行业风向 | 专访郭列：做出脸萌、FaceU、剪映等爆款后，他第一次阐释如何在AI时代做产品

陈冕，Lovart、LibTV等热门创作工具的缔造者；明超平，AI Coding社区YouWare的创始人，2025年一级市场最火的95后；闹闹，其打造的AI视频创作工具OiiOii，被高瓴、锦秋投资......

他们履历的共同点是：曾在剪映、CapCut团队——参与过这两款过亿日活产品的打磨，这让投资人有理由相信，这群“剪映系”创业者了解用户、有产品审美，更可能在这波AI浪潮中押中消费级的机会。

作为脸萌、FaceU的创始人，他曾做出中国移动互联网时代最成功的一批C端工具产品。2018年，脸萌团队以约3亿美元的价格被字节收购。

此后，郭列开始负责字节影像业务，参与孵化了剪映、CapCut、醒图、轻颜等一系列产品。2022年，他又成立了自己的游戏公司“船岛游戏”。

这款视频创作Agent，整体使用逻辑与市面上大多工具类似：通过对话，让封装了不同能力的Agents完成脚本创作、角色设计、分镜设计、成片生成和编辑的工作。

但Flova又有些不同。比如，它没有采用最主流的画布形态，让用户自由创建节点；再比如，多名Flova的早期用户对我们反馈，Flova的“记性”和语义理解在同类产品中非常突出，“创作十几集后，还能记住第一集的某个分镜”。

这个命题天生带有矛盾感：人类用户需要一个能支持创意无限发散的空间，但想要最大程度发挥Agent的智能，Context又要足够有序、结构化。

在“对话”区，用户通过自然语言对Agent发出指令，也就是让Agent接收Context；而Agent执行操作的过程，会直接呈现在“故事板”区上。一旦有新想法，用户可以随时打断、调整Agent的工作流，每一步的视觉效果，会出现在“预览”区。

创业后的很长一段时间内，郭列拒绝了很多投资人抛来的TS（投资条款）。《智能涌现》得知，成立至今，Flova完成了由红杉中国、IDG、云九资本的两轮融资，总金额为8000万美金——其中，IDG和云九还是脸萌的老股东。

在如今普遍追求“大额融资”、“滚动融资”的氛围里，这个数字称得上克制。郭列给出的理由是：对于一个Agent产品而言，8000万美元已经足够。真正重要的是产品、增长和商业循环，而不是账户上的现金数字。

郭列一直是个感性的人。他是《海贼王》的20年老粉、影视发烧友，创业和组建团队“凭兴趣”、“看缘分”。10多年来，这份感性也一直驱使他不断做出有趣的图像、视频创作工具。

但和10年前不同的是，如今的郭列变得更加理性。脸萌并入字节后，他形容自己在“补课”——体系化地学习如何做A/B Test，做团队管理，做增长和商业化。

互联网时代的辉煌已经过去。站在AI的新战场上，郭列需要像新手一样重新理解人、理解Agent。他并不在意自己做的是共识还是非共识——最终，所有决策都会用科学的观测结果来说话。

近期，有关如何同时为人和Agent做产品、如何与“字节们”竞争，我们与Flova团队聊了聊。以下是《智能涌现》与Flova创始人兼CEO郭列、增长和商业化负责人瑞瑞尔、Agent产品负责人唐果的对话：

郭列：兴趣和正反馈都是很重要的。当你做了一件感兴趣的事，得到了正面的结果和反馈，这就会成为源源不断的动力。我平时看很多电影、动漫，对内容创作本身就很喜欢。

所以选择进入字节，想补一补管理的功课。当时我的心态像实习生，字节给我提供了很多管理的方法论。字节的产品方法论也让我受益匪浅，包括一个产品怎么做增长、怎么实现正循环。

郭列：我之前做产品比较感性，策划一些产品功能都凭感觉。但字节有一套科学的A/B Test体系，当然首先你要提出质量都足够高的A和B方案，不然Test也没用。

郭列：字节比较看重OKR。但我在创业做游戏的时候试了一下，发现没用。原因在于，对大公司而言，管理是很重要的。但创业团队的早期管理，越轻越好。团队建立不是通过管理工具，而是靠内在驱动。等团队大了之后，你需要卡员工的能力下限，所以才要通过一些管理工具设定及格线。

