Joe Salvatore：用 AI 指导品牌创作，品味仍由人把关

视觉艺术家、品牌内容创作者 Joe Salvatore 与 Reid Hoffman、Parth Patil 讨论如何在创意工作中使用 AI。Salvatore 说，工具可以承担制作，但创作者仍需提供品味、清晰表达方向，并判断什么值得做。

节目介绍了 token 资助计划：入选创作者每周获得价值 1,000 美元的模型 token，可以自由选择工具，还能使用定制智能体。计划希望缩短从想法到完成作品的距离。

Patil 在洛杉矶威尼斯的创作者工作室 Lighthouse 认识了 Salvatore。Salvatore 有视觉叙事和品牌素材制作背景，已经深入研究图像和视频模型。Patil 开始向他请教模型、工作流，以及如何让不同图片服务于一致的品牌构想。

Patil 好奇，一位没有工程背景的视觉创作者拿到编码智能体后会做出什么。Salvatore 说，他看到一支将《指环王》和 Wes Anderson 风格结合的 AI 预告片后，花了大约四年尝试创意工具。

Salvatore 说，Patil 鼓励他从一次制作一件作品中退一步，转而编排更大的流程。这种变化帮助他探索此前难以触及的思考方式。他将自己的体验与 Hoffman 所说的增强智能联系起来。

他最初纯粹出于好奇尝试 Midjourney 和图像生成，并非因为商业需要。后来他研究视频工具，逐渐找到将它们用于品牌内容的方法；现在他使用 Codex 自动化制作静态广告。

他发现，关键技能是准确表达创意。Salvatore 说，输出会暴露指导的质量：敷衍的简报往往带来差的作品。他的工作从控制一张图片，发展到一组图片，再到能生产数百张图片的系统。

面对更大的批次，他会明确创作流程本身：写好简报、指出要提取的品牌要素，并规定系统应遵循的步骤。他把学习过程比作建房子：先做一张，再做两张，然后扩展整个结构。

Patil 将这种变化描述为在多次生成中建立一致的美学或世界观。Salvatore 说，Weavy 这样的节点式可视化工作流，能帮助创意工作者看见输入、中间步骤和大量输出之间的联系。

Salvatore 说，熟悉整个路径后，他就可以直接向 Codex、Claude 或其他智能体描述工作流，不再必须依赖可视化节点。Patil 强调，结果来自模型和反馈环节的串联，而不是生成一次就结束。

谈到具体建议，Salvatore 主张设置约束。他说，给系统太多自由，后续可能越来越令人沮丧。他会从明确写出自己认为什么是一张好图片开始，让工具有更清楚的目标。

Hoffman 补充说，模型可以承担角色。写作《Superagency》时，他可能要求 AI 扮演技术史学者，指出论点的对错，并提出补充或反驳。这样比笼统地提问更容易展开有用的交流。

Salvatore 赞同：他会给模型指定角色、参考和边界，就像写创意简报一样，交代它是谁、该做什么、不能做什么，以及产品需要哪些背景。开头越具体，后续可能出现的结果范围就越明确。

Patil 将创意评价与应用功能是否能运行作对比。审美工作带有主观性，判断质量需要经验。他问，当好结果的定义由创作者决定时，使用智能体有哪些反直觉之处。

Salvatore 说，无论生成的广告成功还是质量很差，智能体都可能自信地声称作品很棒。他可以把制作外包，却不能把自己的品味外包：创意工作者仍需介入并判断结果。

Salvatore 认为，品味来自反复创作。他现在更重视前期准备，会看设计师的作品、杂志、旧平面广告，以及 Cosmos 和 Pinterest。关键是找出参考资料中一致的主题，并准确表达出来。

Hoffman 请他介绍一个具体工作流。Salvatore 描述了为饮料品牌 Ketone-IQ 制作广告的项目。他用 Hermes 做研究，用 Codex 或 Claude 做创意工作；在这个例子里，Codex 负责制作流程。

第一步，他让 Hermes 研究 20 种不同时代的静态或平面广告风格，从 20 世纪 40 年代到当代社交媒体。他希望得到案例和模板，以及每种方法可能为何有效、可能失败的原因和修改建议。

