第 24 章 如何进行多 Agent 系统设计

一人公司产品宣传部实践(HyperFrames + 多 Agent)、WorkBuddy 专家团产品。本章以产品宣传片专家团的实际案例,回答:多 Agent 系统如何设计分工、如何串联产物、何时值得拆分。

单 Agent 和多 Agent 的真正差别

维度 单 Agent 多 Agent
上下文 所有信息在一个任务 角色只接收必要上下文
分工 一个执行体串行完成 多角色并行或接力
工具 同一组权限 可按角色隔离工具和权限
质量 自己生成、自己检查 可设置独立评审者
成本 较低 协调、模型和工具调用更多
风险 一处错误影响整体 错误可能在角色间传播

多 Agent 的价值来自专业分工、并行、权限隔离或独立评审,不来自角色数量。

任务是否值得拆分

满足越多,越适合多 Agent:

  • 至少两个子任务可以独立进行;
  • 子任务需要不同方法、资料或工具;
  • 输出可以定义清楚的交接格式;
  • 并行能显著缩短等待;
  • 有明确总负责人和最终验收;
  • 预算允许多轮调用。

只改一封邮件、总结一份 PDF 或格式化一个表格,不需要专家团。

案例:产品宣传片专家团

任务背景

HyperFrames 是 HeyGen 开源的视频渲染框架(截至案例时 GitHub 17.7K Star),核心特点是对 AI Agent 友好:Agent 可以自动生成基于 HTML 的视频帧并渲染输出。产品宣传片具有相对固定的套路——无需口播和演员,主要由产品展示、概念字幕和 BGM 构成。这类任务适合 Agent 团队分工处理。

工序设计

产品宣传片专家团的完整工序如下:

flowchart TD A[主理人:接收任务,拆解子任务] --> B[Brief 角色:调研产品,输出内容简报] B --> C[分镜师:按 Brief 拆解镜头序列] C --> D[素材师:生成或抓取每帧所需素材] C --> E[剪辑师:按分镜表在 HyperFrames 中逐帧渲染] D --> E E --> F[配乐师:分析情绪曲线,生成并选择 BGM] F --> G[主理人:整合所有产物,输出成片]

角色契约

角色 输入 输出 禁止动作
主理人 用户任务描述、素材空间 任务拆解、状态追踪、成片 不跳过子任务验收直接交付
Brief 角色 产品官网、介绍文档 brief.md(产品定位、核心价值、目标用户) 不直接写脚本
分镜师 brief.md 分镜表(时间码、画面、字幕、转场、动效) 不引入 Brief 未确认的信息
素材师 分镜表 产品截图、概念图、界面素材 不使用无版权来源素材
剪辑师 素材、分镜表 逐帧 MP4 片段 不改动分镜结构
配乐师 分镜表、情绪标注 BGM 候选及推荐理由 不只输出一个选项

专家团演示

在做产品宣传片之前,需要先把相关素材放到工作空间内。

我希望你做一个产品宣传片,具体的话,是宣传腾讯的workbuddy最新的专家团,主打opc场景。当前空间下我放了一些素材,成片风格可以偏apple风格、真实软件界面。整个过程全自动

团长先接到任务:把"做一支宣传片"拆成了一串子任务:先得搞清楚 WorkBuddy 专家团到底是什么、卖给谁、核心价值是什么;再决定叙事结构、镜头数量、节奏;然后再分头去做素材、剪辑、配乐。

brief 角色先开工:去把 WorkBuddy 官网、产品介绍、专家团列表都翻了一遍,输出一份 brief ,这是什么产品、目标用户是谁、最值得放进 60 秒的几个核心点。

分镜师接着 brief 干活:把 60 秒拆成了 7 个镜头,每个镜头都细到时间码、画面、文字、转场、动效、需要的素材类型。

然后 素材师 和 剪辑师 开始干活:一个去生成 / 抓产品截图、概念图,另一个把素材按分镜表往 HyperFrames 里塞,逐镜头渲染出每一段 MP4。

最有意思的是 配乐师:它不是简单写个"科技感 BGM"的 prompt 完事,它会先把分镜表读一遍,研究每个镜头的情绪曲线,标好哪些地方需要鼓点卡产品 reveal、哪些地方需要降下来做留白、哪些地方需要一个 hit point 推 CTA。然后再去调用音乐模型生成候选 BGM。