但现在能明显感受到技术每隔一段时间就有一个大的更新，这就需要你能够预测技术的发展，要有面向未来做产品设计的能力。你需要知道哪些问题是通过模型迭代可以解决的，哪些是需要产品本身、或者Agent解决的。

瑞瑞尔：关于AI提效，我觉得AI Coding并不是单纯地让一个程序员有5个人的生产力，而是重构了产品研发、运营、设计之间的协作关系。

比如我们公司基于产品的Context、用户的Context，做了非常多内部观测的工具。基于这些Context，我们就能很高效地完成很多在互联网时代低效、但不可避免的工作。

以产品能力的更新举例，在上一个时代，产品更新的需求要同步研发，大家花很长时间去对齐。但现在基于共享的Context，任何岗位、视角的人都可以参与决策和协作。

再比如对用户行为的监测，互联网时代需要你针对性地做一些产品漏斗的埋点，或者临时发起问卷。如今的Agent系统，本身对用户就有大量的Context积累和语义理解。用户的信息流动会更完整、通畅，也更高效。

但游戏需要Coding，需要3D建模，成熟期会更晚。比如，3D游戏需要解决建模面数的合理性、骨骼的绑定，这些都是AI目前很难解决的问题。

郭列：游戏创业让我意识到，还是要做时代需要的东西。当时游戏版号的管控很严格，用户对游戏精品的要求也会更高。做游戏以后我意识到，之前做互联网创业是非常顺利的。

从我个人的能力模型来说，虽然我对内容创作行业很感兴趣，但我不是一个天才制作人。我和团队更擅长的还是做产品，如果我们的产品能让更多人做更好的影片，也是很有意义的。

最初也是受到兴趣的驱使，我喜欢电影，有时候也会手搓一些AI短片。一开始我花了两周时间，先用Midjourney生成参考图，再用可灵生成的视频，加上剪映的后期，搓了一个3分多钟的AI短片。

当时我就觉得工作流比较复杂，角色的一致性也不高。正好Agent的技术也在发展，这种形态也许能够补足视频生成技术的不足，辅助用户制作AI视频。

郭列：一开始我想做偏C端的应用，但Token价格偏贵，所以To B或者To专业创作者的产品，会更合适一些。之前我也有做剪映的经历，所以对创作者的需求会更了解。

当时我刷抖音、B站、小红书，还有海外的TikTok和YouTube，很明显，社媒上的AI内容越来越多了。所以AI内容创作一定是个大趋势。

刚好Manus发布了（2025年3月），给了我们一些刺激。我们意识到可以通过让Agent执行的方式，将用户的创作精力放在审美决策上。

第一类是模型的C端应用。它们核心是为了展示模型的showcase，因为卖模型API本身就有足够大的利润。它们通常不会集成第三方模型，这就导致用户的创作体验有所缺失。

第二类是多模型的一站式集成平台。它们的核心体验与第一类产品没有本质的差别，因为用户仍然需要自己去了解不同模型的能力，以及不同内容的Workflow，最后用手动的方式串联。也就是说，虽然有Agent的参与，但发挥作用的依然是人的“大脑”。

第三类是Agent。Flova就属于这一类。它的好处在于极大降低创作门槛，用户不需要分散精力到如何搭工作流、如何优化提示词上，而是专注于表达。

唐果：前两类产品和Agent最大的不同在于，前者的每一次视频生成都是一次重新开始，但视频Agent的每一次创作，都是之前创作的延续。因为之前用户创作的所有判断、审美，都能作为Context，被Agent继承。

郭列：我们的目标就是做一个更通用的视频Agent。Agent的智能可以满足各种用户的需求，包括短剧、漫剧、广告等等。Flova是在一个比较通用的架构下，通过Skill来满足细分场景的需求。

唐果：记忆管理和Context管理有一些重叠的地方，但本质上是两件事：记忆管理更多的是记住用户的行为偏好，Context管理则是让Agent从上百、上千轮对话中，知道创作需要哪一种风格。

