创作者的真正焦虑，不是流量，而是如何让好故事被看见——Omniwork Agent 实测体验
最近我体会到一种难以名状的焦灼感。它不源于流量数据的涨跌，也不来自技术冲击的恐惧。做内容这几年，我早已习惯起落，爆款固然欢喜，平淡也能复盘，绝不至于为此辗转反侧。我更不惧怕 AI 抢饭碗，因为我本就是靠 AI 协作的人，它帮我检索、帮我生成、帮我执行，我早就被“替代”了一半，而且还被替代得相当愉快。
我的焦虑埋在更深的地方：究竟怎样才能做出让自己真正满意的作品？
最近，一部潮汕方言电影《给阿嬷的情书》在市场上掀起波澜。它仅靠 1400 万成本、全素人阵容，从首日 1.6% 的排片逆袭，总票房突破 10 亿，豆瓣评分高达 9.1。它靠的不是特效，不是明星，也不是所谓的流量密码。导演蓝鸿春透露，团队在东南亚做了大半年的田野调查，采访了无数老华侨，影片里 90% 以上的细节都来自真实原型。那些侨批信札上的字句，每一行都承载着鲜活的人生，有情有义，有血有肉。
AI 能写出这样的故事吗？能。但它永远写不出那种纸短情长的分量——因为它从没有在异国深夜，听一位九十岁的阿婆讲述年轻时替人写信的往事，不知道“江海有岸，团圆可盼”这样的句子背后，是揉了又揉的思念。
所以创作者真正的焦虑，从来不是流量或技术，而是：“我到底能不能打磨出真正让自己满意的作品？”这道标尺，难以量化，也无法靠工具直接填补。
我见过很多同行用 AI 提效后，产量翻番，可作品却变得像流水线成品——结构完整、逻辑无懈可击，就是少了一股劲儿。我自己也经历过这样一段时期，写了一大堆东西，回头再看，每篇都算“过得去”，却没有一篇让我真正兴奋。
正是在这个节点，我开始认真研究 Agent OS 这类产品。我不是期望它们直接帮我写出好内容，那本来就是伪命题——好内容是想出来的，不是生成出来的。我想弄清楚的是：这些专门服务创作者的 Agent 产品，能不能让“找念头”的过程更高效？能不能让我在繁杂的素材里，更快地挖到那个值得深挖的角度，找到那个能打动人的切口？
一手实测：Omniwork 如何嵌入创作流
今天想和大家聊一个叫「Omniwork」的 Agent OS 产品。先看它的界面。
和主流 AI 产品类似，左边是功能栏，包含自动化任务、专家团队（Agent Team）和 Skills 市场，模型方面以 Claude、Kimi、GLM 为主。下面通过四个案例来感受它的真实表现。
1）拆解《给阿嬷的情书》
Omniwork 内置了大量专家，比如这位叫 Trend-To-Post 的专家，擅长追踪热点，为小红书、X（原 Twitter）、公众号等平台创作内容。
我们“雇佣”一下他。
派给他一个任务：
分析《给阿嬷的情书》为什么会火？作为创作者应该如何讲好故事？给了我们什么借鉴。据此创作一篇小红书笔记。
他会自动生产出一整套素材，包含封面图、配图、标题和正文。
甚至额外做了一个 HTML 预览页面。
仅有图文还不够，我接着让它输出一份 PPT。无需另开任务窗口，直接用对话调起专家就行。
PPT 的视觉调性还不错，暖琥珀色搭配深棕和潮汕红，呼应了侨批信件的时代感。
尤其第 8 页，我很喜欢，它恰好回应了我开篇的焦虑。
今年，有张雪机车，有《给阿嬷的情书》，它们都在传递同一件事：真诚，正在被看见。《情书》的背后，是一个团队“筹备了 30 年才走到今天”，30 年的潮学研究，最终借一部电影出圈；而张雪机车，是一个 14 岁辍学少年，用 20 年从修车铺杀向世界冠军舞台。两个毫不相干的故事，内核却一模一样：他们都把自己活成了那个“笨人”。
所以，对创作者来说，与其焦虑，不如回到那个最朴素的问题：你做的这个东西，你自己信吗？自己感动吗？如果答案是肯定的，那就去做。观众会用脚投票。
2）调研社媒账户
起号的第一步，是找到自己擅长的领域，做出市面上没有的内容。Omniwork 的专家团队里有一位 Account Monitoring Expert，专攻国内外社交媒体账户调研。
