LibTV 也发布了自己的视频 Agent，我们第一时间实测
AI 视频进入 Agent 时代，好镜头只是起点。
AI 视频进入 Agent 时代，好镜头只是起点
👦🏻 作者: GaKi
🥷 编辑: Koji
🧑🎨 排版: NCon
**很多人第一次使用 AI 视频工具时，会被一个瞬间震撼，真正开始做作品后，又会遇到另一种无力感 —— **
工作流难以构成，又无从下手。
一条 Prompt 已经可以在 Seedance 2.0 这类的视频模型中，生成一个惊艳的镜头。但真正的视频创作，很少从一个镜头开始，也不会在一个镜头结束。
这也让围绕 AI 视频生产的「卖铲子」玩家看到了机会，开始跑步入场，比如：
** LibTV 最近上线了 LibTV Agent。** 它将视频创作流程中的创意策划、剧本、分镜、画面生成和后期调整整合到一个 AI 工作流中。用户可以通过自然语言启动创作，也可以调用 LibTV 提供的 Skill Hub，让 AI 根据不同风格和场景完成视频制作。 同时，专业创作者仍然可以通过 Storyboard 和 Node 视图，对镜头、节点和生成流程进行进一步调整。
🚥
「十字路口」团队第一时间进行了实际体验，测试了广告、短剧、MV 等不同类型的视频创作场景。
下面分享我们的实际体验。
Codex Micro 高奢 TVC
LibTV Agent 的入口还是在 LibTV 官网：
先交代一下背景，前段时间 OpenAI 发布了 Codex Micro，一个用来操作 AI Agent 的实体小键盘。官方宣传片里其实没怎么展示这个键盘的具体样式，倒是有位博主在 X 上发了一张图，是他在 OpenAI 展位上拍到的一个产品，外观很接近 Codex Micro。
我的想法是，直接给这个产品做一支苹果风格的高奢感宣传片。这正好可以用上 LibTV Agent 这次的一个主要更新点 —— LibTV Agent 这次集成了一个 Agent Skill Hub。
里面的 Skill 数量不少，覆盖了专业影视、广告、漫剧、游戏、动漫、MV 这些方向，都可以一键调用。比如高奢感 TVC Skill，做的就是奢侈品牌一类的视觉表达，视听语言和整体的 TVC 风格会比较有「高级感」。
使用方式很直接：选中这个 Skill，把产品图贴进对话框，再输入提示词就可以了。
LibTV Agent 现在完全采用 Agent 对话流的方式工作。它会自动生成产品三视图、细节图和多张分镜图片，再基于这些分镜节点做整体规划，接着生成视频、BGM 这些内容。
LibTV 的无限画布里有两套展示逻辑：一个是工作流，比如上面这张图；另一个是故事板。两者的用途有些区别，我一般在工作流视图里概览整个画布的进展情况，再到故事板里针对文本、图片、视频做细节打磨。
制作过程中我发现，白色版本的 Codex Micro 出来的效果不太理想，按键和键盘主体很容易糊在一起，缺少区分度。
于是我让它多做了一个版本，换成黑色的 Codex Micro。
最后的完整效果如下：
整体思路不复杂：开场用纯黑背景衬托 Codex Micro 的产品质感，中间做多个视角的镜头切换，结尾安排一个人类角色出场，和产品产生互动，这基本是 TVC 的固定做法，成片的完成度是够的。
视频里有几个细节能体现 LibTV Agent 的能力：它可以做多轮思考，也允许你在各个节点上自由修改。比如下面这个镜头，手指按下按键的瞬间，配了一个心跳声。
还有一个镜头是，Codex Micro 在光线流转中旋转展示之后，一个模特伸手把它拿起，最终是一段双语 Slogan。这段镜头的衔接和穿梭感处理得比较到位：
【2】推销 Codex Micro 无厘头喜剧
做第一支高奢感 TVC 的过程中，我摸索出了一个提示词模板。
整体结构是：提示词的开头先写一段全局风格前缀，把短片的整体风格和视觉要素定下来；中间再写具体的分镜；最后附一段负面提示词。按这个结构来，成品率会更高一些。
LibTV Agent 的 Skill Hub 里有一个叫「无厘头喜剧」的 Skill，实测下来完成度不错。
我就拿这个 Skill 做了一支推销 Codex Micro 的无厘头喜剧短片。
提示词结构如下：
`全局风格前缀：
中国城市夜市实拍风格的无厘头喜剧短片。手持跟拍镜头，微微晃动，纪录片质感。 环境：热闹的夜市街道，暖黄色灯泡串、蒸腾的烟火气、油锅滋滋声、嘈杂人声。 主角是一个一本正经的年轻推销员，穿着与夜市格格不入的笔挺西装，双手像捧珠宝一样捧着一个巴掌大的方形黑色小键盘。
具体的分镜：XXXXX 。
负面提示词：没有模糊变形的人脸，没有多余的手指，没有畸形肢体，没有文字水印，没有卡通画风， 没有影棚布光，没有过度美颜，键盘不变形不多键。 `
