AI視頻工具悄悄走到了第三階段
整理版優先睇
AI視頻工具進化到第三階段：畫布原生Agent，由RHTV示範透明協作同生態賦能
呢篇文章係由一位長期關注AI視頻工具嘅創作者所寫。佢觀察到過去兩年AI視頻工具經歷咗三個階段：第一代係文生視頻盲盒，完全不可控；第二代加入咗Agent，但Agent只係懸浮喺畫布外嘅插件，體驗撕裂；而家第三代以RHTV為代表，進入「畫布原生Agent」時代——Agent就係畫布本身嘅大腦，同用家一齊睇住同一張畫布，每一步決策都透明可改。
作者用RHTV實際做咗一個MV項目，將一張包含角色、場景、分鏡、燈光嘅高密度參考板直接掟入畫布，講一句「按呢張分鏡板生成MV，3個鏡頭」，Agent就自動識別、拆解、建工作流，仲調用Seedance 2.0生成三個鏡頭。成個過程唔使寫prompt、唔使摳圖、唔使切畫面，最關鍵係Agent嘅思考過程全部攤開畀用家睇，每個節點都可以獨立修改，解決咗AI創作一直以嚟「不可控」嘅痛點。
結論係：畫布原生Agent唔單止係功能升級，更係範式轉變——將人同AI嘅關係從「使喚AI」變成「一齊諗」。而且RHTV嘅能力天花板由RunningHub呢個開源生態決定，全球社區每日貢獻新節點同工作流，封閉系統根本追唔上。作者認為未來一年AI視頻工具嘅競爭會圍繞三條線展開：係咪畫布原生、係咪透明化、係咪站喺開源生態之上。
- AI視頻工具已進入第三階段「畫布原生Agent」，Agent同畫布融為一體，唔再係外掛插件。
- RHTV示範咗點樣由一張高密度參考板一句話生成MV：Agent自動識別、拆解、建工作流、調度模型。
- 呢一代最大差異係透明化——Agent嘅決策過程（理解、規劃、生成提示詞、組裝節點）全部可見可改，解決「不可控」問題。
- 產品能力上限應該由生態（開源社區）決定，而唔係產品團隊；RunningHub嘅10萬+應用同13681個節點令RHTV持續進化。
- 創作者應嘗試「畫布原生」工具，體驗AI做搭檔而唔係黑盒；未來競爭關鍵係透明度同生態整合度。
RHTV
畫布原生AI視頻工具，Agent內建於畫布，支援透明協作同生態擴展。
RunningHub
國內最大AI內容創作者共創平台，沉澱10萬+社區應用、13681個節點、170+標準模型API，為RHTV提供生態能力。
AI視頻工具嘅三階段演化
呢兩年我睇咗一堆號稱要顛覆AI視頻嘅新產品，慢慢睇出一個規律。第一代係文生視頻盲盒：你一句話掟入去，等幾分鐘，開出乜嘢算乜嘢，唔滿意只能重新投幣。呢個階段最大問題係不可控——想換一個鏡頭就要成條片重做，根本冇局部修改嘅概念。
第二代多咗個Agent入口，可以用對話方式調度，但Agent只係懸浮喺畫布外嘅「插件」，對話歸對話，畫布歸畫布。你喺畫布精雕細琢一個分鏡，想揾AI幫手，要切到對話框由頭解釋，因為Agent唔知你畫布嘅上下文，每次都要由頭講起。呢種「雙入口模式」本質上 Agent 係個外接傳話筒，唔係真正嘅搭檔。
第三階段終於出現——畫布原生Agent，以RHTV為代表。Agent就喺畫布裏面，左下角一個掣就喚起。你揀中一個素材或者節點，直接對智能體講「將呢個調暗啲」，佢知道你講嘅「呢個」係乜，因為佢同你睇緊同一張畫布。呢三個階段，本質上係三種「人同AI嘅關係」：第一階段係使喚AI，第二階段係協助AI，第三階段先係同AI一齊諗。
畫布原生嘅力量：由一張參考板到一支MV
我用RHTV跑咗一個真實嘅MV項目，用GPT-Image-2生成咗一張「MV小提琴演奏場景·分鏡腳本與美術設計方案」綜合參考板，一張圖包含角色6視角圖、場景平面立面剖面圖、3個分鏡方案、4種燈光參考同色調推薦。文生圖模型走到今日，一張圖就可以將一支MV嘅前期規劃全部做完，但跟住問題嚟：點樣將呢張高密度板變成可執行嘅視頻？
