還在手動做視頻？AI“智能員工”正在悄悄接管你的工作！

還在為視頻制作抓耳撓腮？輸入不到十個字，幾十秒后，一個包含視頻、音樂的完整短視頻就自動生成了——這不是魔法，而是AI“工作流”帶來的現(xiàn)實。當大模型、智能體、工作流這三者強強聯(lián)合，人工智能不再只是陪你聊天，而是化身為一支高效的“虛擬團隊”，幫你搞定復(fù)雜任務(wù)。大模型、智能體、工作流它們之間到底有何區(qū)別？又是如何協(xié)同工作的？本文將為您一一揭曉。

01

三大核心揭秘：從“聰明大腦”到“全能員工”

首先說大模型（LLM），它就像一個能理解能對話的“聰明大腦”，比如DeepSeek、豆包、ChatGPT等，但它只能輸出文案，且文字字數(shù)有限制。

智能體（Agent）這個概念是由ChatGPT的母公司OpenAI于去年七月提出的。它將通用人工智能分為五個等級，每個等級都代表了不同的技術(shù)水平和應(yīng)用場景。智能體是人工智能發(fā)展的第三個階段，第一是聊天機器人，第二是推理者，第三是智能體，第四是發(fā)生創(chuàng)新者，第五是組織管理者。智能體尚不具備獨立開發(fā)或創(chuàng)新能力，但已經(jīng)具備了邏輯思維能力。它像“有手有腳的機器人”，除了大模型這個大腦外，還能借助各種工具完成實際工作。它主要有兩項重要能力：

一是知識庫能力：可以導(dǎo)入TXT、Word、PDF、表格、網(wǎng)頁、圖片等信息，支持10G到100G的知識庫，能作為個人助理、老師助手或行業(yè)智能客服。比如“媒體人胡二刀的智能體”，裝入了胡二刀近兩三年寫的關(guān)于民生和新媒體領(lǐng)域的數(shù)百篇文章，可以以胡二刀的口吻自主回答相關(guān)問題。

二是插件能力：可以嵌入各種大模型功能，或是工作流過程，從而實現(xiàn)閱讀理解、郵件回復(fù)、用視頻圖片音頻工具合成內(nèi)容等。

工作流是智能體的一個特殊工具，能完成更復(fù)雜的工作：

比如可以組合大模型、圖片、音頻、視頻工具，按順序調(diào)用，一次性完成文本寫作、圖片合成、音頻視頻合成；

比如可以先調(diào)用查找資料插件，再調(diào)用大模型生成超長文案（幾萬甚至十萬字）。

工作流的出現(xiàn)是為了解決復(fù)雜個性化的智能體需求，但搭建需要學(xué)習(xí)各種插件節(jié)點的使用。

02

工作流如何像“智能流水線”一樣運轉(zhuǎn)？

工作流是將工作的每一步流程按照先后順序像流水線一樣排列好，然后逐一首尾相接，自動完成一項工作。比如我們制作一個短視頻工作流，那就把與短視頻制作相關(guān)的一系列事項進行拆解，然后逐一作為工作節(jié)點，連接起來，從而一鍵生成視頻。

那么，制作一個短視頻需要什么要素及步驟呢？

第一步是確定主題，也就是想做一個什么樣的視頻。比如美女跳舞、老漢扭秧歌。同時，還要確定一個背景音樂風格。

第二步就是根據(jù)主題，生成圖片或視頻文案。

第三步是根據(jù)文案生成視頻提示詞。

第四步是根據(jù)提示詞生成視頻。

第五步是根據(jù)音樂風格要求生成背景音樂。

第六步是將視頻與背景音樂合成。

第七步是結(jié)束，完成視頻鏈接。

也可以把工作流理解成流水上的不同員工。比如開始是銷售，對接客戶，下需求指令。一號員工負責寫文案，二號員工生提示詞，三號員工生視頻，四號員工生背景音樂，五號員工做剪輯合成，最后結(jié)束是老板負責驗收交貨。

