最近有个需求——把网上的养生视频，用自己的动画人物，把这些动作重新制作成一套风格统一的跟练视频。
刚开始，我觉得这应该是小事一桩。现在的 AI 视频模型已经能生成电影感画面了。我手里又有参考视频、人物主视图、三视图和手部特写，需求也很明确。
把这些资料扔进去，告诉 AI 照着做，开干。
结果遇到的困难太多了。
开天门这个养生动作，大拇指要贴着额头正中线自下而上推。我拿某厂新的模型连着试了几轮，拇指的形态就是不对。
视频一条都还没做出来，积分不会先被我干完吧？
这么强的新旗舰模型都搞不定？
历史的经验教训告诉我们，基座模型再强，我们小白干活还得走 Agent。
于是我把整个项目搬到了 TapNow Creative OS 上。
TapNow，老朋友了，有一阵没用了，打开TapNow，整个创作系统大更新——它把自己叫做全球首个 AI 原生创作系统。
过去你想做图，绕不开 PS、可画；想做视频，绕不开达芬奇、剪映；想做 3D 和模型，绕不开 Blender。 而现在，AI 时代有了一个属于每个人的操作系统，让你能够全链路地实现创意。
废话不多说，实操看看效果。
打开画布，输入框点「+」，能直接连飞书、Notion 这些工作平台。
我的参考资料、动作说明、之前的讨论记录都在文档里。以前的流程是复制→粘贴→发现漏了→再复制。现在可以让 Agent 自己去读。
对专门做商业项目的人，应该都很有感触：客户 Brief 在飞书、会议纪要在飞书、参考素材在 Notion、客户新要求在 Slack——这些东西可以直接变成项目上下文，Agent 从真实的工作环境里开始创作，而不是从一个空白输入框开始。做完之后，脚本、分镜、参考包也能同步回去，形成闭环。
接着我建了个主体资产。
我给「养生人」这个角色传了三视图、主视图和手部特写。建一次，后面所有对话直接调用，不用每次重新甩图、重新解释「我的主角长这样」。
然后打开Creative OS 里的头脑风暴模式（输入区「+」→头脑风暴）我把需求丢进去，问它：我的思路和描述清晰吗？
它类似于grill-me这类skill，开干之前先把你问麻，深度对齐你的需求。它先去搜了「开天门」的标准手法。
然后甩给我一份诊断，说思路是清楚的，但有三处描述会让执行落到错的地方：
还有两处我没意识到的缺项：
它最后把这些整理成了一张表：
它把视听语言里的专业问题，翻译成了我这种外行也看得懂的选择题。专业判断依然存在，做判断的人还是我——只是我一个模糊的想法，终于有了继续往下走的路径。
上面那些问题补完之后，又问了好几轮，之后它开始生成。然后没有意外地——错了。
我反馈「拇指依旧不对，人需要直立，红线也不对」。它没有辩解，先去看了实际生成出来的结果，然后指出了三处问题，其中一处是它自己没料到的：
- • 拇指伸直用了指腹——这恰恰是它自己在提示词里明确禁止的那一项，模型没吃进去；
- • 方向反了，拇指从上往下推。开天门必须自下而上，推反了整个手法就是错的。而我说的「红线不对」根源就在这里——红线跟着拇指走，拇指往下，红线就往下长；
- • 姿态上，它写的是「四分之三侧身站立」，我要的其实是正身直立。
之后又反复校了好几轮。做到一半我开始理解，为什么这个任务这么难：这是一张非标准的人脸（没有五官锚点），还要求准确的移动轨迹和路径可视化。我换了几个主流模型裸跑，都搞不定。
但最后，经过了我的不懈努力和死缠烂打地沟通，位置终于凑巧对了。
于是，成片长这样：
这个结果依然有继续优化的空间，但已经从“完全无法使用”推进到了“动作意图清楚，可以继续制作”。更让我意外的是，整个过程中我们聊了大量上下文。
从人物形象、参考视频、视角，到手势、背景、红线路径和已经否决的方案，信息越来越多。Creative OS 仍然能调用最初的主体资料和约束，不需要我每一轮都从头解释。
整个系统的Memory，在这个任务里有了非常具体的价值：
修改第十版时，它还知道第一版为什么错，以及这个项目最初想做什么。
体感不错。
第一条跑通之后，我试试它的长视频理解能力：
给它一条完整的跟练视频，让它拆解出里面每一个动作片段，再用我的动画人做出一样的动作。最好还能整点活——动作做完显示一下练的是哪个部位，或者表达一下情绪。其他自由发挥。
依旧开头脑风暴模式。
它先读了画布上下文和素材，说视频有 12 分钟，我先分析里面的动作序列，然后开始逐个拆解、逐个跟我确认。
拆到整点活那一条，我本来的想法很简单：动作做完做个幽默的表情，漫画气泡弹出来说好酸。
它把我这个方案毙了。
它说气泡不该用漫画气泡，该用解剖图那种引线标签——细线从肌肉拉出去、连到一个方框注释，跟这个黄色小人是同一套视觉语言，直接长在他身上。
然后它还嫌「腹外斜肌：好酸」太平，说真正好笑的是把肌肉写成身体的下属部门——会打申请、会已读不回、会离职。人是管理层，肌肉在集体摆烂：
上下齐发 后半段 → 引线拉向三角肌： 三角肌：申请调休
深蹲击掌 第三次蹲下 → 引线拉向股四头肌：股四头肌：已读不回
左右拉筋 拉到极限 → 引线拉向内侧肌群： 内侧肌群：本组织正在离职
收尾松的时候 → 红色退回黄色，标签收回： 已撤回申请它接着顺手排了个节奏：12 个动作共用一套喜剧引擎，第 1 个动作只有一根引线，到第 8 个动作三根同时炸出来，最后一个大鹏展翅所有标签一起收回——「全体：解散」。12 分钟有了终点感。
这就是所谓的 Agent 自动提案。它不等你下指令，自己先把需求嚼一遍，拆完限制甩几个方案出来，再挑一个最有戏的往下推。
接着回到成片问题：每个动作 60 秒，生成出来的片段只有几秒。这决定了要产多少条，也决定了那套节奏铺不铺得开。它把这个和口吻放一起让我定，定完落档到画布上。
接着就是持续出片。
从一句话需求，到一张长成这样的画布，一个软件全搞定。
片子出完，我回头翻了翻，还有几个功能不错，它都有。
一个是 Skill。
这套「养生动作 → 拆分镜 → 引线标签梗」的流程，我跑一遍是一遍，下次换套动作还得从头解释。Creative OS 里有个 Skill Creator，能把整条流程连着提示词、审美偏好一起打包。下次新开个窗口调用它，把新脚本扔进去就行。
一个是提案。
我这条是自用，做完就完了。但要是给同事展示或者对外展示，画布里的东西能直接组织成一个提案网页发给别人。
还有一个是后面的制作台。
播放列表能在画布上编排分镜，3D 片场能把一张场景图撑成一个能走位的空间，素材库管项目资产。这次我没深用，但链路是通的，前面聊出来的东西不用重新导一遍。
整条做下来，我这个不会 PS、不会剪映、不会 Blender 的人，把脑子里的东西做出来了。
全程我只干了一件事：说清楚我要什么。连这件事，它都会反过来帮我梳理对齐。