傳統玩法要手動拆解（角色圖、場景圖、分鏡文字逐個處理）或者成張板直接丟俾模型（結果識別混亂），兩條路都又慢又唔可控。我決定用RHTV嘅方式：將成張參考板掟入畫布，對RH智能體講一句「按呢張分鏡板生成MV，3個鏡頭」。然後我坐喺度，睇住佢點做。
智能體第一件事係識別：佢喺對話面板逐條標記出參考板嘅核心元素——角色（JK制服小提琴少女）、場景（法式宮廷）、道具（小提琴）。關鍵唔係佢「識別啱」，而係佢將識別過程暴露畀我睇，我可以確認冇錯先繼續。確認完之後，佢自動喺畫布拉出兩組節點：一組叫「MV小提琴-視覺資產生產」（3個image節點：拆解、角色生成、場景生成），另一組叫「MV小提琴-最終視頻生成」（3個video節點對應3個鏡頭），仲自動配置好參考關係。
我喺呢個流程入面完全冇掂過prompt、冇自己摳過圖、冇切換過界面。想做調整？換衫只改character節點，換燈光只改lighting節點，調某個鏡頭運鏡只改對應video節點，下游會自動適配，唔使重跑成條鏈路。呢種「可改」嘅能力對專業創作者尤其重要，因為廣告片、品牌片、短劇幾乎唔可能一次成型，每次迭代都要重新跑成條流程嘅話，AI唔係幫你創作，係浪費你時間。
生態賦能同Seedance 2.0嘅特殊化處理
點解係RHTV做出畫布原生Agent而唔係其他家？答案係生態。AI視頻工具嘅核心矛盾係用戶需求邊界不斷擴展，但單個產品團隊開發能力有限。RHTV企喺RunningHub生態之上——呢個平台有國內規模最大嘅ComfyUI創作者，沉澱咗10萬+社區應用、13681個可用節點、170+標準模型API。每日全球開源社區貢獻嘅新節點、工作流、模型，都會自動納入RHTV能力矩陣。
呢種模式令產品能力上限由全球開源社區決定，而唔係產品團隊。短期封閉系統可能靠精打磨嘅官方能力贏用戶，但長期嚟講，五萬+工作流複用、十大萬+應用可調用、五大模態覆蓋，呢種規模單個團隊追唔上。RHTV嘅智能體能力唔會過時，因為能力天花板由社區決定。呢個係一個關於長期主義嘅產品判斷。
具體到Seedance 2.0呢個模型——字節嘅「導演之選」，支援@參考、首尾幀、真人參考視頻驅動動作。喺大多數平台只係「接入」咗，調用基礎、排隊長、畫質有限。但RHTV對佢做咗增強式接入：唔使排隊、速度快、支援4K同真人生成，年度會員折算約六折。更重要係，RHTV將Seedance 2.0嘅全部能力以節點參數形式開放——模型版本、解像度、時長、寬高比、參考模式、Seed細節全部可見可改。優秀嘅AI工具平台唔係做加法（接入更多模型），而係做乘法（令最好嘅模型喺你平台上用得最好）。
收尾：新範式——同AI一齊諗
返到開頭個判斷：AI視頻工具走到第三階段。第一階段解決「AI能唔能夠做出視頻」，第二階段解決「用戶點樣調用AI」，第三階段開始解決「人同AI點樣一齊做事」。畫布原生Agent唔單止係功能升級，更係範式更新：將Agent由「畫布之外嘅服務」變成「畫布之內嘅大腦」，將AI創作由「開盲盒」變成「睇得見嘅協作」，將產品能力天花板由「團隊上限」變成「生態上限」。
我有個直覺：未來一年，AI視頻工具嘅競爭會沿住三條線展開——邊啲產品做畫布原生，邊啲仲停留喺雙入口；邊啲將Agent思考過程暴露喺外，邊啲仲收喺後端；邊啲企喺開源生態上，邊啲仲喺自研封閉體系度。呢三條線決定邊個會沉澱成新一代AI視頻工具嘅基礎設施，邊個只係過渡形態。
返去我支MV：由我將分鏡板掟入畫布、講一句話，到Agent自動拆解、配置參考、調度Seedance 2.0生成——成個過程我冇掂過prompt、冇自己摳過圖、冇切換過界面。我只係做咗兩件事：上傳一張參考板，講一句中文。呢種體驗對我嚟講好新。如果你都係創作者，建議你去自己跑一趟，睇下「Agent住喺畫布裏」係種點樣嘅體驗。
- 1 第一階段：盲盒式文生視頻，不可控，局部修改要全片重做。
- 2 第二階段：雙入口模式，Agent係外掛，唔知畫布上下文，協作撕裂。
