一句话总结

南京大学与快手科技的研究人员提出了 Vibe AIGC，这是一种多智能体编排框架，用逻辑流水线取代随机生成，使用户可通过高层级“Vibe”提示指令生成复杂输出，弥合意图与执行之间的鸿沟，推动长周期数字创作的普及。

主要贡献

• 论文指出当前以模型为中心的 AIGC 系统存在“意图-执行鸿沟”这一关键限制：随机单次生成无法对齐用户的高层级创意意图，迫使用户依赖低效的提示工程。
• 提出 Vibe AIGC 新范式，以分层多智能体编排取代单一推理，由“指挥官”提供高层级“Vibe”，由“元规划器”将其分解为可验证、自适应的工作流。
• 借鉴 Vibe Coding 的理念，该框架将 AI 重新定位为系统级工程伙伴，通过将焦点从模型扩展转向智能代理协调，实现可扩展的长周期内容创作。

引言

作者利用新兴的 Vibe Coding 概念，提出 Vibe AIGC 新范式，将内容生成从单模型推理转向分层多智能体编排。当前 AIGC 工具面临持续存在的“意图-执行鸿沟”：用户必须手动设计提示词，才能从黑盒模型中获得连贯输出，这一过程随机、低效，且不适用于视频制作或叙事设计等复杂长周期任务。以往方法——无论是扩大模型规模还是拼接固定工作流——均未能弥合这一鸿沟，因其仍以工具为中心，缺乏自适应、可验证的推理能力。作者的主要贡献是构建一个系统，用户作为“指挥官”提供高层级“Vibe”（审美、功能与语境意图），由“元规划器”将其分解为可执行、可证伪的智能体流水线。这使 AI 从脆弱的推理引擎转变为协作式工程伙伴，支持可扩展、以意图驱动的复杂数字资产创作。

方法

作者采用分层、意图驱动的架构，弥合抽象创意指令与精确、可执行媒体生成工作流之间的语义鸿沟。该系统的核心是“元规划器”，其功能并非内容生成，而是作为系统架构师，将自然语言“指挥官指令”——常包含主观“Vibe”信号，如“压抑氛围”或“希区柯克式悬疑”——转化为结构化、领域感知的执行计划。这一转换得益于与“领域专家知识库”的紧密集成，后者编码专业启发式规则、类型约束和算法工作流。例如，“希区柯克式悬疑”被分解为具体指令：推拉镜头、高对比度布光、不和谐音程配乐，以及基于信息不对称的叙事节奏。该过程将隐性创意知识外化，缓解通用大语言模型常见的幻觉与平庸问题。

如下图所示，架构运行于两个主要层级：创意层与算法层。创意层基于解析后的意图生成宏观标准操作程序（SOP）蓝图——包括剧本规范、分镜绘制与配音规划——该蓝图随后传递至算法层，后者动态构建并配置由 AI 智能体、基础模型和媒体处理模块组成的工作流图。系统根据任务复杂度自适应调整编排拓扑：简单图像生成可能触发线性流水线，而完整音乐视频则需包含剧本分解、角色一致性生成、关键帧渲染与后期特效的图结构。关键的是，元规划器还会配置操作超参数——如采样步数与去噪强度——以确保工业级保真度。

人机协同机制贯穿整个流水线，允许在创意与算法层面进行实时修正与优化。这种闭环设计确保系统能响应用户意图的动态变化，同时保持技术一致性。元规划器的推理并非静态，而是自上而下动态扩展工作流，实时感知用户的“Vibe”，借助专家知识消歧意图，最终输出精确、可执行的工作流图。该架构标志着从碎片化、手动或端到端黑盒系统，向统一、智能体驱动、语义锚定的创意内容生成框架的范式转变。