内容 Agent：从素材到自主生产

从一次复剪任务看，数据怎样进入生产#

假设我们有一条 30 秒的挂车视频，介绍一款收纳产品。它在可比素材中表现不错，商品点击也有吸引力，但点击后的支付转化偏弱。原片直到第 15 秒才开始真实演示，此前用了较长篇幅介绍卖点。

任务可以很简单：“再裂变三个版本。”但 Agent 必须先知道，值得改变的到底是什么。

分析角色先核对观察窗口、成交成熟度、价格、库存、商品页和受众变化。如果同期商品页出了问题，任务应转向承接修复；继续剪视频没有充分依据。假设这些检查没有发现明确异常，分析才提出一个待验证解释：用户有兴趣，但在购买前没有及时看到足够具体的证明。

这仍然是解释，不是已经成立的原因。内容总监据此决定是否值得分配制作与测试资源，编导再把它转成可执行的创意假设。

这里的“保留”也是制作约束。如果移动片段以后指代不清、配音不连贯，剪辑不能为了凑齐版本随意改口播。它应报告缺陷，让编导修订方案并留下新版本。

同一套框架，允许不同的业务判断#

上面的案例是挂车成交。换成直播引流，视频完成的任务和后续承接都会变化。

业务目标和流量来源分开记录，自然内容也可以引流或成交。点击不一定是进房，支付投产不等于净成交投产，更不等于利润。账户的整体成交也不能直接摊成某个镜头的贡献。

统一的工作框架是：目标 → 事实与诊断 → 创意假设 → 制作 → 实验 → 经验。框架一致，各环节采用的指标与判断条件随任务变化。直播间没有及时展示对应商品时，系统应该处理承接依赖，而不是继续生产同类视频。

总监还要平衡修复、有效机制扩展和新方向探索，避免全系统只追逐历史赢家。没有历史成绩的新素材也需要受约束的测试机会。

Harness 工程：让判断成为可恢复的工作#

我将组织上下文、工具、任务状态、执行约束和反馈的这一层，称为面向内容生产的 Agent Harness Engineering。OpenAI 的 Harness Engineering 实践讨论了通过环境、知识和反馈支持 Agent 完成软件工作；我借鉴这些机制，内容生产的效果仍需独立验证。

DataHub 提供业务事实、素材、权限和执行记录；Creative Craft 提供创作与评审方法；专业 Agent 在这些条件下选择行动，工具负责真实执行。以下两个机制，是我认为必须先做扎实的部分，它们描述的是完整设计合同，不代表当前全部实现。

1
业务 Brief → 证据快照 → 创意假设 H1 → 制作计划
2
          → 工程版本 B-r1 → 成片及检查 → 实验 → 观察 → 经验

1
{
2
  "hypothesis": "H1: 证明前移",
3
  "evidence_snapshot": "E1",
4
  "baseline_revision": "A-r1",
5
  "variant": "B",
6
  "segment_order": ["S1", "S3", "S2", "S4"],
7
  "preserve": ["商品", "价格", "开头", "片段口播", "配乐", "CTA"],
8
  "required_checks": ["来源与使用条件", "商品一致性", "字幕音画连续性"]
9
}

经验如何进入下一轮，而不固化错误#

在本例中，假设 B 点击更高，但支付没有成熟，经验只能停在观察中。即使成交改善，仍要记录对照条件、样本与不确定性；若退款恶化，不能只保留点击提升的结论。

我计划把可复用经验与原假设、实际产物、实验和观察关联，明确商品、受众、目标、时间窗口及反例。总监据此安排下一轮验证；价格、活动或商品事实变化时，相关经验重新检查。无有效对照的经营观察可以用于决策，但不能变成无条件的因果规则。

学习也不必从微调开始。先用可解释规则与相近案例辅助排序，再用积累的实验数据评估模型；按时间与创意家族隔离训练和评测，避免近似视频泄漏。候选方法没有改善，就继续保留原基线。