我雇佣了他，下达任务：
我计划开设一个讲中国历史的频道，帮我调研一下目前都有哪些账号，哪些领域还有机会。
他帮我分析了 8 个标杆频道，覆盖 YouTube 和 B 站。
下方便是详细的分析报告。
老实说，这份报告相当靠谱，特别是最后的建议部分。它指出英文频道依然拥有广阔市场，神话与历史混合讲述的点击率最高，蒙古、三国、唐汉等话题是观众最感兴趣的历史选题。有了这位专家，我们可以节省大量社媒调研的时间。
3）制作口播视频
今年大家有没有觉得异常炎热？才刚刚踏入五月，我已经开了一个多周的空调。联想到前段时间印度的高温，我让 Omniwork 帮我检索相关信息并制作一支口播视频。
这次需要动用两位专家，由 Experts Team 组队，直接对 Omniwork Assistant 这个调度中枢下指令：
帮我制作一支 2026 年印度高温的深度科普视频，先深度检索“2026 印度高温”的有关信息，形成 1 分钟的口播稿（从印度高温聊到今年国内的天气），然后调用 Voice Actor 生成口播视频（对口型人物由 Visual Design Director 生成一位亚洲的女主播）。
它会调用 memory、tool、skill 和 Agent 等多项能力，开始为我们干活。
先由 Visual-Design-Director 设计总监生成主播图片。
再由 Voice-Actor 配音专家生成 TTS 语音。
我们可以直接听到生成的音频。
最终交付给我们一支时长 78 秒的口播视频。
任务完成后，Omniwork 还有一个很贴心的设计：它会主动提示你一键创建 skill。
这对复杂任务特别实用，你可以把一些固定的工作流程沉淀为 skill，下次遇到类似任务直接调用，非常方便。
4）制作分钟级广告视频
最后我测试了一个更复杂的任务，需要同时调度三位专家。
这个周末我计划去汶川摘车厘子，那里有国内少见的高山水果，相比冬季的进口车厘子，价格十分“相因”（四川话，便宜实惠的意思）。我想为汶川车厘子做一支宣传视频。
我的任务描述：
检索关于汶川车厘子的信息，提取汶川车厘子的产品卖点，并帮我给汶川车厘子制作一支广告宣传视频，让外人认识汶川的车厘子。
制作步骤：
1、先搜集整理有关汶川车厘子的信息，提取产品亮点、卖点；
2、然后用 Visual Design Director 生成产品图、电商海报、商品详情图等；
3、再用 Film Production Director 生成最终的广告宣传视频。
Omniwork 把任务拆分成三步：首先搜集汶川车厘子的情报。
接着安排 Visual-Design-Director 设计视觉物料。
产品主图，1:1 方图，适合社媒封面。
电商海报，3:4 竖图，用于活动推广。
品牌故事场景图，16:9 横图，为视频生成做准备。
最后，调用 Film Production Director 制作视频。
效果依然令人满意。它走的是参照图+场景图+帧链顺序生成+ffmpeg 剪辑的工作流路径，几位 Expert 协同，自主完成从目标推进到交付的全过程。这一轮工作流测下来竟然没有出现 bug，让我有点意外。
写在最后
整体感觉，Omniwork 和其他 Agent 产品不太一样。大部分创作类 Agent 是以资产为中心，给你生成几秒镜头、一块图片或一段文案，你需要自行拼接；而 Omniwork 是目标驱动的，你只需告诉它要做什么，它就会自动调动 Experts Team 帮你走完所有流程，交付完整项目。从目标拆解到执行落地，再到最终交付，文本、图像、视频、音频、代码，每个领域都有对应的专家在为你工作。
它还有一套专属的 memory 和 skill。你用得越久，它就越懂你。当然，它不能替你构思创意、推敲方案——这件事谁也替不了你，只能靠你自己。但路，它已经帮你铺好了。你只管往前走，去找到那个“只有你自己能讲”的故事。