深入实战过AI编程的程序员们，大多已经深刻领悟到，想要“一句话生成一个软件”的Vibe Coding是不靠谱的，无法完成完整的软件的开发。

被大家认同的解药是：AI Coding Agent和Agentic软件开发方法。

同样的，”一句话生成一部AI剧/一部电影”，现阶段是不可能的。

你可能看到网上一个教程，三下五除二就教你完成一部炫酷的广告视频、MV，甚至大片质感的电影片段，这是幻觉，人家可以在家里苦练半年，从100段里面挑一个最好的给你看。

哪怕播主给你展示各种素材，中间过程，甚至打开生成界面给你看，这也是为了他这段教程优化了八百遍的，换成你自己的剧本，立马崩给你看：剧情逻辑混乱、角色场景不吸引人还是小事，视频里人物乱站、摄像机镜头不受控制，多段视频连起来差的连狗都不想看才是逼疯人的，所以大家叫生成分镜视频的过程是“抽卡”，你就知道这里面水分有多大了，这特么是玄学了。

为什么？因为教程里给你看的都是“手搓大法”，这是作坊式制作流程，完全看个人能力和经验，有人可能一个月出师，有人可能直接从入门到放弃了。

题外话：现在生活节奏太快，什么都要快速出结果，技术圈里的教程，也大多用“一天学会”，“看一眼就会”的噱头吸引人，你先说太多困难，人直接关闭不看了。但技术人要有耐心，贪快嚼不烂，哪怕你用“敏捷”开发的方法学AI剧制作，快速完成一轮学习后也要多次迭代把跳过的知识补上，不然就会在细节里扣、钻牛角尖出不来了。

要实现AI剧的标准化生产流程，可能同样需要AIGC Agent和Agentic影视制作方法。

当然，还有其它的流派：Workflow，以及坚持拆分的大师（保持AI剧制作的每个步骤的工具独立性和专业性）。

软件开发Agent的实现逻辑

通过理解LLM大模型的原理，知道它的能力边界，就能明白为什么是AI Coding Agent才能够越来越完美地自动化完成软件系统的开发。

软件开发从来不是上手就写代码

软件开发是一项现代工程，它有着完整的标准化工业流程，无论具体方法论如何变化，关键的需求分析，设计，编码，测试，发布，部署和维护步骤是一直存在的，可以被简化、被暂时跳过，但重新自创一套新体系，就需要你有开宗立派的能力，而绝大部分人是没有的。

所以现在的AI Coding Agent编程软件，大多设计越来越趋同，需要你输入需求文档或反复与AI进行技术或功能点讨论，形成开发计划、拆解系统架构、分析功能模块，并且AI也会建议你添加技术规范约束，编写测试用例，过程中还会调用各种Skills技能辅助你完成上述工作，最后才是边测试边开发给你输出代码。

AI编程能够成功非常重要的一点就是，能够自我验证。

模型能力的差异

就如同不同程序员能力有高低，模型的能力也有差异，但我不认为到了2026年能上线提供API服务大模型还有哪家编程能力是不及格的。

好的Coding Agent能够把不同模型的表现能力拉到差不多水平，这是工程的力量，背后是大量内置Skills，利用工程的方法在补全你遗漏的细节。

只要是能力及格的程序员，在软件公司里都是能完成编码任务的（因为有资深skill的工程师指导）；许多古法编程软件开发项目的失败，更多是系统架构和设计阶段的锅，AI Coding也一样，并且你就是那个架构和设计的人。

网上最近也在争论一点：AI时代，写代码是不是一件很简单的事——这引发了大量经过数年学习和工作的资深程序员的批斗，认为AI抹杀了人的学习价值。

我们这里不作评判，但软件肯定不只是写代码，AIGC也肯定不只是只有生成一张图/一段视频。

AIGC Agent的设计思想

我把AIGC Agent和AI Coding Agent放在一起，本质上就是因为 AI生成 与 AI编程 几乎经历了相同的发展阶段。

  • 第一阶段，一句话生成一个软件，一句话生成一张图/视频。

这完全是依赖模型的能力，是从0到1的阶段，大家不会去深挖细节，只会人人夸一句AI NB。

  • 第二阶段，许多人开始尝试，一边试一边骂

大量人依葫芦画瓢，从网上抄一些”咒语”一样的提示词，这是提示词工程阶段，调教好了，能完成一个功能函数，生成一张漂亮的图片/视频。但更多人直接放弃，这不好玩。

  • 第三阶段，Agent概念提出，许多人看完觉得我又行了

有了大量的Skill大量技能封装，相当于AI有了模板，许多擅长找资源的人，立马领先一步，程序员可以用AI生成完整的网页设计图了，可以出一份完整的数据库定义了；也可以用技能直接生成广告片了，生成周星星搞笑片段了。

但到了这个阶段，并且想继续下去的人，才会理解“工程”的枷锁有多重。我们的设计思想讨论重点在这里展开。

工程的完整性

软件系统从来都不是碎片化的一个界面和一个功能模块，是一个整体，一个环节的失败都可能导致整个项目崩盘。

AIGC也是一样，最终目标是为了生成一部小说，一套图片，一部剧集（下文以最复杂的AI剧集为例）。

AIGC Agent要有剧集的全局目标设定，世界观：故事背景、世界规则、故事主线和关键节点，有画面风格、镜头语言和叙事方法（和软件开发要写PRD和设计文档、有常用的技术框架和编码风格一样），并且贯穿全局。

并对整个剧集进行季-分集-叙事单元-场次-分镜的组织管理（相当于软件中的逻辑结构设计和功能模块分拆、定义），所有单元的制作都要遵守全局设定，高度统一和确保一致性。