Adobe Research 的 Experimentation Accelerator 为连接历史实验、内容表征和候选排序提供了参考，但原研究的文案与点击率任务不能直接当成短视频成交模型。TikTok Split Testing则提醒我区分平台流量分配与有效对照。

当前能拿出什么证据#

完整闭环尚未贯通。目前已有资产与平台素材关联、数据导入、分析诊断基础，以及项目版本、顺序时间线、片段检索和规划等局部实现。其中部分制作能力仍来自未提交工作区，不能写成已发布产品。

为了把“已有产物”说具体，这次我重新读取了两组本地 MP4 与原始回执，计算 SHA-256，并用 ffprobe 核对媒体流：

查看脱敏核验摘要（JSON）。它是从已有产物整理的公开摘要，不是新生成的原始运行回执。原视频含业务素材，未随文章公开，因此读者不能仅凭该摘要独立复现实验。

原本地测试使用真实 HTTP、数据库、Worker 与渲染流程，对象服务则是 loopback TLS/SigV4 夹具；部分规划与语义测试使用模拟模型响应。本次文件核验没有补齐云端存储、真实模型质量、平台发布或经营效果的证据，也没有进行新的播放听审。

接下来最关键的一步，是让一条真实、脱敏的业务任务走完本文的记录链。先用历史回放检查当时可得的事实与合理动作，不能提前透露结果；再在有权限、有预算的真实账户中做小规模验证。样本不足时继续保留未知。

先衡量人是否被解放，再谈日产多少条#

我会用下面几组指标评价系统，而不把生成文件数当成成功：

这些是待测指标，不是已经达到的成绩。业务目标、测试窗口和质量标准在评测前确定，不能为了好看事后换分母。

初期围绕少量商品，每个生产日按需完成约 10—20 条候选；稳定后具备每日约 100 条的处理能力。千条级属于多商品、多账户的长期扩展。生产数量、新增测试数量和持续在投数量分别记录，避免制造超出预算与流量承接能力的候选积压。

初期以已有素材复剪为主，确有缺口时生成补充镜头，完整生成保留独立试验额度。分析、检索、渲染、存储、生成秒数、废片和人工介入均计入制作成本，广告测试另行记账。先有实测输入，再计算单条费用。

专业剪辑、多 Agent、全量历史索引、多引擎、完整生成和微调仍在完整建设范围内。实施顺序由依赖和验证结果决定，产能不会替代质量或自主性的验收。

制作工具和研究，各自吸收什么#

统一剪辑工程记录素材、轨道和时间映射，再适配具体引擎；不支持的效果明确返回，不能静默丢失。FFmpeg 承担基础媒体与编码能力，模板、程序化视频和精修按任务选择对应工具。

Creative Craft 的研究参考保留以下七个项目。表中是学习方向，不表示七套产品已全部集成，也不构成它们当前能力或许可的完整评估。

正式采用时还需固定版本、核对许可与部署条件，并通过自己的工程合同验证。Agent 的编排和评价则参考 Anthropic 的任务编排与有界反馈、Agent 评测：技术正确、创意意图、表达质量和经营结果分别检验。

我想交给系统的，是完整任务#

成熟后的系统应能持续观察目标与效果，自己发现机会、安排制作、检查产物、执行获授权的实验，再决定下一批做什么。素材撤权、价格变化、预算不足或外部状态未知时，它也应知道哪些动作需要停下、哪些工作还能继续。

这条路的价值，会体现在越来越少的人工搬运、催进度和重复判断上。人不必继续充当各个工具之间的连接器，才能把更多注意力投入新的问题与创造。

我想建设的生产力，最终落在一件具体的事上：交给系统一个内容任务，它能够把事情做完，留下可检查的结果，并让下一次做得更好。

本文属于「从 DataHub 到 AI Hub」系列。上一篇：让业务事实可靠地流动，介绍支撑判断与行动的数据底座。