即刻App年轻人的同好社区
下载
App内打开
AI新手河马
40关注21被关注0夸夸
AI 启蒙
AI新手河马
5天前
可以

AI可可AI生活: 【这些顶级公司的免费AI认证课,比你买过的付费课程更值得看】 快速阅读:Google、Microsoft、IBM、Andrew Ng、Anthropic、哈佛,全都有免费的AI课程或认证。真正的问题不是找不到资源,而是学完之后有没有一套用起来的方法。 --- Google 在 Cloud Skills Boost 上有完整的生成式AI学习路径,结构清晰、有证书,光一个提示词工程模块就能改变你对输入的理解方式。Microsoft 在 Learn 平台上放了AI基础课,备考 AI-900 的材料全部免费,考试本身收费,备考内容不收。IBM 在 Coursera 上的AI工程专业证书,免费旁听就能看全部内容,有网友提到质量比自己买过的付费课程还扎实。 Andrew Ng 的 DeepLearning.AI 短课大概是这里面最被低估的。每门一到两小时,覆盖 agents、RAG、fine-tuning、提示词工程,没有废话,上来就是正题。Anthropic 官方发布的提示词工程指南是公开的,多数人没读过,读完你会发现它更像一份内部手册。哈佛的 CS50 AI 在 edX 上免费旁听,给你的是别的工具课根本不碰的理论地基。 具体链接: - Google:www.cloudskillsboost.google/paths/118 - Microsoft:learn.microsoft.com/en-us/credentials/certifications/azure-ai-fundamentals - IBM:www.coursera.org/professional-certificates/ai-engineer - DeepLearning.AI:www.deeplearning.ai/courses - Anthropic:anthropic.skilljar.com - Anthropic Docs:docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview - 哈佛 CS50 AI:cs50.harvard.edu/ai 注意:Microsoft AI-900 认证将于2026年6月30日退役,想考的要抓紧。 瓶颈从来不是获取信息,而是知道拿到信息之后怎么办。多数人在课程里学,在实际用的时候从零开始,两件事从不交叉。跑在前面的人,不是学得最多的,而是围绕所学建立了一套系统的人。 ref: www.reddit.com/r/PromptEngineering/comments/1s74puw/i_found_40_hours_of_free_ai_education_and_its

00
AI新手河马
13天前
牛逼

饼干哥哥: 有个美国人把 OpenClaw 装进 MacBook,配上一套专门为屋顶承包商定制的 Skills,接好 HubSpot CRM,加上行业专属的 SOUL.md,然后直接寄给客户。 插电,AI 员工上班。 收费 5000 美元一台,后续 weekly 支持。 虽然Macbook对企业落地明显是不行的(后面我会介绍更专业的设备) 但这个项目——叫 RoofClaw——总收入已经超过 180 万美元,服务了 360 多家屋顶承包商。 算一笔账:全球 AI Agent 市场 2025 年 76 亿美元,年复合增长率 49.6%,2033 年预计到 1830 亿美元。全球跨境电商市场今年突破 4 万亿美元,中国出口电商逼近 3 万亿人民币。 这两个万亿级市场的交叉地带——用 AI Agent 帮跨境电商公司干活这件事,保守估计是一个千亿级的服务市场。 而现在,这个市场几乎没人系统在做。 人最终会变成 AI 的燃料 我在上周的 NGS AI跨境电商大会上说过这句话。 听着刺耳,但这就是我们团队现在的真实状态: 👀 全员从微信迁移到飞书,飞书里接入 OpenClaw。所有工作对话,AI 在旁边同步,沉淀成知识,转成 Skills,下次直接调用。这个循环跑起来之后,组织里每一次对话都在给 AI 喂燃料,让它越来越懂这个行业、懂这家公司、懂每一个具体的业务场景。 周日我还办了一场 OpenClaw 跨境电商闭门会,来的都是真在跑业务的人。 