指南 · 定义
什么是 AI 视频智能体？
接过一句需求，自己把制作跑完，花钱之前停下来问你。
AI 视频智能体是一类程序：你给它一个目标，它自己决定怎么做。写脚本、拆成分镜、为每个镜头写提示词、挑渲染这个镜头的模型，最后拼成成片。你判断计划和结果，不需要按顺序逐个操作工具。
这就是它和提示词输入框的区别。生成器把一个提示词变成一个片段，然后什么都不留下。智能体持有整条制作链——角色、画面风格、镜头表、预算——所以改一句话不等于从头再来。
- 需要你给
- 主题 · 受众 · 时长 · 风格
- 它来决定
- 脚本 · 分镜 · 提示词 · 每镜模型
- 交给你的
- 带时间线的多镜头成片，不是单个片段
- 检查点
- 计划要你过，每个付费步骤也要你确认
- 适合场景
- 有剧本、且不止一个场景的视频
| AI 视频生成器 | AI 视频智能体 | |
|---|---|---|
| 输入 | 一条提示词 | 一句需求、一份脚本，或一段参考视频 |
| 输出 | 一个片段，通常几秒 | 一份镜头表，剪成完整成片 |
| 一致性 | 每次都要重新描述 | 角色和场景存为可复用元素 |
| 修改 | 重写提示词，从头再来 | 只重跑出问题的那一个镜头 |
| 花费 | 按次扣费，扣完才知道好不好 | 按步骤报价，跑之前先确认 |
它替你决定什么，什么仍然归你
它接手机械性的判断：脚本怎么切成分镜、每个镜头用什么景别和运镜、哪段提示词发给哪个模型、这一步要花多少。这些决定只会拖慢制作，不会增加创作价值。
创作判断留给你。前提、调性、顺序、某句台词怎么写、这个镜头够不够好——全都由你定，而且在渲染之前全都可以直接改。
一次任务实际怎么跑
需求 → 脚本 → 元素与分镜 → 分镜设计 → 图像、视频与配音 → 时间线 → 成片。每个阶段都保存一个可编辑的真实产物，所以你可以在脚本之后停、在分镜之后停，也可以一路跑到底。
关键在于阶段是分开的。分镜不是渲染的预览，它本身就是一个独立对象，可以免费改写、重排、甚至推翻——因为那个时点还没有任何付费素材存在。
为什么镜头级控制才是本质差别
长视频不是一次长生成，而是很多个短片段要看起来像同一部片子。这是连贯性问题，而连贯性靠可复用对象解决——一个角色、一件产品、一个场景，各自带着参考图，被每个镜头反复调用。
它同时是成本问题。四十秒如果是一次不可分的生成，一个坏镜头就要整段重付；如果它是四十秒的已规划镜头，你只重跑那个镜头。
钱花在哪里
一次跑多个步骤的智能体，可能在你看到任何东西之前已经花掉好几笔——所以花费必须可见。PV30 的每个付费步骤都由服务端报价，等你确认；自动模式只在你设定的会话预算内自动通过，超预算或做破坏性操作前会再问你一次。
文本改动不会悄悄触发付费重跑；上游改动让某个节点失效时，它会被标记为过期，而不是背着你重新渲染。
挑选之前该问什么
问四件事：付钱之前能不能看到计划、同一个角色能不能跨镜头保持、单个镜头能不能单独重跑、工具会不会在开始前告诉你这一步多少钱。这四个答案，把智能体和一个带生成按钮的聊天窗口分开。
再问一件：结果不对的时候会怎样。只能从头再来的工具，是多了几步的生成器。
常见问题
AI 视频智能体和 AI 视频生成器是一回事吗？
不是。生成器把一条提示词映射成一个片段；智能体接过一句需求，规划多镜头制作、逐镜选模型，并在付费步骤前停下来等确认——产出是一部剪好的片子，而不是一个片段。
用它需要会剪辑或会写提示词吗？
你需要说清视频要讲什么、给谁看。脚本和逐镜提示词由智能体写，你读一遍，把不同意的改掉。有剪辑经验会让你更快判断分镜，但这不是门槛。
同一个角色能在很多镜头里保持一致吗？
这正是用它最主要的理由。角色、产品、环境和道具都存为带参考图的元素，被每个用到的镜头复用，外观跨镜头保持稳定，不需要每次重新描述。
智能体能做多长的视频？
长度来自已规划镜头的数量和时长，而不是一次连续生成。在 PV30 里，广告类型 10 至 120 秒，短剧 30 至 180 秒，讲解视频 30 至 300 秒。
它会不会替代创作决策？
它拿走的是机械决策——拆镜头、写提示词、选模型、管素材。前提、调性、结构和最终验收都还在你手上，这也是为什么计划要先给你看。