事情是这样的。
我在 Renoise 团队负责市场和增长。最近参与产品对外介绍时，我们反复碰到一个有点反直觉的问题。
现在让 AI 生成一段视频，其实已经不算难了。
难的是按下生成按钮之前，你到底想清楚了没有。
拿一张产品图做短广告，看起来就是一句话的事。真做起来，要先定画幅和时长，再拆镜头、写提示词、选模型，还要想清楚首帧、参考图和声音怎么接。方向有一点没说清楚，模型也会很认真地跑完，然后消耗 credits ，留下的却可能是一段无法交付的结果。
麻烦不只在生成质量。很多返工，其实发生在需求还没说清楚的时候。生成系统越听话，这个问题反而越明显。
所以我们做 Renoise Agent 时，没有让它收到一句话就立刻开始生成。它会先追问缺少的信息，再把需求拆成镜头和具体任务。图片、视频、音频都可以放进同一个会话里，每个任务会列出提示词、模型、格式和参考素材。
然后，它会停下来，等待确认。
这一步是我们最想做的东西。
每项任务真正运行前，用户会看到一张确认卡。卡片里有模型、参数和预计消耗的 credits 。你确认了，它才提交生成。只是和 Agent 聊方案，不会消耗生成 credits 。
我们逐渐形成了一个判断。
一个能替用户花钱的 Agent ，重要的能力不只是自动化，还要知道什么时候停下来，把决定权交还给人。
自动化当然很爽。你给一个目标，它自己选模型、排任务、跑结果，最好连人都不用看。可只要任务会消耗真实预算，或者后续步骤依赖前面的结果，完全自动运行就很容易从省事变成失控。
我们现在选择的做法，是先让 Agent 把意图翻译成一个可以检查的计划，再让人决定要不要执行。
说实话，这个方案还远远没到完美。
Renoise Agent 目前还是 Beta 。它给你的是一组图片、视频和音频素材，不是一条自动剪辑完成的影片。生成结果仍然需要人来审，镜头不对还得重新调整，最终拼接也要在剪辑软件里完成。
Agent 也没有取代画布。前者更适合「我有一个目标，但不想从空白提示词开始」，后者更适合已经知道自己要什么、希望亲手控制素材关系和镜头顺序的人。
现在的典型流程大概是这样。
用户先用自然语言描述创作目标，也可以把参考图片、视频或音频放进会话。信息不足时，Agent 会继续追问。需求明确后，它会规划一组镜头任务，并在确认卡中展示提示词、模型、格式和预计消耗。
到这里仍然没有直接生成。用户可以检查任务、修改方向，再决定是否执行。确认后的结果会回到同一个会话里，接着可以迭代、增强或下载。
这个流程没有解决所有问题。角色或产品在多个镜头里的稳定程度，仍然会受到素材、提示词和所选模型影响。某个镜头失败后，怎样只重做必要部分，而不破坏已经可用的结果，也还有继续优化的空间。
但我们认为，先把计划摊开给人看，至少能把一部分昂贵的试错挡在生成按钮之前。
所以想问问 V 友。
一个会消耗 credits 的 AI Agent ，大家更希望每项任务都手动确认，还是给它一个预算上限，让它自己跑？
模型选择这件事，应该完全交给 Agent ，还是默认给出两三个候选，让用户自己挑？
多镜头生成里，大家最想优先解决的是角色和产品一致性、失败任务的重试，还是成片的自动拼接？
如果你也在做类似的 Agent 工作流，很想听听你是怎么处理权限、预算和人工确认这三件事的。
产品功能页放在这里。
Select Language