試試讓你的 Agent 做一支產(chǎn)品宣傳片。

給它一段參考視頻，加一句話：「能復(fù)刻這個視頻，給我的產(chǎn)品做一個宣傳片嗎？」然后你去忙別的了。十幾分鐘后，Agent 交回一支完整的 TVC——它自己寫了劇本，自己拆了分鏡，自己選了模型生成每一個鏡頭，自己剪輯，自己配樂。你沒有碰過任何一個按鈕。

已經(jīng)有產(chǎn)品做出來了。

3 月 18 日，LiblibAI 旗下 AI 視頻創(chuàng)作平臺 LibTV 正式上線。

它可能是目前市面上第一個，從產(chǎn)品設(shè)計(jì)的第一天起，就同時為人類創(chuàng)作者和 Agent 設(shè)計(jì)的視頻創(chuàng)作工具——一款產(chǎn)品，兩扇門。

LibTV：https://www.liblib.tv/

??關(guān)注 Founder Park，最及時最干貨的創(chuàng)業(yè)分享

超 22000 人的「AI 產(chǎn)品市集」社群！不錯過每一款有價值的 AI 應(yīng)用。

邀請從業(yè)者、開發(fā)人員和創(chuàng)業(yè)者，飛書掃碼加群：

進(jìn)群后，你有機(jī)會得到：

• 最新、最值得關(guān)注的 AI 新品資訊；
  

• 不定期贈送熱門新品的邀請碼、會員碼；
  

• 最精準(zhǔn)的 AI 產(chǎn)品曝光渠道

01給 Agent 設(shè)計(jì)產(chǎn)品，已經(jīng)不是選擇題了

過去一年，AI 產(chǎn)品領(lǐng)域有一件事越來越明確：你的用戶里正在多出一類新物種——Agent。

不是所有產(chǎn)品都意識到了。但已經(jīng)意識到的人開始動了。Figma、Canva、Spotify 接入了 OpenAI 的 Apps SDK，讓 Agent 可以直接在 ChatGPT 里調(diào)用它們的能力。大量 SaaS 工具在接 Skill 接口，讓 Agent 能讀寫數(shù)據(jù)、觸發(fā)流程。Obsidian、Google Workspace 都提供了 Cli 版本，我最喜歡的筆記類產(chǎn)品 flomo 發(fā)布了 MCP 工具供各類 agent 使用。a16z 的 Stephanie Zhang 在 Big Ideas 2026 播客里說得很直接：「對人類消費(fèi)者而言重要的東西，對智能體消費(fèi)而言未必重要。」軟件的優(yōu)化目標(biāo)正在從「讓人看得懂」變成「讓 Agent 用得了」。

但看看視頻創(chuàng)作這個領(lǐng)域，情況還很早期。

能自動出片的 Agent 工具已經(jīng)有了——給一句 prompt，劇本到成片全自動交付。有些也開始支持逐鏡頭調(diào)整和風(fēng)格參數(shù)。專業(yè)創(chuàng)作者用的工作流工具也有了——畫布、節(jié)點(diǎn)、連線，控制力很強(qiáng)。但這兩類工具的思路是分開長的。Agent 類工具的核心邏輯還是自動化交付，創(chuàng)作者能介入的環(huán)節(jié)有限，更多時候是在結(jié)果層面做取舍。專業(yè)工作流那邊，搭建成本高，創(chuàng)作中的小修改經(jīng)常要導(dǎo)出到別的軟件處理，給 Agent 用的接口大多還是后補(bǔ)的，不是原生設(shè)計(jì)。

兩類工具各有各的長處，但思路是分開的。一邊圍繞自動化交付設(shè)計(jì)，一邊圍繞人的操控感設(shè)計(jì)，兩套邏輯還沒有在同一個產(chǎn)品里真正合流。

LibTV 想做這件事。

02一款產(chǎn)品，兩個入口

LibTV 從第一天起，人類創(chuàng)作者和 Agent 各有各的入口。不是先做 GUI 再補(bǔ) API，兩個入口在產(chǎn)品架構(gòu)層面就是并行的。

創(chuàng)作者端：工作流畫布更可控

打開 LibTV，看到的不是對話框也不是時間線，是一塊可以無限放大的畫布。文本、圖片、視頻、音頻、腳本五種節(jié)點(diǎn)隨便擺，用連線串成工作流，可以反復(fù)跑。劇本到成片，全在一張畫布上。

已經(jīng)上線 20 多個專業(yè)創(chuàng)作功能：9/25 宮格分鏡生成、劇情推演四宮格、多機(jī)位鏡頭設(shè)計(jì)、角色三視圖、畫面時間推演等等。模型集成了可靈 3.0、Wan 2.6 等主流視頻模型，圖片和文本側(cè)也接了多個模型。

