這是蒼何的第 533 篇原創！

大家好，我是蒼何。

今天，我的 AI 視頻團隊「正式入職騰訊了」。

事情是這樣的，我一直覺得做短視頻是件反人類的事。

找熱點、想選題、寫腳本、做分鏡、剪輯、加字幕、發平臺......

一個人全干完，基本等于下班后再上一次班。

后來我換了個思路：既然人類團隊能流水線協作，AI 為什么不能？

于是我搭了 2 個 AI 視頻團隊，一個負責「拆解爆款視頻」，一個負責「自動生產視頻」。

每個團隊都有幾個不同的專業 Agent 負責執行任務。

多 Agent 協同的邏輯和之前跨境電商團隊的搭建方法一致。

爆款視頻拆解團隊可以直接拆解爆款視頻，并生成拆解報告，把景別、運鏡、剪輯節奏、仿拍建議統統都給準備好。

我隨便跑了個例子，你可以看看他的效果。

自動生產視頻能自動搜索熱點 → 自動篩選選題 → 自動寫腳本 → 自動設計分鏡 → 自動生成配音 → 自動渲染視頻 → 自動加字幕 → 自動發布平臺。

騰訊的朋友試用過我的內測版本后，覺得效果有點炫，問我能不能把這 2 個團隊做成人人都可用的 AI 專家。

我答應了。

現在，我的 2 個 AI 視頻團隊已經上架到騰訊的 WorkBuddy 了，你可以直接體驗。

你現在打開 WorkBuddy，在專家團那里搜這兩個就是我的 AI 團隊。

你現在只要在 WorkBuddy PC 端點一下召喚，就能使用了，專家團會調用多個專家協同進行任務。

當然也可以直接在小程序體驗：

我給"視頻生成團隊"配了 4 個專業的 Agent，分別是視頻生成團隊主理人凌導、信息采集員靈閱、內容策劃師靈樞、視頻制作師靈映。

召喚成功后，你只需要輸入一句話：

幫我做一期視頻，主題是[AI周報]，時長46秒

然后就不用管了。

后面發生的事情是這樣的：

視頻如下：

整個流程里，我只做了兩件事：輸入一個主題，等視頻生成。

剩下的，全由 Agent 團隊自動協作完成。

以前我們和 AI 的關系，是「一對一聊天」。

現在是一句話，召喚一個團隊。

它有團長、有分工、有協作，是一個真正的多 Agent 團隊。團長拆任務，團員并行干活，最后整合交付。

像一個真正的項目組在幫你干活。

而驅動這條視頻流水線的，就是我搭的第一個團隊。

這個團隊基于 HyperFrames 搭建，是一個自動采集+生產+發布的 Agent 團隊。

HyperFrames 是 HeyGen 開源的視頻渲染框架，核心思路是寫 HTML 就能渲染視頻，天然為 Agent 設計。它有 CLI 工具鏈、TTS/字幕/去背景等媒體處理能力、50+ 現成的視頻組件模板。