工作流能用在什么地方？比如制作書單號，輸入書名和作者，就能自動生成一段關(guān)于圖書及金句的視頻。

比如制作歷史人物的一生，輸入歷史人物名字，就可以按照其生平大事記，生成一個人從嬰兒到成年到去世的視頻。

這是視頻生成方面，除此之外，還可以制作一些潛在客戶的分析搜索等。

03

手把手教你搭建第一個AI工作流

我們以最簡單的一鍵生成短視頻工作流為例，講一下工作流的制作方法。

打開COZE開發(fā)平臺，點資源庫，創(chuàng)建工作流。

比如我們做一個輸入成語，即可生成視頻的工作流。名稱這里只能輸入英文或拼音，描述可以用中文。

這時進入工作流界面，只有一個開始和結(jié)束。可以把他們理解為銷售拿到了客戶需求，老板等著驗收交付，而現(xiàn)在缺的就是中間具體干活的人。

先不急著招人，要把客戶需求理解清楚。

點開始，就是銷售員接到任務(wù)和輸出任務(wù)的界面。銷售員從客戶那里拿到制作視頻的需求，肯定是多維度的，比如是什么主題，配什么背景音樂。因此，在默認一個輸入項的前提下，再點+號，增加一個背景音樂的輸入項，可以起名為bgm。

接下來，就需要在人才市場中招募員工了。

點“開始”右側(cè)的+號，彈出一個頁面，這就相當于是人才市場，可以從這里招到你需要的具備各種技能的人。我們之前有一個思路，根據(jù)客戶需求，第一個員工需要進行文案創(chuàng)作，這與文字有關(guān)，用到的都是大模型，于是選“大模型”，這是一號員工。

我們可以點大模型右邊的三個點，給它重命名，比如叫一號員工做文案，這個一號員工的輸入項，就是它的上級銷售（開始）員工的輸出項，點小六邊型，出來下拉菜單，選開始的第一個input，也就是主題。

接下來是系統(tǒng)提示詞，需要給員工一個身份，就是他是生成文案的，這個文案具體是什么樣的？比如偏成語，偏古代，字數(shù)不要超過三百字。如果你不會按格式生成，可以借助右上角的AI生成功能。

再下面就是用戶提示詞，即給員工發(fā)出明確指令，也就是根據(jù)前面input生成文案。在這個對話框里，點shift+{（就在字母P的右側(cè)），點擊input就上去了。

接著就是招募二號員工。同樣，這個崗位的工作是與文字相關(guān)，即根據(jù)一號員工的文案提煉出圖片提示詞，而它的輸入指令則來自一號員工的輸出指令。

對二號員工進行身份設(shè)定，然后根據(jù)指令完成提示詞工作。

接下來招募三號員工，他是負責根據(jù)提示詞生成圖片的，所以就不能用大模型了，而用到圖像處理工具，這里選擇圖像生成。

這里用到的工具是即夢4.0，圖片比例和分辯率可選，比如9：16，1K。

輸入選擇二號員工的輸出項。

開始招募四號員工，他是負責視頻生成的，從音視頻處理中選擇“視頻生成”。

選擇圖文生視頻，480P和5秒。

它的輸入是三號員工的輸出，注意選擇Image，也就是圖片。

五號員工是負責音樂的，在搜索欄中搜“背景音樂”，選第一個“背景音樂庫”。

注意啊，這里五號員工的指令并不是來自四號員工，而是來自開始的bgm，也就是直接錄入背景音樂風格。

六號員工是負責將已生成的視頻和音頻合成，所以選擇“音視頻合成”進行查找。

六號員工的輸入有兩個值，一個是五號員工生成的音樂，選bgm_url，一個是四號員工生成的視頻，選video。

最后是老板驗收，他負責引用的是六號員工的音視頻合成作品。

點擊試運行，有兩個必填項，一個是bgm，一個是input。前者填你需要的音樂風格，后者填你想生成視頻的成語。最后點試運行，看結(jié)果。

通過這個簡單的短視頻工作流，我們看到了AI將復(fù)雜任務(wù)自動化、流程化的巨大潛力。這不僅僅是“快”，更是一種工作模式的革新。用好工作流，就如同擁有了一支不知疲倦的AI團隊，能讓你的創(chuàng)意快速落地，效率倍增。現(xiàn)在，就從搭建你的第一個工作流開始，解鎖AI時代的全新工作方式吧！