舉個場景。一個 3 人創(chuàng)業(yè)團(tuán)隊(duì)要做 45 秒產(chǎn)品宣傳片，沒錢請外包。過去怎么做？ChatGPT 寫腳本、 Nano Banana 出圖、可靈生視頻、剪映剪輯、PS 修畫面。5 個工具來回切，角色長相每換一個工具就變一次。

在 LibTV 里：畫布上用文本模型寫分場景腳本，9 宮格分鏡一次出 9 張構(gòu)圖方案，挑一個方向。角色三視圖把主角形象鎖死，后面所有鏡頭基于同一個設(shè)定生成，不會再變臉。逐鏡頭生成視頻，畫布上直接剪輯配樂。一個界面，一個下午。做完了把這套工作流存成模板，下次換幾個鏡頭描述重新跑就行。

Agent 端：你來指揮，Agent 執(zhí)行

Agent 通過 Skill 接口接入 LibTV，直接調(diào)用短漫劇生成、視頻復(fù)刻、音樂 MV 生成這些打包好的創(chuàng)作能力。它能做出什么水平的視頻，取決于能調(diào)用什么水平的模型和工作流。

有個技術(shù)細(xì)節(jié)值得說一下。Agent 每次發(fā)起創(chuàng)作，LibTV 返回的不是一個「等處理完再來取」的任務(wù) ID，而是三樣?xùn)|西——sessionId、projectUuid、projectUrl。sessionId 讓 Agent 可以持續(xù)查詢進(jìn)展；projectUuid 讓整個創(chuàng)作掛在一個可持續(xù)的項(xiàng)目對象上；projectUrl 讓人類可以隨時打開畫布接管。Agent 交付的不是一個孤立的 mp4 文件，而是一整個可以繼續(xù)編輯的項(xiàng)目——人類打開畫布就能接著改。

我們實(shí)際試了一下。給 Agent 一句話：「做一個 2 分鐘的動畫短片，講一個被推薦算法困住的年輕人逐漸覺醒的故事，賽博朋克風(fēng)格，結(jié)尾有希望感?！?/p>

然后什么都不用做。

Agent 自己把這句話拆成了 6 幕劇本，自動定好調(diào)色方案——冷藍(lán)紫到暖金色的漸變，對應(yīng)情緒從壓抑到覺醒的轉(zhuǎn)變。逐場景生成分鏡，逐鏡頭出視頻，配樂剪輯一條龍交付，最后給回一條完整的成片鏈接和項(xiàng)目畫布。哪部分不滿意可以隨時讓它修改，人類只需要等待即可。

這是 LibTV 上線后實(shí)際跑出來的結(jié)果。產(chǎn)品還在早期階段，體驗(yàn)還在打磨，不是所有功能都到了最終形態(tài)。但核心流程能跑通了：同一套系統(tǒng)，創(chuàng)作者自己做和 Agent 自己做，調(diào)的是同一組能力、同一層模型。

03給 Agent 設(shè)計(jì)軟件，跟給人設(shè)計(jì)到底有什么不一樣？

LibTV 同一個產(chǎn)品給人和 Agent 同時用，兩種用法擺在一起，差異很具體。但在拆解差異之前，先說一個底層問題：為什么給人用和給 Agent 用，設(shè)計(jì)思路會完全不同？

真格投資總監(jiān)鐘天杰最近寫了一篇文章，標(biāo)題很激進(jìn)——「我們也許不該再投資 GUI 思維的軟件公司」。他的核心論點(diǎn)是：GUI 本質(zhì)上是人類認(rèn)知缺陷的補(bǔ)丁。人類注意力帶寬極窄，工作記憶極淺，需要持續(xù)的視覺錨點(diǎn)才能維持任務(wù)狀態(tài)。畫布、節(jié)點(diǎn)、空間布局、即時反饋——這些東西存在的原因不是它們好，而是人類不用它們就沒法干活。Agent 沒有這些限制。它不需要「看到」才能記住，不需要空間布局來維持上下文，不需要視覺反饋來確認(rèn)操作生效了。

理解了這一點(diǎn)，下面三個差異就不意外了。

能力怎么包裝給 Agent，講究不一樣。

創(chuàng)作者用的是碎片化的工具——拖節(jié)點(diǎn)、調(diào)參數(shù)、選構(gòu)圖、改文案。手上做的事是碎的，腦子在做整合。Agent 不要碎片化工具。它不想「拖一個節(jié)點(diǎn)連一條線」，它想「根據(jù)這個劇本生成一套分鏡」。

給 Agent 設(shè)計(jì)入口，第一個問題就是能力打包到哪一層。各種 API 太細(xì)，Agent 得來回調(diào)幾十次。一鍵出片太粗，不同任務(wù)沒法差異化。Sequoia（紅杉）分析 Agent 產(chǎn)品設(shè)計(jì)時有個說法叫「Goldilocks」——最優(yōu)解在中間，「把大量控制流交給 LLM，但保留一組軌道和狀態(tài)感知」。LibTV 的 Skill 就是這個中間層：每個 Skill 里有完整的決策鏈路，但 Agent 可以在不同 Skill 之間自由組合。