- 3 第三階段：畫布原生Agent，Agent係畫布大腦，過程透明可改，由生態決定上限。
呢兩年我睇咗一大堆話要顛覆AI視頻嘅新產品。睇咗一排，我大概睇到一個規律。
第一代AI視頻工具，係文生視頻嘅盲盒。 一句嘢掉入去，等幾分鐘，開出嚟係乜就係乜，唔滿意嘅話唯有重新入錢。
第二代多咗個Agent入口，AI開始可以用對話方式調度。但Agent係浮喺產品外面嘅「插件」，對話還對話，畫布還畫布，AI喺另一個房幫你跑腿。
最近我用咗一個國產嘅畫布型AI視頻工具，叫RHTV。打開第一眼我就覺得，AI視頻工具可能靜靜雞步入第三階段喇。
呢一代嘅關鍵詞係「畫布原生」。Agent唔係浮喺畫布外面嘅服務，而係畫布本身嘅大腦。佢住喺你嘅工作流程入面，睇得到你每一步做緊乜，亦都俾你睇到佢每一步諗緊乜。
聽起身好似只係產品形態嘅少少調整，但用過之後我意識到，佢其實係重新定義「人同AI點樣一齊做嘢」呢件事。
一、AI視頻工具嘅三階段演化
將過去兩年嘅AI視頻工具按使用體驗排一排，可以好清楚見到三個階段。
第一階段，文生視頻盲盒。
你輸入一句嘢，等模型出片。成個過程係黑盒，AI點樣理解你嘅需求、點樣揀模型、點樣處理細節，全部喺後端，用戶睇唔到。結果唔滿意嘅話唯有重新生成，冇局部修改嘅概念。
呢個階段最大嘅問題唔係出唔出到好嘢，係不可控。 一條15秒嘅短片，你想換其中一個鏡頭，一定要將成條15秒重新做過。呢種「一鋪過定生死」嘅體驗，可以用嚟玩，但好難用嚟真正做嘢。
第二階段，雙入口模式。
產品意識到「全自動」嘅問題，於是引入咗Agent。但好多產品只係喺原本嘅畫布旁邊加咗一個「對話面板」：你同Agent傾偈，Agent幫你生成，結果再返去畫布。
睇起身「AI智能體」係有咗，但本質上Agent係個外掛插件。佢唔喺畫布入面，佢喺畫布旁邊。
呢個階段嘅體驗有種微妙嘅撕裂感。你喺畫布入面精雕細琢一個分鏡，想叫AI幫手優化，就要切去對話框，同Agent解釋你喺度做緊乜。AI唔知道你畫布入面嘅上文下理，每次都要由頭講起。Agent變咗個外接嘅傳話筒，唔係真正嘅拍檔。 第三階段，畫布原生Agent。
呢個就係RHTV做緊嘅嘢。Agent就喺畫布入面，左下角一個掣叫出嚟。你揀中一個素材或者節點，直接同RH智能體講「將呢個調暗啲」，佢知道你講嘅「呢個」係乜，因為佢同你睇緊同一張畫布。
更加關鍵嘅係，RH智能體唔係淨係負責執行。佢有自己完整嘅本地決策鏈：理解需求 → 規劃路徑 → 生成提示詞 → 組裝節點。每一步都可見，每一步都可以改。你見到嘅唔止係結果，而係佢點樣得出呢個結果。
呢三個階段，本質上係三種「人同AI嘅關係」。第一階段係「使喚AI」，第二階段係「協助AI」，第三階段先係「同AI一齊諗」 。
二、乜嘢係「畫布原生」
「畫布原生」呢個詞第一次出現嘅時候，我都唔係好明佢同「喺畫布加個AI掣」有咩分別。後尾喺RHTV度行咗一個真實嘅MV項目，我大概理清咗佢嘅樣。
先講背景。我用GPT-Image-2做咗一張「MV小提琴演奏場景·分鏡腳本與美術設計方案」嘅綜合參考板。一張圖入面，將呢支MV嘅前期工作幾乎做曬：角色6視角圖（JK制服小提琴少女）、法式宮廷場景嘅平面圖+立面圖+剖面圖、3個分鏡嘅方案（側面中景、小提琴特寫、斜側情緒特寫）、4種燈光參考、仲有色調推薦。
呢張圖本身都幾值得講嚇。文生圖模型去到今日，一張圖就可以將一支MV嘅前期規劃做曬。 導演腦裏面所有要諗嘅：人物、場景、鏡頭、運鏡、光線、色調，都可以叫AI一次性鋪曬出嚟。
但問題隨之而來：前期規劃完成度高咗，但下一步點行？
按傳統玩法，我有兩個選項。
選項一係手動拆解：將參考板裏面嘅角色圖摳出嚟作為@參考，將場景圖摳出嚟作為另一組@參考，將分鏡文字複製成prompt，再分3次手動調度Seedance 2.0。呢個流程行落嚟，淨係準備工夫就夠你搞大半日，每改一處又要重新嚟過。
