当AI创作真的开始"干活"，你还需要几个人的团队？|创作|干活|推理|新论文|音乐

你有没有认真想过，"AI辅助创作"这件事，正在悄悄分裂成两个完全不同的世界？一个世界里，AI是你的助手，你问它，它答你，你满意了就用，不满意就继续改。另一个世界里，AI是你的团队，你给它一个目标，它自己分工、自己协作、自己推进，到时间了直接交付成果给你。

大多数人现在还活在第一个世界里。我理解，因为那个世界已经比以前好太多了——能帮你写文案、出图、改稿，省了大量时间。但我最近体验了OmniWork之后，我意识到，我们可能一直把"AI辅助"的天花板想得太低了。

这不是一个新的AI写作工具，也不是另一个图像生成平台。它在做的事情，是把自己定位成一个"面向创作工作的Agent OS"——一个能让你一个人拥有一支7×24小时在线的AI创作团队的操作系统。听起来很大，但当你真正开始用的时候，你会发现这句话不是在吹牛。

我们一直在用一种很低效的方式使用AI

在聊OmniWork之前，我想先说一件让我一直觉得有点别扭的事。

我们现在使用AI的方式，本质上还是"问答模式"。我有个问题，我输入，AI回答，我再输入，AI再回答。这个循环可以很长，可以很复杂，但本质上，主动权一直在我这边——我不问，它不动。我一分神去干别的，任务就停在那里，没有人推进。

这种交互方式有个很深的问题：它假设你时时刻刻都知道下一步该做什么，知道该怎么提问，知道该往哪个方向走。但真实的创作不是这样的。真实的创作里，有大量的时间是在摸索、在等待灵感、在搞清楚"我到底要什么"。如果你每一步都需要自己主动去推动AI，那AI能帮你省的，其实只是执行时间，而不是决策时间。

更大的问题是，单个AI工具很难跑完一个完整的创作项目。做短剧，你可能用A工具写剧本，用B工具做分镜，用C工具生成角色图，用D工具剪视频。每换一个工具，你就要重新解释一次项目背景，重新对齐一次风格要求。中间的信息损耗是巨大的，而且全靠你自己来做这个"翻译"和"搬运"的工作。

OmniWork的出发点，就是要解决这个问题。它不想做你的某个单点工具，它想做你整个创作工作流的操作系统。

OmniWork是什么：一支不下班的AI创作团队

OmniWork把自己比作"AI知乎专家（全干版）"。这个比喻很有意思，因为它精准地点出了现有方案的痛点。

知乎专家有真正的行业经验，能给出深度、专业、有判断力的建议。但你去问一个知乎专家，你要等，少则一两天，多则更长，而且他给你的是建议，不是交付物。他告诉你"这个选题应该这样做"，但他不帮你做出来。在行也是类似的逻辑——你付费约了一个顾问，他和你聊一个小时，给你方向和框架，但干活还是你自己的事。

而ChatGPT、Claude这类通用AI，什么都能聊一点，但缺乏真正的行业深度。它不知道什么样的短剧节奏不会让观众跳出，不知道疗愈音乐的频率配置有什么讲究，不知道爆款内容背后的选题逻辑是什么。这些判断，是真正的行业经验，还停留在人脑里，没有被真正地结构化进AI的决策流程里。

OmniWork想做的，是把这三种能力合并：知乎专家的专业深度、全干的执行能力、7×24秒回的响应速度。它的核心产品模块围绕这个目标展开。

最基础的单元是Expert。每个Expert围绕一个具体的创作方向设计，封装了真实行业专家的工作流和判断标准。它不是通用模型，而是更接近一个真实岗位的专业能力单元——可以独立完成内容策划、脚本生成、趋势分析、音乐制作、视频创作等具体任务。你和它交互，感觉不是在问一个AI，而是在和一个真正懂这个领域的人对话。

更复杂的任务，则由Expert Teams来处理。多个Expert围绕一个共享目标分工协作，形成类似真实团队的结构。一个负责趋势研究，一个负责脚本，一个负责视觉方向，一个负责增长建议。这些Agent在统一工作区里实时同步中间状态，由一个规划层来统一调度和协调。你提出一个创作目标，整个团队开始运转，你不需要去管谁在做什么、下一步该交给谁。

支撑这一切的底层，是Skills。Skills是Expert调用的能力单元，是行业专家经验被结构化、产品化的载体。一个Skill可以是"短剧分镜拆解方法论"，可以是"疗愈音乐频率配置方案"，也可以是"爆款内容结构模板"。通过Skills，专家经验不是一次性消耗的，而是可以沉淀、复用，并在每次任务中被持续调用和迭代的。

我觉得这个设计思路很关键。它解决的是一个根本性的问题：AI为什么在很多专业领域输给真正的行业专家？不是因为AI的信息量不够，而是因为AI缺乏结构化的行业判断。知道什么样的选题有传播力，知道什么样的编曲让情绪成立，知道什么样的节奏控制让观众不跳出——这些东西不是从互联网文本里训练出来就能有的，它需要被系统化地写入AI的推理链路。OmniWork通过Skills和Expert的设计，正在做这件事。