團隊里有四個成員：視頻生成團隊主理人凌導、信息采集員靈閱、內容策劃師靈樞、視頻制作師靈映。

我輸入一句需求，后面已經不是「一個 AI 在回答」了。

靈閱去搜熱點、靈樞寫腳本、靈映渲染視頻、發布 Agent 去發平臺。團長知道什么時候該拆任務、什么時候該并行、什么時候該串行。

這才是真正的 Multi-Agent，不是輪流回答，是有明確分工的團隊協作。

做視頻最耗時間的其實不是剪輯，是「今天到底拍什么」。

所以我先做了信息采集 Agent。它每天自動抓 RSS、搜新聞、掃社媒、聚合 AI 熱點，還會把重復內容清洗掉，最后輸出一份結構化摘要。

選題有了，真正費腦子的來了：「這條視頻到底怎么講？」

內容策劃師靈樞負責選題評估、腳本寫作、分鏡設計、旁白文案，甚至鏡頭節奏。

連轉場建議、素材清單、BGM 節奏、字幕停頓、情緒節點這些細節，它都會一起生成。

我最開始只是想「自動寫文案」，后來發現真正耗時間的是「鏡頭語言」，于是干脆把「導演思維」也塞進去了。

靈映會把腳本自動轉成 HTML，然后調用 HyperFrames 渲染 MP4。

系統自動完成 Azure TTS 配音、Whisper 字幕對齊、動畫與轉場生成、素材拼接、字幕疊加、視頻渲染，最后直接輸出成片。

更有意思的是，視頻風格還能自動匹配。AI/科技新聞自動切深藍科技風，知識科普變清新教育風，產品評測偏對比風，行業分析變商務數據風。

輸出的效果，基本能直接發平臺。

在 WorkBuddy 中，我還能在右側看到每個 Agent 的運行流程和產物，整個過程透明可控。

最后一步我也不想手動點。

發布 Agent 會自動生成標題、自動打標簽、自動上傳封面，然后通過云手機發布到抖音、視頻號和 B站。

讓它把視頻發到視頻號上，幾秒搞定。

就像一個微型視頻制作公司，只不過成員全是 Agent，我只負責說一句話。

光會「生成」還不夠。

真正重要的是學會別人為什么能爆。

于是我又搭了第二個團隊，專門負責一件事：把一條爆款視頻，拆成可以直接照著復刻的「操作手冊」。

輸入一個視頻鏈接，它就會自動提取視頻、轉錄文案、分析景別運鏡、剪輯節奏、色調風格，生成完整拍攝腳本拆解文檔，并提供可落地的仿拍建議。

整個流程分三個階段。最復雜的是「視頻下載」，所以我做了一套「三層降級策略」：官方 API → Playwright → yt-dlp。只要有一層成功，流程就繼續。

團隊里的角色分工：

角色

職責

工具/技術

阿爆

團長/拆解總控

任務調度、流程編排

小凱

音頻處理與轉錄

ffmpeg、硅基流動 ASR

小淼

視頻理解與鏡頭裁切

火山方舟視頻理解 API、ffmpeg

使用起來非常簡單，輸入視頻鏈接，阿爆就會調度團隊開始工作。

視頻下載完成后，小凱用 ffmpeg 提取音頻，把video.mp4轉成audio.mp3，然后調用硅基流動 API 做語音識別，自動轉錄完整口播文案。

以前做這種事情，最痛苦的就是一句句聽、一句句敲。現在一鍵搞定。

接下來是最有意思的一步：視頻理解。

調用火山方舟的視頻理解 API，讓 AI 分析整條視頻的「鏡頭語言」。景別、運鏡、轉場、剪輯節奏、色調、鏡頭時長，全部拆得明明白白。

你會突然發現，那些看起來「很有感覺」的爆款視頻，背后全是有規律的。

小淼還能自動裁鏡頭，根據時間戳把每個鏡頭片段單獨切出來。

我還可以讓兩個專家團進行合作。

先拆解爆款視頻，學習里面的鏡頭語言和節奏，然后讓視頻生成團隊去生產新視頻，發布之后繼續分析數據，再反過來優化下一版內容。

一個團隊負責「學習」，一個團隊負責「生產」，形成閉環。

講真的，以前想玩 Multi-Agent，你得自己研究 LangGraph、CrewAI、Agent 編排、Tool 調度、Workflow，門檻勸退了 99% 的人。

WorkBuddy 做的事情是把這些全部產品化了。

你不需要懂什么是 Agent、什么是 Tool，你只需要會說「幫我做 XXX」。

點開專家團，一句話派活，團長自動拆解分工，團員并行執行，最后整合交付。開箱即用，不需要自己搭環境、寫工作流、配 API。

而且小程序也能用。通勤路上冒出一個想法，掏手機打開 WorkBuddy 小程序，一句話召喚專家團，到公司時結果已經在了。手機和電腦端對話上下文完全打通，隨時切換設備繼續。

目前 WorkBuddy 已經上線了 24 個專家團、160 位 AI 角色，覆蓋產研、內容、增長變現、財稅法務、數據、投資金融。

其實就有 2 個專家團是蒼何為大家精心打造的，當然了我也會一直持續迭代。

說白了，一個人也能擁有一整家公司的專業班底。

以前「一人公司」更像一句口號，聽著熱血，做起來全靠硬撐。

現在我越來越覺得，AI 專家團正在把它變成現實。

你不需要什么都會，你只需要有一個 AI 團隊什么都能干。

你只需要做好一件事：想清楚你要什么。

剩下的，交給團隊。

如果你也想體驗「一句話召喚一個團隊」的感覺，去 WorkBuddy 試試專家團，說不定會打開新世界的大門。

覺得有用的話，點個贊再走唄，我們下期見~