選項二係直接將成塊參考板掉俾Seedance 2.0：佢會將呢塊密密麻麻嘅板當成「一張包含人物+場景+小圖+文字框嘅圖」整體識別。結果就係穩定性差、可控性差、可拓展性差，輸出基本上係不可用。
即係話，當文生圖將「諗清楚」呢件事壓縮到幾分鐘，AI視頻領域反而出現咗一個新嘅工具空缺：有冇一個工具，睇得明呢張參考板，可以將佢結構化拆解，可以將每個分鏡變成畫布上可調度嘅節點？
呢個就係我講嘅「畫布原生Agent」要解決嘅問題之一。佢唔止係型，亦真係有能力去適配最新一代具有agent思維嘅圖像生成模型掟出嚟嘅高密度規劃素材。
我決定換個玩法：將整塊參考板掉俾RHTV嘅畫布，對RH智能體講一句嘢：
「按呢張分鏡板生成MV，3個鏡頭」。
然後我就坐喺度唔鬱。
RH智能體接到指令之後，冇好似傳統模型咁直接埋頭開生成。佢先做咗一件事：識別。
佢喺畫布嘅對話面板入面，將呢張參考板嘅核心元素逐條標記出嚟：
角色：JK制服小提琴少女 場景：法式宮廷 道具：小提琴
呢個動作嘅關鍵唔係佢「識別啱咗」，而係佢將識別過程暴露俾我睇。我可以睇到RH智能體對呢張參考板嘅全部解讀，確認冇錯先至等佢繼續。如果佢將JK制服理解成和服，我喺呢一步就可以叫停佢，唔使等10分鐘之後見到一團離譜嘅成品先嚟後悔。
我一直覺得，能夠睇到AI諗緊乜，係判斷一個AI產品係工具定係拍檔嘅分水嶺。 工具只對結果負責，拍檔要對過程透明。
三、透明嘅力量
確認完元素，RH智能體開始自己建立工作流。
佢喺畫布上拉出咗兩組節點：
第一組叫「MV小提琴-視覺資產生產」，入面係3個image節點，分別負責參考板拆解、角色生成、場景生成。
第二組叫「MV小提琴-最終視頻生成」，入面係3個video節點，對應分鏡板裏面嘅3個鏡頭：
鏡頭1：側面優雅演奏 鏡頭2：指尖技藝特寫 鏡頭3：沉浸式神情特寫
更加令我意外嘅係，RH智能體仲將節點之間嘅參考關係都自動配置好曬。邊個視頻鏡頭用邊張圖做參考、參考嘅優先級係乜，全部攤開喺對話面板度。
呢個係傳統Agent模式做唔到嘅嘢。佢哋嘅輸出係個「黑盒視頻」，佢知道自己點做，但唔會話你知。RHTV嘅智能體係將佢成個工作思路攤開成畫布上一張可視化嘅圖，邊個節點做乜、連俾邊個，一目瞭然。
AI創作呢兩年最大嘅痛點，其實唔係模型唔夠勁，係不可控。
你可能聽過太多創作者抱怨：「呢個鏡頭明明得一個細節唔滿意，點解要重新做整條片？」呢個痛點嘅根源就係黑盒。第一代同第二代AI視頻工具，將創作過程鎖喺後端。你輸入prompt，等結果，唔滿意再改prompt，再等結果。成個反饋循環入面，你永遠唔知AI到底係點樣處理你嘅話。
畫布原生Agent真正值錢嘅，可能唔係佢會自動搭工作流，而係佢將成個工作流程攤開俾你睇。
每個節點都帶住明確嘅語義角色，每條連線背後都有可解釋嘅參考關係。我想喺邊個環節插手就喺邊個環節插手：換衫只改character節點，換燈光只改lighting節點，調某個鏡頭嘅運鏡只改對應嘅video節點，下游會自動適配，唔使重新行成條鏈路。
呢一點對專業創作者特別重要。輕度玩家要嘅係「一鍵出片」，專業創作者要嘅係「可改」。 一段廣告片、一段品牌視頻、一支短劇，幾乎冇可能一次成型，一定係要來回修改。如果每次修改都要重新行成條流程，咁AI唔係幫你創作，係浪費你時間。
四、能力上限嘅賭注
講到呢度要答一個問題：點解係RHTV做出咗「畫布原生Agent」，而唔係其他公司？
我覺得答案喺生態。
AI視頻工具嘅核心矛盾，係用戶嘅需求邊界永遠喺度擴張，而單一產品團隊嘅開發能力係有限嘅。今日用戶要漫劇，聽日要TVC，後日要MV，再後日要新嘅視覺風格。每一個新需求，封閉系統都要自己開發模型、調試節點、上線功能。
呢種模式有個天然嘅天花板：產品能力嘅上限就係產品團隊嘅上限。