但我发现一件事——大家对 OpenClaw 在企业管理端的想象力,明显比业务端弱。 其实跨境公司的管理问题一点不比业务小:员工流失、知识断层、数据滞后、达人管理混乱,每一件都能搞垮一个正在增长的公司。 下面就把我们团队真实在跑的几个场景拆开讲,看看这千亿市场到底要怎么做? 图片 01 沉淀群聊内容为知识库,再转成Skills 公司最贵的隐性成本不是广告费,是人员流动造成的知识损耗。 一个做了两年的运营离职,他知道的平台规则、踩过的坑、和供应商的默契,全带走了。 下一个人从零开始,再踩一遍。这个循环每年都在重复。 我们现在的做法就是前面说那样,如果你也想配置的话,老实说,一点门槛没有。 我都是直接跟Claude沟通的 图片 提示词: 我想用 OpenClaw 搭建一套团队知识自动沉淀系统。 当前状况: - 团队在飞书群里沟通日常业务 - 核心知识散落在聊天记录里,没有系统整理 - 员工离职后知识断层严重 我的诉求: 1. OpenClaw 接入飞书群,实时监听业务讨论 2. 自动识别有价值的业务经验、踩坑记录、操作规范 3. 整理后写入 AGENTS.md 对应章节(按业务模块分类) 4. 每周五自动输出一份「本周知识沉淀周报」到飞书群 请帮我设计: 1. SOUL.md 中关于知识沉淀的角色定义 2. AGENTS.md 的知识分类结构(覆盖我以下业务模块:[选品/运营/广告/供应链/达人管理]) 3. HEARTBEAT.md 的知识巡检逻辑(每小时检查一次新消息,有价值内容才处理,没有则 HEARTBEAT_OK) 4. 每周五知识周报的 Cron 配置(isolated session + announce 到飞书群) 02 让 AI 来调度企业现有的自动化工具 很多跨境公司已经有一套在跑的自动化流程:n8n 工作流、各种 RPA、定制脚本。 这些东西干活很稳,但彼此之间是孤岛。A 跑完了要不要触发 B,全靠人来盯。 OpenClaw 最适合做的就是这层调度大脑。 我在线下大会的观点 原理是这样的: 👀 OpenClaw Gateway 原生支持 Webhook 接收。在 openclaw.json 的 hooks 里开启 webhook,设好 token,n8n 工作流跑完一个任务,结果通过 HTTP POST 推到 OpenClaw 的 /hooks/agent 端点。OpenClaw 收到后启动一个 isolated session 的 agent turn,判断下一步是继续推进还是需要人工介入,异常的时候生成处理建议并推送到飞书群。 不是替换现有工具,是在上面加了一层会思考的调度层。 参考配置方案: 第一步,在 openclaw.json 里开启 Webhook: { "hooks":{ "enabled":true, "token":"你的安全密钥", "path":"/hooks", "defaultSessionKey":"hook:n8n-dispatch", "allowRequestSessionKey":true, "allowedSessionKeyPrefixes":["hook:"] } } 第二步,n8n 工作流末尾加一个 HTTP Request 节点,POST 到 OpenClaw: POST http://你的服务器IP:18789/hooks/agent Header: x-openclaw-token: 你的安全密钥 Body: { "message": "n8n 工作流 [广告数据拉取] 执行完毕。结果:ROAS 1.8,花费 ¥3200。请判断是否异常并决定下一步。", "name": "n8n-广告监控", "sessionKey": "hook:n8n-ads", "deliver": true, "channel": "feishu", "to": "飞书群ID" } 第三步,在 AGENTS.md 里写入调度判断逻辑: ## n8n 工作流调度规则 当你收到 n8n webhook 回调时: 1. 解析工作流名称和执行结果 2. 对照以下阈值判断是否异常: - 广告 ROAS 低于 [你的阈值]:异常,立刻通知 - 库存低于 [X] 天销量:异常,立刻通知 - 工作流执行失败:异常,立刻通知并附失败原因 3. 正常情况:不输出任何内容,静默处理 4. 异常情况:推送到飞书群,格式为「⚠️ [工作流名称] 异常:[具体问题] → 建议:[处理方案]」 5. 