从两天到五分钟，Agent如何重塑科普短视频创作？本文通过实战演练，揭秘如何搭建智能工作流，将文案生成、图片创作、视频剪辑等繁琐工序自动化。一个人即可实现整个视频工作室的产能，不仅大幅提升效率，更为初创团队节省人力成本。跟随作者的步骤，探索AI时代内容创作的全新可能。

我自己出于爱好，会经常使用视频剪辑工具进行科普短视频制作，非常耗时耗力，而且花大精力做出的短视频，往往观看量也不高，如果尝试去切换不同的短视频风格，同样需要投入大量的时间和精力。所以我在思考，是否可以搭建一个智能的Agent，让Agent帮我生成各种风格的科普视频，批量产出，这样快速投放平台，经受用户检验，来发掘出匹配观众风格的短视频，从而提升短视频的传播量。

我的总体的思路是Agent可以根据我们的主题，生成和主题相关的短视频。这就需要Agent对于我们的主题有扩展功能，例如，我们希望生成一个以【从脑科学的视角为什么吃甜食会令人愉悦】为主题的科普短视频。以我之前的操作，需要自己去编写这个主题的文案，虽然现在已经可以通过AIGC生成，这个文案的编写，差不多需要1天的时间，即便是很投入地去写，加上资料检索，最快也要4个小时。文案编写完成后，对文案进行拆解，分解出若干片段，根据片段的内容，去制作相应的图片提示词，然后将每一个提示词输入大模型，生成几十张图片，再基于图片编写视频片段的提示词，生成视频，最后将这些生成的视频整合在视频剪辑软件里，加上字幕和配音。另外，在发布前，还需要手动做一个封面图片。这么这个全流程下来，基本上一个几分钟的视频，就需要花费2天左右的时间。

很显然，这是一个创作的工作流，既然是一个标准的流程，我们就可以通过结合我们的实际过程操作搭建一个Agent，来为我们做这些事情，也就相当于，我一人的工作室里，有帮我根据主题，创作文案的“员工”，也有对文案进行解读拆分，生成对应创作脚本的“员工”，也有根据指令生成图片的“员工”，还有基于图片，生成动态视频的“员工”，最后还有一个帮我做剪辑的“员工”，将各种视频素材整合，配音和加字幕，最后呈现出一个完整的科普视频。

是不是很有意思？相当于只有我一个人，通过Agent实现了一个视频工作室的配置。由之前个人制作需要2天的时间，变为了现在5分钟左右，就可以完成一个科普短视频的创作，提效明显，同时，也不需要额外去招聘相应岗位的员工，Agent全部可以实现，这对于很多人准备打造初创公司，节省了不小的人力成本。

一、Agent搭建实战

话不多说，我们直接上干货。结合我自己日常实际操作的动作和任务，我们进行每个任务节点的Agent搭建。由于Agent搭建，需要具有基础的AI工具使用经验和背景知识，因此，涉及到一些基础的操作，例如Agent平台的账号注册，如何通过提示词操作大模型生成内容，这些内容本文将不再过多讲述，如果读者有需要咨询的地方，可以联系作者。我们为Agent起个名称，“科普短视频生成”，我自己一般会在名称前加一个类型，方便后续应用比较多的时候，可以从名称上直观看出是工作流、应用还是Agent。初始界面如下图所示。

1.1 编写主题文案

本节点主要功能是根据我们输入主题，自动为我们生成对应文案，需要我们约定提示词，以便于大模型可以根据我们的要求，生成内容。因为Agent功能的实现，需要依赖工作流的创建，我们在这里创建工作流。

主题文案生成的功能是，我们希望输入一个关于脑科学科普的主题，按我们的要求生成和主题有关的文案。我们通过一个简单的工作流实现。我们为这个工程流起名为【workflow_brain_text】，也就是我们之前说的命名方法，如果是工作流，我们在名称前加上【workflow】，便于后续内容比较多的时候，可以快速识别这些组件类型。