RHTV嘅解法係企喺Runninghub生態之上。RunningHub係而家國內最活躍嘅AI內容創作者共創嘅圖像音視頻內容平台，有國內規模最大嘅ComfyUI創作者，沉澱咗10萬+社區AI應用、13681個可用節點、170+標準模型API。每日全球開源社區貢獻嘅新節點、新工作流、新模型，都會自動納入RHTV嘅能力矩陣。
呢個唔係「接入咗開源」咁簡單，而係「產品嘅能力上限由全球開源社區決定」。每日都有開發者貢獻新嘅節點、新嘅工作流、新嘅插件，呢啲全部會自動出現喺RHTV用戶嘅能力面板度。
封閉系統同全球社區鬥快，結果其實係註定嘅。
短期睇，封閉系統可能可以透過精雕細琢嘅官方能力贏得用戶。但長期睇，5萬+工作流嘅重用、10萬+應用嘅可調用、五大模態全覆蓋（圖像、視頻、音頻、3D、文本），呢種規模一旦展開，單一團隊係追唔上嘅。
RHTV嘅智能體能力唔會過時，因為佢嘅能力天花板由社區決定，唔由產品團隊決定。呢個係一個關於長期主義嘅產品判斷。
五、Seedance 2.0嘅特殊化處理
講完範式同生態，再講一個具體嘅、近半年內創作者最關心嘅話題：Seedance 2.0。
字節呢一代視頻模型，業內已經叫佢做「導演之選」。佢支援@參考、首尾幀、上傳真人參考視頻驅動動作。呢啲能力令佢喺動作戲、複雜運鏡、人物表演等場景成為第一梯隊。
但Seedance 2.0呢種頂級模型，有個普遍問題：喺大多數平台上，佢就係被「接入」咗。你可以調用佢，但調得好基本，等嘅時間長、畫質有限、玩法受限。
返番去我啱啱嗰支小提琴MV。Agent建立好工作流之後，我㩒咗「確認執行」，Seedance 2.0就接管咗視頻生成。
配置面板上可以睇到模型版本（Seedance 2.0）、解像度（720p）、時長（5秒/幀）、闊高比（16:9），仲有「全部參考 / 首尾幀 / 圖片參考」三種參考模式嘅切換，連Seed呢啲細節參數都可以睇。呢啲嘢全部暴露俾用戶，每一個我都可以睇到、可以改、可以針對單個鏡頭微調。
行完之後，第一個鏡頭出咗嚟：一個JK制服嘅少女喺法式宮廷宴會廳度演奏小提琴。水晶吊燈嘅光喺佢身上散開，木地板嘅反光、牆身嘅雕花、遠處濛濛嘅燭台全部都有。少女演奏嘅姿態自然，冇早期AI視頻嗰種「融化感」，運鏡平穩。
呢個係我對Seedance 2.0最新嘅印象更新。RHTV對佢嘅處理方式叫「增強式接入」：唔使排隊、速度快、支援4K同真人生成，年度會員折算落嚟等於六折用。
但我覺得最值得講嘅，仲唔係價錢同速度，而係RHTV將Seedance 2.0嘅全部能力以節點參數嘅形式開放俾用戶。你唔只係用一個模型，你係調度一個模型。
優秀嘅AI工具平台同普通嘅「模型接入商」嘅分別，就係在於對核心模型嘅特殊化處理。 唔係做加法（接入更多模型），而係做乘法（令最好嘅模型喺你嘅平台上用得最好）。
收尾·新範式
返番去開頭嗰個判斷：AI視頻工具行到咗第三階段。
第一階段解決「AI得唔得做出視頻」，第二階段解決「用戶點樣調用AI」，第三階段開始解決「人同AI點樣一齊做嘢」。
畫布原生Agent唔止係功能升級，更加似範式更新。 佢將Agent由「畫布外面嘅服務」變成「畫布入面嘅大腦」，將AI創作由「開盲盒」變成「睇得見嘅協作」，將產品嘅能力天花板由「團隊上限」變成「生態上限」。
我有個直覺：未來一年，AI視頻工具嘅競爭會沿住呢三條線展開。邊啲產品做畫布原生，邊啲仍然停留喺雙入口；邊啲將Agent嘅思考過程暴露出嚟，邊啲仲收埋喺後端；邊啲企喺開源生態之上，邊啲仲喺自研封閉體系入面。
呢三條線決定咗，邊個會沉澱成呢一代AI視頻工具嘅基礎設施，邊個只係過渡形態。
返番去我嗰支MV：由我將分鏡板掉入畫布、講一句嘢，到Agent自動拆解、配置參考、調度Seedance 2.0生成——成個過程我冇掂過prompt，冇自己摳過圖，冇切換過界面。我做嘅嘢得兩樣：上傳一張參考板、講一句中文。
呢種體驗對我嚟講都幾新鮮。佢同我以前用過嘅所有AI視頻工具，的確有啲唔同。
如果你都係創作者，建議你親自去行一次，體驗嚇「Agent住喺畫布入面」係咩感覺。
