實測AI Agent產品OmniWork，我免費“雇”了一批專家給我打工

作者 | Kino

編輯 | 張潔

過去一年，AI Agent絕對是整個AI行業最熱的關鍵詞之一。

但真正用下來，很多Agent產品給人的感受卻有點微妙：自動化流程是跑起來了，token也燒了不少，最后交付出來的東西卻未必真的能用。

所以，當我們最近關注到OmniWork這款新的Agent產品時，最開始是帶著一點懷疑的，它給自己的定位是一款面向全創作場景的AgentOS。

但經過幾天的試用，體驗完全超乎我的預期。我愿稱之為內容創作者、品牌營銷團隊、AI Native創作者、小團隊項目負責人的本命Agent。

（目前OmniWork仍處于內測階段，采用邀請碼機制開放體驗。我們準備了幾個邀請碼，感興趣的玩家可以留言領取。）

OmniWork官網：www.omniwork.ai

先給省流版結論，相比市面上的其他Agent產品和通用型AI助手，OmniWork最打動我的地方在于：

它把真實行業專家的工作流、判斷標準和執行鏈路封裝進Agent里，圍繞不同創作方向，配置了多個專家型Agent。

在OmniWork里，你可以從專家市場中直接免費“雇傭”各種專家給自己打工。

OmniWork的專家市場

這些專家本質上是圍繞具體創作方向設計的專家型Agent，覆蓋內容策劃、趨勢分析、腳本創作、音樂制作、視頻創作、游戲開發、社媒運營等不同任務。

雇傭之后，系統會根據任務需求，把工作分配給適合的專家來處理；你也可以主動@某個專家，讓它負責某個環節。當然，如果現有專家不完全符合需求，也可以自己新建專家。

對于復雜一點的項目，OmniWork支持多Agent協作。多個專家分別承擔研究、策劃、腳本、視覺、開發、增長等環節，再在統一工作區里協同推進。

另一個比較關鍵的能力是Autowork，也就是自動化任務。你可以設置周期性任務，比如每小時自動運行一次，讓Agent持續追蹤垂直行業動態、監測競品 / 特定話題 / 社媒賬號，并定期生成報告。

OmniWork還擁有用戶畫像記憶、創作偏好記憶和項目級工作記憶，可以在后續任務中持續對齊和調整。比如我在第一次任務里告訴它，我的內容偏好是不要太多技術黑話、標題不能太標題黨、更喜歡從創作者視角切入，后續再進入新的任務時，它就能繼續沿用這些偏好，而不是每次都需要我重新解釋一遍。

OmniWork還試圖幫助創作者把個性化的工作流和經驗，沉淀成可復用的Agent能力。每次完成復雜任務后，系統就會觸發“是否將這次任務創建為一個Skill或定時任務”的提示。

那么，內容創作流程究竟能被OmniWork接管到什么程度？多個專家型Agent協作表現如何？最終交付結果是否真的完整可用？帶著這些問題，我們對OmniWork進行了一番深度實測。

讓OmniWork復刻一個LV版貓咪奢侈品廣告

第一個任務是我讓OmniWork基于一條現成的Gucci貓咪廣告視頻，復刻一條LOUIS VUITTON版本，不僅要把背景、包袋、貓咪服飾這些核心視覺元素整體替換成LV的品牌體系，還要配上最近小紅書、抖音上很火的斯皮爾伯格轉場BGM，并讓貓咪從包袋里探出的那一刻卡上音樂開始的節點。

參考視頻（來源：小紅書@栗米桃）

從執行過程來看，OmniWork先識別到這是一個“奢侈品廣告復刻+品牌化重制”的任務，然后調用了一個名為Film-Production-Director的專家角色作為主導，并明確說明接下來會先分析原始視頻，再做視覺替換，之后生成視頻、合成BGM，最后輸出成片。

接著，OmniWork調用了video-frame-extractor的Skill對參考視頻做拆解。它先是對原片的結構進行了詳細分析：包括原片是9:16豎屏、時長約6.8秒，開頭是綠色Damask花紋背景和Gucci手提袋，中段是橘貓從包里探身，頭戴GGMonogram帽子、身穿針織外套和絲巾，結尾則是品牌字母完整浮現，貓咪轉頭wink收尾。

然后把“LV復刻版”應該改哪里也列得很明確，比如把綠色墻紙替換成深棕、焦糖色的LV Monogram花紋墻紙，把Gucci綠色購物袋改成LV棕色帆布Monogram購物袋，把貓咪身上的GG印花改成LV Monogram印花，把“GUCCI”字母浮現替換成“LOUIS VUITTON”金色字樣逐字出現。

