大多数在 Codex 中使用视频生成的开发者，每次任务都要手动指定模型。对于个别任务来说这没什么问题。但当视频生成成为工作流的一部分——Agent 处理的任务类型多样、频率不一——手动选模型就变成了一个可以消除的决策成本。
更好的方式：给 Codex 设计决策逻辑，让 Agent 根据任务特征自动判断用哪个视频模型。
这篇指南聚焦于如何设计触发 Veo 3.1 的 Agent 工作流——什么任务特征应该让 Agent 选 Veo 3.1，什么情况下不该选，以及如何构建从探索到交付的完整自动化序列。
如果你还没有在 Codex 中接入视频生成能力，先阅读 How to Generate Video with Codex。
Veo 3.1 的 4 个自动触发条件
要让 Agent 可靠地选择 Veo 3.1，需要识别 4 类任务特征。每条特征都应该出现在你给 Codex 的任务描述或系统提示词中：
条件一：输出面向外部受众
产品页主视频、发布公告视频、媒体资料包——生成结果不经额外润色，直接进入发布流程。这类任务的质量容错空间最低，Veo 3.1 的单次生成质量上限适合这里。
条件二：提示词已经审批确认
客户审批过的视觉方案、具体的品牌规范要求、已通过多轮迭代确认的创意方向——任务描述足够具体，对"提示词忠实度"有明确要求。Veo 3.1 在精确提示词上的执行力更强。
条件三：目标时长在 8 秒以内
Veo 3.1 最长支持 8 秒。超过这个长度，Agent 应该自动切换到 Kling 3（最长 15 秒）。这条规则可以完全用代码判断，不需要人工介入。
条件四：质量优先于速度
当前任务的核心目标是单次生成的最高质量，而不是快速迭代或批量产出。
设计决策逻辑：给 Codex 的模型选择规则
把以上 4 个条件转化为 Codex 可以执行的决策规则。最简单的实现方式是在系统提示词中明确模型选择标准：
视频模型选择规则（由 Agent 根据任务上下文自动判断）：
- 外部发布 + 提示词已确认 + 时长 ≤ 8 秒 → veo-3.1
- 方向测试 / 快速迭代 / 内部预览 → veo-3.1-fast
- 时长 > 8 秒 或 运动写实感是核心需求 → kling-3
- 批量重复性日常生产 → seedance-2
有了这个规则，Agent 在接到视频生成任务时会根据任务描述中的信号自动选择模型：
# Agent 根据规则自动判断并执行
anycap video generate \
--prompt "产品发布公告视频：深色 UI 界面，发光强调元素，核心功能平滑呈现，电影级打光" \
--model veo-3.1 \
-o announcement.mp4
三段式自动化序列：从探索到交付
这是一套覆盖完整视频生产周期的 Agent 序列。三个阶段对应三个不同的模型选择，每个阶段的触发条件不同：
第一阶段：方向探索（Gemini Omni Flash）
任务状态处于探索期时，使用 Gemini Omni Flash 进行多轮对话式迭代，不消耗 Veo 3.1 的生成时间：
# 方向未确认 → 使用 Gemini Omni Flash 快速迭代
anycap video generate \
--prompt "产品英雄视频，需要确认风格方向" \
--model gemini-omni-flash \
-o explore.mp4
第二阶段：方向预览（Veo 3.1 Fast）
方向确认后，在提交正式版本前，用 Veo 3.1 Fast 验证同一模型系列的输出效果：
# 方向确认 → 升级到 Veo 3.1 Fast 验证
anycap video generate \
--prompt "产品发布：深色环境光，流畅镜头移动，高端质感" \
--model veo-3.1-fast \
-o preview.mp4
第三阶段：最终交付（Veo 3.1）
任务进入交付阶段，Agent 自动触发 Veo 3.1 完成最终版生成：
# 已确认交付 → 触发 Veo 3.1 最终版
anycap video generate \
--prompt "产品发布：深色环境光，流畅镜头移动，高端质感" \
--model veo-3.1 \
-o final.mp4
整个序列的设计原则：Veo 3.1 的生成时间只花在方向已确认的任务上，不用它来寻找方向。
图生视频的自动化路径
当任务需要从静态资产生成视频时，Agent 的自动化序列分两步完成：
# 步骤一：生成关键帧
anycap image generate \
--prompt "高端 SaaS 产品主视觉，深色界面，悬浮 UI 元素，电影级打光" \
--model seedream-5 \
-o keyframe.jpg
# 步骤二：触发 Veo 3.1 图生视频
anycap video generate \
--prompt "缓慢电影感推进，细微视差，界面元素轻微呼吸感，高端质感" \
--model veo-3.1 \
--mode image-to-video \
--param images=./keyframe.jpg \
-o hero-animated.mp4
边界情况：自动化逻辑的排除规则
好的决策逻辑同样需要明确的排除条件，告诉 Agent 什么时候不该触发 Veo 3.1：
| 情况 | 正确模型 | 原因 |
|---|---|---|
| 创意方向还在探索中 | Gemini Omni Flash | 对话式迭代，不浪费 Veo 3.1 生成时间 |
| 需要 >8 秒片段 | Kling 3 | Veo 3.1 上限 8 秒，超出自动降级 |
| 批量重复性内容生产 | Seedance 2 | 一致性优先于峰值质量 |
| 内部预览或草稿确认 | Veo 3.1 Fast | 同系列，速度优先 |
Agent 阶段自动映射表
将这个映射关系直接写入 Codex 的任务处理逻辑：
| 任务状态 | 调用模型 | 说明 |
|---|---|---|
| 探索中 | gemini-omni-flash |
多轮对话式方向迭代 |
| 方向已确认 | veo-3.1-fast |
同系列快速预览，验证效果 |
| 准备交付 | veo-3.1 |
最终高质量单次生成 |
| 长片段（>8s） | kling-3 |
超出 Veo 3.1 时长上限 |
| 批量生产 | seedance-2 |
批量一致性场景 |
常见问题
自动化逻辑中，Agent 如何判断"方向已确认"？ 最简单的方式是在任务描述中加入状态标记（如 status: confirmed），或者在工作流中设计一个人工确认步骤，在 Veo 3.1 调用前作为前置条件。
通过 AnyCap 使用 Veo 3.1 需要单独管理 Google API 密钥吗？ 不需要。AnyCap 统一管理所有视频模型的 API 密钥，Codex 只需要一个 AnyCap API 密钥即可调用全部模型。
Gemini Omni Flash 和 Veo 3.1 Fast 都很快，区别是什么？ Gemini Omni Flash 支持多轮对话，模型延续上下文继续编辑；Veo 3.1 Fast 是单次生成，每次从新提示词开始，不保留对话历史。前者用于方向探索，后者用于效果预览。
下一步
- Codex 中的 Gemini Omni Flash：对话式视频编辑 — 方向探索阶段的详细工作流
- Codex 中 Gemini Omni Flash 与 Veo 3.1 对比：如何选择模型 — 并排对比
- 面向编程智能体的 AI 视频编辑器 — 对话式编辑的整体格局
总结
让 Codex 自动选择视频模型的关键是设计明确的决策规则，而不是依靠人工每次指定。4 个触发条件——外部发布、已确认提示词、时长 ≤ 8 秒、质量优先——可以直接转化为 Agent 可以执行的逻辑。
在基于 AnyCap 的 Codex 工作流中，这套决策逻辑让 Veo 3.1 的高质量生成时间只花在真正值得的任务上。