RHTV.ai
這兩年我看了一堆號稱要顛覆AI視頻的新產品。看了一陣子，我大概看出了一個規律。
第一代AI視頻工具，是文生視頻的盲盒。 一句話扔進去，等幾分鐘，開出來什麼算什麼，不滿意只能重新投幣。
第二代多了個Agent入口，AI開始能用對話方式調度。但Agent是懸浮在產品之外的「插件」，對話歸對話，畫布歸畫布，AI在另一個房間幫你跑腿。
最近我用了一個國產的畫布型AI視頻工具，叫RHTV。打開第一眼我就感覺，AI視頻工具可能在悄悄進第三階段了。
這一代的關鍵詞是「畫布原生」。Agent不是懸浮在畫布之外的服務，而是畫布本身的大腦。它住在你的工作流裏，看得見你每一步在做什麼，也讓你看得見它每一步在想什麼。
聽起來好像只是產品形態的小調整，但用過之後我意識到，它其實在重新定義「人和AI怎麼一起做事」這件事。
一、AI視頻工具的三階段演化
把過去兩年的AI視頻工具按使用體驗排一下，能很清晰地看到三個階段。
第一階段，文生視頻盲盒。
你輸入一句話，等模型出片。整個過程是黑盒，AI怎麼理解你的需求、怎麼選模型、怎麼處理細節，全在後端，用戶看不到。結果不滿意只能重新生成，沒有局部修改的概念。
這個階段最大的問題不是出不出好東西，是不可控。 一支15秒的短片，你想換其中一個鏡頭，必須把整個15秒重做。這種「一擲定乾坤」的體驗，能用來玩，但很難拿來真正幹活。
第二階段，雙入口模式。
產品意識到了「全自動」的問題，於是引入了Agent。但很多產品只是在原有的畫布旁邊加了一個「對話面板」：你跟Agent聊天，Agent幫你生成，結果再回到畫布。
看起來「AI智能體」是有了，但本質上Agent是個外掛插件。它不在畫布裏，它在畫布旁邊。
這個階段的體驗有種微妙的撕裂感。你在畫布裏精雕細琢一個分鏡，想讓AI幫忙優化，得切到對話框，跟Agent解釋你在做什麼。AI不知道你畫布裏的上下文，每次都得從頭說起。Agent成了一個外接的傳話筒，不是真正的搭檔。 第三階段，畫布原生Agent。
這就是RHTV在做的事。Agent就在畫布裏，左下角一個按鈕喚起。你選中一個素材或節點，直接對RH智能體說「把這個調暗一點」，它知道你說的「這個」是什麼，因為它和你看的是同一張畫布。
更關鍵的是，RH智能體不是隻負責執行。它有自己完整的本地決策鏈：理解需求 → 規劃路徑 → 生成提示詞 → 組裝節點。每一步都可見，每一步都可改。你看到的不只是結果，是它怎麼得出這個結果的。
這三個階段，本質上是三種「人和AI的關係」。第一階段是「使喚AI」，第二階段是「協助AI」，第三階段才是「和AI一起想」。
二、什麼是「畫布原生」
「畫布原生」這個詞第一次出現的時候，我也沒太懂它和「在畫布里加個AI按鈕」有什麼區別。後來在RHTV裏跑了一個真實的MV項目，我大概理清了它的樣子。
先說背景。我用GPT-Image-2做了一張「MV小提琴演奏場景·分鏡腳本與美術設計方案」的綜合參考板。一張圖裏，把這支MV的前期工作幾乎全做完了：角色6視角圖（JK制服小提琴少女）、法式宮廷場景的平面圖+立面圖+剖面圖、3個分鏡的方案（側面中景、小提琴特寫、斜側情緒特寫）、4種燈光參考、還有色調推薦。
這張圖本身就挺值得說一下。文生圖模型走到今天，一張圖就能把一支MV的前期規劃全做完。 導演腦子裏所有該想的：人物、場景、鏡頭、運鏡、光線、色調，都可以讓AI一次性鋪出來。
但問題隨之而來：前期規劃完成度變高了，可下一步怎麼走？
按傳統玩法，我有兩個選項。
選項一是手動拆解：把參考板裏的角色圖摳出來作為@參考，把場景圖摳出來作為另一組@參考，把分鏡文字複製成prompt，再分3次手動調度Seedance 2.0。這個流程下來，光準備工作就夠你折騰大半天，每改一處還得重來一遍。
