還在為視頻制作抓耳撓腮？輸入不到十個(gè)字，幾十秒后，一個(gè)包含視頻、音樂的完整短視頻就自動(dòng)生成了——這不是魔法，而是AI“工作流”帶來的現(xiàn)實(shí)。當(dāng)大模型、智能體、工作流這三者強(qiáng)強(qiáng)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(tuán)隊(duì)”，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(gè)能理解能對(duì)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?jǐn)?shù)有限制。

智能體（Agent）這個(gè)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(gè)等級(jí)，每個(gè)等級(jí)都代表了不同的技術(shù)水平和應(yīng)用場(chǎng)景。智能體是人工智能發(fā)展的第三個(gè)階段，第一是聊天機(jī)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(dú)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(jī)器人”，除了大模型這個(gè)大腦外，還能借助各種工具完成實(shí)際工作。它主要有兩項(xiàng)重要能力：

一是知識(shí)庫(kù)能力：可以導(dǎo)入TXT、Word、PDF、表格、網(wǎng)頁(yè)、圖片等信息，支持10G到100G的知識(shí)庫(kù)，能作為個(gè)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(shí)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(gè)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(zhǎng)文案（幾萬(wàn)甚至十萬(wàn)字）。

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

02

工作流如何像“智能流水線”一樣運(yùn)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(dòng)完成一項(xiàng)工作。比如我們制作一個(gè)短視頻工作流，那就把與短視頻制作相關(guān)的一系列事項(xiàng)進(jìn)行拆解，然后逐一作為工作節(jié)點(diǎn)，連接起來，從而一鍵生成視頻。

那么，制作一個(gè)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(gè)什么樣的視頻。比如美女跳舞、老漢扭秧歌。同時(shí)，還要確定一個(gè)背景音樂風(fēng)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(fēng)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(duì)接客戶，下需求指令。一號(hào)員工負(fù)責(zé)寫文案，二號(hào)員工生提示詞，三號(hào)員工生視頻，四號(hào)員工生背景音樂，五號(hào)員工做剪輯合成，最后結(jié)束是老板負(fù)責(zé)驗(yàn)收交貨。

工作流能用在什么地方？比如制作書單號(hào)，輸入書名和作者，就能自動(dòng)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(gè)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(gè)AI工作流

我們以最簡(jiǎn)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(tái)，點(diǎn)資源庫(kù)，創(chuàng)建工作流。

比如我們做一個(gè)輸入成語(yǔ)，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(shí)進(jìn)入工作流界面，只有一個(gè)開始和結(jié)束?？梢园阉麄兝斫鉃殇N售拿到了客戶需求，老板等著驗(yàn)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(diǎn)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(rèn)一個(gè)輸入項(xiàng)的前提下，再點(diǎn)+號(hào)，增加一個(gè)背景音樂的輸入項(xiàng)，可以起名為bgm。

接下來，就需要在人才市場(chǎng)中招募員工了。

點(diǎn)“開始”右側(cè)的+號(hào)，彈出一個(gè)頁(yè)面，這就相當(dāng)于是人才市場(chǎng)，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(gè)思路，根據(jù)客戶需求，第一個(gè)員工需要進(jìn)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(hào)員工。

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

接下來是系統(tǒng)提示詞，需要給員工一個(gè)身份，就是他是生成文案的，這個(gè)文案具體是什么樣的？比如偏成語(yǔ)，偏古代，字?jǐn)?shù)不要超過三百字。如果你不會(huì)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(gè)對(duì)話框里，點(diǎn)shift+{（就在字母P的右側(cè)），點(diǎn)擊input就上去了。

接著就是招募二號(hào)員工。同樣，這個(gè)崗位的工作是與文字相關(guān)，即根據(jù)一號(hào)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(hào)員工的輸出指令。

對(duì)二號(hào)員工進(jìn)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(hào)員工，他是負(fù)責(zé)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(mèng)4.0，圖片比例和分辯率可選，比如9：16，1K。

輸入選擇二號(hào)員工的輸出項(xiàng)。

開始招募四號(hào)員工，他是負(fù)責(zé)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(hào)員工的輸出，注意選擇Image，也就是圖片。

五號(hào)員工是負(fù)責(zé)音樂的，在搜索欄中搜“背景音樂”，選第一個(gè)“背景音樂庫(kù)”。

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

六號(hào)員工是負(fù)責(zé)將已生成的視頻和音頻合成，所以選擇“音視頻合成”進(jìn)行查找。

六號(hào)員工的輸入有兩個(gè)值，一個(gè)是五號(hào)員工生成的音樂，選bgm_url，一個(gè)是四號(hào)員工生成的視頻，選video。

最后是老板驗(yàn)收，他負(fù)責(zé)引用的是六號(hào)員工的音視頻合成作品。

點(diǎn)擊試運(yùn)行，有兩個(gè)必填項(xiàng)，一個(gè)是bgm，一個(gè)是input。前者填你需要的音樂風(fēng)格，后者填你想生成視頻的成語(yǔ)。最后點(diǎn)試運(yùn)行，看結(jié)果。

通過這個(gè)簡(jiǎn)單的短視頻工作流，我們看到了AI將復(fù)雜任務(wù)自動(dòng)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(tuán)隊(duì)，能讓你的創(chuàng)意快速落地，效率倍增?，F(xiàn)在，就從搭建你的第一個(gè)工作流開始，解鎖AI時(shí)代的全新工作方式吧！