他把研究结果交给已通过 fal.ai 连接创意工具的 Codex，再提供产品图片和活动文案。他说自己使用 GPT Image 2；输入包括选定的模板、瓶子图片和促销文案的不同版本。

他不会立即运行全部模板，而是先试两三个。已有的创意总监 skill 将各部分送进图像生成流程，返回后由他评分。几个测试跑通后，他再要求 20 个模板各生成十个版本。

他让大批量任务在夜间运行，醒来时仍在收尾。Patil 认为，这是围绕创作者的指导建立起来的系统。Salvatore 说，他是出于创意好奇和乐趣投入这项工作，同时也知道 AI 工具在创意领域受到反对。

Patil 介绍他和 Salvatore 通过 Telegram 共用的 Hermes 智能体。它曾协助制作图像小说，也积累了 Salvatore 广告流程的相关内容。Patil 认为智能体反映了与其合作的人；他们还会手动将技能打包，传给其他智能体。

Salvatore 举了另一个例子：为自己和 Patil 制作每天早上 8 点送达的简报。他要求智能体汇总过去 24 到 48 小时的 AI 和科技动态，并思考新闻可能预示哪些新产品或趋势。

Patil 说，这份简报让他有一个思考事件意义的起点。Salvatore 认为自己最有价值的技能是清晰表达；依他的经验，反复向工具解释想法，也改善了他在拍摄现场和其他项目中与人的沟通。

Hoffman 问他哪一种工作流学起来最费力，以及它如何与他人的工作结合。Salvatore 说，自己必须先通过可视化实验看见中间步骤，才有信心要求智能体执行整个自动化流程。

现在为品牌提供咨询时，他把可视化 Weavy 工作流当作教学工具。看到流程如何从输入走向输出，有助于客户理解原本像黑箱的自动化。Patil 称之为先把系统展示出来，再让人们信任它。

Salvatore 引用维特根斯坦关于语言边界的思考，问当语言成为将想法带入世界的方式时，专业人士该练习什么。Hoffman 说，想象力和表达想象的能力都能通过反复实践发展。

Hoffman 建议让 AI 提供练习，并就如何更好地表达一个想法给出反馈。创作者可以不只要求一份普通剧本，而是尝试从某种艺术视角重新构思；结果不好就丢弃，再试另一种参考。迭代能扩大创作者的表达空间。

Hoffman 说，具体的参考能够迅速传达更丰富的背景。Salvatore 把回顾几十年前的广告比作某种时间旅行：创作者可以借鉴已不在世的人留下的作品，解决新的问题。

被问到未来两三年的创意和技术工作会是什么样，Patil 提出的是预测，并非已确定的结果。他预计软件会更便宜、更快地被创建和修改，从而产生适合特定任务的界面和工具。

Patil 举例说，自己曾让 Codex 为视频模型流水线构建一个可视化工作流界面。他想象，更快的推理会让软件更灵活：项目需要时，智能体可以即时创建或修改小工具。

Patil 认为，当模型能够生成代码或视频时，系统设计和讲故事的能力会更有价值。他说，图像和视频工具可能让更多人获得制作能力，但这不会自动赋予他们讲出值得再次观看的故事的能力。

他说自己现在更认真地研究电影和图像小说，关注每句对白和每一帧画面。Salvatore 认为创意工作者需要学会当导演；Patil 将这一观点扩展到电影之外的多种工作。

Salvatore 再次提到维特根斯坦的狮子，问当 AI 说“我理解”时，意思是否与人相同，还是只在模仿语言。这个问题引出了对意义的讨论，并不意味着答案已有定论。

Hoffman 回忆与哲学家 Bill Child 讨论维特根斯坦的经历。他介绍了关于真理、语言和生活形式的问题，追问它们如何适用于与 AI 系统的对话。在他看来，实际交流表明，“理解”的概念值得进一步审视。

Hoffman 用比喻说，AI 模型有点像经过大量人类材料训练的外星生命形式。他认为，模型既熟悉又不同的特点，引出了关于语言和知识的有趣问题。Patil 最后感谢 Salvatore 参加节目。