最后由 团长 把所有产物整合,跑最后一道剪辑,输出成片。

整个过程我基本就是个旁观者:偶尔在关键节点拍一下板,比如分镜要不要这么排、BGM 喜不喜欢、字幕文案要不要改。

最后出来的片子,还挺不错的。

共享产物层

多个 Agent 不应各自维护一份"产品事实"。建立单一产物路径:

project/
├── brief.md                  # 产品简报(Brief 角色产出,主理人确认)
├── storyboard.md             # 分镜表(分镜师产出,主理人确认)
├── assets/                   # 素材(素材师产出)
│   ├── screenshots/
│   └── concepts/
├── clips/                    # 逐帧片段(剪辑师产出)
├── bgm/                      # BGM 候选(配乐师产出)
└── output/final.mp4          # 成片(主理人整合)

下游角色只读取上游已确认的产物。角色之间不通过对话传递关键内容细节。

并行与串行

可以并行: 素材生成与剪辑准备、不同镜头段落的渲染。

必须串行: Brief 确认后才写分镜、分镜确认后才生成素材、素材就绪后才剪辑、成片完成后才配乐合成。

并行计划必须标明汇合点。素材和剪辑可以并行准备,但最终合成必须等待所有素材就位。

主理人的职责

主理人(制片人)是工作流控制器:

  • 解释用户任务并维护子任务状态;
  • 分发最小必要上下文给各角色;
  • 检查上游产物是否满足交接格式;
  • 决定并行、等待或重试;
  • 在关键节点(如分镜确认、BGM 选择)请用户拍板;
  • 汇总所有产物,执行最终合成;
  • 对成片做一致性检查(画面、字幕、BGM 节奏是否对齐)。

三个必须由人确认的点

  1. Brief 确认:产品定位、目标用户、核心卖点是否准确;
  2. 分镜确认:叙事结构、镜头数量、节奏是否符合预期;
  3. BGM 选择:情绪风格是否与成片调性匹配。

Agent 负责生成和执行,不能替代品牌方向和风格判断。

产品化路径:从自建到预置专家团

自建团队

将上述角色封装为一套 Skills,在 Agent 框架中自行编排。适用场景:开发者需要完全控制每个角色的提示词、工具权限和交接格式。门槛包括:定义角色职责、设计交接格式、调试并行与串行逻辑。

预置专家团

WorkBuddy 专家团将上述分工产品化:团长负责任务拆解和分配,团员并行执行,用户只需描述任务。

创建专家团也很简单在专家->我的专家->创建专家

就会跳转到workbuddy的对话框,根据它给定的格式即可快速创建属于自己的专家。

当前专家团覆盖的典型场景:

场景类别 代表专家团
内容创作 产品宣传片、爆款内容创作、全域分发
软件研发 软件开发、代码测试
商业分析 深度研究、投资分析、数据分析
业务支持 SEO、销售、营销、财税合规、HR
法律合规 中文法律

两种路径的选择

维度 自建 Skills 预置专家团
适用人群 开发者,需要深度定制 一人公司,直接使用
上手门槛 高(需定义角色、调试流程) 低(描述任务即可)
灵活度 高(可修改任意环节) 中(支持自定义模型接入)
速度 取决于搭建时间 即开即用

质量影响因素

成片质量主要受以下因素影响:

  • Agent 底座模型:Agent 模型的指令跟随和推理能力直接影响分镜质量和任务拆解准确性;
  • 图像生成模型:影响产品截图的清晰度和概念图的视觉质量;
  • 用户提供的素材:提前放入素材空间(图片、视频)可显著提升成片质量;
  • 浏览器工具接入:若 Agent 具备浏览器操作能力,可自动抓取官网截图和产品界面,减少人工准备。

全自动方案适合快速出片(开源项目介绍视频、产品演示视频等)。对品质要求高的场景,建议以 Agent 产物为基础再做一轮人工二次剪辑。

失败传播控制

角色失败 降级方式
Brief 角色无法获取产品信息 用户补充基础信息后重试
素材生成失败 使用用户预置素材或标记空缺位置
剪辑渲染超时 交付已完成的片段和分镜表
BGM 生成失败 提供推荐 BGM 类型描述,由用户自选
主理人合成失败 交付各角色产物清单,由用户手动合成

降级交付必须说明缺失内容,不伪装成完整成果。

多 Agent 任务 Brief 模板

目标:为 [产品名称] 制作一支 [时长] 的产品宣传片。
风格:[参考风格,如 Apple 风、极简风]。
素材:[素材空间路径或已提供的图片/视频]。
角色:主理人、Brief、分镜师、素材师、剪辑师、配乐师。
确认节点:Brief 完成后、分镜完成后、BGM 选择时,需用户确认后继续。
模型:Agent 模型 [指定];图像生成模型 [指定]。
全自动/半自动:[说明是否需要中间节点人工介入]。