我如何用 Higgsfield MCP 打造我的 AI 视频机器

How I Built My AI Video Machine with Higgsfield MCP July 28, 2026 · 7 min read · View source ↗ Games MCP Higgsfield AI 一条成品 12 秒广告，30 credits。两个工具。我写 brief，智能体跑剩下 4 步。 我花了一年时间手工把视频工具串起来。 一个标签页里一个模型。另一个标签页里一个编辑器。一个重构画幅工具。一个放大工具。三个标签页开着，四个登录，每次一切换就丢一个渲染。 然后我问了一个问题。如果让我的智能体拥有这一切，而我只写 brief 呢？ 事实证明，一个连接器就能做到。我把 Higgsfield 加到我的智能体上一次。那一次连接的背后，坐着 30+ 个视频和图像模型，以及整套生产工具链。智能体去挑选、生成、打分，然后把一条成品片段交给我。 下面是完整构建。 为什么大多数 AI 视频配置会卡住 问题从来不是工具。是交接。 模型、编辑器、上传标签页之间的每一次切换，都是一个让你疲惫的点。你一天产出一条片段，一个月就 burnout。操作者永远是瓶颈。 一条能爆的视频，是一个已经跑通过的格式，指向一个全新的主体。格式才是资产。主体是一次性的。但在四个工具之间手工去找格式、生成它、给它打分、再剪它，一天就这么耗进去了。 下面这台机器把这一切塌缩成一次对话。 技术栈 两个工具。就这些。 Claude - 跑循环的大脑 Higgsfield MCP - 一个连接器 = 30+ 模型 + 整套工具链 去年这条流水线还是六个服务。现在只剩两个。一次连接就承载了 Sora 2、Veo 3.1、Kling 3.0、Seedance 2.0、GPT Image 2、Nano Banana Pro、Soul 2.0，以及那些分析、打分、重构画幅的工具。智能体来选模型。我从不打开第二个标签页。 流水线 ANALYZE → GENERATE → SCORE → SHIP 读取获胜的形状 → 渲染它 → 给钩子打分 → 交付 四个阶段。两个工具。阶段没缩水。缩水的是技术栈。 连接（60 秒，无 key） 这是一个连接器，不是 API。没有 key 需要生成、存储或轮换。 agent Settings → Connectors → 粘贴 Higgsfield MCP URL → 用你的账号登录。 就这些。一个新账号自带免费的入门 credits。我的智能体在登录的那一刻，就继承了连接背后的每一个工具。设置链接在第一条回复里。 第 1 步 - ANALYZE：读取获胜的形状 我不猜要做什么。我把分析器指向一条已经成功的片段，让它把蓝图交回来。 视频分析器拿任意一条参考片段，返回逐场景的拆解，外加一个可直接运行的提示词，捕捉那份观感。 Prompt： Use the Higgsfield video analyzer on this clip. Break it into a scene map: shot type, motion, pacing, and the exact first-2-second hook. Then write a ready-to-run generation prompt that reproduces the SHAPE on a new subject: [subject]. 出来的是一份我能直接照做的镜头清单，钩子已经被单独剥离出来。场景图才是真正的产物。我的参考库变成了提示词库。 分析 37 秒返回完成。7 个场景，和我自己数的帧数一致。 注意：我在那些我有权使用的片段上跑这个。拿别人的视频去克隆，那是别人的劳动。别这么做。 第 2 步 - GENERATE：一个 brief、一次渲染、一次聊天 我写了一个 brief。智能体不只是把它扔出去。 它先对两档做了预检：标准档 24 credits，Pro 档 30 credits。它选了 Pro 来做质感这一趟，并告诉我为什么。光泽和蒸汽就是整个卖点。 然后它做了我会做的那些判断。我的参考是 3:4；它渲染成 9:16。一个汉堡没有衣橱，所以它把"六个场合"那个节拍转移到了光线上：温暖的咖啡馆、正午的烈日、昏暗的餐厅、冰冷的厨房、情绪化的酒吧、白天的法式小馆。同样的活儿，换了载体。 Higgsfield 提出要不要换成它自己的预设。智能体拒绝了，为了保护我们刚从源里扒出来的那个形状。 一条带音频的 12 秒 9:16 片段。30 credits。 Prompt： Fill the placeholders in that generation prompt with: a glossy cheeseburger on a dark plate, steam rising. Render it through Kling 3.0. Show the credit cost of the render. 第 3 步 - SCORE：在发布前给钩子打分 每一版剪辑在获得一个观看之前，都会得到一个病毒传播分。 Higgsfield 的病毒传播预测器读了我的芝士汉堡渲染，返回数字：engagement 46/100、hook score 29、sustain 100%、focus drift 高。 钩子分偏低。智能体没有把它埋起来。它点出了最可能的元凶（一个汉堡没有脸来撑住一个柔和的开场，所以那个晚到的节拍 drop 承担了太多），外加一个保留意见：这些预测器是在真人主体的创作者内容上训练的，所以一个无脸产品渲染上的平庸分数，不像在人身上那么值得警惕。 Prompt: predict virality for video [your video] 分数是一个信号，不是神谕。我读它，但不服从它。它给的是我拿到的这版渲染打分，不是给蓝图打分。爆款是运气。底线是策略。 第 4 步 - SHIP：一次对话，一条成品广告 最终落地的，是一条成品片段。已经打过分。已经是 9:16，正是竖屏 feed 想要的那个精确形状。没什么可剪的。 当我要求一个 1:1 的重构画幅时，智能体报价 114 credits，接近渲染的 4 倍，我 pass 了。它在花掉一个 credit 之前，先把成本摆到屏幕上。那份克制，才是特性。 聊天就是镜头日志。每一个 job id、每一笔 credit 成本、每一个分数，都坐在我运行它的那段对话里。一个 brief 进，一条可发布的广告出。 这怎么赚钱 代做的短视频 创作者和小品牌为成品竖屏视频付费。一次 brief-到-片段 的运行，一个月 [N] 条片段的 retainer，流水线成本按每条片段多少 credits 来算。拉 3 张在售的价格卡，截图，把你的 credit 总量放在旁边。 从产品 URL 出营销视频 工具链把一个产品页变成一条营销剪辑。小品牌按条付费；每次渲染的成本是 credits。把价格锚定在你截图的 3 个在售 listing 上，而不是一个凭记忆的数字。 无脸频道 平台按观看量付费。这台机器把你从手工一天一条片的地板上挪开。只报告你真正记录到的观看量。 这里的每一个数字，都必须是你自己记录的数字，或一张截图下来的市场价。一张编了虚构行的预测阶梯表，不过是加了步骤的广告。 成本 Claude - $20/月 Higgsfield MCP - 渲染 30 credits，每单前先报价 新账号的入门 credits 覆盖了它。 我是用 credits 付的，不是美元。 底线 大多数人手工跑工具，一天产出一条，然后心存侥幸。 我写 brief。一个智能体读取获胜的形状，渲染它，在一个观看落地之前给钩子打分，然后把一条成品片段交给我。 四个阶段。两个工具。一个连接器。 设置链接在下面第一条回复里。 Tags: # X # Games # MCP # Higgsfield # AI # Claude # Marketing # Growth Related articles how i cook 30 winning AI ads in 30 mins w/ claude x higgsfield MCP i timed the last production session. MCP AI Higgsfield Advertising