作者 | Kino

编辑 | 张洁

过去一年，AI Agent绝对是整个AI行业最热的关键词之一。

但真正用下来，很多Agent产品给人的感受却有点微妙：自动化流程是跑起来了，token也烧了不少，最后交付出来的东西却未必真的能用。

所以，当我们最近关注到OmniWork这款新的Agent产品时，最开始是带着一点怀疑的，它给自己的定位是一款面向全创作场景的Agent OS。

OmniWork官网：www.omniwork.ai

但经过几天的试用，体验完全超乎我们的预期，我愿称之为内容创作者、品牌营销团队、AI Native创作者、小团队项目负责人的本命Agent。

（目前OmniWork仍处于内测阶段，采用邀请码机制开放体验。我们在文末准备了5个邀请码，感兴趣的玩家可以先试试。）

先给省流版结论，相比市面上的其他Agent产品和通用型AI助手，OmniWork最打动我的地方在于：

OmniWork把真实行业专家的工作流、判断标准和执行链路封装进Agent里，围绕不同创作方向，配置了很多专家型Agent。

在OmniWork里，你可以从专家市场中直接免费“雇”各种专家给自己打工。

OmniWork的专家市场

这些专家本质上是围绕具体创作方向设计的专家型Agent，覆盖内容策划、趋势分析、脚本创作、音乐制作、视频创作、游戏开发、社媒运营等不同任务。

雇佣之后，系统会根据任务需求，把工作分配给更适合的专家来处理；你也可以主动@某个特定专家，让它参与某个环节。当然，如果现有专家不完全符合需求，也可以自己新建专家。

对于复杂一点的项目，OmniWork支持多Agent协作。多个专家分别承担研究、策划、脚本、视觉、开发、增长等环节，再在统一工作区里协同推进。

另一个比较关键的能力是Autowork，也就是自动化任务。你可以设置周期性任务，让Agent持续追踪行业动态、监测竞品 / 特定话题 / 社媒账号，并定期生成报告。

OmniWork还拥有用户画像记忆、创作偏好记忆和项目级工作记忆，可以在后续任务中持续对齐和调整。比如我在第一次任务里告诉它，我的内容偏好是不要太多技术黑话、标题不能太标题党、更喜欢从创作者视角切入，后续再进入新的任务时，它就能继续沿用这些偏好，而不是每次都需要我重新解释一遍。

OmniWork还试图帮助创作者把个性化的工作流和经验，沉淀成可复用的Agent能力。每次完成复杂任务后，系统就会触发“是否将这次任务创建为一个Skill或定时任务”的提示。

那么，创作流程究竟能被OmniWork接管到什么程度？多个专家型Agent如何协作？最终交付结果是否真的完整可用？带着这些问题，我们对OmniWork进行了一番深度实测。

让OmniWork复刻一个LV版猫咪奢侈品广告

第一个任务是我让OmniWork基于一条现成的Gucci猫咪广告视频，复刻一条LOUIS VUITTON版本，不仅要把墙纸、包袋、猫咪服饰这些核心视觉元素整体替换成LV的品牌体系，还要配上最近小红书、抖音上很火的斯皮尔伯格转场BGM，并让猫咪从包袋里探出的那一刻卡上音乐开始的节点。

参考视频（来源：小红书@栗米桃）

从执行过程来看，OmniWork先识别到这是一个“奢侈品广告复刻+品牌化重制”的任务，然后调用了一个名为Film-Production-Director的专家角色作为主导，并明确说明接下来会先分析原始视频，再做视觉替换，之后生成视频、合成BGM，最后输出成片。

接着，OmniWork调用了video-frame-extractor之类的技能对参考视频做拆解：包括原片是9:16竖屏、时长约6.8秒，开头是绿色Damask花纹背景和Gucci手提袋，中段是橘猫从包里探身，头戴GGMonogram帽子、身穿针织外套和丝巾，结尾则是品牌字母完整浮现，猫咪转头wink收尾。

然后它把“LV版”应该改哪里也列得很明确，比如把绿色墙纸替换成深棕、焦糖色的LV Monogram花纹墙纸，把Gucci绿色购物袋改成LV棕色帆布Monogram购物袋，把猫咪身上的GG印花改成LV Monogram印花，把“GUCCI”字母浮现替换成“LOUIS VUITTON”金色字样逐字出现。