工作流依赖关系:[工作流B] 正常完成后,自动触发 [工作流C](通过 curl 调用 n8n 的 webhook URL) 03 业务 SOP 沉淀成 Skills,才是真正的护城河 这件事我前天发过文章 教怎么把跨境电商的业务SOP转成OpenClaw的Skill 这里就不赘述,核心在于让Openclaw来反问,把业务SOP梳理清楚。 04 让老板回归「做重要决策」这件事 这是我见过最多跨境老板踩的坑:每天花一个小时看各种后台数据,看完也没做什么决策。 数据本身没有价值,数据驱动的决策才有价值。 我们团队跑了一个永不下班的决策助理。 设计逻辑: 👀 连接亚马逊广告 API、独立站 GA4、飞书多维表,每小时拉数据判断异常。ROAS 低于阈值、退款率超标、库存不足 7 天销量——才推送。其他时候沉默。每天早 9 点一份当日简报,已经带结论和建议动作,不需要老板自己算。 除了业务数据,这个 Agent 还能接收团队成员的日报周报,自动提炼关键进展和卡点,老板打开飞书看到的不是一堆文字,而是一份结构化的「需要你关注的事」清单。 老板真正需要的只有一个信息:现在哪件事需要我做决定。 配置方案: 第一步,配置数据巡检的 Cron 任务。用 isolated session,正常时不产生输出: openclaw cron add \ --name "data-patrol" \ --cron "0 * * * *" \ --session isolated \ --message "执行数据巡检。读取 AGENTS.md 中的异常阈值规则,调用对应 API 拉取最新数据,逐项判断。如果全部正常,只回复 HEARTBEAT_OK,不要输出其他任何内容。如果有异常,输出格式:⚠️ [指标名] 异常:当前值 [X],阈值 [Y] → 建议:[处理方案]。" \ --announce 第二步,在 AGENTS.md 里定义异常阈值: ## 数据异常阈值(根据自身业务填写) - 广告 ROAS 低于 [X] - 单日广告花费超过 [X] 元且 ROAS 未达标 - 退款率超过 [X%] - 某 SKU 库存低于 [X] 天销量 - 独立站跳出率突增 [X%] 以上 - 新品上线 [X] 天内零转化 ## 数据源配置 - 亚马逊广告 API:通过 Skill [amazon-ads] 调用 - GA4:通过 Skill [ga4-report] 调用 - 飞书多维表(库存/销售数据):表格 URL [填入] ## 推送规则 - 正常不通知,异常立刻推送到飞书群 [群名] - 紧急事项同时私信老板飞书 05 多 Agent 协作:不要一上来就搞五个 Agent 这是我最想纠正的一个误区。 我之前写过一篇文章:用OpenClaw搭跨境电商团队:5个AI员工,跑通全平台矩阵! 但很多人看了多 Agent 的教程,第一反应就是搞五六个 Agent,一个管选品、一个管广告、一个管内容、一个管达人……然后发现整个系统根本跑不起来。 问题出在哪? 第一,没有队形。五个 Agent 各干各的,谁也不知道队友在做什么,该交接的不交接,该汇报的不汇报。 第二,活派出去收不回来。OpenClaw 的 sessions_send 有个隐藏限制:等下游回复的超时只有 30 秒,超了就丢了,上游 Agent 以为对方没干活。 第三,配置项太多容易漏。每个 Agent 要单独建 workspace、绑 IM 账号、开 A2A 权限、设 Session 可见性,少一项整条链路就是废的。 正确的做法是分阶段来。 阶段一:一个主 Agent + SubAgent 模式 不需要多个独立 Agent。用一个主 Agent,复杂任务通过 sessions_spawn 派给 SubAgent 在后台跑,跑完结果自动回传。这个模式配置最简单,90% 的场景够用。 阶段二:需要多人同时对话时,上多 Agent 当你的团队里多个人需要同时跟不同的 Agent 对话(比如运营找运营助手、老板找决策助手),这时候才需要真正的多 Agent 路由。 关键配置三件事: 1. 工作区物理隔离:每个 Agent 必须有独立的 workspace,用 openclaw agents add 命令创建,不要手动建目录。 