我找到了创作领域的 Claude Code

周末，在深圳。好朋友晓龙也已经从大厂出来创业。他向我安利了一款创作方面的 AI 产品，叫 OmniWork。

用他的话说，这就是创作领域的 Claude Code。

访问地址（目前还需要邀请码）：

https://www.OmniWork.ai/

我周一认认真真研究了下这个产品。然后彻底被打动了，买了会员。

我是否愿意为一款 AI 产品付费的标准其实很简单，就看它能不能提升效率，或者帮我们干一些以前根本干不了的事。

OmniWork 最打动我的，是它的理念：AI Expert Agent。

Expert 的意思是把各行各业专家的 Know-how 经验，固化到一个个 Agent。

大家不都说 Agent 是数字劳动力吗？如果我们想从市场上雇佣数字劳动力的话，那毫无疑问，他有什么经验很重要。Know-how 就是经验。

包括上周，我和不少朋友聊过这个话题，随着 Harness 越来越稳定，模型越来越成熟，下一个壁垒，可能就是行业的 Know-how 了。

拿我自己团队举个例子。我们一直在做 AI 视频，做了快一年。我感觉这事真正的壁垒，还是剧本创作和镜头表达能力。

而这方面最强的，肯定还是之前那些一直在拍短片、拍电影的人。

站在公司的角度，想把这块能力补上来，其实就两条路。

第一条，在市面上再招一个成熟的导演或者编剧。还有一条，可能更 AI Native 一点，就是找一个拥有导演或者编剧经验的 Agent。

我肯定更倾向于后者。因为有一说一，一个成熟的编剧或者导演，我们也招不起。

即便可以，招进来之后，我们公司的工作方式可能和他完全不一样，毕竟咱不是一家专门做视频的公司。

所以我的思路是就用 AI Native 的方式去解决这事儿。

大家可以看一下，这是我在 Experts Market 中截的一张图，它有不同的专家 Agent。

OmniWork 里的这些 Agent 是由各行业的专家共同打造的，可以理解为把他们多年的实战经验，尽可能都抽取、沉淀进了每一个 Agent 里。

我们点开 Film Production Director 这个 Expert Agent 看看，能发现它内置了非常多的专业的 Skill，比如角色设计、场景生成、VFX、分镜、视频生成、后期剪辑等等。

