实测首款Agent蜂群，人人都可以造自己的视频版manus了

上上周我们一起测试了六款视频Agent，

Agent们手里有一堆音频、视频、剪辑、生图等工具，由他们决定调用顺序成片

上周我们又一起测试了Manus的Wide Research，

听起来像是套娃，Agent for Agents，作为主Agent的Manus可以并行启动100个子Agent，它们同时完成搜索、总结、数据生成等任务。

那如果把这两个概念结合起来，AI视频制作的 Agent for Agents 能一次性出多长的视频呢？

9分34秒 = 574秒 = 115个视频片段 = 29,996,401个Tokens

所以接下来内容我会手把手教你搭建这套智能体，它的名字是「多智能体蜂群」（🔗 sea.n.cn），以及这个新的Agent流做出来的视频能满足哪7大使用场景。

Here we go！

先上结论，

跟隔壁的dify相比，多智能体蜂群把迭代（while）和条件分支（if）节点封装成了新的智能体，然后其他节点统统用智能体代替。

Dify界面：

多智能体蜂群界面：

我琢磨了五六七下，决定还是直接从一个完整的智能体入手会更易懂。

拿放大镜靠近看看，

条件智能体：主要是用来判断不同的情况，比方我有时候想直接生成视频片段，有时候想让Agent先生成脚本、分镜、再到视频片段。提示语主体我都是直接AI优化生成的，输入“/”的话还可以引用所有上游节点的输出。

专家智能体：主要用来完成某件事，比方可以搭配视频类MCP完成视频生成、音频生成和视频剪辑。目前有63个大模型和44个MCP Servers可以选择。

但每次生成10s，1分钟的视频需要运行6次，等待时间很长，

迭代智能体就是为了解决这种情况的，

从设计上看，迭代智能体会将上一步输入转换成二维数组。用人话说就是将大段的长文本切割加工成多组提示语，这些提示语会同时生成，减少等待运行的时间。

Agent for Agents 并不意味着控制度会降低，

在构建的过程，流程节点多了之后我就想在中间能实时观测模型的输出，或者给模型输入场外信息，形式可以是单选多选，或者图文文件等等，

反正不写超长提示语就行。

多智能体蜂群里就内置了18个UI模版和组件，我完全可以看到中间的脚本输出后主动选择是否重新生成。

OK啊，现在我们都有一个自己从零搭建出来的多Agent蜂群了。

热知识，构建好的多Agent在对话过程中如果生成失败是会退回所有积分的，豪到没边了。。。

冷知识，Agent也是有等级划分的，

L1就是光聊天不干活、L2就是单工作流智能体，流程相对固定；

L3级就是Manus们，推理模型+工具 = 模型在各种任务上自由组合能力完成目标；L4的话就是今天我们一起做的多智能体蜂群，把不同类型的L3智能体组合起来完成复杂任务。

坦白说目前多智能体蜂群做出来的视频在分镜设计、剪辑节奏上还比不上我们使用传统工作流和AI结合的做出来的效果，

但是故事完整度、画风一致性、以及在AI视频领域里的超长时长，也让它在现阶段就能独立完成一些视频制作任务，而且重要的是它速度快，并且朝着又快又好的方向在走。所以这次，我总结出了7个使用场景：

 一、知识科普 

先从简单的开始，用常见的提示语让蜂群自己脑补：

 二、第一人称 

也可以直接丢完整的故事，不需要指定画风啥的。

 三、非遗故事 

结构化类型的提示语也能起作用，可以通过分段的形式指定整个视频的走向。

 四、音乐MV 

做音乐MV的技巧就是通过画面和视频分开描述，完成单个镜头的描述。这样就可以把歌词跟画面一一对应上

 五、IP广告 

 六、图一乐类 

放这个case完全是因为还可以做出直播间的感觉。。。

 写在最后 

AI视频，

尤其是最近这两个月，

从模型到 Agent，一波接一波地更。

生成体验更舒适了、成片更快了、玩法也更多了。

虽然它还远没到“完美”的程度。

哪算是现在我最喜欢的几个模型，也有镜头不顺、节奏感偏弱、配音发涩的问题。

我心里清楚他们还会变强，还会越来越强。

所以我根本没时间纠结瑕疵，

因为版本们就在一天一个样地更新，

剪辑、旁白、情绪、构图、动态生成，这些都在不断改进。

相比哪里不好，我更关心可以做出什么。

距离做到完美的那一天没那么快。

但我也知道，

它真的在靠近了。