对我们而言，目前Context管理的优先级是更高的，因为这对单一项目创作是更刚需的事。因为我们发现，不少用户会在一个项目中持续进行几百轮对话，甚至基于一集的内容持续做十几集。当每一集的Context都有很好的关联性时，用户就会不自觉地在一个项目内做长对话积累的复杂创作。

除此之外，还有第三部分，就是人和Agent之间的信息同步：用户做出的选择要及时被Agent理解，Agent做出的修改也要让用户看得见、能接管、能纠偏。

郭列：不同用户对产品的感知是不一样的。比如短漫剧用户使用画布产品，更像是用低价去买模型。虽然画布也提供了创作能力，但这些用户自己天生有能力将提示词写好，没那么依赖工具。

瑞瑞尔：我们对于用户和市场有比较多的切片视角，一类是按照内容品类划分，一类是按照创作者对AI的熟悉程度划分，一类是按照创作动机划分。

郭列：我们的产品第一天就是同时面向人和AI设计的，超创刚好就是AI最资深的一批用户。在产品早期，超创对AI产品架构的设计，包括如何把产品做得更专业、品质更高，其实有很大的帮助。

剪映在初期也访谈了抖音上的很多剪辑达人。基于此，在底层架构设计阶段，我们才能对“多轨道”等更满足专业创作者的功能做一些原子化的拆解。

Flova的Agent平台上有各种Skill，大部分都是专业创作者编写的。普通小白只需要选择使用Skill，就能达到专业创作者80分/100分左右的能力。

我们内部搭建了一套非常完善的观测系统，来追踪用户与Agent交互的全过程。比如，用户有哪些卡点？用户的一个镜头语言表达，是ta自身通过持续的RO（Round Optimization，迭代优化）做到的，还是Agent激发了ta？

AI时代创业，要同时面向人和Agent做产品设计。那会不会存在面向Agent的一些行为转化漏斗？在你为Agent设计的环境或Harness（约束系统）中，能不能监测Agent是怎么做Reasoning（推理）的？

以及，Agent怎么判断自己要做什么？如何去使用工具？这个工具能否达成Agent想要达成的结果？Agent基于工具的结果又怎么再做推理？

我们搭建的观测系统，本质上就是存储这些过程的脱敏Context。未来这些Context可以被Agent消费，也可以以看板的形式被团队监测。

另一方面，监测系统会开放给我们所有的团队。研发同学和产品同学可以在同一个观测视角下，关注用户和Agent协作的不同切面，这有助于我们明确迭代方向。

用户选择了哪个版本、修改了什么素材、放弃了哪条方向，都要及时写回项目；Agent做了哪些操作、生成了什么结果、任务进行到哪里，也要让用户看得见。

在Agent一侧，我们会通过渐进式披露，在合适的阶段提供合适的信息、工具和约束，工具会尽量设计得更底层、更通用，让不同Agent可以复用。

与此同时，权限和工程边界要足够明确，但在边界内部，Agent可以根据任务状态自由规划和调整路径。自由不是没有约束，而是在清晰边界内拥有足够的行动空间。

唐果：我们研究Claude Code和Codex，是因为它们比较早地把Agent放进了真实的项目环境里。Agent不只是回答问题，而是持续读取项目状态、调用工具、推进任务，遇到问题后调整路径，最后把结果交给人检查和接管。

每个Agent都有Context Window的限制，我们希望Agent能在有限的Context下，更好地发挥智能。但当Context足够多时，Agent设计就会遇到Context Rot（上下文腐烂）的问题，简单而言，就是Agent的注意力会被庞大的信息量所分散。

唐果：我们并不排斥画布，也不认为画布和Agent冲突。对创作者来说，拖拽、摆放、缩放和自由组合都很自然，画布确实是很好的非线性创意发散空间。

它需要知道哪些是角色，哪些是镜头，哪些是参考图；在视频生成的过程中，它也需要知道众多的版本中，哪些是被用户认可的，哪些只是创意发散的过程——一旦工作台非常杂乱，Agent的智能水平会直线下降。

