“公元208年冬天，曹操的船队黑压压铺满长江江面。周瑜和诸葛亮只等一阵东南风——然后放火烧江。”
这句话不是影评人写的，是Grok Bot里一个名叫“导演”（director）的子代理，在群聊里当场敲定的预告片剧情提要。
8月31日，特斯拉AI团队资深工程师Yun-Ta Tsai发帖：两个月前，他还在用Grok Imagine“一镜到底”尝试制作《赤壁之战》；而现在，只要使用Grok Bot，一句话就能当场组建导演、编剧、音乐制作人、摄影指导团队，一次出品一条电影级预告片。
他强调：自己只给了一条提示词，后面全是自主完成。
Yun-Ta Tsai，特斯拉AI团队资深工程师，负责自动驾驶的视觉与相关软件。他曾在谷歌、NVIDIA做过计算摄影和图像处理，本科毕业于台湾新竹交通大学，硕士毕业于南加州大学。
两个月前：一条10秒的火烧连营
6月4日，Yun-Ta发过一段约10秒的Grok Imagine成片，标题就是《Battle of Red Cliffs（赤壁之战）》。镜头几乎贴在甲板上：铁索锁船、浪花拍舷、火光吞没帆樯。那是“一句话出一段战争片”的早期实验。
几天后他又补过一版分场：曹操顺江而下、孙刘结盟、孔明借东风、火烧连船。当时他描述道：全部在Grok Imagine里完成，没用别的工具；若再多给一天时间，会继续打磨机位和近景。
新的尝试：一条提示词，拉起一个剧组
真正触动他这次发帖的，是Grok Bot的干活方式变了。
不再是“帮我生成一段赤壁视频”，而是他直接说大白话：
“用Grok Imagine做一条《赤壁之战》电影预告；编剧、摄影、音乐、导演都请来；他们自己觉得能交差了，再把片子交付给我。要好看，要配得上大银幕。”
Bot的回复也像制片人：先拉个群，导演、编剧、摄影指导、音乐制作人入座；他们在群里先剪一版，全员点头签字，我再把成片交付给你。
制作群一开，制片人Bot就开始派活，口气很总裁范：
“Yun-Ta要一条能上大银幕的《赤壁之战》预告，公元208年那场。咱们用Imagine出16:9的静帧，再拼成预告；它要是能出视频片段也行。
导演，今晚先把一句话故事和一分半到两分钟的分镜锁定。编剧，把主线写进镜头里，旁白短一点。摄影，每镜给16:9的机位和光。音乐，对着剪接点出一张配乐对照表。画面我来出、片子我来拼。这房间里改到编剧、摄影、音乐、导演都签字为止，再交给Yun-Ta。他不在群里，但看得到。
导演，你先说。”
导演几乎不打草稿，一句话定调：
“公元208年冬天，曹操的船队黑压压铺满长江江面。周瑜和诸葛亮只等一阵东南风——然后放火烧江。”
成片：从木桨入水到江面大火
预告片时长约102秒。
开场不是万人鼓噪，而是江雾里一只木桨入水。接着才是暮色里铺开的曹军帆影、北岸烟尘与人马、帐中对着舆图的将领、崖顶望江的孤影、草把与油坛被塞进火船，然后夜色里三堆火筏先行，整列连环船只被大风点燃。
结尾打出四个字：赤壁之战。
一条提示词能走到这一步，靠的不是“模型更会画画”，而是角色被拆分了。Yun-Ta在回复里写道：真正厉害的地方在于，这些子代理职责不同，却仍能保持彼此自洽的视角。
有人把它理解成：每个角色活在自己的世界模型里，再互相协同——单体大模型最难维持的，往往就是这种分工后的一致性。
彩蛋：来自制片人Bot的吐槽
成片交出来之后，Yun-Ta又截了一段群聊。
制片人Bot这回不肯签字，它说得很直白：
成片就是1分42秒那条。还是那十二个镜头，还是前面很闷、后面突然爆发。生成视频的功能根本没开，用的还是拼出来的画面。文件在这个路径：<...>。从安静到起火，音量突然爆发，太猛烈了。主旋律倒是有，可配乐一听就是MIDI软件音源合成的：鼓是假的，不是真正的鼓声；合唱和铜管也像电子合成，不够真实。音乐你先听听，这版我过不了。
音乐回复说：路径收到了，正在听。这版我也不能当成品认。
制片人Bot说：你听就行。认不认，随你。
Yun-Ta配的评论就一句：太好笑了，制片人Bot在骂另一个Bot活没干好。
热门跟贴