AI 工作流至少要准备三层降级方案。 第一层：同一家厂商的低阶模型。 比如最强模型不可用，先切到同厂旧模型，接口和使用习惯变化最小。 第二层：不同厂商的替代模型。 保证关键任务不被单一平台卡死。 第三层：本地或开源模型兜底。 不追求体验，只保住核心流程。 降级方案的目标不是“效果完全一样”。 目标是：服务不断、团队不停、客户无感或低感知。

今天工作流被一个 402 打断了。 MiMo API 余额没了，TG 日报摘要全挂，早报总结也跟着红。 最烦的是，我明明不是没模型额度。 Claude / Cursor / Codex 订阅都在，平时也一直在用。但脚本不认“你已经订阅了”，脚本只认一句话： API key 呢？ 这大概是很多个人 AI workflow 都会遇到的断层：模型在网页和对话里很顺手，一进自动化系统就变成另一套账本。 TG 日报要摘要，微信群消息要消化，内容候选要打分，worker 要批量跑。只要这些东西进了系统，就绕不开稳定的 API 调用入口。 这也正常。模型公司不可能让所有人直接把订阅账户当无限 API 池用。 所以我今天加了一层本地 relay。 上层 workflow 只打本机： 127.0.0.1:xxxx/v1/chat/completions relay 后面接什么，再由我决定。今天先接 Claude，明天也可以换 Codex、Cursor、ChatGPT 或其他可用入口。 脚本不用知道后面是哪家模型。它只看到一个稳定的本地 OpenAI-compatible API。 修完之后，TG Daily 重新跑通，morning health 回到全绿：6 新鲜 / 0 陈旧 / 0 缺失。 对我来说，这比“又多接了一个模型”重要得多。 这件事最有用的地方不是省钱，而是把不稳定因素收回本机： 第三方 key 没余额，不影响主流程； token / cookie 不出本机； 并发、限流、fallback、日志脱敏都在自己手里； 所有 workflow 都不用关心后面到底是哪家模型。 但性价比确实离谱。 说白了，这更像月票和打车的区别。 偶尔问几句，API 很方便。可一旦开始跑 agent workflow，长上下文、批量摘要、多轮调用、定时任务，账单很容易比订阅还贵。 订阅账户本质上是平台给高频用户的一种补贴。重度使用时，这个杠杆会被放大很多。 我现在更愿意把它拆成三层： 订阅账户 = 模型额度； 本地 relay = 工程接口； workflow = 真正消费模型能力的地方。 这个工具真正服务的人，是已经有 AI 订阅，也真的在搭个人 workflow 的人。 目的不是绕平台规则，而是把“我在订阅账户里能用的模型”，变成“我的系统里能稳定调用的能力”。

Hermes Studio 工作流实践：从一张图片到一部治愈系短片 近期我们通过 Hermes Studio 的自动化工作流，完成了一次完整的 AI 内容生产实验：以「把星星送回天空」为主题，从首尾静态图片出发，自动生成一部 8 秒短片及配套文案。 工作流共分三个节点，全程自动衔接： 节点一 · 图像生成 基于 GPT Image 2 生成首帧画面：黄昏时分，人物在草地拾起一颗发光的星星，确立短片的基础视觉基调。 节点二 · 图生视频 以首帧为起始图，调用 Grok Image-to-Video 引擎，将"黎明告别、挥手送别、星归夜空"的叙事写入生成提示词，输出约 8 秒的 H.264 视频（736×400），完成从静态画面到动态叙事的转化。 节点三 · 文案生成 结合前两节点的画面与故事线，自动生成治愈系文案（主文案 + 多平台适配版本），覆盖视频配文、封面标题、社交平台发布等多种使用场景。 实践要点： 多模型协同：图像生成、视频生成、文本生成分别调用最合适的引擎，由工作流统一编排； 节点间上下文传递：后续节点自动继承上游产出（如图片、视频、提示词），无需人工搬运； 一次配置、重复执行：相同流程可复用于同类内容创作，降低重复劳动。 本次实验验证了 Hermes Studio 工作流在「视觉内容自动化生产」场景下的完整能力链路：一张图 → 一段视频 → 一套文案，全程无需人工介入。 产出视频：

办公领域的 AI 工作流最理想的状态就是 chat 了，因为办公领域最大的瓶颈是「交流」 工种内的工作流最终会收敛到不同 tag 的 issue chat 与 issue，一个管即时交流，一个任务管理

真的感觉很多工作流（Agent）不用搭的太复杂，模型一迭代就直接给你全干废了，最好是轻量的一层壳，让模型自由发挥就好了。 前阵子opus5没出的时候我魔改了很多东西，让fable5 low 作为planner和checkpoint reviewer，opus 4.8 high作为worker，基本所有的工作都是这套逻辑，避免频繁的切换Model。 甚至还写了一篇小文档来记录这个系统，然后opus5一出这些就全都作废了，无脑opus5就行

一个 AI 工作流能不能卖，不看演示时有多顺。 要看客户第一次自己操作时会不会卡住。文件放哪、链接怎么给、什么材料必填、失败后怎么办、输出到哪里看，这些小问题决定了他会不会继续用。 所以交付时，别只给工具和提示词。给一份一页说明、一个示例输入、一次陪跑和一个错误处理方式。

最近在折腾动态工作流，发现它其实是一个元 harness，能把 Claude、Codex、Pi、Hermes 这些后端全串起来。 大家都在忙着给单个 agent 加循环、加路由，但很少有人把它当图来画。直到 Claude Code 团队把这东西端出来，我才意识到自己之前做的那套能泛化到更多地方。 它能干的事远不止排队干活： LLM 理事会，几个模型坐下来开会，各自给看法，比单模型瞎猜靠谱。 动态路由，简单任务扔便宜模型，难任务转给 Fable，成本和效果两头占。 顾问+执行者，一个审，一个改，不用你当裁判。 甚至让代理互相聊天，搞 AI 编辑、共创内容，效果意外地好。 核心就一句话： 别只造一个会循环的 agent， 造一个能编排所有 agent 的图。