2. A2A 通信白名单:在 openclaw.json 里显式开启 agentToAgent, { "tools": { "agentToAgent": { "enabled": true, "allow": ["lead", "ops-assistant", "ads-assistant"] } } } ## 协作准则 ### 委派任务后 - 收到 sessions_send 返回 { status: "accepted" } 后,如果不依赖结果,继续做下一件事 - 如果必须等结果,告知用户「已委派给 @[队友ID],等待结果」,然后结束当前轮次 - 队友完成后会通过 sessions_send 回传唤醒你 ### 接到任务后 1. 立刻在群里用 message 工具通知用户已接手(消息开头 @上游AgentID) 2. 执行任务 3. 完成后先在群里汇报结果(同样 @上游AgentID) 4. 同时必须调用 sessions_send 将结果发回给委派者,唤醒对方继续工作 3. 双重汇报协议:在每个 Agent 的 SOUL.md 里写入协作准则,解决超时问题: 并设置允许通信的 Agent 列表: 企业落地的最后一公里是设备 很多人找我问设备,这件事不能随便答 个人用户随便玩,Mac Mini 或者一台性能稍好的 PC,跑云端模型 API,完全够了。 但企业就不一样了。最近找我推荐设备的主要是两类场景,我说清楚逻辑,自己对号入座。 第一类:数据不能出门的企业。 很多跨境公司处理的内容包含客服对话、员工沟通、供应商报价、广告数据。这些东西如果全走云端 API,数据就在别人的服务器上跑了。一旦涉及竞争情报、价格策略、KOL 资源这类核心资产,云端方案会让老板很不安。 新闻已经在警告不要在工作设备上安装 OpenClaw,理由是安全风险。私人企业虽然没有这个强制要求,但数据主权的问题真实存在。 这类场景,本地部署模型是唯一干净的解法。 可以看下 行云褐蚁 的 HY50 ,是这个需求里性价比最高的入门方案。500GB 大容量内存,跑 Qwen3 235B Q4 这类 MoE 大模型没有问题,30 路并发足够覆盖一个中小团队的日常 AI 调用,HEYI 自研推理引擎把 CPU 内存带宽发挥到极致,整体预算在十万元级别。 适合:20 人以下的跨境团队,核心诉求是数据不出门、本地跑通 OpenClaw 的完整工作流。 第二类:团队并发量大,多人同时在用 Agent 的企业。 一台机器同时跑 20 个员工的 OpenClaw 请求,每个 Agent 会话又在调用子 Agent,上下文动辄几万 token,对内存带宽和并发能力的要求完全不是普通设备能撑的。 可以看下 HY NV4-6000 ,四块 NVIDIA RTX 6000 Pro,384GB 四路显存,128 路并发实测,32 路日常办公人均上下文 192K。这个配置的核心价值是:公司所有 Agent 工作流共享一套私有算力,数据主权完全自控,金融、法务、合规等对数据安全有强要求的环节可以直接跑。 适合:50 人以上的跨境企业,多个部门同时使用 OpenClaw,需要统一的私有 AI 基础设施。 如果是公司级 AI 中台,要撑全域 Agent 高频并发、大规模自动化业务流,就要上 HY NV8-6000 了:768GB 满血显存,支持 Qwen3.5、GLM 4.7等旗舰模型的原生推理,零量化损耗,总吞吐 2000+ tokens/s。这个配置就不是一个部门的需求了,是整家公司的 AI 算力底座。 给企业定制OpenClaw,这件事有没有搞头? 上面几个场景,有一个共同的前提:需要有人把它们配好。 目前在这件事上最赚钱的模式,不是自己用 OpenClaw 去做事,而是帮别人配好 OpenClaw 然后交付,国内已经有服务商单次服务费已经到数万元人民币。 这个模式的逻辑其实很简单。跨境公司老板知道自己需要 AI,但不知道具体要配什么、怎么配、配好之后维护谁来负责。这个信息不对称,就是服务价值所在。 👀 交付物是一套可以开箱即用的 OpenClaw 配置:SOUL.md 写成符合这家公司文化的人设,核心业务 SOP 转成 Skills 集合,飞书和 n8n 的接口接好,Cron 任务配置完毕,直接部署在 HEYI 硬件上寄给客户,或者上门部署。 插电,AI 员工上班。 海外跨境电商定制服务的市场价格在 500-2000 美元每个项目,企业级定制正在成为 OpenClaw 生态里增长最快的收入来源。而国内市场在这个垂直方向上几乎还是空白。 跨境电商这个圈子,懂业务逻辑的人很多,懂 OpenClaw 配置的人还很少,两者都懂的人几乎没有。 这是一个真实的时间窗口。