后面的视频生成、BGM合成环节执行得也很顺利，整个过程中，没有出现那种每执行一步都要我确认和同意的情况，而是以一种比较连贯的方式持续推进。

就最终成片来看，OmniWork的完成度是很高的，不仅和原视频的结构和节奏相似，BGM和音乐卡点和猫咪出包袋的动作也能对应上，完全可以直接拿去发。

对于内容创作者或者经常要做短视频翻拍、风格改编、品牌化再创作的人来说，这种体验大大省去了中间来回切换工具的成本。

任务结束之后，它甚至还会主动弹出提示，问要不要把这个工作流沉淀成一个可复用的Skill。

从0打造一个AI领域小红书KOL账号

接下来再试试用它从0打造一个AI账号，因为我也想看看能不能把自己平时对AI工具的使用，对内容趋势的观察，沉淀成一个更长期的个人IP。

但账号定位怎么定？第一批内容发什么？后面如何持续更新？我是这么告诉OmniWork的：我想做一个AI领域的KOL小红书账号，希望参考类似“秋芝”这类个人IP账号，打造一个兼具专业度和个人风格的账号，帮我构思下账号定位、内容风格、增长策略等。

OmniWork接到任务后，把任务分给了两个不同专家：一个是Growth-Marketing-Expert，负责账号定位、人设构建、受众分析、增长节奏和互动策略；另一个是Trend-To-Post，负责栏目规划、首批选题、图文脚本和短视频脚本。

OmniWork给出的核心判断是：AI赛道的竞争不在知识量，而在于“谁能让普通人真正上车”。

在最终生成的《小红书AI领域KOL账号完整运营策略方案》中，OmniWork先给出了账号定位：核心赛道是AI工具效率实践×个人成长，切入点是“用AI让普通人的工作和生活真正变得不同”。它进一步把内容方向拆分成AI工作流实践、提示词工程平民化、AI辅助个人成长。

在人设设计上，它也给出了较完整的设定，还写出了比较具体的人物背景故事：比如曾经做产品经理、因为业务调整开始学AI、慢慢形成稳定工作流。

在栏目规划上，它设计了五个固定栏目，包括“我的AI实验室”“AI工作流手册”“清醒AI时刻”“每月AI成长账”“给普通人的AI入门”，还给出了每个栏目的定位、内容形式、发布频率和示例选题。

首批选题和脚本部分也有一定可用性。它一次性给出了20个选题、3篇完整图文脚本和2个短视频脚本，并按工具测评、经验干货、观点洞察、个人故事、热点借势做了分类。例如“让AI写出来不像AI的5个Prompt技巧，我整理了半年”“AI工具越来越多，但我的工作流越来越简单——为什么”等。

妥妥一套从账号定位到内容生产的完整方案，这种颗粒度已经具备了较强的启动价值。

不过，虽然OmniWork给的这份方案整体完成度很高，但个人IP账号最关键的还是人，AI不能替代创作者自己的经历、人格魅力和价值判断。要真正做出一个有辨识度的小红书账号，还需要创作者继续加入自己的真实案例、具体工作场景和个人表达细节。

总体来看，这个任务比较清楚地体现了OmniWork在策略型创作任务上的优势。它没有只给出一堆泛泛而谈的运营建议，而是能结合平台生态、用户画像和账号目标，输出具体的内容策略。

自动追踪AI行业动态，生成日报和选题建议

对于AI创作者来说，每日追踪行业信息也是一项强需求。有时候真正耗时的往往不是写稿，而是前期的信息搜集筛选、交叉整理和选题判断。我也试了试让OmniWork替我完成。

我在OmniWork的自动化任务（Autowork）入口里创建了一个“持续追踪AI行业动态，生成AI日报和选题建议”的自动化任务，并设置为每1小时运行一次，同时开启立即运行。

从生成结果来看，OmniWork并没有只给我一份简单的资讯列表，而是把AI行业动态整理成了一份结构化日报。日报顶部先给出整体概览，包括日期、追踪关键词，以及“30+重要事件、8个搜索维度、56个Reddit热帖、200+X热门推文”等汇总指标。

在正文部分，它将信息按主题分区整理，比如“模型与技术突破”“产品与商业化”“融资与并购”等。而且，OmniWork会在不少事件后面补一句判断，而不只是告诉你发生了什么。

比如在GoogleI/O相关内容里，它提到Google的战略叙事从“做最好的模型”转向“让AI成为每个设备的操作层”；在Anthropic和SpaceX的合作里，它会把算力合作、企业服务和竞争格局联系起来。

更贴近内容创作者需求的是最后的选题建议，标题和切入角度都给我们想好了：比如“GoogleI/O2026全面复盘——AI操作系统vs超级应用，谁的路线对？”“Musk的AI帝国矛盾——起诉OpenAI、给Anthropic算力、运营xAI”“Anthropic拿下22万GPU——算力军备竞赛进入国家级”“645倍价差——大模型价格战的终局是什么？”

