內置 Seedance 2.0、DeepSeek 等國產頂級模型，這款 Agent 讓小白也能開一支云端戰隊

以前是一個人 扛 一支隊，現在是一個人 開 一支隊。

—— 甲木

大家好啊，我是甲木，

小伙伴們見諒，這個月公眾號更新頻率降下來了。

一直扎在企業 AI 培訓和咨詢里，飛機比家里待的時間多..

上周末跟幾個 AI 圈好友受邀去上海參加「劉潤老師」的年中演講，在現場坐了一整天。

劉潤老師講了一整天，最有共鳴的還是AI 落地。

— 劉潤講 AI 落地核心方法論的關鍵

分享核心的幾句話：

第一AI 落地就是用新技術解決「貴問題」。價值百萬以上的事，過去成本高于價值不值得做，現在 AI 把成本壓下來了，原本被壓抑的需求開始釋放。

第二Token 經濟學時代到了。截止今年 2 月，84% 的地球人還沒用過 AI，只有 0.04% 真正為 Token 付過費。為 Token 付費，才是真正擁抱 AI。

第三軟件正在變成耗材，日拋日光。以前一個軟件要做半年，現在一個想法當天就能跑通。AI 不直接給結果，AI 寫軟件，軟件解決問題。

這三件事，我過去幾年在企業里反復驗證過。

95% 的卡點不在于模型本身，在「這個貴問題到底由誰來調度、最終產出什么可交付的東西」。

企業有企業的一些應用場景，個人應用方面，我覺得把「調度」和「交付」壓在一個對話框里，能夠直接助力當前的打工人。

比如說最近昆侖萬維 5 月 15 日剛剛升級的國內版天工超級智能體。

也是類龍蝦類的交付型的智能體，主打的就是多智能體的協同能力，能幫我們去完成各種各樣的任務。

01

EVOLUTION

Agent 這幾個月，太?卷了

先簡單交代下背景。

一年前Agent 還停留在 demo 視頻里，AI 自己點鼠標、自己填表的那種炫技。

半年前開始出現「裝在本地的 AI 同事」。能干活，但安裝、配置、Skills、安全問題，一套折騰下來勸退一大批人。

現 在形態變了。

一個對話框背后，是一支7×24 小時不下班的云端專家隊。文檔、PPT、調研、出圖、視頻，可以并行跑。

剛好對應潤總在年度分享說的：「AI 寫軟件，軟件解決問題。」

當前在個人應用或是職場場景中，Agent 真的不局限于一個聊天窗口，而是能夠把我們日常的一些工作流固化下來，每天定時跑、自動出活。

這次更新的天工超級智能體，它把6 大專家級 Skill（文檔、PPT、圖片、表格、網頁、視頻）、云端虛擬機、旗艦模型全家桶打包到了一個對話框里。

所有產物都配了全模態編輯器，出活之后可以繼續改，不像上一代生成式工具「出完就鎖死」。

當然，同樣也把這套能力接進了飛書 IM，電腦不在身邊的時候，發條消息也能讓它干活。

廢話不多說，直接看場景。

02

USE CASE · RESEARCH

讓 AI 跑一份「長鑫存儲」產業鏈盡調

當前的金融市場情況大家都了解，全產業鏈都在為 AI 芯片瘋狂。。

長鑫存儲，國產 DRAM 龍頭，2026 Q1 凈利潤 247.62 億，同比漲了 16 倍。科創板 IPO 已受理，募資 295 億。

這是今年國產替代行情里最大的敘事之一。

正好這周在杭州，給一家金融機構做咨詢，有客戶閑聊到這，就說他們的日常工作可能就涉及到，一有這種題材就要："國產存儲鏈到底怎么看？長鑫上下游有沒有值得跟的標的？"