Autowork：AI创作团队真正的"不下班"

如果说Expert Teams让你有了一支会协作的AI团队，那Autowork则是让这支团队真正做到"不下班"。

大多数AI工具的工作方式是被动的——你触发，它响应。你不在，它就什么都不做。但Autowork打破了这个逻辑。Agent无需等待用户输入，可以按设定的时间自动执行任务：趋势监测、竞品追踪、内容准备、周期性报告生成。你设置一次，OmniWork在后台持续推进，定期交付结果。

这对内容创作者来说意味着什么，我想了很久。

假设你是一个做科技内容的创作者。你最头疼的事之一，是每天早上要花大量时间刷信息、筛热点、判断哪些话题值得做、哪些竞品账号有新动作。这个工作重要，但又琐碎，还很耗时。有了Autowork，你可以把这套监测和筛选的逻辑一次性设置好，让它每天自动跑，早上你醒来，它已经把昨晚的热点分析、竞品动态、值得关注的选题方向整理好交给你了。

或者你是一个做账号运营的人。你需要定期生成内容素材、保持更新节奏、响应平台的流量窗口。Autowork可以让这些周期性任务在后台自动运行，不需要你每次都手动触发。你的AI团队在你睡觉的时候还在工作。

我认为这是OmniWork所有功能里最被低估的一个。它真正解决的，是创作工作中的"持续性"问题。创作最难的不是某一次的爆发，而是长期的持续输出。Autowork让这件事变得可能。

持久记忆：你的创作风格，它会记住

我对OmniWork的持久记忆系统有一种很特别的感受。

大多数AI工具是没有记忆的。你今天和它聊了两个小时，做了一个完整的项目，下次打开，它什么都不知道了。你要重新介绍自己，重新解释风格要求，重新对齐项目背景。这个"归零"的感觉，是很多人用AI工具的主要摩擦点之一。

OmniWork构建了三层记忆结构。第一层是用户画像记忆，记住你的经验背景和创作定位。第二层是创作偏好记忆，记住你的配色取向、文风习惯、工作流偏好。第三层是项目级工作记忆，记住当前项目的主题设定、核心约束和创作目标。

但更重要的是，这套记忆不是静态的存档，而是在每次任务前动态召回、融合注入推理链路的。你的创作习惯和判断，会随着你使用次数的增加，被不断提炼成Agent可以直接调用的个性化Skill。

我觉得这个设计有一个很深的洞见：创作工作里，最难被替代的不是执行能力，而是个人风格和判断力。如果AI只能帮你执行，但每次都需要你从头解释你的审美和标准，那它省下的时间其实非常有限。但如果AI能够真正记住并内化你的创作直觉，它就不只是一个工具了，它更接近一个真正了解你的创作伙伴。

对我来说，这种"越用越懂你"的产品逻辑，才是AI创作工具真正应该追求的方向。

真实的应用场景：不只是聊天，是从零到交付

我认为判断一个AI产品好不好，不是看它的功能列表有多长，而是看它能不能真正跑完一个有难度的创作任务。OmniWork在几个具体场景上，做了一些我觉得很有说服力的事。

第一个场景是短剧和AI影视创作。OmniWork和上海戏剧学院的产学研实践平台合作，在平台内置了覆盖完整影视创作链路的专属Expert：剧本构建、分镜编排、表演指导、视听调度。这几个字看起来很正常，但里面藏着一个很关键的差异点。

大多数视频生成工具做的是画面效果的优化——让画面更好看、更流畅、更有质感。但OmniWork不是在做画面，而是在做导演思维。它把导演、摄影、表演等专业岗位的创作方法——叙事结构、镜头语法、节奏控制、光影关系——系统化地写入了Agent的决策流程。系统在组织镜头的时候，真的在用导演的方式思考，而不只是在生成好看的图片序列。

这个区别很微妙，但影响巨大。一个短剧的成败，很多时候不在于某个镜头漂不漂亮，而在于整体节奏有没有让观众持续投入，情绪有没有在对的时刻被推起来，叙事逻辑有没有支撑角色的行为动机。这些判断，需要的是导演经验，不是图像处理能力。OmniWork把导演经验结构化进了AI，这才是真正的差异化。

第二个场景是专业音乐创作和音乐疗愈。这个合作方更让我意外：上海音乐学院人工智能音乐疗愈重点实验室。覆盖的场景包括原创词曲、编曲制作、风格迁移、AI翻唱，以及疗愈音乐定制。

疗愈音乐这个细分领域很有意思。它不只是"好听的音乐"，它有非常具体的专业参数：频率、速度、调式的选择，都会影响听众的情绪和生理状态。OmniWork把这些参数和逻辑以结构化的方式注入了Agent的推理链路。你在做一首疗愈音乐的时候，系统不是在随机生成，而是像一个真正了解音乐疗愈原理的制作人一样在做判断。