在体验上，这个任务最能体现OmniWork和普通聊天机器人之间的差异。普通AI助手通常需要用户每次主动提问：“今天AI圈有什么新闻？”“帮我整理一下热点”。而Autowork的逻辑是，你只需要设置一次，Agent就可以按固定周期去执行同一类任务，并把结果沉淀成报告。

整体来看，对于需要长期关注行业、追竞品、找选题的内容创作者、品牌营销团队来说，这一能力可以大大降低前期信息处理成本，帮助人更快进入判断和创作环节。

不过，为了保证准确性，一些数据和事实仍然需要人工二次核查来源，不能只依赖Agent的整理结果。

自动追踪AI行业动态，生成日报和选题建议

生成一份可复用的AI视频模型测评文章模板，也是一个很实际的需求。

由于我们经常需要测评不同的AI视频生成模型和平台，比如写模型体验、产品评测、工具对比、能力横评类文章，所以我让OmniWork帮我设计一份可复用的AI视频模型测评文章模板，用于之后快速撰写模型体验、产品评测、工具对比类文章。

首先要说的是，OmniWork把模板做成HTML可视化页面这一点很加分，有些出乎我的意料。

这份模板覆盖了11个部分，从快速结论、产品基本信息、测试方法论，到测试用例矩阵、八大维度评分、亮点与槽点、适用场景、横向对比、定价与成本分析，再到最终结论，基本对应一篇AI视频模型测评文章的完整结构。

在测试用例设计上，OmniWork把AI视频模型常见的能力短板拆成了具体测试场景。比如人物特写与面部细节、相机运动控制、视频内文字渲染、图生视频一致性、长视频叙事连贯性等。

评分体系也有一定专业度，它把深度评测拆成八个维度，包括画面质量与细节、运动流畅度、Prompt遵循度、生成速度、人脸/主体一致性、物理真实感、风格多样性和性价比，并给每个维度设置了权重。

适用场景部分覆盖影视/短片制作、社交媒体内容、电商产品展示、游戏/动画概念、企业宣传视频、音乐MV制作等方向。横向对比表则列出综合评分、最高分辨率、API、月费起价等指标。

对于写对比测评类文章来说，基于这些指标填入不同产品的数据，就能快速形成对比结论。不过，总体上这份模板更偏通用测评框架，实际写稿时还需要根据产品和文章目标做一些取舍。

写在最后

除了我们这次实测的几个内容创作任务，OmniWork目前也在往更垂直的行业场景里延展。

比如在AI影视和短剧创作方向，OmniWork已经在尝试把剧本构建、分镜设计、表演调度、视听语言这些环节交给不同的Experts协作完成。这里的重点是把导演、摄影、表演等岗位里的判断方法，尽可能转化成Agent可以执行的流程。官方也提到过与上戏文化 · 上海戏剧学院产学研实践平台的相关合作。

在互动内容和游戏方向，OmniWork也有一些更Agent Native的尝试。比如在AI Native交互视频游戏里，Agent不只是生成剧情文本，而是作为玩法引擎参与动态叙事和角色互动。玩家的每次输入都可能影响故事走向，再由不同Experts协作完成叙事生成、角色驱动、场景渲染和交互逻辑。

此外，OmniWork也在尝试让Expert Teams覆盖从策划到代码实现的链路。比如由游戏策划Expert负责世界观、玩法机制和游戏设计文档，由前端开发Expert负责HTML5或React游戏实现，再由美术资产Expert处理角色立绘、Spritesheet、动画资源等。原本可能需要策划、开发、美术几个人协作的小项目，理论上可以压缩到“一个人+一组专家Agent”来推进。

当然，这些行业场景我们这次没有逐一深入测试，但它们足以说明OmniWork的产品方向：试图把影视、音乐、游戏、社媒等不同创作行业里的专业流程，做成可以被调用、协作和复用的Agent系统。

整体体验下来，我们的判断是：OmniWork尤其适合内容创作者、品牌营销团队、AI Native创作者、小团队项目负责人。

当然，OmniWork现阶段也不是一个可以完全替代人的全自动创作团队。在创意判断、审美把关、内容取舍和最终发布策略上，人的经验依然很重要。

目前OmniWork仍处于内测阶段，暂时采用邀请码机制开放体验。“AI新榜”为各位准备了5个邀请码，感兴趣的玩家可以在评论区留言，先到先得。

 欢迎分享、点赞、推荐
 一起研究AI