
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。
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。
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。
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。
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。

对独立音乐人来说,这意味着什么?你不再需要为了实现一个音乐想法,去找编曲师、和声老师、制作人逐一对接。你描述你想要的情绪和方向,OmniWork的Expert Team开始协作,词曲、编曲、配器,一套流程跑下来,你得到的是一个完整的成品,而不是一堆需要你自己整合的素材。
第三个场景让我觉得有点超出预期:不需要Unity,不需要虚幻引擎,不需要程序员,就能做AI原生的互动影游。OmniWork的Expert Teams可以协作完成叙事生成、角色驱动和场景渲染,内置完整的交互结构、触发逻辑、选择分支和QTE玩法。玩家每次的输入,都会实时影响故事走向。

我理解这个场景的意义在于:它把原来需要一个5到10人专业团队才能做的东西,压缩到了1个人加上OmniWork就能交付的范围。对独立创作者来说,这道门槛的降低,可能是质变级别的。
我在创作上有一个一直没有完全解决的困境:很多好的创作项目,一个人很难真正独立完成。不是能力问题,是带宽问题。你同时要想选题方向、要写内容、要管视觉风格、要看数据反馈、要调整策略——每一件单独拿出来都不难,但同时推进就很容易被某一个环节卡住,或者因为精力分散导致整体质量下降。
找团队是一个解法,但团队有沟通成本、有协调成本,对很多独立创作者来说也有经济成本。找外包是另一个解法,但外包的对齐成本更高,你花在解释和反复修改上的时间,有时候比自己做还多。
OmniWork提供了第三条路:一个人,加上一支7×24小时在线的AI创作团队。这支团队里有各自专业领域的Expert,有能自动执行周期性任务的Autowork,有能记住你创作风格和项目背景的持久记忆,有能在浏览器里直接运行的执行环境,不需要本地部署,不需要技术背景。
我认为这个产品真正面向的,是那些有创作能力、有明确创作目标、但一直因为带宽不够而无法真正把想法落地的人。独立创作者、小型内容团队、有创作需求的独立开发者,这些人不需要的是一个更好用的写作工具或图像工具,他们需要的是一套能帮他们真正推进复杂创作项目的系统。

OmniWork目前还在内测阶段,采用邀请码制。如果你对这个方向感兴趣,或者有一个一直想做但因为各种原因没有启动的创作项目,这可能是一个值得认真试试的机会。产品地址是 omniwork.ai,我手里也有几个内测邀请码,有需要的朋友可以留言。
我们总说"一个人就是一支队伍",但大多数时候,这只是一种鼓励。OmniWork想让这句话,变成一种真实的工作状态。
文章来自于"深思圈",作者 "深思圈"。
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md