一个人干四个工种快熬吐了？千问Agent Teams实测：你只当甲方，AI组个剧组替你出片

说实话，我对”一句话出片”这类宣传早就免疫了。

从去年开始，多少工具号称输入一句话就能出成片？结果呢？出来的东西人物换脸、镜头乱飞、配音跟画面脱节。真要做一条能看的短剧，你得自己当编剧写本子，自己当美术定角色，自己去视频模型里一条条抠镜头，最后还得自己剪。四个工种，一个人扛。我做过，做完那种累不是身体累，是脑子被反复切换搞得发木。

8 月 31 日，千问创作上线了一个叫 Agent Teams 的功能。我抱着”又来”的心态点进去，结果愣了三十秒：它没让我写提示词，它问我”你想讲个什么故事”。然后自己把编剧、导演、美术、摄影、剪辑一个个叫出来干活了。

第一章 先说结论：这次变的不是模型，是”谁来干活”

先把判断放前面。Agent Teams 最值钱的地方不在视频画质，而在它把创作方式从”写提示词”改成了”提创意”。

过去你和 AI 的关系是：你必须学会它的语言。角色一致性怎么锚、镜头运动怎么描述、参考图怎么喂，全是你的功课。你稍微偷懒，出片就崩。

现在这个关系反过来了。你说一句大白话，系统自己拆任务、自己排工序、自己点兵派将。编剧写剧本，导演做分镜，美术定角色设定，摄影生成画面，剪辑拼成片，各司其职依次交接。你从”又写又画又剪的制片主任”，退化成一个提需求、做验收的甲方。

底层模型这次首发接的是阿里 Wan 3.0 视频模型，还有速度更快的 Prime 满血版；图像侧用 Qwen-Image-3.0 出角色设定和分镜图。Wan 3.0 单段最长能生成 30 秒，支持文本、图片、音频、视频，甚至 PDF/Word/PPT 文档当参考输入，角色一致性和推拉摇移的镜头控制都能调。

第二章 三步跑通：一句创意到一集短剧，我是这么走的

入口很好找：千问创作 PC 端 c.qianwen.com，或者直接用千问 App，两边项目互通。已面向全部用户开放，不用申请白名单。

第一步，跟”创作助手”聊清楚你要什么。

别急着写长提示词，就用大白话丢一句故事梗概进去。@创作助手 会立刻帮你拆解想法，然后像个执行制片人那样在关键节点反过来问你：故事走向要哪个？主角性格是哪种？它甚至会给避坑建议。

第二步，让各个工位依次上工。

整个界面的体感就像一个微信群。@编剧 出大纲和剧本，@导演 排分镜，@美术 定角色设定，@摄影 逐镜头生成画面，@剪辑 拼成片，配乐同时在写 BGM。每个角色干自己的活，互不干扰。

关键在这儿：摄影不会直接开始烧算力。它会先把十几条镜头提示词写出来摆到你面前，等你审阅、修改、点头，才真正开始生成。视频生成是全流程里最贵最慢的一环，把人的判断插在生成之前而不是之后，比多加几个自动化环节实在得多。

第三步，不满意就 @ 谁改谁。

成片出来后项目并没有结束。哪个镜头别扭，直接 @摄影 单独重做那一段，不用推倒重来。配乐不对味，@配乐 重写，前面确定的镜头不会被带崩。要是你说不清哪儿不舒服，把 @创作助手 这个”监工”叫出来，纯用感受描述，它帮你判断该找谁解决。

第三章 最狠的一个设计：Agent 之间传的不是废话，是能改能回滚的交付物

这一章是我最想讲的。很多号称多智能体的产品，Agent 之间传的是一段自然语言转述，A 跟 B 说”你按刚才那个感觉画”，传三轮就走形了。

Agent Teams 不一样。它们之间传递的是结构化中间产物：讲戏本、角色资产、镜头提示词表。这些东西全摆在你眼前，能看、能改、能回滚。

这意味着什么？意味着这是一条每个工位都有明确交付物、且每份交付物都对人开放的流水线，不是黑箱。你想在第三个工位插手，就在第三个工位插手，不用从头再来。

上下文管理也扎实。机器之心实测做了一条《JoJo 的奇幻买瓜》，中途强行加戏：把主角骑的重型摩托改成破旧小电驴，还丢了张参考图进去，同时把视频模型从 720P 切到 1080P。三个东西一起动，这个 Agent Team 稳稳接住了，后面的剪辑也没张冠李戴。

对比一下就懂这有多难。你要是用代码搭过多智能体系统，就知道状态怎么传、上下文怎么不丢，是LangGraph 这类框架里最费神的部分。Agent Teams 把这件事做成了消费级产品，不用写一行代码。

第四章 算笔账：0.26元/秒，半小时一集，钱花在哪

创作者最关心的还是钱。我把公开的价格摆出来：

• Wan 3.0 在千问创作上的价格约 0.26 元/秒
• 按包年高级会员算，1080p 一集平均下来大约 5 毛钱一秒
• 实测有创作者半小时做出一集短剧，镜头、配音、剪辑全是平台直出

但真正省的不只是钱。是等待时间可以被复用。以前你在视频模型那边排队等出片，只能干等。现在等待的同时你可以调用别的工位干下一步，成本、精力、时间三重释放。

换句话讲，这波最利好的不是大厂，是没团队没预算的个体创作者和小工作室。大厂上千人配合的流程本来就顺，你一个人以前根本没法比。现在差距被工具抹掉了一大截。

第五章 它不完美：我踩过的三个坑

吹完了说实话的部分。我不觉得这东西现在能”一句话全自动出爆款”，谁这么讲你别信。

坑一：成片第一版基本都要返工。现象是角色 Agent 之间的协同质量参差，某个镜头风格突然跳脱。根因在视频模型对复杂动作和多人交互的控制力还不够。解法是别指望一遍过，把它当”能自动出初版的助手”，然后退回镜头环节挨个微调，迭代两三轮效果会明显好一截。

坑二：镜头提示词表你必须认真看。现象是十几条提示词一路点确认，全跑完才发现方向偏了，钱白烧。根因是提示词写得完整但不一定符合你脑子里那版。解法是把审阅当正事做，尤其检查角色描述和镜头运动，这一步花五分钟能省几十块算力。

坑三：想清楚它更适合当辅助还是当主力。现象是有人拿它直接产商业交付，结果反复修改比手工还慢。根因是从”能跑通”到”能交付”，中间隔着人的验证和多轮优化。解法是先用它跑分镜和脚本，视觉部分你自己把关，成熟一点再往全自动推。

第六章 我的真心话

这半年我看下来，最大的感受不是技术多牛，是门槛真的在往下掉。

半年前做一条漫剧，光把工具链跑通就得学一堆东西，什么模型出什么活、参考图怎么喂、一致性怎么锚，全是隐性知识。现在一个大白话创意丢进去，就有一堆 Agent 帮你把活拆了。除了短剧，营销广告、音乐 MV、游戏内容都有对应的专业 Agent Teams 承接。

它不会让你直接躺着挣钱。该验收还是要验收，该返工还是要返工。但它把你从”四个工种缝合怪”变回了一个只需要有想法的人。这个转变，对个体创作者来说比任何参数提升都重要。

如果你只记一句话，记这句：工具从帮你干活，变成了替你组队。你要练的本事，也从”会写提示词”变成了”会提需求、会验收”。

回到开头那个问题，一个人干四个工种到底还要不要熬？我的答案是不用了，但你得学会当甲方。

关注圈圈，持续带你玩转 AI 工具。