没想到搞抽象这事儿，居然也能上流水线

如果说天下 AI 算力共一石，那抽象小视频独占八斗没毛病。

不说别的，差评君自己的群聊都快被这玩意儿塞爆了。

微信一响，大概率刷新一位胡迪警长，操着不同的口音，说着同样的骚话。

上个版本的奶蛙，最近也是跟牛来、袋鼠组团出道了，小剧场一部接一部，迎来新的事业巅峰期。

还有二创满天飞的魔改甄嬛传，皇宫里面都能摆摊卖鸭脖了。

当然，最难绷的还是编辑部大伙儿的 DIY，主打一个天赋尽显，脑洞大开。

看着这么热闹，差评君一拍板儿，干脆搞了个 AI 视频大赛，让大伙儿尽情发挥。

很快啊，五花八门的作品就出炉了。

有咱编辑部老员工火锅的战斗日常，也有隔壁江江倾情出演的动画大电影。动效分镜，内容创意都是相当来劲。

依次为：303奇妙夜、词元特工

不过除了王婆卖瓜，差评君更想跟大家讲讲这比赛我们是怎么办的。

因为看比赛乐呵一下是很爽，但真的操办下来，难度可比想象的大多了。

比如有上百位选手提交格式各异的文件，你得想存到哪儿，还得查重拉表格对名单，接下来再准备投票打分儿的环节，最后还得筹备个颁奖礼，各个部门是来回倒腾。

本来咱是准备拉长战线的，但这次用了个企业级的 AI 工具，你别说，还真省了不少事儿。

我们直接从零搭了一套报名、审核、投票、打分的比赛系统，用起来相当巴适，大伙儿评价反馈也都不错。

这个工具也挺别致的，叫 Amazon Quick，没错，居然是那个海淘卖东西的亚马逊搞的。

很多人可能知道它是个电商网站，但其实在企业后台服务这块儿，它也是顶级扛把子。

就像这个 Quick，我们翻了一下才发现，其实他们内部几十万人已经内测很久了，瞅着好用才端出来的。

话说回来，刚拍板的时候，我们也是两眼一抹黑，不说流程，就这市面上一堆视频模型，选哪个都得琢磨半天。

所以行政同事先拿个人版 Quick 做了个 Deep Research，把主流模型捋了一遍。

结果会议上跟大伙儿一对，发现体感基本没差，生图就选 GPT 和 Gemini，视频就 Seedance、Kling 和 MiniMax。

工具这头敲定后，他们又顺手让 Quick 根据大伙的讨论，拟定了一份粗略的计划书。

这个就比想象的有用多了，因为它翻出了不少容易被忽略的点，比如投稿扎堆，投票参与度不够，还有创作周期卡壳等等。

大伙儿一看，这确实不能嘻嘻哈哈了，高低得搞个正规点的比赛系统。于是就跟亚马逊那边打好招呼，针对这次大赛部署了一套企业级的 Quick。

这里开始，感觉就跟个人版不太一样了。

比如新建一个团队空间，之后的东西就都能在里面共享，像刚才的研究报告和计划书，就能丢进去一起看，也方便喂给 Quick 当参考。

接下来，直接在空间里搓比赛系统就行。

首先是设计部的同事，他们把色调、字体、Logo 等参考丢了进去，让 Quick 参考着出一版针对大赛的视觉模板。

改了几轮后，颜色、字体、按钮、标签这些细节就都统一了。

而且这模板可不是图片，而是 AI 最擅长的 HTML 代码，后面开发同事接手时，Quick 拿着就能往下套，这下真 AI Native 了。

轮到开发同事，活儿就更细致了，他们先上了个计划模式，又加了设计相关的 Skill，然后才一点点把比赛系统搭了出来。

实话实说，第一版是没法直接交工的，中间改了好几轮，但好在新版本都能塞进空间中同步共享，所以迭代速度快得飞起。

这么边用边改，最终成品就发布到了 Quick 的 Apps 上。

没错，差评第一届 AI 影像创作大赛，就这么突然开幕了。

至于系统本身，逻辑倒异常简单。

选手上传视频，后台审核上架，大伙儿就到上面库库投票锐评，一人五张票。

依次为：投稿、审核、投票

几个星期过去，一些作品就冒尖儿了，除了开头的火锅和江江，下面这几部也是榜上有名的佳作。

依次为：帝国的倾覆、绒梦渐散、差评硬件部、FOMental

而且有了这套比赛系统做支撑，最后的颁奖那叫一个水到渠成。

比如大屏幕上的 PPT，行政同事就直接让 Quick 调用了之前的模板，还是那套黑加绿的故障风。

比赛后的复盘，也是 easy peasy，让 Quick 去比赛系统的后台拉数据，就能一键生成可视化看板。

哪个模型用得多，大伙有多爱看抽象，这些信息全都一目了然。

但这一路跑下来，真正有意思的，其实不止是表面上 Quick 帮我们省了多少活儿，更重要的是，前面做过的东西，能在团队的不同部门间流转起来。

