深度體驗 LibTV Agent：忘記工具，進入 AI 創作的心流

開始忘記軟件以后，創作才真正開始。

作者｜Moonshot

編輯｜鄭玄

三個月前，我第一次體驗 LibTV。它更像一套專業的視頻制作工具。我花了很多時間理解 Workflow、節點和模型之間如何協作，最后得出的判斷是：只要掌握了 LibTV，就能完成過去一個影視團隊才能完成的事情。

三個月后，LibTV 上線了 Agent 和 Skill 功能。我決定重新體驗一次。

這一次，我給自己設了一個限制：不學習任何功能，不切換任何面板，全程只和 Agent 對話，來做出 AI 視頻。

做到第三個 Demo 時，我突然意識到，我開始想的，不再是下一步該怎么操作，而是這個故事還能怎么發展。

這時，軟件退出了，創作進入了。

過去大家討論 AI 視頻，總是在討論它能做到什么，卻很少討論普通人究竟有多大概率做到。

包括三個月前的 LibTV，它讓我看見，當我真正掌握這套工具以后，它的上限到底有多高。

可另一面也同樣存在。

如果工具越來越多，工作流越來越復雜，我甚至不知道每一種能力應該在什么時候出現，那么再高的天花板，對大多數人來說，它先是一個天花板。

所以這一次，我第一次覺得，LibTV 更新的重點已經不是模型了。

它開始重新組織這些能力，把繁雜的工作流隱去，回歸到用自然語言溝通的「片場」。

01

軟件退場，創作上場，回到片場

當復雜的工作流退到后臺，LibTV Agent 留給創作者的，是一種接近片場的溝通方式。

我不需要先把創作意圖翻譯成模型、節點和參數，我只需要用自然語言和 Agent 說出我的想法。

這個過程像是在片場，而我就是導演。我不必親自操作每一臺設備，但要持續告訴團隊，故事往哪里走，人物怎么演，這個鏡頭怎么拍……

Skill 帶來的第一步，就是快速進入一種熟悉的創作語境。

我最先點開的是首頁里的 A24 風格 Skill。A24 式恐怖美學，有一種安靜中透著詭異，把噩夢拍成油畫的美感。它讓我想到今年大火的電影《后室》。但我沒有興趣復刻一條標準的「后室」短片。我更好奇的是，如果把這種空間錯位放進中國人的共同記憶里，它會是什么樣子。

于是我想到了中式夢核，以及其中最具體的一類場景：校園。

最初的想法很簡單。一個打工人意外掉進了教學樓的走廊里，他在里面漫無目的的穿行。

我沒有準備人物設定和故事，只告訴 Agent 大致的氛圍、風格和片長，希望它先幫我搭出一個中式「后室」。

接下來，Agent 開始把這個模糊的念頭往前推。

它先給出視覺方向，再補充場景組合、人物形象和聲音設計。每一步都會提供幾套方案，我可以直接選擇，也可以推翻它的建議，繼續用自己的語言描述。

創作由此進入一種持續往返的狀態，想法變成可見的選項，我再根據選項判斷和探索。也正是在這一輪輪溝通中，原本只有氛圍的短片開始長出故事。

我突然想到，校園對于打工人來說，真正可怕的地方未必是空間本身，而是那些早已結束、卻始終沒有徹底離開的高考記憶。

于是，故事又往前走了一步：一個成年人掉回高考現場，他陷入了被一道題困住的噩夢里。

Agent 隨著這個變化繼續擴展篇幅，空蕩的走廊，也開始有了教室、試卷、角色反應。

我的工作逐漸從「提出一個想法」，轉向判斷這個想法應該長成什么樣子。

到這一步，我意識不到自己正在操作一款 AI 視頻軟件，我更像是在和一支前期籌備的團隊溝通，而故事也在這種溝通里，一點點顯出輪廓。

「高考噩夢」的開場

接下來，創作進入了我更熟悉的階段。

場景氛圍對不對，人物該做什么動作，鏡頭之間能不能接得住？這些問題開始一個個出現。我原本只想做出一種壓抑、失真的校園氛圍，但當畫面真正生成出來以后，很多問題會立刻變得具體。

