视频Agent作为一个导演台，尽管还不够成熟，但值得尝试。

文 | 园长

编 | 陈梅希

跨越65年的太空营救、中国版的星际穿越、两代航天人用东方红一号卫星发信号......《群星闪耀时》还没上映，本科幻爱好者就期待拉满。万万没想到，上映没两天，啪！撤档了！

2026年初，在刺猬公社（ID：ciweigongshe）举办的第六届新内容探索者大会上，AI视频创作领域的作者们都说，科幻、奇幻是最适合AI创作的内容类型。

既然《群星闪耀时》撤了，我们正好拿着这个最适合AI表现的故事练练手。

不过，都2026年了，再做视频肯定不能用古法手搓，也就是先写好剧本，再换个大模型生成图片，再把图片放到另一个视频生成大模型里跑视频，效果不行的话可能还要换好几个大模型，最后去剪映或者Pr把零零散散的音视频素材拼起来。

Agent遍地，当然是通过对话的方式，最好用一句话、几张参考图片把方向设定好，放手让Agent去操作各大模型，把生成提示词、图片和视频的具体细碎工作交给AI，你只需要做一个“领导”，去审核各个阶段的工作成果就可以了。

我用的工具是Flova。它官方网站的介绍是这样写的：

看不懂不要紧，接下来我会用手搓《群星闪耀时》的过程，说明它到底能做什么，又是如何实现的。

先别紧张，这可比配置一个龙虾（OpenClaw）简单多了，你只要会打字、会聊天，就能完成所有的操作。

打开Flova的网站，我们最先看到的就是一个对话框。

第一步，告诉Flova AI你想做什么。在对话框里敲下你的想法，不用长篇大论，它的文本生成可以在你的基础上发挥，只用告诉它方向就行。

如果你对即将生成的视频风格还没有想法，那么可以在下方Skill库里面挑选。

在AI视频的语境里，我认为Skill可以理解为一种视频风格，但它不能和修图软件里的滤镜或者配方划等号，它背后还有一整套审美、剪辑习惯、运镜习惯等等。如果你是一个熟练的影视工作者，那么你也可以创作自己的Skill，一些平台的Skill还能卖钱。

对于没有做过影视项目的用户来说，先用别人的Skill比较保险。比如，这个汉斯季默风格的Skill看起来就很不错。我决定来个混搭，用好莱坞史诗的宏大乐章，去搭配东方式的科幻浪漫，看看AI能不能把这两种风格融到一起。

接着，在Agent对话框里用一段文字，描述出我想要的视频。为了尽可能准确，我写得多了点，其实完全不用这么啰嗦。

点击生成，连Agent也直夸我的创意不错，开始加载Skill。

之后，Agent会询问关于风格的问题，并且会给出我们选项。

选择好了节奏风格，接下来就是确认分镜方案，也就是每个片段拍什么，怎么拍。当然，不满意的地方可以继续调整，如果有需要新增加的分镜，也能继续新增。其实在整个创作过程中，都可以随时新增分镜或者调整分镜细节，并同步更新到故事版上。

比如，我就加入了一个“动员群众修理电线塔”的情节，来增加它的宏大叙事风格，看看Agent能不能把我的要求转化成一致的画面。

果然，AI生成了一段颇具集体主义风格的场面描述，让新增剧情能够以一致的画风，融入整个短片。

之后是非常关键的视觉元素生成环节，因为核心视觉元素和场景会贯穿全片，所以必须在这一步就确定好。无需我们手动写作提示词，只用根据Agent给到我们的初版效果图，提出修改意见就行了。值得注意的是，它还会在左上角给出生成来源。

嗯，是Nano Banana Pro，牌子货，这方面我很满意。

但飞船实在是过于先进了，毕竟设定的背景是近未来的2035，不是亚洲舰队自然选择号。让AI去改，一句话的事儿。

然后我得到了一张类似神舟飞船的照片。好像还是不太够味。

我干脆找了一些风格对味的飞船图片，发给Agent参考。其实花时间最多的就是视觉元素的环节。由于人脸出现不多，倒是不用担心一致性问题，视觉元素的不出戏才是最关键的。

确认了全部视觉元素，Agent就开始生成提示词了。我全程没有干预，展开看了一下，全部是用英文书写的。不久前，一个AI影像创作者告诉我，他从来不用中文撰写提示词，用英语得到的效果更好。

对于英语不好的人来说，这里就更加凸显出Agent的必要性了，我用中文大白话和它对话，它帮我直接生成英文提示词，如果不是我点开，竟然都发现不了。

这段提示词别说用英文写，就是用中文，一个没有接受过影视专业训练的创作者也搞不定。只看第一句话Ultra-slow drone pull-back camera move，意思是“超慢速无人机后退运镜”起手就是这类专业表述，几十行下来，全是这种“咒语”级别的提示词。