后面的視頻生成和BGM合成執行得也很順利，全程沒有出現過每執行一步都要我確認和同意的情況，而是以一種比較連貫的方式持續推進。

就最終成片來看，OmniWork這次的完成度是很高的，不僅和原視頻的結構和節奏相似，BGM和音樂卡點和貓咪出包袋的動作也能對應上，已經可以直接拿去發了。

對于內容創作者或者經常要做短視頻翻拍、風格改編、品牌化再創作的人來說，這種體驗可以大大省去中間來回切換工具的成本。

任務結束之后，它甚至還會主動彈出提示，問要不要把這個工作流沉淀成一個可復用的Skill。

從0打造一個AI領域小紅書KOL賬號

接下來再試試用它從0打造一個AI賬號，因為我也想看看能不能把自己平時對AI工具的使用，對內容趨勢的觀察，沉淀成一個更長期的個人IP。

但賬號定位怎么定？第一批內容發什么？后面如何持續更新？我是這么告訴OmniWork的：我想做一個AI領域的KOL小紅書賬號，希望參考類似“秋芝”這類個人IP賬號，打造一個兼具專業度和個人風格的賬號，幫我構思下賬號定位、內容風格、增長策略等。

從執行過程來看，OmniWork接到任務后，把任務分給了兩個不同專家：一個是Growth-Marketing-Expert，負責賬號定位、人設構建、受眾分析、增長節奏和互動策略；另一個是Trend-To-Post，負責欄目規劃、首批選題、圖文腳本和短視頻腳本。

OmniWork給出的核心判斷是：AI賽道的競爭不在知識量，而在于“誰能讓普通人真正上車”。在最終生成的《小紅書AI領域KOL賬號完整運營策略方案》中，OmniWork先給出了賬號定位：核心賽道是AI工具效率實踐×個人成長，切入點是“用AI讓普通人的工作和生活真正變得不同”。然后進一步把內容方向拆分成AI工作流實踐、提示詞工程平民化、AI輔助個人成長。

在人設設計上，它也給出了較完整的設定，還寫出了比較具體的人物背景故事：比如曾經做產品經理、因為業務調整開始學AI、慢慢形成穩定工作流。

在欄目規劃上，它設計了五個固定欄目，包括“我的AI實驗室”“AI工作流手冊”“清醒AI時刻”“每月AI成長賬”“給普通人的AI入門”，還給出了每個欄目的定位、內容形式、發布頻率和示例選題。

首批選題和腳本部分也有一定可用性。它一次性給出了20個選題、3篇完整圖文腳本和2個短視頻腳本，并按工具測評、經驗干貨、觀點洞察、個人故事、熱點借勢做了分類。例如“讓AI寫出來不像AI的5個Prompt技巧，我整理了半年”“AI工具越來越多，但我的工作流越來越簡單——為什么”等。

妥妥一套從賬號定位到內容生產的完整方案，這種顆粒度已經具備了比較強的啟動價值。對于一個準備從0到1做賬號的人來說，可以省掉前期大量無序思考的時間，尤其是欄目框架、首批選題、圖文腳本和短視頻腳本這些部分。

不過，雖然OmniWork給的這份方案整體完成度很高，但個人IP賬號最關鍵的還是人，AI不能替代創作者自己的經歷、人格魅力和價值判斷。如果要真正做出一個有辨識度的小紅書賬號，還需要創作者繼續加入自己的真實案例、具體工作場景和個人表達細節。

總體來看，這個任務比較清楚地體現了OmniWork在策略型創作任務上的優勢。它沒有只給出一堆泛泛而談的運營建議，而是能結合平臺生態、用戶畫像和賬號目標，輸出具體的內容策略。

自動追蹤AI行業動態，生成日報和選題建議

對于AI創作者來說，每日追蹤行業信息也是一項強需求。有時候真正消耗時間的往往不是寫稿，而是前期的信息篩選、交叉整理和選題判斷。我也試了試讓OmniWork替我完成。

我在OmniWork的自動化任務（Autowork）入口里創建了一個“持續追蹤AI行業動態，生成AI日報和選題建議”的自動化任務，并設置為每1小時運行一次，同時開啟立即運行。就像是在給一個助理交代固定任務：你要追蹤什么、多久執行一次、是否現在開始。

從生成結果看，OmniWork并沒有只給我一份簡單的資訊列表，而是把AI行業動態整理成了一份結構化日報。日報頂部先給出整體概覽，包括日期、追蹤關鍵詞，以及“30+重要事件、8個搜索維度、56個Reddit熱帖、200+X熱門推文”等匯總指標。

在正文部分，它將信息按主題分區整理，比如“模型與技術突破”“產品與商業化”“融資與并購”等。而且，OmniWork會在不少事件后面補一句判斷，而不只是告訴你發生了什么。

比如在GoogleI/O相關內容里，它提到Google的戰略敘事從“做最好的模型”轉向“讓AI成為每個設備的操作層”；在Anthropic和SpaceX的合作里，它會把算力合作、企業服務和競爭格局聯系起來。

更貼近內容創作者需求的是最后的選題建議。比如“GoogleI/O2026全面復盤——AI操作系統vs超級應用，誰的路線對？”“Musk的AI帝國矛盾——起訴OpenAI、給Anthropic算力、運營xAI”“Anthropic拿下22萬GPU——算力軍備競賽進入國家級”“645倍價差——大模型價格戰的終局是什么？”這類選題已經不是單條新聞標題，而是帶有切入角度和操作方式。

