做了一个AI漫剧工具后,发现最难的根本不是“生成视频”(完结)上篇，我们聊了AI漫剧生产流水线中的7个核心Agent，本质上就是：专业的事情，交给专业的Agent。做了一个AI漫剧工具后，发现最难的根本不是“生成视频”（上）中篇，我们继续往下拆，聊了这7个Agent背后的协作架构，以及真正落地时踩过的一些坑。说到底，就是解决一个问题：怎么让一群Agent，稳定地把事情做完。做了一个AI漫剧工具后，发现最难的根本不是“生成视频”（中）这一篇，我们聊两个更实际的问题：过程中人应该如何参与？以及，如果让我重新做一次，我会怎么做？打破“全自动”滤镜：让AI干苦力，让人做决策我们最开始的目标是：让AI自动生成漫剧（剧本丢进去，最后直接出来漫剧）。这个目标，跟大多数AI产品一样，光是听起来就觉得很牛逼。可是，真正做的时候才发现，这纯粹是技术视角的理想主义。真实的生产作业链根本不是：AI做 → 人看。而是极其繁琐的：AI做 → 人确认 → AI继续做 → 人修改 → AI重做 → AI质检 → 人最终确认。所以最后我们没有追求：100%自动化。而是追求：合理的人机协作。合理的人机协作合理分配：把“该交给谁的事情”分清楚既然放弃了“100%”自动化，那人就必须参与。核心解法就是把边界划清楚：AI负责“量”，人负责“判断”。🤖 AI 负责（重复、量大、规则明确的活）🧑💻 人工负责（需审美、要背锅的决策点）大规模阅读剧本剧本确认信息提取角色/场景/道具确认资产整理分镜审核Prompt生成Prompt优化批量生图/生视频最终审核真正的内容生产者，永远不希望：“AI替我决定一切。”他们真正想要的是：“AI把80%的重复劳动做掉，但重要的20%让我说了算。”所以，如果重新做一次，我会按4个阶段操盘回头看整个项目，我深刻体会到：AI产品不适合一上来就追求“大而全”。如果让我重新做一次，我会按照下面4个阶段推进。4个阶段第一阶段：先跑通最小闭环不要一开始就追求：一键生成100集。先把最小闭环跑通：1个剧本 → 1集 → 10个镜头。剧本能不能正确解析？资产能不能正常提取？角色能不能生成？分镜能不能拆？视频能不能生成？前后能不能串起来？以上这些问题没解决之前，谈100集没有任何意义。把链路跑通比什么都重要。第二阶段：死磕稳定性链路跑通之后，你会发现：单个Agent能跑，不代表系统能用。还需要重点解决：Agent输出格式、资产一致性、状态管理、失败重试、断点续跑等问题。这些东西听起来没有“AI生成视频”那么酷，对于用户来说甚至是无感的，但恰恰是这些东西，决定了系统能否进入生产阶段。因为一次生成成功不难，难的是连续生成100次、1000次，还能知道每一步出了什么问题。第三阶段：再提效率当系统稳定后，再考虑效率。比如：批量生成、并行任务、自动审核、Prompt模板等。这个阶段的目标也很明确：以前需要人一直盯着，现在让系统自己在后台跑。比如以前生成10个镜头，需要人一个个点击。现在可以直接提交任务，后台批量执行，人只需要在关键节点回来确认结果。这时候，AI才真正开始从“玩具”变成“生产力”。第四阶段：最后追求自动化到了这一步，才适合继续减少人工介入。比如：人确认剧本 → AI自动提取资产 → 自动生成 → 自动审核 → 异常回退 → 人处理异常 → AI继续执行最终形成一个真正意义上的人机协作闭环。但这里有一个很重要的前提：自动化建立在稳定性之上。否则，很容易出现一种非常尴尬的情况：看起来自动化程度很高，实际上失败率也很高。这样的“自动化”没有任何意义。做完这个项目，我把对Agent的认知推翻了以前，我理解的Agent：Agent = 一个会自己思考、自己调用工具的大模型。但做完AI漫剧工具后，我反而觉得：Agent只是一个执行单元。真正决定产品能力的是：Workflow+ State + Data + Tool + Feedback也就是：工作流 + 状态 + 数据 + 工具 + 反馈。工作流 + 状态 + 数据 + 工具 + 反馈7个Agent本身其实并没有那么重要，今天可以是7个，明天可能变成10个。甚至，基础模型能力一升级，可能压缩到2个就够了。但是，那些沉淀在底层的资产ID、角色设定、场景设定、分镜结构、任务状态、审核流、用户反馈、重试机制，这些才是一个AI生产系统真正的壁垒。AI漫剧真正的竞争，不是“生成一个更好的镜头”现在，单独生成一个漂亮镜头，已经没有那么稀奇了。真正难的是：谁能让1000个镜头稳定地属于同一部作品。角色能不能一致？场景能不能一致？剧情能不能一致？镜头能不能衔接？资产能不能复用？失败能不能恢复？修改能不能局部进行？这些才是决定AI漫剧能不能走向规模化生产的命门。这也是为什么最近的一些长篇影视生成研究，开始从“单镜头生成”进一步转向世界状态、跨镜头一致性、状态演化和自动验证。比如2026年发布的FilmWorld，就把小说到电影的生成拆成世界构建、状态演化、镜头规划、视觉生成和闭环验证等环节，本质上也是在解决一个问题：怎么让一个复杂的视觉世界，在长时间、多场景的生成过程中保持稳定。这和我们在AI漫剧产品里遇到的问题，其实非常像。总结：从“工具”到“流水线”最后，用一句话总结这次AI漫剧产品从0到1的经历：我们一开始想做的是一个“会生成视频的AI工具”，最后真正做出来的，其实是一条“让AI稳定生产内容的流水线”。而这可能也是我现在对Agent产品最直观的理解：Agent不是产品本身，让Agent稳定地完成一件复杂的事情，才是产品。至于AI漫剧的下一步，我觉得也会越来越有意思。当“生成”本身逐渐变成基础能力之后，真正值得做的，可能就不再只是怎么生成一个镜头，而是：怎么让AI真正理解一部作品，并且和人一起，把它持续做下去。这可能才是AI内容生产真正走向工业化之后，值得继续探索的事情。
夜雨聆风