但我们不能被canvas-first（画布优先）的思维局限，而是要思考怎样的容器对Agent同样友好，并且让Agent和用户双方共享同一套Context。

唐果：产品需要在无序的创意发散空间，和有序的Context之间达成平衡。这意味着Flova要支持用户和Agent在不同视图之间灵活切换。

本质上Agent和用户对世界的理解是不一样的。Agent底层是语言模型，它会通过语言编码的方式去理解世界。但人是多模态的动物，对图和视频的感知会更强。

在Flova中，Agent会通过对话框接收人的指令，它干活的过程会呈现在左侧的“故事板”上，而用户可以通过中间的“预览”直接观测到Agent执行的结果。一旦效果不理想，用户可以直接双击“故事板”中的相关执行过程进行干预，比如修改Agent写的镜头描述。

瑞瑞尔：预期之内。但我们不会用竞争的视角去看待选手越来越多的现象。选手多，反而意味着越来越多的人认可这个赛道的巨大价值，我们更加兴奋。

郭列：我们不会把某一种技术架构直接当成壁垒。Context管理、Skill、多Agent、Harness，都是现阶段帮助视频Agent更好工作的方式，未来都可能变化。

更长期的积累，是持续观测用户和Agent怎么共同完成创作，并评估Agent的每一步有没有真正帮用户往前走。只有看清哪些能力创造了价值、哪些只是增加了复杂度，产品才能随着模型一起进化。

找到健康的经营逻辑，比激进地追求某一个指标更重要。具体而言，我们要考虑的是当下的业务阶段，应该匹配怎样的用户体量，配合怎样的现金循环以及ROI（投入产出比）。

举个例子，相比只看Token支出的总量，我们更关注的是有效消耗的比例，比如Token消耗中，有多少是用户觉得有价值的，哪些是因为产品还不够好导致的无效消耗。

Agent还在早期，我们更多希望用户觉得Flova好用。0毛利是相对合理的，我们给用户提供一个优惠的价格，让他们没有负担地使用产品。

现在市场上确实存在不少烧钱做补贴的现象，其中一些产品是没有做到商业正循环的。这会给公司的经营、用户的信任带来隐患。如果把AI行业拉到3年、5年、10年的长度，最终竞争还是会回归到产品力。

只要产品好用、增长和Token消耗都日趋健康，8000万美金对我们现在的阶段是合适的。后续如果我们有更健康的增长，融资金额也会随之增加。

郭列：从整个移动互联网周期来看，所有的头部大厂都真正做到了商业的正循环。如果做不到这一点，融资融着融着，就会出现问题，比如互联网教育、团购、共享单车。

比如短漫剧公司往往对成本很敏感，那我们给的补贴就多一点。但更大众化的创作者，本身创作体量就不大，他们更在意Agent对内容质量、创作效率的提升，他们更愿意为Agent的溢价付费。

智能涌现：通过创作者发布在社媒上的内容来导流，也是一种普遍的增长方式。在大家都在争夺社媒这个流量入口，这套增长方法论的效果还显著吗？

瑞瑞尔：创作工具和消费平台共生的循环体系，我们觉得它会一直work，并且还在加速work。Flova的用户主要就是通过口碑传播，以及社媒内容带量转化而来的。

郭列：这涉及到一个问题：随着模型的进化，视频创作的内容生态是更繁荣了，还是更水了？我们认为答案是越来越繁荣，模型的发展提高了创作的下限，而创作工具的发展是提高了上限，所以模型不会把视频工具吃掉。

这一过程中，AI视频的消费价值会被放大，消费者会变多，同时对上游创作者的需求空间也会变大，促使更多的创作者进来——这个市场还很早期，远远没到存量博弈的阶段。

Flova的定位更多还是面向prosumer，他们会将视频创作作为职业或者副业。但如果要创作成片，最强的视频模型Seedance 2.5依然需要50个参考。当模型能力越强、画面效果越好，其实需要的Context会更多，用户依然需要专业工具。

唐果：有。我们的非共识是，应用层不应该把任何一种Agent架构当成终局。Skill、多Agent、Harness都是帮助Agent进化的阶段性手段。

郭列：我们刚开始做FaceU的时候，当时市场上也有美图的“美颜相机”、腾讯的“天天P图”，字节内部还有一个“狸猫相机”，但我们还是跑出来了。