到这一步，就要生成视频，该交钱了。开通会员是140块，附赠1000积分。按理说生成一条一分钟左右的视频够用。而且Flova还有个解锁奖励机制，就是第一次解锁生成视频、图片等等会赠送100个积分。

活久见！终于在AI生成这块见到回头钱了！这种游戏式的探索激励机制还是挺好玩的，至少情绪价值有了。

充值之后，马上开始生成，而且是多个视频分镜同步进行。等到分镜做完之后，我们可以像对图片提出修改意见那样，用对话的方式去修改某一个分镜。

第一批分镜我是用可灵生成的。由于还要继续修改，并且积分还没用完，我看到可选Seedance2.0模型，虽然更贵，但还是抱着来都来了的心态尝尝咸淡。于是，我就在Agent对话框里让它重新生成一批。

这种指挥AI干活的感觉太爽了，不满意随时就换一批，虽然得加钱。为了用上Seedance2.0，我再次充值了70块钱，买了1000积分。

然而，1000积分很快就用完了，没有替换完所有的可灵片段就提示我继续充钱。我不打算继续花钱，因为我觉得Seedance2.0的效果，在有些分镜确实更惊艳，但仍然也要抽卡，并不是所有的分镜都比可灵要好，但贵是一定比可灵更贵。

所有分镜都生成完毕之后，就可以点击生成时间线，用户可以自由剪辑拼接。

我也是在这里才开始熟悉Flova的功能布局：右侧是主对话框，和Agent聊天的主要窗口，提示目前进行到哪一步了，当然也可以随时返回之前的步骤进行追问；

左侧是故事版，包含关键视觉元素（图片）、分镜（视频）和音频层，用户可以随时修改调整，同样是以对话的形式。

中间是显示区域，用来放大展示生成的图片或者视频；底部则是时间线。进行到这一步，短片已经制作完成，可以导出了。

下面请欣赏成片。

先说好的地方，至少《群星闪耀时》的精神内核得到了完整的保留，这部小小的短片，在气质上和电影灵魂相通。

接下来是吐槽：

首先，它总是试图在同一个分镜里面，呈现过多的东西。比如，一个分镜里，有笔尖上的计算，也要升华成飞船脱险；同一个画面中，左边是70年代的工程师在黄土房里，右边是未来的宇航员向过去举手敬礼。

这样就显得不够有电影感，太直白，太像ppt，或者说不够高级。

其次，在创作过程中，关键视觉元素的修改并不会及时同步给Agent，做视频的和做图片的没有对齐颗粒度，需要用户在对话框里专门强调才行。

虽然可以返回对话去调整关键视觉元素，但没有在一开始就确认好的代价是，等于要画双倍的积分，重新生成一遍视频。在这个环节，我浪费了最大两笔积分。

最后要说的是，Agent虽然对话起来很方便，但抽卡的本质没变，而且用的模型越好，抽卡的代价越是高昂。所有模型都很擅长大场面，比如黑洞吞噬飞船——当然，这也是因为谁也没见过，AI能编得比较好看，但大家都见过的打算盘之类细节，AI很难处理好算珠与手指的关系。

总结一下吧，Flova AI作为一个AI 影视Agent，并不能用几百块钱就帮你生成电影级质感的大片，哪怕一分钟也不行，它替代不了真人表演、导演的镜头语言，所有需要创意和人味的地方，还是要靠人类手搓。

但是，它向我们清晰地展示了，Agent可以是一个新时代的导演台。Flova AI打包了当代影视工业的基础能力，哪怕没有基础的用户也有了落地创意的工具，能把脑海中的画面呈现在屏幕上。

在一个对话框里，创作者可以通过与Agent对话生成一切、修改一切，减少来回切换工具的繁琐，也不需要在各个模型之间反复开通会员，甚至不需要会剪辑，把精力聚焦在内容质量和创意本身就够了。

作为文字工作者，我对于文字工作使用Agent的前景并不乐观，最大的问题是，我仍然需要核实其准确性，这不是增加效率，而是引入新的负担。

但视频Agent不一样，无需专业知识，任何人一眼望过去，就能看到视频生成的质量好坏。

这，就是我认为视频Agent作为一个导演台，尽管还不够成熟，但值得尝试的底层逻辑。

它并不意味着所有人都适合使用Flova，AI视频Agent更适合商用——如果你有做短剧、TVC广告等硬核商业需求，或者想要借助AI视频拿奖，那么确实可以用，越大体量的视频工程，越能显现出Agent的效率。但对于没那么复杂的视频项目，直接用可灵、Seedance模型逐个生成会是更好的选择：

就像你在家做饭，只用买普通大小的电饭煲就行了，没必要买一次可以蒸几十公斤米饭的商用蒸箱。