Agnes接入Banana：日活5万+的多Agent工作流，中文不再出戏
原创 花叔 花叔 2025-09-12 18:39
互动数据
- 阅读：1917
- 点赞：26
- 转发：174
- 喜欢：8
- 留言：12
先抛个结论：Agnes 可能是我见过最像“AI虚拟设计团队”的产品。
它最近接入了谷歌的 Nano Banana 模型，但玩出来的效果，却完全不是大家在小红书或朋友圈里常见的那种“玩票式生图”。
我这段时间没少写谷歌Nano Banana模型相关的内容，你大概也在很多公众号/小红书看过Nano Banana的各类玩法。一句话生成和名人的合作，一句话把自己变成手办模型，修改图片上的细节，融合多图的元素也在电商等行业有诸多应用场景。
可真到落地，两个老问题就会冒头——中文元素一加就破功，图做完还得在一堆工具之间复制粘贴。Agnes 这次把两件事同时补齐：接入Nano Banana 的同时，用“多模型混合 + Deep Design 多 Agent 评审迭代”的系统工程，把中文生成和工作闭环都搞成了默认选项。
从核心体验来说，Agnes 在9月1日的更新中就接入了 Banana，并做了三层增强。
第一层是智能分流：当你的画面需要中文标题、包装文案、路牌、UI 中文标签等，系统会自动并行调用更擅长中文的模型参与生成，再把多个候选交给评审机制。
第二层是 Deep Design 的“找茬—改进—优选”：多个 Agent 从构图、风格一致性、文本可读性、与任务目标的贴合度逐项审视，不合格就把意见翻译成下一轮的绘图指令，直到达到阈值或者你拍板。
第三层是工作闭环：图像不是终点，你可以一键把它送进视频模块做 9:16 或 16:9 的开场与转场，也能把研究结果与设计稿直接装订成可编辑的 AI Slides；网页和移动端的上下文与记忆层实时同步，电脑上起的活，地铁里也能接着干。
实测Agnes多agent设计工作流
我用个实际的生成城市3D卡通图的案例让大家看看是怎么回事。
我提供了一个极其简单，且有些模糊的要求：
帮我分别生成世界前5大城市的三维卡通立体图，图上要有对应城市的中文名
让我们看看Agnes是如何工作的，首先它会拆解任务，规划出它需要完成的输出任务。在这一步，你可以选择是否开启「Deep Design」，再让Agnes继续。
强烈建议开启！！！
虽然可能会消耗更多的图片生成点数，但我觉得这是Agnes相比其他设计工具最大的特点之一，在「Deep Design」模式下，Agnes会启动设计评审的机制，对生成的图片效果进行专业审核，再判断是否需要重新生成，以及如何优化。
接着看实际执行，它先调用Plan Schedule工具规划了要帮我完成设计的完整步骤。包括请设计导师提供关于卡通立体图的整体设计风格、颜色系统、字体等方面的专业指导。再让视觉生成器将根据设计指导，分五步生成每座城市（东京、德里、上海、圣保罗、墨西哥城）的卡通立体图，并确保图上包含清晰的中文城市名。
设计指导涵盖的内容包括整体设计风格、颜色系统、字体选择、地标元素、三维表现形式、中文名标注规范等。
接下来它又调用Visual Principles工具，为我的需求规划了非常详尽的设计规范，包括核心风格（Core Style）、核心概念（Core Concept）、情绪氛围（Mood/Flow）、具体的颜色规范（Color Palette）、字体系统（Typography System）、布局（Layout）、核心视觉元素（Key Visual Elements）等，非常详尽且丰富。这完全就是给我的任务整了个设计团队，做了全套的VI设计。
我自己来的话，别说不知道每个模块怎么写，甚至该写哪些东西都是懵的。
在设计规范定义之后，Agnes再次调用Prompt Enhancing工具，为每张图片生成了非常详尽的提示词。
比如，东京的生图提示词是这样的：
A vibrant and imaginative 3D cartoon立体ism illustration of Tokyo.