一份调研报告，前面能辅助制定计划，后面还能提取开发需求。

更不用提那个来回用的黑绿模板，以后都能单独做个 Agent，让它专门搓差评风味的视觉效果。

这可能也是为什么 Quick 敢标个企业级，因为它属于那种你用得越多，上下文越丰富，就会越得心应手的东西。

不过真按它企业级的能力来说，我们也只是用了个迷你版，毕竟咱这活动规模不大，流程比较短，一条线就捋下来了。

而真到了大公司里，业务往往不会这么清爽，人一多，权限一杂，各种老系统旧数据掺和进来，就得好几拨人同时协作了。

说白了，Quick 跟普通 Agent 拉开差距的地儿，还得是那种复杂度提上来的环境。

后来我们跟几家部署了 Quick 的公司聊了聊，他们翻出不少已经跑起来的工作流，打眼一瞅就知道，确实比咱这个地道不少。

比如眼下很火的短剧公司，虽然同样是做 AI 视频，但人家的生产线就比我们比赛复杂多了。

像他们最头疼的找题材，一般得去小红书、抖音之类的平台上翻，看最近什么设定比较火，人工一篇篇翻确实费劲，而且攒多了容易乱。

所以他们就给 Quick 装上了对应的 MCP 插件，让它自己去搜去整理，插件是放云端公用的，一个人搓出来，大伙儿都能直接用，不用重复造轮子。

而找完题材也只是开始，尤其最近海外短剧市场火起来以后，一部片子想往不同国家铺，就得额外配一套翻译、配音、字幕、校对的流程。

这活儿就不太适合自由发挥了，所以他们把流程拆到了 Quick 的 Flow 里。

这玩意儿就像给 AI 修了一条流水线，翻译跑到哪，结果交给谁，都给提前设定好了，侧边栏就能瞅着，哪儿不对就及时掰回来。

该说不说，Flow 这切入点找得还挺准。

因为在短剧这种贴着 AI 的新行当里，它可能也就提高点效率，但对于很多传统行业，这种可控性和稳定性就是刚需了。

这些企业原本就有一堆老工作流，粗暴的全改造成 Skill 的话，模型幻觉一上来，就容易跑偏。

另一家做供应链的负责人就跟我们吐槽过，说搞短剧的跑偏，顶多节目效果差点，但库存或者运单算错一个数，那是真有你好果子吃。

所以他们的 Flow 画风就又有点不一样，里面多了很多程序化的步骤，一旦需要算数或者查库存，Quick 就会调用脚本老老实实执行，避免张嘴就来。

但话说回来，执行可控也只是第一关，真要撬动大企业往 AI 上迁，还得保障好数据安全。

因为 AI 一旦触碰真实业务，那账号的权限管理、业务资料就都得喂进去，这些数据那是个顶个的敏感。

巧的是，这玩意儿算是亚马逊的老本行，从 2006 年 AWS 开始搞云服务算起，今年刚好二十年了。

互联网时代，大伙儿把系统搬上云的时候，也是担心这些隐私，所以到了 AI 这一轮，亚马逊多少算是专业对口了。

AWS 上就明确写了，Quick 里的客户数据是不会拿去练模型的。

再加上这位巨头还是靠算力著称的，主流的 AI 模型它都能自己部署自己跑，用户的数据就更牢靠了。

这么一来，咱也不用管什么风水轮流转，哪家模型牛逼用哪家就行，这种稳定性可比单纯省几个 Token 划算得多。

而且 Quick 的野心远不止于此，它眼下已经跟很多 SaaS 工具达成了合作，甭管谷歌的还是微软的，都给亚马逊卖了面子。

借由这些连接能力，他们顺势搞了个 Feed 功能，可以将 IM、邮箱、数据库这些工具都往 Quick 里塞，实时更新成一条信息流。

用起来有点像赛博秘书，先替你过一遍消息，把要紧的拎出来，不急的就顺手写点简单的回复。

这玩意儿对于跨国企业尤其香，比如你 Gmail 刚收到消息，转头去 Slack 问同事，确认完再搁 Teams 上约个会，以前得在几个软件之间来回切，现在 Quick 里点点就操办完了。

总的来说，AI 办公这场仗确实是越打越热闹了。

之前老听国内的大厂在 All in，现在定眼一瞧，好嘛，国外这些老牌厂子也没闲着。

不过现在各家都有生态护城河摆在那儿，谁能长成最大的那个入口，还真不好说。

但比较明显的一点是，AI 一旦进入企业，拼的就不只是模型智力了。

就像我们，只是办活动时偶然发现的 Quick，一开始也不是冲着模型去的，但一路用下来，研究资料、视觉模板，乃至 Skill 越攒越多，也就越用越顺手了。

下次再干类似的活儿，也不用从零开始搓了。

这么看，或许谁能把这类上下文攒得更厚，谁就更有机会留在企业里生根发芽。

至于第二届 XACCC，也已经在路上了，到时候就知道攒的这套家底儿，到底能省多少事儿了。。。