在體驗上，這個任務最能體現OmniWork和普通聊天機器人之間的差異。普通AI助手通常需要用戶每次主動提問：“今天AI圈有什么新聞？”“幫我整理一下熱點”。而Autowork的邏輯是，用戶只需要設置一次，Agent就可以按固定周期去執行同一類任務，并把結果沉淀成報告。

整體來看，對于需要長期關注行業、追競品、找選題的內容創作者、品牌營銷團隊來說，這一能力可以大大降低前期信息處理成本，幫助人更快進入判斷和創作環節。

不過，為了保證準確性，一些數據和事實仍然需要人工二次核查來源，不能只依賴Agent的整理結果。

生成一份可復用的AI視頻模型測評文章模板

生成一份可復用的AI視頻模型測評文章模板，也是一個很實際的需求。

由于我們經常需要測評不同的AI視頻生成模型和平臺，比如寫模型體驗、產品評測、工具對比、能力橫評類文章，所以我讓OmniWork幫我設計一份可復用的AI視頻模型測評文章模板，用于之后快速撰寫模型體驗、產品評測、工具對比類文章。

首先要說的是，OmniWork把模板做成HTML可視化頁面這一點很加分，有些出乎我的意料。

這份模板覆蓋了11個部分，從快速結論、產品基本信息、測試方法論，到測試用例矩陣、八大維度評分、亮點與槽點、適用場景、橫向對比、定價與成本分析，再到最終結論，基本對應一篇AI視頻模型測評文章的完整結構。

在測試用例設計上，OmniWork把AI視頻模型常見的能力短板拆成了具體測試場景。比如人物特寫與面部細節、相機運動控制、視頻內文字渲染、圖生視頻一致性、長視頻敘事連貫性等。

評分體系也有一定專業度，它把深度評測拆成八個維度，包括畫面質量與細節、運動流暢度、Prompt遵循度、生成速度、人臉/主體一致性、物理真實感、風格多樣性和性價比，并給每個維度設置了權重。

適用場景部分覆蓋影視/短片制作、社交媒體內容、電商產品展示、游戲/動畫概念、企業宣傳視頻、音樂MV制作等方向。橫向對比表則列出綜合評分、最高分辨率、API、月費起價等指標。

對于寫對比測評類文章來說，基于這些指標填入不同產品的數據，就能快速形成對比結論。不過，總體上這份模板更偏通用測評框架，實際寫稿時還需要根據產品和文章目標做一些取舍。

除了我們這次實測的幾個內容創作任務，OmniWork目前也在往更垂直的行業場景里延展。

比如在AI影視和短劇創作方向，OmniWork已經在嘗試把劇本構建、分鏡設計、表演調度、視聽語言這些環節交給不同的Experts協作完成。這里的重點是把導演、攝影、表演等崗位里的判斷方法，盡可能轉化成Agent可以執行的流程。官方也提到過與上戲文化 · 上海戲劇學院產學研實踐平臺的相關合作。

在互動內容和游戲方向，OmniWork也有一些更Agent Native的嘗試。比如在AI Native交互視頻游戲里，Agent不只是生成劇情文本，而是作為玩法引擎參與動態敘事和角色互動。玩家的每次輸入都可能影響故事走向，再由不同Experts協作完成敘事生成、角色驅動、場景渲染和交互邏輯。對于品牌互動體驗、教育類互動敘事或輕量Web游戲來說，這類能力的想象空間會比傳統固定分支劇情更大。

OmniWork也在嘗試讓Expert Teams覆蓋從策劃到代碼實現的鏈路。比如由游戲策劃Expert負責世界觀、玩法機制和游戲設計文檔，由前端開發Expert負責HTML5或React游戲實現，再由美術資產Expert處理角色立繪、Spritesheet、動畫資源等。原本可能需要策劃、開發、美術幾個人協作的小項目，理論上可以壓縮到“一個人+一組專家Agent”來推進。

當然，這些行業場景我們這次沒有逐一深入測試，但它們足以說明OmniWork的產品方向：試圖把影視、音樂、游戲、社媒等不同創作行業里的專業流程，做成可以被調用、協作和復用的Agent系統。

整體體驗下來，OmniWork尤其適合內容創作者、品牌營銷團隊、AI Native創作者、小團隊項目負責人。

當然，OmniWork現階段并不是一個可以完全替代人的全自動創作團隊。在創意判斷、審美把關、內容取舍和最終發布策略上，人的經驗依然很重要。

目前OmniWork仍處于內測階段，暫時采用邀請碼機制開放體驗。“AI新榜”為各位準備了10個邀請碼，感興趣的玩家可以在評論區留言，先到先得。如果沒拿到名額，也可以前往官網了解產品信息，申請加入后續內測。

歡迎分享、點贊、推薦

一起研究AI