在 Skill 加提示词模板的组合下，LibTV Agent 做视频会更有章法。它跑出了一条完整的工作流，里面包含 5~10 个分镜。
实际使用中也遇到了问题。这类 AI 视频 Agent 的工作流每一步衔接得很紧，前面的输出会一路传导到后面。
这次分镜生成得很顺畅，场景和故事流程都没问题，但成片里的产品和我一开始给的参考对不上。我让它自己去排查问题出在哪，最后定位到最开始的西装推销员角色锚点图上：他手里拿的产品是错的。
修改前置节点这件事，在 LibTV Agent 里做起来比较容易。点击那张出错的图片，它就会直接进入 Agent 的上下文。我告诉它，西装推销员手里的产品和参考产品不一致，它就会按照我原先给的产品重新生成图片，生成后让我点确认。
确认之后，后续的分镜会基于修正后的角色和原先没出错的场景重新跑一遍。
而且不是全部重跑，一开始的 57 个分镜里，可能只有 34 个有问题，它会给我一个表格，让我勾选哪些分镜需要重做。选完之后，它再把这套自动化流程重新走一遍。
最后的完整效果如下，整体我是满意的。提示词里没写到的剧情内容，它会自动补上；中途出现的错误、BGM 的调整，也基本都是自动跑完的。
前置节点修正之后，不需要我再手动去对每一个分镜，它会把后置的所有节点重新跑一遍，再合成一个完整的视频。
【3】「孤独美式健身短视频」+ 自建 Skill 前面两个视频，用的都是 Skill Hub 里现成的 Skill。制作过程中我也发现了一些可以改进的点，比如它默认不会用九宫格图片作为参考，而在我过去的使用经验里，九宫格图片作为视频和剧情的参考，对模型的帮助比较明显。
这类实际使用中发现的问题，可以整合起来做成一个自建 Skill。
我就照这个思路做了一个「孤独美式健身短视频」 Skill。
这种类型的视频大家应该都刷到过：一个穿着帽衫的美式健身者，独自在森林、公路等场景里训练，配合穿梭、航拍等电影感十足的镜头，整个画面都充满一种孤独却坚定的氛围，传递的就是一种无论何时、无论身处何地，都要坚持训练、不断向前的精神。
做好的 Skill 可以直接上传到 LibTV 的 Skill Hub，Skill 页面里有一个创建按钮，点进去：
就能创建自己的 Skill，填好名称和介绍，Skill 内容直接从 Claude Code 的输出里复制进来就行。
我给它配了一张孤独美式健身风格的封面图：
有了这套九宫格作为视觉参考，再把镜头语言限制在 12 种预设之内，最终生成的视频风格会稳定得多，整体完成度也明显更高。
最后的完整效果如下：
镜头感确实非常的足。
在实际体验中，比较有价值的一点是，AI 开始理解视频制作中的上下文关系。前期的角色设定、风格选择、分镜规划，会持续影响后续的视频生成。当某个节点出现问题时，也可以围绕具体环节进行修改，而不需要重新推倒整条制作流程。
这让 AI 视频从一次性的生成体验，逐渐变成一个具有连续性的创作过程。而 Agent 工作流带来的变化，是把这些原本分散的创作步骤连接起来。
与此同时，Skill 体系也带来了另一种变化，过去很多导演、美术、广告创作者积累的经验，往往存在于个人方法论之中，很难被复用。Skill 则尝试将这些创作经验、视觉风格和工作流程沉淀成可调用的能力，让创作方法本身成为一种新的生产资源。
🚥
当然，AI 视频 Agent 目前依然处于快速发展阶段。在复杂叙事、审美判断和最终创意决策上，人类创作者仍然承担着核心角色，这点不用担心被替代。
但从 LibTV Agent 这样的产品可以看到，AI 视频竞争的重点正在逐渐变化。未来的重要能力，可能来自模型生成能力、创作流程组织能力，以及专业经验沉淀能力的结合。
当 AI 能够参与越来越多创作环节，视频生产的门槛、效率和组织方式，都可能迎来新的变化。
LibTV Agent 的推出，正是在探索这种新的可能。
十字路口正在寻找独立撰稿人，撰写 AI 产品和模型评测。
如果你写过类似文章：《实测 PixVerse C1[2]》、《实测 LibTV[3]》，请联系 zeo0811@gmail.com ，邮件内容请包括：① 个人介绍、② 你写过的 AI 评测文章。
我们会提供有竞争力的稿酬。期待与你一起观察与记录 AI 时代 🎪
参考资料
[1] https://www.liblib.tv/：https://www.liblib.tv/
[2] 实测 PixVerse C1：https://mp.weixin.qq.com/s/cgAzZy2PptdYaWbqywVg7A
[3] 实测 LibTV：https://mp.weixin.qq.com/s/aycqnq8wlaaOei1QZmhFHQ