一句话召唤 AI 视频团队
欢迎来到 WorkBuddy 实战蓝皮书的第 19 章。这一章聊一个很具体的话题：怎么用一句话，召唤出一支能帮你做短视频的 AI 团队。核心思路很简单——把短视频这项工作，拆成两支各有专长的专家团：一支负责生产，一支负责学习。
做一条短视频，难的不是剪辑
很多人觉得做一条短视频最难的是剪辑，其实不是。真正耗时间的，是「今天到底拍什么」，以及「这条视频到底怎么讲」。一个人又当导演、又写脚本、又做后期，常常卡在第一步。剪辑是体力活，内容和表达才是天花板，难点永远在脑子，不在工具。
两支 AI 视频团队：一个生产，一个学习
WorkBuddy 里的做法是组建两支 AI 视频团队。一支叫视频生成团队，从主题出发，一路做到成片发布；另一支叫爆款拆解团队，从一条视频链接出发，把它拆成可以学习的方法。它们不是两个换名字的聊天窗口，而是两条各司其职的生产线。一个负责生产，一个负责学习，组合在一起，才有持续迭代的可能。
视频生成团队：一条有上下游的生产线
第一支是视频生成团队，它有四个角色，不是四个重复的工具，而是一条有上下游交接关系的流水线。凌导是团长，负责拆解任务、安排流程和检查点；灵阅是信息采集员，产出热点池和结构化摘要；灵枢是内容策划师，把主题变成脚本和分镜；灵映是视频制作师，把分镜渲染成最终成片。关键是每个角色都有清晰的输入和输出，谁也不越界替别人干活。
底层引擎：用 HTML 渲染视频
这条流水线的底层是一套叫 HyperFrames 的引擎，核心思路很巧妙：用 HTML 来渲染视频。因为 HTML 本身就是结构化的，Agent 生成起来特别顺手，再交给渲染工具输出成 MP4。它自带命令行工具链、文字转语音、字幕、去背景和视频组件模板，相当于把视频工程变成了一份可以版本化、可以自动化的代码。
流程一：让热点先有来源
生成流程的第一步，是让热点先有来源，由灵阅负责。它会去抓订阅源、搜新闻、扫社媒，把 AI 热点聚合起来，再去重、输出结构化摘要。一份合格的产物至少要有标题、来源、时间、原始链接、热度线索，以及「为什么值得关注」。不过要记住，热度只能帮我们排序，永远不能替代事实核验。
流程二：把主题变成镜头
第二步是把主题变成镜头，交给灵枢。她负责选题判断、脚本写作、分镜设计、旁白文案，还有镜头节奏、转场建议和字幕停顿。这里特别建议设一个人工检查点：开头三秒有没有钩子、信息密度是不是太高、旁白准不准确、画面能不能支撑观点。脚本不过关，就不要进配音和渲染，把返工留在最便宜的文字阶段。
流程三：把分镜变成成片
第三步是把分镜变成成片，由灵映完成。她把确认好的脚本转成 HTML，再调用 HyperFrames 渲染成 MP4，中间自动做文字转语音配音、字幕对齐、动画转场和素材拼接。验收的时候别只看「能不能播放」，还要看旁白和字幕是否一致、镜头时长是否匹配、文字有没有挡住主体、音乐能不能用、素材有没有版权风险，以及画面是否适合平台的安全区。
流程四：发布可自动化，但默认人工确认
第四步是发布。发布 Agent 可以自动生成标题、自动打标签、自动上传封面，还能通过云手机发到抖音、视频号和 B 站。但蓝皮书给了一个重要建议：默认不要直接自动发布，除非账号、素材、标题和合规边界都已经过人工确认。自动化的价值是省事，但最后那一下确认，必须是人拍板。
第二支团队：拆一条爆款，学它的方法
说完生产，再看第二支团队：爆款拆解团队，目标是搞懂「为什么别人能爆」。阿爆是总控，负责调度和汇总；小凯管音频和转录，用工具把视频里的口播变成完整文案；小淼做视频理解和镜头裁切，分析景别、运镜并切出片段。这里有一个明确边界：拆解是为了学习结构和方法，不是搬运原视频，要遵守平台条款和版权授权。
拆解流程：下载有降级策略，理解镜头语言
拆解的第一步是下载，这里设计了三层降级策略：先试官方接口，不行就走浏览器自动化，再不行就用下载工具，只要有一层成功，流程就继续。下载下来之后，小淼会去分析镜头语言——景别、运镜、转场、剪辑节奏、色调和镜头时长。很多「有感觉」的爆款，背后其实都有稳定的规律，拆出来才能复用到自己的拍摄里。
拆解流程：转写文案，裁切镜头
拆解的第二步，是把内容转成文字和可复用片段。先用工具把视频提取出音频，再调用语音识别接口转写成完整的口播文案；然后小淼根据视频理解的结果，按景别和运镜把镜头裁切出来。最终产出的是一份拆解报告加上仿拍建议，交给生成团队当参考，而不是当素材直接搬运。
让「学习—生产—发布—复盘」转起来
最后，把两支团队串起来，就形成了一个闭环：爆款链接进入拆解团队，产出方法和手册；生成团队据此做热点、写脚本、渲染成片；人工验收后发布；再用数据复盘，回到拆解团队。专家团真正的价值，不只是帮你做一条视频，而是让「学习、生产、发布、复盘」变成一个能持续运转的系统。从一句话开始召唤，但别在一句话停下——让团队替你持续迭代。
