使机器人能够零样本（zero-shot）执行新型操作任务，是机器人学领域的一个核心目标。现有大多数方法假设任务分布于训练数据范围内，或依赖于与具体机器人本体匹配的数据进行微调，从而限制了在不同平台间的迁移能力。本文提出 NovaFlow，一种自主操作框架，能够将任务描述直接转化为目标机器人可执行的行动规划，且无需任何示例演示。给定任务描述后，NovaFlow 首先利用视频生成模型合成一段视频，并通过现成的感知模块将该视频提炼为三维可操作物体运动流（3D actionable object flow）。基于该物体运动流，系统计算刚性物体之间的相对位姿，并通过抓取提议与轨迹优化将其转化为机器人动作。对于柔性物体，该运动流则作为基于粒子的动力学模型进行模型化规划的跟踪目标。通过将任务理解与底层控制解耦，NovaFlow 实现了对不同机器人本体的自然迁移。我们在桌面级 Franka 机械臂与 Spot 四足移动机器人上，对刚性、可动及柔性物体的操作任务进行了验证，均实现了无需演示或针对特定本体的训练即可有效完成零样本执行。项目主页：https://this-url.com。