也就是说，你完全不需要自己薅尽头发硬想提示词，也不需要到处复制黏贴网上大神的提示词，再让他们躺在你的收藏夹里落灰了。
你只需要自己语言表达清楚需求，Agnes为你提供的「虚拟设计团队」里自有专家帮你设计完整、专业的提示词，而且这些提示词不是为了炫技，不是为了复杂而复杂，而是真正在结合设计目标的情况下所生成的。
所以，接下来，我们再看看这一套流程下，生成的效果是怎么样的。
先看上海和东京的两个案例，可以看出因为有前置的设计规范的加持，两个图片的设计风格维持得相当一致，且中文字体的表现非常稳定出色。
但是，大家，也知道，AI总有抽卡的情况，一开始生成的德里和圣保罗这两个城市的效果就没那么理想了，主要是文字出现了错乱，风格也不太准确。
但是，接下来的环节，让我相当惊喜。
在启动「Deep Design」的模式下，Agnes会在生图后引入「找茬评审」的角色，对生成的图片质量进行打分，并且，这个评审还真是毫不留情面，分别打出过55、78、57、60的分数，在经过多轮迭代之后
而且这个评分还真不是张口就好，我觉得比现在某些综艺节目的评审强多了，分数维度拆分清晰，包括对Prompt指令的遵从性，图片的细节丰富程度，构图等等，有理有据👇
在经过多轮优化后，终于得到了两个90分以上的结果👇
最好，简要总结下，Agnes 之行的特点就是先把任务拆成角色与阶段，再把每一步产物显式化：先有设计指导，再落地视觉原则，再生成面向机器可执行的提示词，最后进入生成—找茬—再生成—优选的闭环。你给的是目标，它给你配齐「虚拟设计团队」。
如果你好奇这件事一定要Agent做吗？直接使用nano banana不行吗？我们可以看下在同等提示词下，Nano Banana的产出效果👇
呃…这确实命中nano banana的能力禁区了。
而回到Agnes的话，你让它去做你直接用Nano Banana可以完成得很好的任务，则也是毫无压力的，比如生成任务手办照片
比如，和名人的合影
从图片到视频、PPT
很多时候，AI生成的图片并不是我们工作中需要的最终产物。
也许，我们要做个宣传片，需要在此基础上再做个视频。
也许，我们在完成一次汇报，我们需要拿图片作为PPT的素材。
在Agnes中，你可以让这一套工作流程完成丝滑地连接起来，不需要在不同的软件之间复制黏贴，牺牲效率，你只需要轻轻要求一句：请参考这张图，帮我生成动态视频。
你就能得到下面的视频。
为什么Agnes会不一样？
写到这里，我觉得很多人心里可能有个疑问：Agnes到底是谁？为什么它能把大家都在玩的 Nano Banana，做成完全不同的体验？
背后绕不开创始人 Bruce 的故事。他从中国走出去，先在新加坡莱佛士书院、再到 UC Berkeley 数学与计算机双学位，师从图灵奖得主，毕业后在微软和 LinkedIn 做核心项目。26 岁起开始连续创业，还打造过千万级下载的应用产品。现在，他是一名新加坡国立大学的博士生，研究方向正是 AI 多 Agent 协作。
也就是说Agnes今天的设计，完全不是拍脑袋想出来的，而是直接承接了他的学术研究成果。比如《ADR-Driven Development of a Multi-Agent Workspace》这篇论文，就明确提出了“多 Agent 分工协作+共享记忆层”的设计范式；而另一篇《CodeAgent》研究的 token 效率优化，已经被应用在下一代系统里。也就是说，Agnes背后的“虚拟设计团队”，不是简单的产品包装，而是有方法论和实验验证支撑的。
团队本身也值得一提。它是新加坡国立大学孵化出来的科研型团队，核心成员来自 NUS、MIT、NTU、UCB 等学校。既有学术上的厚度，也有硅谷大厂的实战经验。你会发现，这样的背景下，做出的产品天然会带点“学术味”——更关注流程、架构和系统性，而不是只追一时的效果。
这也是我很好奇的地方：很多 Agent 产品说到底还是聊天机器人加点工具接口，但 Agnes 却在尝试做一个完整的“工作空间”，让 AI 真正像团队一样运作。这种野心和出发点，本身就和别人不一样。
用户能拿到什么？
说回到使用者能感受到的部分。Agnes 目前的日活已经突破 五万，说明它确实找到了市场切口。对国内用户来说，它有两个很现实的好处：
第一，零门槛体验 Banana。在 Agnes 里，不需要翻梯，也不需要配置复杂环境，就能直接玩 Nano Banana，生成的图片无水印。免费用户每月还能拿到 80 次生图额度。对于那些原本只能在 小红书 或 公众号 上看别人玩 Nano Banana 的人，现在终于能自己动手试。
第二，不止是 Banana。你会发现它其实是一个完整的工作流平台：图片生成之后，可以一键衔接到视频，再到 PPT。再加上 Research、AI Slides、Deep Research 等功能，等于把你常用的几个 AI 工具全都收拢在一个窗口里，电脑上做的事，手机上还能接着改。对个人来说更高效，对团队来说也更方便协作。
写在最后
所以，如果说 Nano Banana 展现了模型能力的炫技时刻，那 Agnes 就是把这种炫技变成了日常能用的工作流。它背后是一群学术和工程背景都极强的人在认真打磨，这也是为什么我会对这个产品格外好奇。
很多人可能还不了解 Agnes，但我觉得，它很可能代表了一类新的方向：不是再造一个模型，而是重新发明一个“用模型的方式”。如果你也想体验一下这个差别，不妨去试试。
他们的官网：https://agnes.life/