00
AI新手河马
2月前
学习的好案例

歸藏: 藏师傅的 Seedance 2.0 测评和玩法来了! ​ ​绚丽的打斗和情节可能最近大家也看多了。 藏师傅整点能变现的,能在工作中用起来的玩法,全文在这里:https://mp.weixin.qq.com/s/c-FapnM7RQP9AE7m1sRQZQ 总结一下 13 个行业实战案例👇 ====== Seedance 2.0 的三个核心能力 ▸ 全能参考:支持 9 张图片+3 段视频+3 段音频+文字的任意组合输入 ▸ 有智能:具备导演思维,会自己编排分镜、选镜头语言、控制叙事节奏 ▸ 有知识:自带世界知识,知道兰州拉面怎么做、无印良品是什么调性、高位下拉练的是背阔肌 这三个能力意味着什么?你不需要在提示词里写分镜脚本,不需要详细描述每个动作,只需要告诉它你的意图就行。 ====== 案例 1:兰州拉面广告 提示词就一句话"生产一个精美高级的兰州拉面广告,注意分镜编排"。 我没写任何关于揉面、拉面、浇汤的描述,没说用慢动作拍面条,模型自己全部安排好了。它甚至选择了升格摄影来拍捞面的过程。 这就是"有知识"的体现——它知道拉面怎么做,自己安排了完整流程。 案例 2:无印良品品牌宣传片 提示词"帮我生成一个讲述无印良品这个品牌的宣传片",不提供任何品牌资料。 它自己选了极简风格画面(木质纹理特写、椅子设计、家居空间),自己写了品牌哲学口播词:"在品牌之前,是物品;在设计之前,是需求。去除多余,回归本质。"配乐选了极简钢琴。 模型完全理解了 MUJI 的品牌 DNA。以后甲方让你出 Demo 再也不怕了,改几个字几分钟一条。 案例 3:健身教学视频 提示词"帮我生成一个高位下拉健身动作的讲解视频"。 它准确识别了目标肌群(背阔肌),示范了正确姿势,还主动提醒常见错误("不要用身体的惯性借力"),自己安排了正面、背部特写、正面的多次镜头切换。 我问了我的教练,他说这个演示相当可以了。 这三个案例的提示词加起来不超过 30 个字。跟 Seedance 2.0 写提示词的核心:写意图,不写细节。 需要加分镜的话就只写"注意分镜编排",如果你不是影视行业专业人员,交给它肯定比自己写好。 ====== 案例 4:UI 设计稿变产品宣传片 前几天发的微软"油腻"风格产品 UI 宣传视频在推上、抖音、小红书都爆了。 核心思路:先用图像模型把朴素的 UI 截图处理成微软 Fluent 风格的 3D 质感图,再丢给 Seedance 2.0 生成宣传视频。 以前这种需要大量人力和算力 3D 渲染才能做,现在一键搞定。 而且这种风格完全不需要视频参考,文字描述就够了。"Fluent Design 亚克力玻璃质感"或"Apple Don't Blink 风格快闪",它都能理解。 涉及到产品发布、App Store 预览视频,设计稿截图丢进去几分钟出片,完全不用等动效排期,不是设计师都能干。 ====== 案例 5:服装换装展示 给它一张人脸照片和三件衣服的照片,让它给我一个上身效果展示。 它直接将三套服装依次展示,自动安排了中景全身、胸口标志特写、拉链特写、正面展示的镜头切换,配了动感电子音乐,剪辑卡点非常精准。 衣服的版型细节、材质细节和装饰(袖子部分)Seedance 2.0 还原的已经相当到位了。 每个 SKU 都拍得起视频了,不再只有主推款有。 ====== 案例 6:户型图变样板间参观视频 只用一张户型图,生成了一段沉浸式的样板间参观视频。 从玄关进入然后是 U 型厨房、干湿分离卫生间、客餐厅、主卧、次卧、观景阳台,正常的参观顺序。快速转场+多角度切换,配了温馨钢琴 BGM。 空间布局、各个区域和房间的相对位置都跟户型图是一致的。 核心思路:先用图像模型根据户型图生成九宫格分镜图,再把户型图和分镜图一起发给 Seedance 2.0。 更牛的是:Seedance 2.0 的参考真的很智能,原来分镜图上的文字标注都没有出现在最终视频中,它知道那些是参考信息不是内容。 户型图直接变沉浸式参观视频,客户不到现场就能"走一遍"样板间。 ====== 案例 7:照片变日常 Vlog 喜欢别人的 Vlog 剪辑风格,但自己只有照片没有视频? 随便找几张相册照片+一段参考 Vlog 视频,一起传上去。 