這跟傳統(tǒng)意義上「給產(chǎn)品加個 API」是兩回事。API 是把人類在界面上點(diǎn)擊的流程翻譯成代碼調(diào)用，思路沒變；Skill 是讓 Agent 用自然語言表達(dá)意圖，由系統(tǒng)側(cè)完成編排和決策——思路變了。

做決定的方式不一樣。

創(chuàng)作者看 9 張分鏡圖，掃一眼就知道哪張對。說不清為什么，但就是知道。Agent 沒有這種直覺。它的辦法是靠量：每個鏡頭生成好幾個版本，按一致性、構(gòu)圖、風(fēng)格匹配度自動篩。用算力換審美。

給 Agent 用的系統(tǒng)得原生支持批量生成和自動比選。這也解釋了為什么價格這么重要——Agent 天然就是要多調(diào)幾倍模型的。

記東西的方式不一樣。

創(chuàng)作者靠空間記憶管項(xiàng)目——角色設(shè)定在畫布左邊，分鏡在中間，成片在右邊，抬眼就知道整體狀態(tài)。Agent 沒有「空間」。做到哪一步了、角色約束是什么、前面鏡頭用了什么色調(diào)，都要顯式地傳給它。人看一眼就明白的事，Agent 需要系統(tǒng)幫它記住。

這三個差異是任何想給 Agent 開一扇門的產(chǎn)品都得回答的問題。LibTV 給出了一個早期解法，夠不夠好還得看后續(xù)迭代。但問題本身已經(jīng)繞不過去了。

04給 Ageng 用，Token 不能太貴

視頻創(chuàng)作最大的成本是「抽卡」——大量生成，反復(fù)試。一支好作品后面可能是幾十上百次生成和篩選。

LibTV 定價有點(diǎn)便宜：

• 年卡最低 39 折

• 部分模型疊加優(yōu)惠后相當(dāng)于 2 折多

• 會員 SKU 比競品低 76%

• 模型積分 比競品低 92%

對創(chuàng)作者來說，試錯成本降下來了，可以靠量跑出好作品。

但對 Agent 生態(tài)來說，便宜這件事可能更要緊。前面說了，Agent 天然需要多版本生成和比選，調(diào)用頻次比人手動操作高得多。單次調(diào)用太貴的話，Agent 做視頻在經(jīng)濟(jì)上根本不成立。

模型能力決定 Agent 能不能做出好視頻，價格決定它敢不敢放開了做。這兩件事得同時解決，Agent 視頻創(chuàng)作才能從 demo 變成可用的生產(chǎn)力。

05給 Agent 做視頻工具，難在哪里？

同時做兩個入口、接一堆前沿模型、還把價格壓到這個程度，LibTV 之所以能這么做，跟 LiblibAI 過去三年干的事直接相關(guān)。

模型層，LiblibAI 做了三年多模態(tài)視覺創(chuàng)作，從圖像生成到風(fēng)格模型訓(xùn)練，一直在干「把模型能力變成創(chuàng)作者用得上的產(chǎn)品」這件事。跟主流模型廠商和算力平臺的合作是長期積累下來的。這解釋了定價為什么敢這么激進(jìn)——上游的供給效率和成本結(jié)構(gòu)，短時間內(nèi)很難攢出來。

用戶層，LiblibAI 平臺上有超過 2000 萬創(chuàng)作者，社區(qū)里沉淀了十萬多款原創(chuàng)風(fēng)格模型。這些創(chuàng)作者用什么模型、調(diào)什么參數(shù)、做什么類型的內(nèi)容、在哪些環(huán)節(jié)卡住——產(chǎn)品團(tuán)隊(duì)對創(chuàng)作流程的理解是從這里來的。LibTV 的功能設(shè)計(jì)（9/25 宮格分鏡、角色三視圖、多機(jī)位鏡頭）是從大量真實(shí)創(chuàng)作行為里提煉出來的。

產(chǎn)品經(jīng)驗(yàn)層，LiblibAI 在 2025 年就在設(shè)計(jì)領(lǐng)域推出過一個垂直 Agent 產(chǎn)品「星流」。怎么給 Agent 設(shè)計(jì)入口、Skill 怎么封裝、Agent 跟人的協(xié)作流程怎么跑通——這些問題團(tuán)隊(duì)已經(jīng)踩過一輪坑。LibTV 的雙入口設(shè)計(jì)是在之前實(shí)踐基礎(chǔ)上的迭代。