也就是说，这个 Film Production Director 的 Agent 其实已经有导演的经验了。

所以当我看到 OmniWork 的时候，特别兴奋。它就是我去年一直想要的那个东西。

Use 和 Hire，本质上是两件不同的事。

Use 是工具的逻辑。我买一台摄影机，再好的机器也不会自己干活，操作它的人得是我。所以本事还得长在我自己身上。

Hire 不是这样。我 hire 一个导演，我自己不懂，没关系，他懂。怎么操作摄影机，怎么用别的工具，他全包了，最后把成片交给我。

差别就在这。用工具，干活的人是我。雇人，干活的人是他，一个本来就会干这行的人。

这不就是前面那个 Know-how 难题的解法吗？导演思维我一时补不上，那我就先不补。我 Hire 一个本来就有导演能力的 Agent，剩下的事它来帮我搞定。

我直接告诉它我的想法，大致就是，我想做一个矿工下井遭遇坍塌最后平安归来的故事短片。

然后他就启动电影流水线，分了四个阶段推进。

首先是角色设计，他先用文字描述了故事短片中角色的名字、年龄、外貌等等。

紧接着，它就把年迈矿工角色的三视图生成出来了。

第二步，它开始梳理短片的结构，然后按照故事的节奏写完整的剧本和分镜脚本。

剧本和分镜脚本搞完了，就到了生成分镜头这步了。我甚至发现，它生成分镜时调用的是 Seedance 2.0，而且直接开的 1080p。

下面是最终生成的视频。一次性成稿，而且我没有做任何的剪辑。

只有这个要求，其他的他需要去互联网上检索背景资料。

我等了不到一分钟，它就搞定了。下面这张截图，大家可以看看。

我知道，在写文案这种场景，肯定有人会问，这事 ChatGPT 不也能干？同样的提示词，我发给 ChatGPT，咱们对比下。

很明显，ChatGPT 确实是在写文案。

它也会考虑不同方向，会多给几个版本。但本质上，它交付的还是“文案”本身。至于到底应该有哪些传播板块、什么场景需要什么内容，它其实并不会主动分析。

但当大家去看 OmniWork 这种 Expert Agent 的时候，会发现它思考的更加深入。

我只说一句要做宣传文案，它会自己想到，可能需要朋友圈、微博、公众号这些不同渠道的内容。然后再根据每个平台的特点，做定制化的宣传文案。

这种感觉其实挺明显的。

因为它已经不只是执行命令了，而是在按照一个有经验的人做事的方式推进任务。很多时候，有经验的人和没经验的人，最大的差别，本来就在这里。

但当一个 Agent 里已经沉淀了行业 Know-how 之后，它交付出来的结果会明显不一样。

当然，OmniWork 的 Agent 交付的成果也并不是直接能用。还需要我继续优化、调教。比如我不让它用破折号和引号，不要不是而是句式。

这些都应该明确告诉他。其实我觉得这就是一个磨合的过程。

虽然前面我把 Agent 讲得挺厉害，说它已经有很多 know-how，能提前想到很多东西。但大家仔细想想，每个公司的风格、内容习惯、业务需求，本来就都不一样。

哪怕我们真的从外面招了一个特别有经验的人，他加入团队之后，也得先适应团队的工作方式，理解大家的审美和表达习惯。

Agent 其实也是一样。

它有经验，但那个经验很多时候是通用经验。真正想让它变得好用，还是得不断告诉它，我们想要什么、不想要什么，什么是我们的风格，什么是我们真正关心的东西。

这个过程特别像一个新人 onboarding。需要一点耐心，也需要持续磨合。

最后他的交付结果是一个 HTML 页面，呈现还挺清晰的。而且大家看下，它甚至会知道，不同类型的文案，需要不同的刺激点。有的强调价格，有的强调获得感。

比如下面这个截图是官方做的一个社交媒体运营的 team。

Agent Team 这个概念已经火了一阵子了。

我发现很多人会觉得，这玩意有点画蛇添足。为什么非得搞一堆 Agent？直接做一个超级 Agent 不就行了。但我现在越来越觉得，事情可能真不是这么回事。

还是顺着刚才那个思路。

当我们把某一个岗位沉淀成 Agent 之后，其实这个 Agent 本身已经很强了。它已经带着这个岗位的大量 Know-how、流程经验和工作习惯。

这时候，没必要再要求它什么都会。

因为现实世界里，本来也不存在一个人同时精通所有岗位。真正合理的方式，反而更像真实团队。

有人负责写内容，有人负责做视觉，有人负责检查逻辑，有人负责最后统稿。每个 Agent 把自己最擅长的事情做好，最后由整个 Agent team 去协同完成任务。

而且团队的价值，其实从来都不只是分工。还有一个特别重要的东西，叫互相影响和互相 check。

单个 Agent 特别容易进入一种自嗨状态。它会觉得自己写得挺好，逻辑也通，内容也完整。但很多时候，它其实已经跑偏了，只是自己意识不到。

可一旦拆成多个 Agent，下一个环节的 Agent，会去检查上一个环节的交付物。

写文案的 Agent，可能会被负责传播的 Agent 发现问题。做视觉的 Agent，也会反过来约束内容结构。大家一个环节接一个环节，整个系统会开始出现一种互相监督的效果。

我觉得这其实特别像真实的人类团队。很多时候，一个团队真正厉害的地方，并不是每个人都顶级，而是大家会互相纠偏。

Agent Team 我觉得也是同样的逻辑。接到任务后，它会快速拆解给不同的 Agent。因为我要求要做成图文和视频，所以它会双线并行制作。

有点意思，因为我没有明确的说图文是哪个渠道的，所以它会帮我做一个小红书的版本，一个公众号的版本。

小红书的效果如下图：

而且 OmniWork 还提醒我，可以把这个任务的流程沉淀为一个 Skill。

有个读者说，他现在看很多 AI 产品，其实已经懒得体验了。总觉得这也不完善，那也不成熟。有些产品的理念，自己甚至还接受不了。

但我发现我好像一直不是这种状态。

可能因为这些年一直在做产品、创业、写东西。我会反复提醒自己：能看懂别人的好，其实也是一种很重要的能力。

所以我一直特别喜欢体验各种各样的新产品。

很多时候，我并不是奔着“它一定完美”去的。

我更关心的是：它为什么这么设计？它想解决什么问题？它有没有提出一种新的思路？它有没有把某个体验往前推一步？

包括这次的 OmniWork。其实也是上周 AI Maker Summit 现场，朋友跟我聊到的。

他当时跟我说 AI Expert Agent 这个概念，我一下子就被吸引了。因为这个词背后，其实对应的是一种完全不同的产品思路。所以我昨天专门花了很长时间深度体验。

我其实挺喜欢这种状态的。因为很多时候，一个新东西刚出现的时候，本来就不会完美。

但如果永远都站在“审判者”的位置去看东西，很容易慢慢变成这个不行，那个也不行。

但我的想法一直挺简单的。很多东西，至少先真的用一下，看看人家哪些地方做的不错。