— 直接發送相關內容

過往他們在撰寫研報或者內容的時候，會消耗大量的時間。比如自己花一周翻招股書。

價值百萬級的客戶問題，解決成本幾萬塊的賣方研報，這就是劉潤講的那種典型「貴問題」。

我直接在對話框里發了上述紅框 Prompt，發出去之后我去倒了杯咖啡。

它自己跑了大概 20 多分鐘。中間過程能看到它在搜什么，新浪財經的招股書報道、各家上市公司的三季報、行業研報、券商深度。

回來打開報告，幾個關鍵模塊大概長這樣：

— 上游的設備 + 材料板塊

— 下游標的

最后給了三條主流分析邏輯：存儲超級周期 + 國產替代雙擊、HBM 國產化是 AI 算力最后一公里、295 億 IPO 撬動 A 股「存儲映射」。

這個東西的體感，跟「讓 AI 寫一段文檔」完全不是一個量級。

這類 Agent，是把調研、分析、排版、出可交付物這一整條人工要數個小時完成的事，壓成了 10 分鐘。

如果純文字覺得閱讀排版不方便，可以直接轉成 PPT~

"判斷力無法被替代，但調研可以。"

03

USE CASE · CONTENT

把《人月神話》拆成全平臺分發內容

劉潤在臺上引用過《人月神話》那句話——

"向延期的項目里加人，只會讓項目更延期。"

溝通損耗、人月困境、外科手術團隊，這些 Brooks 在 1975 年定義的"軟件工程母題"，正在被 AI 寫代碼這件事改寫。

我從上海回來路上就在想，

這本書出版 50 年了。Brooks 當年討論的人月困境、銀彈、第二系統效應、概念完整性，放在 AI 寫代碼的今天還成立嗎？

想把這個思考做成一組多平臺分發的內容：

「讀書筆記、書評 PPT、書評短視頻、知識卡片、H5 摘要頁」

但平時讀完書，寫筆記，做 PPT，就要 3-4 小時，再加上剪視頻、做小紅書圖、寫網頁，一周都未必能搞完。

這就是個典型的「想做但不值得花時間做」的事。價值不算極高、時間成本卻很貴，所以長期擱置。

劉潤老師講"貴問題"是 AI 落地的入口。這是它的反面——AI 不來，誰來。

我決定讓它跑一次。一條總指令 Prompt 發出去：

— 《人月神話》批量任務處理

發完之后，對話框里開始kuku 一頓輸出。

PART 01深度讀書筆記

— 讀書筆記輸出片段

在溝通了幾輪之后，輸出了 3000 字，五個觀點全部按"原書原意 + 我的解讀 + AI 時代對照"三段式來。

比較有意思的解讀就是「銀彈」那一段。

Brooks 1986 年那篇 No Silver Bullet 論證過：軟件生產力不可能在 10 年內提升 10 倍。

AI 現在做到了嗎？

它給的解讀沒浮夸，AI沒有讓軟件生產力本質上提升 10 倍，AI 改寫的是軟件成本結構：原本貴的部分（寫代碼）變便宜了，但原本被遮蔽的瓶頸（概念完整性、產品判斷、業務理解）變得更貴。

這跟劉潤講的 ITBP（IT Business Partner）邏輯比較一致，AI 把"寫"變成消耗品，把"想清楚"變成新護城河。

這一段筆記我直接就能拿去做內部分享，不用改。

PART 028 頁書評 PPT

讀書筆記跑完不到 1 分鐘，PPT 開始生成。

深紫 + 米白配色、襯線字體、每頁一個關鍵句加粗 + 2-3 個支撐點，配圖是 minimal flat 風格，這套內容拿去做線下讀書會分享毫無違和。

天工的整個 PPT 生成在 AI PPT 生成中是非常出名的。有設計感，整體排版有呼吸感。

PART 033 分鐘書評短視頻

還可以一鍵把書評變成視頻。

書評視頻解讀

視頻這一步我補了條具體 Prompt：

PROMPT

基于上面的 PPT，生成一支 3 分鐘書評短視頻。口播腳本結構：- 0-10 秒 hook：「50 年前的一本書，預言了 2026 年 AI 寫代碼會發生什么」- 10-30 秒：人月困境本質- 30-90 秒：五個核心觀點速度過- 90-150 秒：AI 時代哪個被顛覆、哪個被加強- 150-180 秒：一句話結論視覺：- 畫面以 PPT 主頁面 + 翻頁動效為主- 中間穿插 4-5 張 AI 生成的概念圖，可以加上人物講解等等- 字幕底色：暗紫 + 米白襯線- 主生成模型用 Seedance 2.0- BGM：低沉提琴 + 節奏感慢鼓，沉思感- 16:9 橫屏，1080p

