement, a hero in white robes standing on a castle tower, dragging and placing defense towers to stop enemy waves, epic cinematic battle scene" \
  --img-url oss://<bucket>/generated_images/<图片文件名>.png \
  -o volume://<volume_name>/generated_videos/ \
  -m wan2_7_i2v \
  --duration 5 \
  --resolution 720p \
  --watermark true \
  --net intranet

执行成功后，CLI 返回 JSON 包含：

• video.oss_path：视频 OSS 路径
• video.volume_path：volume 路径
• task_status：SUCCEEDED / FAILED

将结果保存到 generated_videos 表：

hologres --profile <name> sql run --write "
INSERT INTO generated_videos (video_id, product_name, style_name, video_url, script)
VALUES ('vid_xxx', '产品名称', '风格名称', '视频完整URL（含签名）', '脚本内容')
ON CONFLICT (video_id) DO UPDATE SET
    video_url = EXCLUDED.video_url,
    script = EXCLUDED.script,
    created_at = EXCLUDED.created_at;
"

多版本生成：若用户要求每个风格生成 N 个视频，重复执行上述 CLI 命令 N 次，每次因模型随机性产生不同内容。

视频 URL 签名：CLI 返回的视频 URL 是带签名的 OSS 临时链接，展示时必须保持完整参数。

耗时说明：hologres ai i2v 调用云端视频模型通常需要 1-3 分钟，CLI 会自动维持连接，不会出现 SQL ai_gen 的连接超时问题。

第六步：虚拟投放模拟

6.1 创建渠道配置表

hologres --profile <name> table create -n channel_config \
  -c "channel TEXT NOT NULL, base_cpm DECIMAL(10,2), base_ctr DECIMAL(5,4), base_cvr DECIMAL(5,4), avg_order_value DECIMAL(10,2)" \
  --primary-key channel --if-not-exists

hologres --profile <name> sql run --write "
INSERT INTO channel_config VALUES
('wechat', 50.00, 0.025, 0.08, 150.00),
('douyin', 80.00, 0.015, 0.05, 200.00),
('xiaohongshu', 60.00, 0.030, 0.06, 180.00),
('bilibili', 40.00, 0.020, 0.04, 120.00)
ON CONFLICT (channel) DO NOTHING;
"

6.2 创建投放日志表

hologres --profile <name> table create -n ad_campaign_logs \
  -c "log_id BIGINT NOT NULL, event_time TIMESTAMP, video_id TEXT, style_name TEXT, channel TEXT, event_type TEXT, cost DECIMAL(10,2), revenue DECIMAL(10,2), user_profile JSON" \
  --primary-key log_id --if-not-exists

6.3 执行虚拟投放模拟

hologres --profile <name> sql run --write --no-limit-check "
WITH target_videos AS (
    SELECT video_id, style_name 
    FROM generated_videos 
    WHERE video_id = CASE WHEN 'ALL' = 'ALL' THEN video_id ELSE 'ALL' END
),
simulation_params AS (
    SELECT 
        v.video_id,
        v.style_name,
        c.channel,
        c.base_cpm,
        c.base_ctr,
        c.base_cvr,
        c.avg_order_value,
        generate_series(1, 10000) as seq
    FROM target_videos v
    CROSS JOIN channel_config c
),
events AS (
    SELECT 
        floor(random() * 9223372036854775807)::bigint as log_id,
        now() - (random() * interval '7 days') as event_time,
        video_id, style_name, channel,
        'impression' as event_type,
        (base_cpm / 1000.0) as cost,
        0 as revenue,
        json_build_object('age', floor(random()*5+1)) as user_profile
    FROM simulation_params
    
    UNION ALL
    
    SELECT 
        floor(random() * 9223372036854775807)::bigint,
        now() - (random() * interval '7 days'),
        video_id, style_name, channel,
        'click',
        (base_cpm / 1000.0 / base_ctr) as cost,
        0,
        json_build_object('age', floor(random()*5+1))
    FROM simulation_params
    WHERE random() < base_ctr 
    
    UNION ALL
    
    SELECT 
        floor(random() * 9223372036854775807)::bigint,
        now() - (random() * interval '7 days'),
        video_id, style_name, channel,
        'conversion',
        (base_cpm / 1000.0 / base_ctr / base_cvr) as cost,
        avg_order_value as revenue,
        json_build_object('age', floor(random()*5+1))
    FROM simulation_params
    WHERE random() < (base_ctr * base_cvr)
)
INSERT INTO ad_campaign_logs 
SELECT * FROM events
ON CONFLICT (log_id) DO NOTHING;
"

第七步：实时 ROI 分析

7.1 创建 Dynamic Table

hologres --profile <name> dt create -t dt_campaign_performance \
  --freshness "1 minutes" \
  --refresh-mode incremental \
  --auto-refresh \
  -q "SELECT channel, style_name, COUNT(CASE WHEN event_type = 'impression' THEN 1 END) as impressions, COUNT(CASE WHEN event_type = 'click' THEN 1 END) as clicks, COUNT(CASE WHEN event_type = 'conversion' THEN 1 END) as conversions, SUM(cost) as total_cost, SUM(revenue) as total_revenue, CASE WHEN SUM(cost) > 0 THEN ROUND(SUM(revenue) / SUM(cost), 2) ELSE 0 END as roi, CASE WHEN COUNT(CASE WHEN event_type = 'impression' THEN 1 END) > 0 THEN ROUND(COUNT(CASE WHEN event_type = 'click' THEN 1 END)::DECIMAL / COUNT(CASE WHEN event_type = 'impression' THEN 1 END), 4) ELSE 0 END as ctr, CASE WHEN COUNT(CASE WHEN event_type = 'click' THEN 1 END) > 0 THEN ROUND(COUNT(CASE WHEN event_type = 'conversion' THEN 1 END)::DECIMAL / COUNT(CASE WHEN event_type = 'click' THEN 1 END), 4) ELSE 0 END as cvr FROM ad_campaign_logs GROUP BY channel, style_name"