工程的可管理性

软件工程领域有各类工具负责文档管理，界面设计，代码仓库，自动化测试等等，而AIGC目前还没有工业标准化，没有哪个行业会像现在这样，有人用Workflow，有人用Excel表格/Word文档，有人用Canvas无限画布……各类资产（剧本，角色设定图，配音文件，视频片段）散落一地，生成图片、视频时甚至还在靠”抽卡“的方式赌运气，中间过程没有历史、存档，更没有版本管理。

AIGC Agent需要统筹全剧资产，按需调用，而不是全凭人的记忆手工搬运，极易出错和遗漏，也根本无法协作。

以一个分镜视频生成为例，就需要关联世界观，角色、场景、道具资产，剧本剧情，分镜脚本，故事板，摄像运镜，甚至配音音效等资源，这全凭人工管理，是非常繁重的脑力和体力活。

工程的可批量复制性

许多高手手搓AI剧非常熟练，但他的经验和能力无法被复制，即使是开课培训，因为不同人的知识背景不同，许多被忽略的细节，往往会决定有人怎么也不开窍，学不会。

AIGC Agent当然要将AI剧制作过程中，碎片化的工作流程进行标准化形成SOP流程，无论是角色和场景的设定，还是分镜脚本的编制，统一了不同水平的人执行SOP时的差异，满足工业标准可批量可复制的刚性要求。

平台类产品的痛点

资产泄密、隐私问题

和其它AI平台一样，哪怕是AI RAG知识库，大多企业都担心公司内部文档资料都发给AI平台了，会导致泄密（而这也的确真实反复发生过了）。

AI剧制作，尤其是精品剧的制作，无论是优秀的剧本、角色设定、场景布置都是花了很多精力和财力的资产。

之前手搓，可能还分散在不同的平台上，剧本用gemini，生成图片用banana，视频用seedance；或者前两步还是人工完成，只用AI生成视频减少拍摄成本。这样风险还在可接受的范围内。

但如果是“一站式”的大平台，你等于把一部作品的所有细节都交出去了，任何人如果拿到这套资产，简单换几个关键词就是复用你的劳动成果，把卡通变3D动漫、变真人……

云计算、Saas服务可以减少IT基础设施投资，可以带来多人协作的便利，但这种可能事关一个公司生存的命脉，可能成为一票否决项。

做壳和做全套

另一篇文章中提到，各类AI模型原厂如今也亲自下场做用户应用场景了，最开始的是AI编程软件，另一个就是AI剧制作平台。

Cursor可以说是第一批下场做AI编程软件的公司，但当Claude Code，OpenAI CODEX，甚至国内字节的TRAE，Deepseek的Harness编程工具陆续出来后，它就非常尴尬；Cursor没有自己的AI模型（或者说也在尝试基于开源模型进行自研，但这也是凑个数），早期的功能亮点主要就是通过Claude们的API来实现的。

这就如同现在AI剧制作工作（包括手搓），大多是依赖Seedance的API能力实现的，许多AI剧制作工具都是在做API的壳。

当大厂陆续亲自下场，如何应对？无论是对模型的能力的理解、资源的优先获取，以及价格，都会落于下风，而你引以为傲的创新，可能也只是大厂产品经理抄袭——哦不，叫借鉴的目标，借鉴能叫抄吗（笑）。

AIGC类产品方向

工具类

以Lovart，即梦，万兴剧厂，RuningHub的RHTV等为例，虽然他们也引入了Agent，但这些Agent还是为单一目标服务的，比如你输入一段话，它帮你补全和关联一些上下文信息帮你生成图片或视频。

大多采用无限画布方式，统一组织管理所有多媒体资产，以可视化方式直观理解全局，所以它的单画布最佳适用场景是一集短剧或一部广告短片的制作，再多就满屏满眼的方块无法有效管理了。

它们是工具思维，集成了所有AI剧制作过程中用到的LLM大语言模型，图片生成模型，音频生成模型，视频生成模型，甚至还有3D世界模型，以及基于WEB的3D编辑器、视频剪辑等小工具。

它们也是“通用“产品思维，不是专为哪个场景设计的，你可以用他们制作各种图片、视频，海报，广告片，搞笑短片，或者正经剧集，不受规则约束，没有流程要求，随便你造，只要你最后能把它们都串连起来形成最终成果。

工作流/工作台

ComfyUI是绝对的王，它的各种工作流在各种网上教程和群里流传非常广泛，技术门槛上到行业天花板，下到小白一键操作都可以。

参考ComfyUI，甚至直接换皮的AI剧制作工作流有许多，它的工作流从技术语言来说，其实就是低代码的UI呈现方式，Coze和Dify也是一样，只不过扣子和Dify是做通用平台，而ComfyUI专注图片、视频生成场景。

基于工作流，可以把一些制作流程固化下来，上面说了，工作流就是低代码，它的背后还是软件思维，只不过不需要编码实现，通过拖拉结点、配置参考来完成软件的开发。

设计实现一套工作流，就是开发一套软件。

许多AI漫剧工作室，特别是一些批量剧，大多是这种方式生产的，通过开发工作流，可以把制作过程流水线化，把生成任务放到服务器上跑批量生成，但基本都是最后剪辑时，才有机会对AI工作流输出的内容进行挑选和剪辑，除了个别特别离谱的，大多数低成本做法就是直出了，这也是许多批量剧大量镜头前言不搭后语，画面乱跳的原因了。

区别与自由画布，工作流虽然界面看上去和自由画布差不多，但它们的差别还是非常明显的。自由画面强调的是内容关联性和平铺式管理思维，而工作流是低代码开发的软件开发思维。

智能体

（更新中……）