3 分鐘成片出來之后，我下到時間線編輯器——

— 隨時云端編輯調整，無需下載本地處理

把 hook 那段的 BGM 音量調低一檔（默認有點搶人聲），中段一張"程序員 vs AI"的概念圖替換成更具體的 ITBP 工作場景圖，這些都是云端軌道直接拖，不用導出再導入。

誠實說一句：3 分鐘視頻的口播節奏偶爾偏快，需要在時間線上手動加 0.3-0.5 秒停頓。

PART 045 張小紅書知識卡片

每張卡片結構統一，頂部金句 + 中間 minimal 插畫。

整體調性深紫底 + 白字 + 偶爾橙色高光，沒有 emoji、沒有"姐妹們一定要看"那套話術，就是知識卡片該有的樣子。

PART 05可分享的 H5 摘要頁

最后是一個網頁：「人月神話 · 50 年回看」。

Hero 區是書名 + 一句話觀點 + 滾動提示。

下面五個章節左右交錯排版，每一章左側文字、右側 minimal 插畫。結語段寫了一段「AI 時代的人月神話新解」。底部帶分享按鈕和二維碼。

H5 頁面演示 GIF

響應式設計，手機端打開是單列，PC 端是左右欄。

部署完直接給了一個可訪問鏈接，復制粘貼就能發朋友圈，比 doc 文檔好看 10 倍。

這一整套，讀書筆記 + PPT + 視頻 + 小紅書 + H5，總共跑了 30 多分鐘。

中間我做的事只有兩件：

1發了 1 條總指令 + 1 條視頻補充指令

2視頻精修花了 3 分鐘（拉時間線、調 BGM 音量）

如果純人工做這套東西，要搞至少三天。

當然，中間還是遇到了不少卡點：

01串行執行不是 100% 順暢，PPT 跑完后，視頻腳本有一次沒接上"PPT 內容"作為輸入。多智能體的「上下游接力」目前不是完美黑盒。

025 張小紅書卡片有 1 張字體偏小，讓它單獨重出了一張。

03H5 默認風格挺克制，但如果你要"小紅書爆款風"那種飽和度高的版本，需要在 Prompt 里明確指定。

但這些都是「點幾下」的事，不是「重做一遍」的事，這一代 Agent 跟上一代生成式工具的本質差異，就在這里。

比如我還試了它們其它的場景，只要是有多輪對話以上，

— 重復內容的 Skill 化提醒

然后完成重復任務和請求的地方，

都可以直接固化動作，一句"立刻執行"就能把工作流封裝。

CONCLUSION

結語

回到劉潤那三點，貴問題被新技術消滅、Token 經濟學開始普及、軟件變成耗材。

這三件事過去這一年同時在發生。

它們的副產品，就是超級個體真的能開一支隊了。

一年前我講「超級個體的云端團隊」的時候，更多還是憧憬——底座沒那么成熟，每條鏈路都要自己接、自己調、自己 debug。

現在不一樣了。

產業鏈盡調、把一本書拆成五種內容形態，這些過去要么外包、要么熬夜、要么干脆放棄的事，一個對話框就能跑完。

而且不是「跑完就完」。

是把整條工作流固化在 Skill 里——下次客戶問類似產業、下次想拆下一本書，我把 Prompt 再發一次，它跑、我改、出活。

這才是劉潤講的「AI 寫軟件，軟件解決問題」的真正含義。

以前是一個人扛一支隊。

現在是一個人，開 一支隊。

以上。

我是甲木，熱衷于分享一些 AI 干貨內容，同時也會分享 AI 在各行業的落地應用。

如果你覺得今天這篇有收獲，歡迎點贊、在看、轉發三連，我們下期再見