我開始像坐在監視器前的導演一樣，對著每一條鏡頭提出意見。只不過，我的意見直接輸出在 Agent 對話框里。

比如要求鏡頭分切，剪輯節奏加快，也會因為前后兩條素材接不上，重新調整場景順序。很多判斷很難提前寫進一份完整的提示詞里，它們只有在畫面出現后才會發生。

這時，Agent 的作用也開始發生變化，場景之間缺少過渡，它會補充鏡頭；原來的情節不夠完整，它也會嘗試擴展前后關系；甚至在我說「差點兒氛圍，你懂嗎？」這種模棱兩可的話后，它都會根據上下文，自己給出幾套「增強氛圍感」的方案。

這種來回很像真正的創作溝通。我當然一直在指揮它，但它給出的選項也在反過來提醒我：這個故事還可以往哪里走，哪些地方沒有想清楚。

我全程用自然語言，像在片場和團隊交流的方式，跟 Agent 一起打磨短片。

AI 獨有的低成本的試錯能力，也讓這些分岔變得很容易。一個方向不成立，可以馬上換，某個鏡頭意外地有效，也可以順著它繼續發展。

在 LibTV Agent 上，創作不再需要等到所有問題都想清楚以后才開始。

我后來又用「對話創作」的方法做了幾支完全不同的短片。

一支是基于韋斯·安德森「對稱美學」的 skills，這個 skill 讓我聯想到了《花束般的戀愛》，我用「對稱」帶來的鏡像關系，做了一條想表達「戀愛關系中的自戀投射」的小短片；

一支是用了皮克斯風格 skills，做了一條關于「一個人刷到 AI 視頻 Agent 后，瞬間幻想自己靠它起號爆紅、財富自由、環游世界。當幻想結束，他帶著滿足感睡去，仿佛已經完成了這一切，卻始終沒有邁出第一步。」

另一支則是「一個女孩每天都和自己的狗說心事，直到有一天，狗回應了她。」

每一次的起點都很輕，有時只是一句判斷，有時只是一個想法，甚至只是我對某種風格的好奇。

但 Skill 先給出一條可以進入的路徑，Agent 再把這條路徑往人物、場景和鏡頭上展開，等我去挑選和修改，作品慢慢長成自己的樣子，

使用「皮克斯 Skill」做出的 30 秒小短片，想表達「幻想成功，是一種即時滿足，即時滿足，會殺死真正的行動。」

整個過程中，我幾乎都在對著電腦說話。相比打字，語音更接近片場里的工作方式。

因為導演不會先把每一條意見整理成完整指令，再交給演員和攝影師。而是坐在監視器前，直接用對講機說「這條哪兒不對」。

這種溝通里有猶豫、臨時變卦、靈機一動，最重要的是，團隊能否理解這些變化。LibTV Agent 就能承接這種上下文。上一輪我們討論過的人物、場景和鏡頭，會繼續影響下一輪修改。它「看」得懂我在說什么，而不只是聽得懂，這是一個完整的視頻 Agent 必須擁有的能力。

而這種「判斷力」，最集中的體現在某支短片生成后，我沒有直接上手改，而是先問 Agent：「你自己看，這支片子還有什么問題？」于是它重新檢查了人物動作、鏡頭連續性和節奏，自己給出一版修正。

Agent 已經有了自我糾錯的能力

當然，視頻生成的黑箱沒有消失，人物動作、表情和空間關系仍然很難完全控制，改好一處，也可能帶出新的錯誤。這是所有 AI 都解決不了的問題，LibTV 能做的，是盡量把輸出質量提高，修改次數降低。說白了，盲盒還在，但抽取的質量更高了。