它完美学习了参考 Vlog 的剪辑风格,把照片变成了完整的都市生活蒙太奇剪辑 Vlog。每个镜头配了 DAWN/RIDE/CITY 等 3D 文字弹出特效,硬切卡点配合吉他 BGM 节奏同步。 不过说实话,色彩表现、环境音和小动效这些对现在的 Seedance 2.0 还是有点吃力,希望下个版本会变好。 ====== 案例 8:视频播客 给 Seedance 2.0 一张我的照片和一段克隆过我声音的音频。 它给了一段非常真实而且有感情的视频播客片段。 更神奇的是:我原来生成的音频情绪有点平,我让它表现得激动一些,它居然真的办到了。说明它有修改和调整素材的能力。 图像保证人像一致性,音频保证声音一致性,我们想做多长都可以,还可以用 Agent 自动化。 现在对自媒体来说,不用出镜、不用剪辑。一段音频+一张形象图,就能出有镜头变化的视频播客。日更不再是体力活。 ====== 案例 9:纯音频生成爱情 MV 给它一段纯音频,让它生成符合氛围的故事情节视频。 提示词"为音频生成符合氛围的有点遗憾的爱情电影剧情,需要有情节,保持音频作为视频背景音乐,转场间画面风格及音乐节奏进行卡点"。 凭一段音乐,它自行创作了一个完整的火车站离别故事。里面用上了大光圈浅景深、特写、窗框转场等电影手法,画面节奏跟音乐还有卡点。 给一首歌,模型自己编故事、选镜头、卡节奏。 小技巧:如果不允许单独上传音频的话你可以上传一张透明或者纯白的 png 图片就行。 ====== 案例 10:真人动作迁移 这个是影视行业最该关注的能力。 我找了个家里不用的拖把,先当魔法扫帚,再当长枪,录了两段视频。 Seedance 2.0 成功保持了人物和动作的高度一致性,自动添加了巨龙、城堡爆炸、怪物等特效,配了魔幻管弦乐和音效。 有个细节值得说:骑扫帚那个一开始怎么都不行,因为飞行时人物相对摄影机是静止的、世界在运动。 我跟 AI 讨论了一下影视行业的专业术语,它给了我"CAMERA MOUNTED ON"和"LOCKED-ON SHOT"这两个关键词,加上以后果然好了。 以后类似的玩法搞不定也可以参考我的做法。 以前拍特效:绿幕→动捕→CG→合成,几十人几个月。现在手机拍一段动作参考,几分钟出预览。 ====== 案例 11:小说原文直接生成动画 这个最可怕。 直接把小说原文粘贴进去,一个字不改,Seedance 2.0 精准地生成了对应的视频。 加上几秒《雾山五行》动画做风格参考,故事情节和画面内容完美遵循小说文案,打斗风格、画面风格、人物笔触都非常好地参考了雾山五行,尤其是周围环境的水墨感觉太棒了。 而且 Seedance 2.0 支持视频延长,理论上你可以一直续拍。 只要提示词跟它这么说就行:"将视频延长 15s,具体信息为:XXXX",要求部分继续将后续的小说文本发给它就行。 画风、角色、音色全部保持一致。 这意味着什么?直接吃小说原文,IP 改编的概念视频几分钟出来,不用先写分镜脚本。理论上后面能做到短剧或者漫剧视频跟小说文本同步更新。 ====== 从"手动玩"到"自动化跑":Agent 才是终局 前面的案例都是我在网页端手动操作的。 但说实话,这个模型真正让我兴奋的地方不是"我能用它做什么",而是"AI 能用它做什么"。 一个有世界知识、能理解叙事、能吃生文本的视频模型,当它被 API 调用、被 Agent 编排的时候,会发生什么? 回顾一下我们前面的流程你就会发现,我的很多案例本身就是一套行业 Agent 方案。 产品宣传视频 Agent:产品发布后→Agent 读取产品更新内容→自动截图→调用图像模型和 Seedance 2.0 生成宣发视频。 自动化口播视频 Agent:Agent 自动收集热点信息→整理为文案→转换为口播音频→生成口播场景图→调用 Seedance 2.0 生成多段视频→Agent 拼接为长视频。 电商、家装甚至小说自动转漫剧其实都可以变为 Agent,内容生产能力和质量将会大幅提升。 即梦网页端适合个人创作者体验出活。但如果你是想做视频自动化的创业者、想给业务加上视频能力的开发者、想批量出内容的 MCN/电商团队,你需要 API。 Seedance 2.0 的 API 会在春节后上线火山引擎,支持全模态输入,可直接嵌入工作流和 Agent 管线。前面所有能力,全部可以程序化调用。 感兴趣可以去火山引擎体验中心体验。

00
AI新手河马
2月前
可以试试

我叫李剑飞:

00