SenseNova 6.8 Code2Video 轨迹数据完全指南：357张逐帧图 + OpenAI 格式日志如何用于研究与微调

SenseNova 6.8 Code2Video 轨迹数据完全指南357张逐帧图 OpenAI 格式日志如何用于研究与微调SenseNova 6.8 Code2Video 是一款由代码驱动的视频创作模型其开源仓库中最被低估的资源是 trajectories/ 目录下保存的完整生产轨迹数据一份 OpenAI 格式的消息日志 all.openai.jsonl以及 357 张逐帧渲染图。这套轨迹数据记录了模型写代码 → 渲染 → 审帧 → 修改的完整过程是研究 Agent 长程行为、做数据微调的理想素材。本文带你完整读懂它。1. 轨迹数据是什么一个目录看懂模型的创作全过程 轨迹数据全部集中在仓库的trajectories/目录结构非常简单文件说明trajectories/all.openai.jsonl消息与工具调用日志OpenAI messages 格式约 12.6MBtrajectories/figures/357 张逐帧图203 张 jpg 154 张 png它记录的不是成品而是过程模型如何构思分镜、如何编写渲染代码、如何执行命令、如何查看渲染结果并反复修正。一部完整影片可以持续10 小时以上、2000 轮以上的交互这些细节都被完整保留了下来。 上图即为 357 张逐帧图中的一张模型用傅里叶级数驱动圆形链Fourier series chain逐笔绘制出 LIGHT 字样左上角的公式与右下角的频谱图也是代码实时生成的。2. all.openai.jsonl 结构拆解每行一部完整电影 打开 trajectories/all.openai.jsonl每一行对应一部影片的完整生产轨迹采用业界通用的 OpenAI messages 格式。每行 JSON 包含 5 个字段messages完整对话流含推理过程、工具调用与结果、重试、压缩摘要compaction summariestools该次运行可用的工具定义images有序图片数组存放相对trajectories/的路径enable_thinking是否启用思考模式metadata元数据信息其中有一个巧妙的设计messages中的图片以image占位符出现真正的文件路径由同级的images数组按顺序提供。这种文本 有序图片列表的组合与主流多模态训练框架的输入格式高度兼容——你几乎不需要做格式转换就能把它变成微调样本。⚠️ 需要注意日志中的私有路径和主机名已做匿名化处理因此记录下来的 shell 命令不能直接重放。如果你希望复现某部影片应把它当作方法论参考而非可执行脚本。3. 357 张逐帧图从傅里叶动画到动态字体 trajectories/figures/ 中的 357 张图全部是1920×1080 等标准画幅的渲染帧文件名为内容哈希。浏览后会发现内容大致分三类数学解释动画用圆形谐波链实时叠加出方波、三角波等信号公式与频谱图同帧呈现是代码生成视觉内容的典型样例动态字体Kinetic Typography字符逐笔生成、按节奏弹跳、变形字体本身就是素材动态设计研究带标注线的字体运动研究帧能看到 BPM、轨距、字距等专业排版参数的实时控制这些帧对研究者有两层价值一是视觉质量基准——可以直观评估模型构图与运动编排水平二是过程样本——同一部影片的多张帧连起来看就是模型审帧—发现问题—改代码—再渲染的迭代链条配合all.openai.jsonl中的对应日志能精确还原每一次修正的动机。4. 用轨迹数据做研究与微调的 3 种思路 思路一作为 Agent 长程行为的慢动作录像messages中保留了 2000 轮交互中的每一次工具调用、每一次失败重试、每一次上下文压缩。这是市面上罕见的长时程long-horizonAgent 轨迹你可以统计模型在哪些环节最常报错、压缩摘要如何影响后续决策、工具调用的失败恢复模式等为 Agent 系统优化提供真实数据。思路二微调素材格式天然兼容该模型本身是基于 Qwen3.8-27B 的 27B 多模态微调模型见 config.json 中的Qwen3_5ForConditionalGeneration架构与 512K 上下文配置YaRN 扩展自 262144。轨迹数据的 OpenAI messages 格式与其训练格式一致配合 chat_template.jinja 中的模板即可直接构造微调样本采样参数可参考 generation_config.jsontemperature 1.0 / top_p 0.95 / top_k 20。思路三质量评估与回归测试基准把 357 张帧 对应日志当作考题用新版本模型重跑同样的创意简报对比帧质量与轮次效率即可建立一套针对代码驱动视频生成的评估流程。5. 快速上手获取与浏览轨迹数据 ✅获取仓库轨迹数据随仓库一起提供git clone https://gitcode.com/SenseNova/SenseNova-6.8-Code2Video上手三步走先看目录trajectories/下只有日志与图片两样东西结构一目了然再读日志用jq或 Python 解析 trajectories/all.openai.jsonl 的任意一行按messages→images的顺序还原影片时间线最后对照帧图将images数组中的路径映射到 trajectories/figures/逐帧查看模型的创作过程如果你还想部署模型本体README.md 中给出了 LightLLM、vLLM、SGLang 三种方案的容器化启动命令并推荐用 Claude Code 作为执行框架需配置 512K 上下文、64K 输出、2000 轮次。完整创作流程分三阶段Prompt 增强 → 生产输出 out/final.mp4、SPEC.md、VERIFY.md→ 可选的修订迭代。常见问题 FAQ ❓Q轨迹里的命令能直接重放吗不能。路径与主机已匿名化命令仅作方法论参考。Q357 张图的命名规则内容为哈希的文件名与all.openai.jsonl中images数组的路径一一对应按出现顺序还原即可得到时间线。Q这套数据适合新手吗适合。它是理解代码驱动视频生成如何运转的最佳入口——没有比真实生产日志更直观的教材了。总结SenseNova 6.8 Code2Video 的轨迹数据 一份 OpenAI 格式长程 Agent 日志 357 张逐帧渲染图既是研究 Agent 行为的珍贵语料也是格式即插即用的微调素材更是理解代码创作视频全流程的活文档。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考