在我完成了短片 Demo 后縮小畫布，我才看見后臺發生了什么。故事板、人物資產、聲音、鏡頭節點和生成鏈路鋪滿整個頁面。剛才所有自然語言的溝通，已經被系統翻譯成一套復雜的 Workflow。

這套流程不是我逐個節點搭出來的。它來自前面說過的每一句話，也來自我對人物、場景和鏡頭的每一次判斷。但 Agent 和我共創的全過程里，我只需要盯著一個片段，在對話框里給出我的判斷。

所以，創作的復雜性依然存在，只是退出了創作者的視線。我的想法，沿著一條直線抵達成片。

LibTV Agent 功能在交互上做得最好的一點是：我只需要面對 1~3 個鏡頭，復雜的面板只有縮放時才會看到。

這就是我使用 LibTV Agent 后，在創作方式上最直接的變化。

三個月前，我需要先研究軟件，理解模型、節點和工作流如何組合，再開始創作。現在順序反了，我可以先進入作品，剩下的組合交給 Agent 在后臺完成。

這背后降低的是常常被 AI 行業忽視的「執行成本」。

大模型降低了視頻的拍攝成本，解決的是畫面能不能做出來，但從一段提示詞到一支完整視頻，中間仍然隔著人物設定、分鏡、模型調用、素材管理、場景搭建等等門檻。

Agent 降低的就是「執行成本」，即創作者到底能不能用簡單的方式，做出一條片子。

執行成本下降后，人的工作會變得更集中。我就面對畫面做判斷，決定人物、鏡頭和節奏；Agent 負責調用工具，把這些判斷繼續往下推演。

這也解釋了為什么 LibTV 這次把重點放在 Agent 和 Skill 上。模型再多、能力再強，只要用戶仍然要先學會復雜的工作流，它們就很難真正進入創作。

三個月前，我看到的是 LibTV 能夠容納多少專業能力。現在，我更在意這些能力能不能主動靠近創作者。

因為模型決定一支視頻最終能達到多高，而 Agent 決定一個普通人，有多大概率真正走到那里。

02

影視經驗，開始變成一種 Skill 能力

如果說，第一階段的視頻 AI 在競爭模型，那么下一階段，競爭的或許就是經驗。

過去兩年，所有人都在討論模型能力：畫質有沒有更高，動作是不是更自然，人物能不能保持一致。

但當這些能力越來越接近以后，另一個問題開始浮現：同樣的模型，為什么有人能做出電影感，有人卻只能做出一段素材？

想理解這里面的差別，可以先看看電影學院到底在教什么。

在電影學院前兩年的課程里，老師不會教學生怎么操作攝影機、怎么使用剪輯軟件。

而是教拉片和模擬拍攝，學生反復拆解一段電影，甚至 1:1 復刻拍攝一個經典片段。就是為了學習導演為什么這樣組織鏡頭，攝影為什么這樣調度，美術為什么這樣設計場景，剪輯為什么這樣控制節奏。這些能力，很少寫在教材里。

一個學過攝影的人，或許幾周就能掌握相機的原理。但只有在片場待過足夠久，才會知道導演為什么愿意多等十分鐘，只為了等到一束「金色時刻」。

電影《巴比倫》中就描繪了片場如何全員等待「金色時刻」｜圖源：《巴比倫》

影視行業真正寶貴的，正是這些長期積累下來的經驗。

而 Skill，就把過去只能在片場慢慢積累的經驗，變成了一種普通創作者也可以直接借用的能力。

它可以讓我快速進入 A24、韋斯·安德森，或者巖井俊二的創作語境。

但更重要的是，它提供的不只是畫面風格，而是一條已經被驗證過的創作路徑。它告訴創作者，這類故事通常怎樣組織鏡頭，這種情緒怎樣建立節奏，這種風格怎樣展開敘事。我仍然可以修改、推翻、再創作，但已經不用每一次都從零開始。

