Agent 会结合用户需求、内容类型和目标受众，判断视频更需要强化观看吸引力，还是行动与互动。
Selected work 02 / Viralux
让视频生产从一开始就面向转化。
Viralux 是一款面向广告投手、营销人员和内容创作者的营销视频 Agent，用于生成广告营销素材。
我作为唯一产品经理与交互设计，独立负责 Agent 工作流、交互、商业化、国际化与验收标准，推动产品在 5 周内进入公测、3 个月正式上线。
01 Product Judgment / 产品判断
AI 视频生成降低了创作门槛，但广告创作者仍要先回答一个问题：这支视频应该优化什么？
视频效果最终会由完播率、互动率等投放指标验证，但这些目标很少在生成开始前被明确。
因此，我把「优化目标」放到生成入口的第一层。用户先选择提升完播表现、提升互动表现或平衡两者，再与需求和素材一起进入 Agent 工作流。这个目标会继续影响理解内容与受众、生成创意脚本和分配视频模型。
02 Agent Workflow / 工作流设计
Agent 如何把用户需求转化为视频结果
我将优化目标作为 Agent 工作流的核心输入，与用户需求、上下文和多模态素材一起进入生成过程，并持续影响生成策略与模型选择。
用户输入文字 + 图片 + 目标参数
组装本轮上下文当前输入 + 对话历史；历史包含文字、用户素材索引和已生成视频索引
判断用户意图
生成类请求
理解任务识别需求、受众与内容类型
制定生成策略脚本 · Hook · 镜头 · 节奏 · 声音
调度视频模型根据任务特点选择生成能力
生成与后处理生成、拼接、裁剪与音画处理
视频结果与评估支持继续修改，并分析目标表现与改进方向
向用户交付视频结果 + 评估回复
结果写入对话历史与视频内容索引，进入下一轮上下文
非生成类请求
调用内部知识处理聊天、咨询或超出生成能力的请求
回答用户提供信息或说明能力边界
回复写入对话历史，进入下一轮上下文
同一份素材，不同优化目标会影响三个关键环节
优化目标会影响前 3 秒 Hook、内容展开、镜头节奏和声音演出，使创意策略围绕选定目标展开。
系统会根据动态表现、电影感、声音处理等需求，选择更适合当前目标的视频模型。
03 Effect Validation / 效果验证
目标导向的工作流，是否真的改变了生成结果？
使用相同输入与素材，不经过目标理解、素材分析和生成策略编排。
完成“理解内容与受众”“生成创意脚本”和“分配视频模型”三个环节。
内部评测显示，Viralux Agent 的输出更符合选定的优化目标，说明“理解内容与受众”“生成创意脚本”和“分配视频模型”三个环节共同影响了最终视频。这组评测验证的是系统输出差异，不代表真实投放中的点击率、完播率或转化提升。
04 Product Reflection / 产品反思
系统的评价标准，为什么没有直接成为用户的判断标准？
我发现，同一条视频，在产品团队和创作者眼中有两套不同的判断路径。产品最终依据投放效果验证价值，用户却要在内容创作当下决定是否采用。
投放后验证
产品团队关注的效果验证流程
创意需求→
生成视频→
广告投放→
真实用户反馈→
效果指标
完播率、CTR 等指标只能在真实投放后获得。
创作时决策
输入需求→
生成视频→
即时判断→
采用或放弃
用户不会先完成投放，再决定是否采用生成结果，而是依据内容质量和经验立即做出判断。
产品真正的问题不是如何提高 CTR，而是如何帮助用户在没有 CTR 的情况下做出更好的创作决策。
我们尝试做一次“反馈前置化”：增加 Evaluation Layer——一个创意评估 Agent，将原本发生在投放后的部分反馈提前到视频生成阶段。它根据优化目标解释哪些内容可能影响完播或互动，并给出下一轮修改建议。它更像 AI Coding 中的 Code Review Agent：不替创作者判断好坏，而是提供一套可解释的检查结果。
这次尝试存在局限，也不是最终解法。它留下了一个开放命题：如何让下游效果指标在创作阶段变得可理解、可验证？更值得继续探索的是，如何建立“创作语言 → AI 理解 → 商业指标”之间的连接。
05 Contribution / 项目贡献
我的贡献
独立负责
MVP 与 Agent 产品化
优化目标与结果解释
商业化与国际化
质量与数据体系
跨团队交付
PRD、功能范围、Agent 工作流与交互原型；推动产品在 5 周内进入公测、3 个月正式上线。
优化目标入口、目标进入生成流程的产品机制，以及生成后的评审 Agent。
订阅与积分、Stripe 支付、英中日国际化及相关产品体验。
AI 生成内容审核、核心漏斗与埋点、测试验收标准、订阅与任务数据管理。
协同研发、QA 与运营投放，推进技术方案、产品验收与上线。
Next case
下一个案例：Capafy