還有一層?xùn)|西值得單獨(dú)說。2000 萬創(chuàng)作者沉淀下來的不只是使用數(shù)據(jù)，還有審美資產(chǎn)。十萬款風(fēng)格模型、大量被驗(yàn)證過的創(chuàng)作工作流——這些東西帶著創(chuàng)作者的審美判斷。在 LibTV 里，創(chuàng)作者可以把畫布上調(diào)好的工作流存成模板，模板里記錄的不只是「用了哪些節(jié)點(diǎn)、連了哪些線」，還有每個環(huán)節(jié)的參數(shù)偏好：鏡頭時長、構(gòu)圖傾向、色調(diào)范圍、節(jié)奏結(jié)構(gòu)。另一個創(chuàng)作者拿去用，出來的東西會帶著前一個人的審美印記。Agent 拿去執(zhí)行，同樣如此。審美通常鎖在個人直覺里，沒法傳。LibTV 想把它變成可以存下來、可以在社區(qū)里流通的東西。人出審美，Agent 出產(chǎn)能，社區(qū)做流通——這是它想搭的飛輪。

所以 LibTV 更像是 LiblibAI 三年積累到了一個節(jié)點(diǎn)之后的自然產(chǎn)物：技術(shù)合作提供模型供給，創(chuàng)作者社區(qū)提供需求洞察和審美沉淀，Agent 產(chǎn)品經(jīng)驗(yàn)定義產(chǎn)品形態(tài)。

06Agent 不是功能，是新用戶

回到行業(yè)角度來看。

LibTV 在做的事——同時為人和 Agent 設(shè)計(jì)一款產(chǎn)品，不是一個特例。它背后是一個正在加速的行業(yè)變化：越來越多的產(chǎn)品團(tuán)隊(duì)開始把 Agent 當(dāng)成一類真實(shí)的用戶來對待。

Linear 是一個很具體的例子。這個項(xiàng)目管理工具過去一年做了一系列改動：issue 可以直接指派給 AI coding agent，跟指派給同事一樣；專門做了一個 Agent Session 面板，顯示 Agent 的工作進(jìn)度和推理過程；手機(jī)端也能跟蹤 Agent 的任務(wù)狀態(tài)。它給 Agent 設(shè)計(jì)了獨(dú)立的權(quán)限體系、webhook 事件類型、OAuth scope。不是加了個 API 就完事——從分配任務(wù)、跟蹤進(jìn)度、權(quán)限管理這些核心功能層面，Agent 就是團(tuán)隊(duì)成員。

Shopify 走得更遠(yuǎn)。今年初推出的 Universal Commerce Protocol，讓 Agent 可以自主發(fā)現(xiàn)商品、比價、下單，走完整個購物流程。它還出了一套 Checkout Kit，專門讓 Agent 在對話流程里完成支付。Shopify 的邏輯很清楚：未來的買家不只是人，還有替人跑腿的 Agent。產(chǎn)品架構(gòu)得為這類用戶重新設(shè)計(jì)。

Sierra 創(chuàng)始人、OpenAI 董事長 Bret Taylor 在 Sequoia 的播客 Training Data 里給了一個時間線：20 年前，企業(yè)的主要數(shù)字界面是網(wǎng)站。10 年前，變成了 App。下一步，是 Agent。Taylor 認(rèn)為這個變化里最大的機(jī)會在垂直領(lǐng)域——每個行業(yè)的工作流不一樣，需要的 Agent 方案也不一樣。通用平臺做不了這件事，得垂直深入。他管這個叫「新一代的軟件即服務(wù)」。Sierra 自己的做法很說明問題：給電信、銀行、保險這些行業(yè)分別搭定制化的客戶服務(wù) Agent，定價按 Agent 自主解決問題的數(shù)量收費(fèi)，轉(zhuǎn)人工的不收錢。這個定價模型本身就在說——Agent 就是產(chǎn)品，不是產(chǎn)品的附屬功能。

Jensen Huang 前兩天在 GTC 2026 上把這件事說得更緊迫：「今天世界上每家公司都需要一個 Agent 系統(tǒng)戰(zhàn)略。這就是新一代計(jì)算機(jī)?！?/strong>他直接把 Agent 框架比作 Windows 和 HTML——不是一個可選的新功能，是下一代基礎(chǔ)設(shè)施。

這些判斷指向同一件事：Agent 作為用戶，不是一個遙遠(yuǎn)的假設(shè)，已經(jīng)在改變產(chǎn)品的設(shè)計(jì)方式了。Linear 改了任務(wù)分配，Shopify 改了交易流程，Sierra 改了定價模型。每家公司遲早要回答同一個問題：你的產(chǎn)品準(zhǔn)備怎么接住這類新用戶？

LibTV 是在視頻創(chuàng)作這個垂直領(lǐng)域給出的一個早期回答。

轉(zhuǎn)載原創(chuàng)文章請?zhí)砑游⑿牛篺ounderparker