我们进入到我们刚搭建的智能体，关联好我们刚配置的工作流。

试运行一下，在“发送消息”输入框中，输入【从脑科学的视角为什么吃甜食会令人愉悦】，为主题的内容，看一下智能体的给我们输出的文案。

Agent开始响应我们的指令，并成功调用我们之前配置的工作流【workflow_brain_text】，生成的内容返回对话框，我们看到，已经成功生成了内容。

1.2 分解文案制作图片提示词

主题文案编写完成后，我们需要将主题文案进行分拆，以便于根据分拆后的内容制作生成相应的图片，我们继续对工作流【workflow_brain_text】进行扩展，主要实现以下功能，一个是将生成的文案分拆，另一个是基于分拆后的内容进一步生成图片提示词，然后基于提示词生成图片。

我们先来实现分拆功能，通过调用分拆文案的插件，实现对我们生成的文案分拆，生成一个列表，之后调用一个循环的插件实现对这个列表中，拆分后的文案依次调用大模型生成文案。生成的结果如下图所示。

我们发现生成的内容还是比较多的，有50次循环调用，因为我们是在调试阶段，其实我们可以通过改变大模型的提示词，让大模型生成的内容稍微少一些，比如控制在100字以内。

接下来我们让大模型将分拆好的内容生成图片。也就是在工作流【workflow_brain_text】中，加入生成图片的插件，我们看一下效果。如下图所示，已经根据我们的主题生成了文案，并基于文案生成了图片。

1.3 根据图片生成动态视频片段

接下来，我们基于图片生成动态视频。我们同样在循环体中加入生成视频的插件。 在循环的过程中，生成对应每一个文案的视频，由于我们生成的视频主要是用于练习和讲解，考虑到Token节约，我们选择生成视频为5秒，分辨率为480P。如果后续正式商业化产出，我们可以将生成视频的分辨率值设置为720P或1080P，以提升视频清晰度。

1.4 增加字幕和配音解说

同生成视频一样，我们在循环体中加入与视频对应的文案，同时调用插件，将文案转化为音频，用于后期合成视频中的声音。

1.5 整合视频

整合视频这一步的关键在于使用成熟的第三方插件，为了避免有广告嫌疑，我在此就不提供具体的三方API名称了，相关的这类产品有很多。

其核心思路是通过第三方插件的API，将声音、字幕和视频以批处理的方式传给API，最终我们获得第三方插件生成短视频的草稿链接，我们借助于第三方的客户端，或是通过链接下载完成整合的视频至本地电脑，然后上传至相应的短视频媒体平台。

二、实战验证

由于我们在最初的参数中做了限制，因此生成的视频播放时长比较短。视频的质量不是很理想，我们使用的工作流也比较简单。但可以证明使用Agent来自动完成短视频创作这条路是走得通的，后期可以随着我们经验的不断提升，可以用Agent制作出大片级的爆款短视频一定是可以的。

三、结语

本次实战，我们围绕科普短视频创作场景，手把手搭建了一个“科普短视频生成Agent”，从主题输入到完整视频产出，实现了全流程自动化，不仅解决了人工创作耗时耗力、效率低下的痛点，更通过实操环节，拆解了Agent的核心知识与底层逻辑，让大家既能复刻操作，也能理解Agent的工作原理。

对于个人创作者、初创工作室而言，Agent的核心价值在于“降本、提效、规模化”——它能让一个人完成一个团队的工作，无需投入大量人力成本，就能实现内容批量产出，快速接受市场检验。

而对于想要学习Agent的新手而言，最核心的不是掌握多少工具，而是理解“Agent是决策者，工作流是执行路径，工具是执行手段”，先从简单场景入手，逐步扩展复杂功能，就能快速掌握Agent的搭建与使用技巧。

之前有人问，如何做到10万+的短视频播放量？我的回答是：一直做。只要我们方法正确，总有一天，我们会有量变引发质变，实现从0到1，从1到100的跨越。

未来已来，AI一定是一个很强大的生产工具，AI本身并不会淘汰员工，未来淘汰的是不会使用AI的员工。积极拥抱变化，快速学习起来，不论结果怎样，Just Do It！欢迎大家随时交流。