7.2 查询实时指标

hologres --profile <name> sql run "
SELECT * FROM dt_campaign_performance ORDER BY roi DESC;
"

注意：Dynamic Table 有最多 1 分钟延迟，如果刚执行完模拟查询结果为空，请稍等 1 分钟后再执行。

7.3 获取 AI 分析报告

方式 A：CLI 方式（推荐，更稳定）

先查询 ROI 数据，然后传给 hologres ai gen：

# 先导出 ROI 数据
DATA=$(hologres --profile <name> -f json sql run "SELECT channel, style_name, roi, ctr, cvr, total_cost, total_revenue, impressions FROM dt_campaign_performance WHERE total_cost > 0 ORDER BY roi DESC;")

# 生成 AI 分析报告
hologres --profile <name> ai gen "你是一位资深广告投放专家。以下是实时投放数据（JSON格式）：$DATA

请分析：
1. **ROI 冠军**：哪个组合（渠道+风格）的 ROI 最高？具体数值是多少？
2. **潜力股**：哪个组合 CTR 很高但 CVR 偏低？可能原因是什么？
3. **止损建议**：哪个组合 ROI 低于 1.0？建议立即停止还是优化素材？
4. **预算分配**：如果我有 10,000 元额外预算，你会如何分配给各渠道？为什么？

请用 Markdown 格式输出，重点突出数据支撑的结论。" \
  -m <文本模型名>

方式 B：SQL 方式（备选）

hologres --profile <name> sql run --no-limit-check "
SELECT 
    ai_gen('文本模型名', 
        json_build_object(
            'prompt', 
            '你是一位资深广告投放专家。以下是实时投放数据：
            ' || json_agg(row_to_json(t)) || '
            请分析 ROI 冠军、潜力股、止损建议和预算分配。',
            'parameters', json_build_object('temperature', 0.7)
        )::text
    ) as analysis_report
FROM (
    SELECT channel, style_name, roi, ctr, cvr, total_cost, total_revenue, impressions
    FROM dt_campaign_performance 
    WHERE total_cost > 0
    ORDER BY roi DESC
) t;
"

执行流程汇总

0. 启动前置：pip install hologres-cli && export HOLOGRES_SKILL=hologres-ad-campaign
1. 验证并部署模型（hologres model catalog / model create / model list）
2. 收集信息并向用户确认所有参数
3. 创建 OSS volume（hologres volume create）
4. 创建 product_info / video_style / generated_images 等业务表并初始化数据
5. 逐个风格生成主题图片（hologres ai image-gen）
6. 生成分镜脚本（hologres ai gen）
7. 逐个风格合成广告视频（hologres ai i2v / r2v / t2v）
8. 保存图片/视频/脚本结果到对应业务表
9. 创建 channel_config 和 ad_campaign_logs 表
10. 执行虚拟投放模拟（SQL）
11. 创建 Dynamic Table dt_campaign_performance（hologres dt create）
12. 查询 ROI 指标并生成 AI 分析报告（hologres ai gen 或 SQL ai_gen）

坑点与注意

• 模型名称规范：hologres model create 的 --name 参数不能包含点号（.），如有需要用下划线替换。
• CLI vs SQL：图片/文本/视频生成必须使用 hologres ai CLI 子命令，不要使用 SQL ai_gen。ai_gen 对 I2V/R2V 等模型的参数封装不完整，会导致 Field required: input.media 等错误。
• Volume 创建：--root 参数只需指定到 bucket 根目录（oss://bucket/），不要包含深层子路径，否则可能因 OSS ACL 权限失败。
• 限流：hologres ai 调用云端模型容易被限流，图片和视频生成必须逐个调用，不能批量执行。
• to_file 必须使用内网 Endpoint：SQL 中的 to_file 若使用外网 Endpoint 会导致 494 错误；CLI 中通过 --net intranet 指定内网。
• DDL/DML 分离：hologres-cli 中 SQL 通过 --write 标志区分读写，AI 命令（image-gen / gen / i2v 等）不需要 --write。
• URL 签名：视频 URL 是带签名的 OSS 临时链接，展示时必须保持完整（包含 Expires、OSSAccessKeyId、Signature 参数）。
• Dynamic Table 延迟：Dynamic Table 有最多 1 分钟刷新延迟。

验证

• hologres --profile <name> model list 确认 3 个模型均已注册
• hologres --profile <name> volume list 确认 volume 已创建
• hologres --profile <name> sql run "SELECT * FROM generated_images" 确认图片已生成
• hologres --profile <name> sql run "SELECT * FROM generated_videos" 确认视频已生成
• hologres --profile <name> sql run "SELECT * FROM dt_campaign_performance ORDER BY roi DESC" 确认 ROI 数据非空