選項二是直接把整張參考板丟給Seedance 2.0：它會把這張密密麻麻的板子當成「一張包含人物+場景+小圖+文字框的圖」整體識別。結果就是穩定性差、可控性差、可拓展性差，輸出基本是不可用的。
也就是說，當文生圖把「想清楚」這件事壓縮到幾分鐘，AI視頻領域反而出現了一個新的工具空缺：能不能有一個工具，看得懂這張參考板，能把它結構化拆解，能把每個分鏡變成畫布上可調度的節點？
這就是我說的「畫布原生Agent」要解決的問題之一。它不止是酷炫，也是真的有能力去適配是最新一代具有agent思維的圖像生成模型甩出來的高密度規劃素材。
我決定換個玩法：把整張參考板丟給RHTV的畫布，對RH智能體說一句話：
「按這張分鏡板生成MV，3個鏡頭」。
然後我就坐着不動了。
RH智能體接到指令之後，沒有像傳統模型那樣直接悶頭開生成。它先做了一件事：識別。
它在畫布的對話面板裏，把這張參考板的核心元素逐條標記出來：
角色：JK制服小提琴少女 場景：法式宮廷 道具：小提琴
這個動作的關鍵不是它「識別對了」，而是它把識別過程暴露給我看了。我能看到RH智能體對這張參考板的全部解讀，確認無誤後才讓它繼續。如果它把JK制服理解成了和服，我可以在這一步就攔住它，不會等10分鐘後看到一團離譜的成片再來反悔。
我一直覺得，能不能看見AI在想什麼，是判斷一個AI產品是工具還是搭檔的分水嶺。 工具只對結果負責，搭檔要對過程透明。
三、透明的力量
確認完元素，RH智能體開始自己建工作流。
它在畫布上拉出了兩組節點：
第一組叫「MV小提琴-視覺資產生產」，裏面是3個image節點，分別承擔參考板拆解、角色生成、場景生成。
第二組叫「MV小提琴-最終視頻生成」，裏面是3個video節點，對應分鏡板裏的3個鏡頭：
鏡頭1：側面優雅演奏 鏡頭2：指尖技藝特寫 鏡頭3：沉浸式神情特寫
更讓我意外的是，RH智能體還把節點之間的參考關係也自動配置好了。哪個視頻鏡頭用哪張圖做參考、參考的優先級是什麼，全部展開在對話面板裏。
這是傳統Agent模式做不到的事情。它們的輸出是個「黑盒視頻」，它知道自己怎麼做的，但不告訴你。RHTV的智能體是把它的整個工作思路展開成畫布上一張可視化的圖，哪個節點幹什麼、連給誰，一目瞭然。
AI創作這兩年最大的痛點，其實不是模型不夠強，是不可控。
你可能聽過太多創作者抱怨：「這個鏡頭明明只有一個細節不滿意，憑什麼要重做整支視頻？」這個痛點的根源就是黑盒。第一代和第二代AI視頻工具，把創作過程鎖在後端。你輸入prompt，等結果，不滿意再調prompt，再等結果。整個反饋循環裏，你永遠不知道AI到底是怎麼處理你的話的。
畫布原生Agent真正值錢的，可能不是它會自動搭工作流，而是它把整個工作流攤開給你看。
每個節點都帶着明確的語義角色，每條連線背後都有可解釋的參考關係。我想在哪個環節插手就在哪個環節插手：換衣服只改character節點，換燈光只改lighting節點，調某個鏡頭的運鏡只改對應的video節點，下游會自動適配，不用重跑整條鏈路。
這一點對專業創作者特別重要。輕度玩家要的是「一鍵出片」，專業創作者要的是「可改」。 一段廣告片、一段品牌視頻、一支短劇，幾乎不可能一次成型，必然要反覆迭代。如果每次迭代都意味着重新跑整條流程，那AI不是在幫你創作，是在浪費你的時間。
四、能力上限的賭注
聊到這裏要回答一個問題：為什麼是RHTV做出了「畫布原生Agent」，而不是其他家？
我覺得答案在生態。
AI視頻工具的核心矛盾，是用戶的需求邊界永遠在擴展，而單個產品團隊的開發能力是有限的。今天用戶要漫劇，明天要TVC，後天要MV，再後天要新的視覺風格。每一個新需求，封閉系統都得自己開發模型、調試節點、上線功能。
這種模式有個天然的天花板：產品能力的上限就是產品團隊的上限。