所以 Skill 不是替我完成創作，也沒有把作品限制在一套固定模板里，它更像一個已經搭好的片場，布景、燈光和基本的鏡頭邏輯已經存在，我可以直接走進去，再決定要在里面拍什么。

對于一個只有模糊想法的人來說，這一步很重要。不知道從哪兒下筆的空白頁，常常比工具本身更難面對。

當一種經驗能夠被反復調用，它帶來的就不只是效率，還有重新組合的可能。

過去，一個創作者很難同時擁有廣告導演對于節奏的控制、電影導演對于敘事的組織，以及 MV 導演對于視覺風格的處理，因為這些經驗分別屬于不同的人、不同的團隊，也屬于不同的行業。

Skill 第一次讓我覺得，這些原本彼此獨立的經驗，可以在一次創作里重新借用。

我可以借用巖井俊二的美學，去拍一個數碼產品的廣告；也可以把韋斯·安德森的鏡頭秩序，與 A24 的詭譎美學放進同一支短片里。

也是到這里，我才慢慢理解，為什么 LibTV 會把 Skill 單獨做成一個產品。

模型解決的是生成，Agent 解決的是執行，而 Skill 解決的，是創作經驗。

對于沒有接受過影視訓練的人來說，最大的困難是不知道一種風格應該怎樣開始，一段故事應該怎樣展開，一個想法應該怎樣慢慢長成一支片子。

Skill 把片場經驗精煉為可調用的能力，Agent 再把這種能力，通過自然語言真正交到創作者手里。

過去，我們一直在討論 AI 視頻能做到什么。但對于絕大多數潛在創作者來說，更現實的問題始終是：我有沒有能力做到。

或許，這才是視頻 AI 下一階段真正的競爭。不只是比誰擁有更強的模型，更豐富的工具，更復雜的面板，而是誰能夠讓更多人真正開始創作。

03

一個視頻，從一句話開始

現在的 LibTV，總讓我想到十多年前，智能手機普及后，自媒體時代到來了。

那時候，越來越多人開始習慣舉起手機，人們開始拍日常、拍生活、拍觀點，也開始拍那些以前覺得」不值得拍」的東西，把它們簡單剪輯后傳到社交媒體上。后來我們把它叫作自媒體時代。

體驗 LibTV Agent 和 Skill 的幾天里，我一直有一種興奮感。那是創作者第一次遇到一種新創作方式時才會有的感覺，就像十多年前，人們第一次舉起手機拍視頻。

我越來越少去想提示詞應該怎么寫，而是描述腦子里的想法、畫面、節奏、情緒，然后看著它生成 V1、V2、V3……一點點把它改成更接近自己想象的樣子。我想把這種過程叫作 Vibe Filming。

這支小短片就源于我一直有的一個念頭：很多人試圖找到「世另我」的伴侶，本質上是自戀。

我第一次覺得，這個工具開始推著我創作，而不是等著我操作。

作品的起點，不一定是一套已經完成的劇本、分鏡。它可以只是一個畫面，一個情緒，一個突然冒出來的念頭。

作品的終點，也不一定是大銀幕或 AI 電影節。它可能只是一條朋友圈，一條小紅書，一條屬于你的自我表達。

很多人會說，AI 出來以后，最重要的是有沒有好想法。我反而覺得，有沒有想法，一直都是創作者自己的命題。真正改變的是，那些原本擋住表達的障礙，隨著軟件的進化，一層一層消失了。

就像十多年前，智能手機沒有讓所有人成為創作者，它只是讓「不會拍」不再成為理由。我不知道 Vibe Filming 會不會成為下一個 Vibe Coding，LibTV 等工具會不會帶來 AI 時代的「新·自媒體」。

但至少，它讓我相信，一個作品可以從一句還沒想清楚的話開始。

*頭圖來源：LibTV

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你腦海里第一個想拍的故事是什么？