字节跳动纳米Work（Work.n.cn）真实任务实测——单条 prompt 调度 Seedance 2.0 文生视频 + MiniMax TTS + ffmpeg，跨三家模型厂商完成一条 32 秒宣传片，并把全过程、判断、约束都摊在界面上可见。
字节跳动纳米Work（Work.n.cn）真实任务实测——单条 prompt 调度 Seedance 2.0 文生视频 + MiniMax TTS + ffmpeg，跨三家模型厂商完成一条 32 秒宣传片，并把全过程、判断、约束都摊在界面上可见。
NVIDIA开源Lyra 2.0，单张2D图片直出3D高斯泼溅场景，支持持久探索和回访，可直接导出到物理引擎。
纳米Work 是字节跳动推出的 AI 工作台（地址：Work.n.cn），定位是"组织一支 AI 团队，把一整套活干完"。和聊天型 AI 最大的区别是：它不是给你建议，而是直接交付成品——而且是跨多家模型厂商调度完成。
本篇用一个真实任务来验证它的能力边界：给一个开源 macOS 产品（FanBox）剪一条宣传片。全程我只给了一句话 + 一个 GitHub 地址，纳米Work 自己调度了三家模型厂商的 API + 一条 ffmpeg 渲染管线，最终交付了一条 32 秒、1920×1080、含配乐的视频，外加一份单文件 HTML 落地页和一份文案重写。
更值得讲的是过程中两个反常识的细节：它先驳回了我的人群假设，又主动标出了两处"我替你做了主"的决策。
一句话定位：一个能组织 AI 团队、把一整套活干完的工作台——中途该驳回你的时候驳回你，把成品交回来。
模型下拉里基本集齐了国内头部厂商的最新模型：Kimi K3、GLM-5.2、豆包 seed-2.1、MiniMax M3、DeepSeek-V4。本次实测全程使用 Kimi K3（1M 上下文），即使任务执行链路很长，也没出现对话压缩或执行不下去的情况。
💡 价值点：对担心"下个月最好的模型厂商换人、订阅白买"的用户来说，这种"国产强模型随上随选"的模式去掉了单家厂商绑定的风险。
用专家广场里的「花叔-设计大师」，只丢一句话过去：
帮我给这个产品做一个面向白领工作者的宣传视频。
后面跟一个 GitHub 地址。别的什么都没说。
纳米Work 先去读仓库，拿 README 时撞了个 404——它自己判断可能是默认分支不是 main，改去查默认分支，成功拿到。这种"撞坑 → 自己爬出来"的恢复能力，是判断 agent 是否真可用的硬指标。
它对五段分镜做了一次有意思的分工判断：
这条片子的制作说明里写得明明白白：
| 环节 | 使用的模型 / 工具 |
|---|---|
| 开头结尾白领场景 | Seedance 2.0 文生视频 |
| 配音 | MiniMax TTS |
| 运镜与合成 | ffmpeg |
| 背景音乐 | CC-BY 授权曲目（作者名已署） |
三家模型厂商 + 一条渲染管线，跑在同一个任务里，我一个 API key 都没配。
💡 关键点：纳米Work 把"真实素材优先、不能编造"作为默认约束——这正好对应开源 skill 社区里 Huashu Design 的规矩。AI 做视频最爱塞占位图，这里被堵住了。
把"想清楚向谁传播、重写文案、做落地页、剪片子"四件事整包丢给它，像给下属布置任务一样交代背景、目标、资料、限制。
我给的需求是"面向白领工作者"，它没有照单执行，反而把人群假设切开了一半：
白领方向成立，但不是"所有白领"，是白领里已经在指挥 AI 干活的那群人。按"让市场部普通同事也用"理解就不成立——一个只在网页里聊 AI 的人，没有使用场景，文案不能骗他。
接着它列了真会用的三类人（用 AI 生产的个体创作者、不写代码的 vibe coder、AI 重度知识工作者），按契合度排序，每类都说明理由。最后专门写了一句：
明确不适合：普通白领（文件在微信/云盘里、电脑上没有干活的 AI）。传播时不要向这个人群承诺。
它额外标了两个我没要求它给的东西，叫"两个我替你做了主、需要你确认的点"：
💡 判断一个 AI 工作台成熟度的硬指标：能标出"这是我替你做的主"的工具，和把 80% 内容重写完但假装什么都没改的工具，差别是很大的。
Finder 翻成了「访达」——"白领听得懂"这条硬指标真的在执行💡 内联 base64 的价值：单文件 HTML 交付物里图片走网络请求，本地双击打开必然裂。这是个老坑，纳米Work 默认就处理掉了。
纳米Work 在以下场景的"组织 AI 团队干完整套活"价值最高：
Context, not control.
第一次就把话说全——把自己想象成一个领导，把需求的背景、目标、产品项目相关上下文知识都交代清楚。模型越来越强，很多时候不给太多限制、给它更自由的探索空间，反而能 deliver 更好的结果。
这是管理学理念在人机协作里的落地：给上下文，而不是给控制。