RHTV的解法是站在Runninghub生態之上。RunningHub是目前國內最活躍的AI內容創作者共創的圖像音視頻內容平台，有國內規模最大的ComfyUI創作者，沉澱了10萬+社區AI應用、13681個可用節點、170+標準模型API。每天全球開源社區貢獻的新節點、新工作流、新模型，都會自動納入RHTV的能力矩陣。
這不是「接入了開源」那麼簡單，是「產品的能力上限由全球開源社區決定」。每天都有開發者在貢獻新的節點、新的工作流、新的插件，這些都會自動出現在RHTV用戶的能力面板裏。
封閉系統在和全球社區賽跑，結果其實是註定的。
短期看，封閉系統可能能通過精打細磨的官方能力贏得用戶。但長期看，5萬+工作流的複用、10萬+應用的可調用、五大模態全覆蓋（圖像、視頻、音頻、3D、文本），這種規模一旦展開，單個團隊是追不上的。
RHTV的智能體能力不會過時，因為它的能力天花板由社區決定，不由產品團隊決定。這是一個關於長期主義的產品判斷。
五、Seedance 2.0的特殊化處理
講完範式和生態，再講一個具體的、最近半年內創作者最關心的話題：Seedance 2.0。
字節這一代視頻模型，業內已經在叫「導演之選」。它支持@參考、首尾幀、上傳真人蔘考視頻驅動動作。這些能力讓它在動作戲、複雜運鏡、人物表演等場景成了第一梯隊。
但Seedance 2.0這種頂級模型，有個普遍問題：在大多數平台上，它就是被「接入」了。你能調用它，但調得很基礎，等待時間長、畫質有限、玩法受限。
回到我剛才那支小提琴MV。Agent建好工作流之後，我點了「確認執行」，Seedance 2.0就接管了視頻生成。
配置面板上能看到模型版本（Seedance 2.0）、分辨率（720p）、時長（5秒/幀）、寬高比（16:9），還有「全部參考 / 首尾幀 / 圖片參考」三種參考模式的切換，連Seed這種細節參數都可以看。這些東西全部暴露給用戶，每一個我都能看到、能改、能針對單個鏡頭微調。
跑完之後，第一個鏡頭出來了：一個JK制服的少女在法式宮廷宴會廳裏演奏小提琴。水晶吊燈的光在她身上散開，木地板的反光、牆面的雕花、遠處虛化的燭台都在。少女演奏的姿態自然，沒有早期AI視頻裏那種「融化感」，運鏡平穩。
這是我對Seedance 2.0的最新印象更新。RHTV對它的處理方式叫「增強式接入」：不排隊、速度快、支持4K和真人生成，年度會員折算下來等於6折用。
但我覺得最值得說的，還不是價格和速度，而是RHTV把Seedance 2.0的全部能力以節點參數的形式開放給用戶。你不只是在用一個模型，你是在調度一個模型。
優秀的AI工具平台和普通的「模型接入商」的差別，就在於對核心模型的特殊化處理。 不是做加法（接入更多模型），而是做乘法（讓最好的模型在你的平台上用得最好）。
收尾·新範式
回到開頭那個判斷：AI視頻工具走到了第三階段。
第一階段解決「AI能不能做出視頻」，第二階段解決「用戶怎麼調用AI」，第三階段開始解決「人和AI怎麼一起做事」。
畫布原生Agent不只是功能升級，更像是範式更新。 它把Agent從「畫布之外的服務」變成「畫布之內的大腦」，把AI創作從「開盲盒」變成「看得見的協作」，把產品的能力天花板從「團隊上限」變成「生態上限」。
我有個直覺：未來一年，AI視頻工具的競爭會沿着這三條線展開。哪些產品在做畫布原生，哪些還停留在雙入口；哪些把Agent的思考過程暴露出來，哪些還藏在後端；哪些站在開源生態上，哪些還在自研封閉體系裏。
這三條線決定了，誰會沉澱成這一代AI視頻工具的基礎設施，誰只是過渡形態。
回到我那支MV：從我把分鏡板丟進畫布、說一句話，到Agent自動拆解、配置參考、調度Seedance 2.0生成——整個過程我沒碰過prompt，沒自己摳過圖，沒切換過界面。我做的事情只有兩件：上傳一張參考板、說一句中文。
這種體驗對我來說挺新的。它和我過去用過的所有AI視頻工具，確實不太一樣。
如果你也是創作者，建議你去自己跑一遍，看看「Agent住在畫布裏」是種什麼樣的體驗。
RHTV.ai