火山引擎Agent Plan实战：从编码到全模态智能优势解析

说到 Coding Plan，大家可能都不陌生。不过火山引擎又搞了个新花样——Agent Plan，直接把这个概念推到了另一个维度：

Agent Plan = Coding Plan + Image生成 + Video生成 + 其他工具链

（顺便提一句，豆包 TTS 2.0 这个性价比之王居然没被加进来，有点可惜。）

这样一来，你就不需要为每个 AIGC 服务单独去接一套 API 了。对于需要整合多模态能力的开发者而言，这无疑是重大利好。

之前为了搭建自媒体工作流，曾经封装过一套包含 20 多个技能（skills）的工具集合，覆盖文本、视频、图片等几乎所有 AIGC 工具。现在利用 Agent Plan，这些技能的安装和适配变得格外顺畅。

先来看第一部分：如何获取和配置 Agent Plan。

第一部分：获取和配置 Agent Plan

获取 Agent Plan

• 访问火山方舟 Agent Plan 页面：https://www.volcengine.com/activity/agentplan

目前官方提供了几个付费档位，最低档用不了 Seedance（不能生成视频的 Agent 不完整），Medium 及以上档位会赠送一个 ArkClaw 轻量版实例。

注意：Agent Plan 引入了 AFP（Agent Fuel Points，Agent 燃料值）作为统一的资源计量单位。本质上就是一种 Credits 体系——5小时 1万点，每周 3.5万点，每月 10万点。后面会实测不同任务中 AFP 的消耗量。

配置 Agent Plan

将 Agent Plan 配置到已有的 Agent 上

以 Hermes Agent 为例，官方其实已经提供了不错的文档（volcengine.com/docs/82379/2373743），但还是在这里带大家走一遍完整流程。

方法一：使用 Ark Helper

• 在 Agent 所在机器的终端中输入指令：

curl -fsSL https://lf3-static.bytednsdoc.com/obj/eden-cn/ylwslo-yrh/ljhwZthlaukjlkulzlp/install.sh | sh

• 验证安装：

ark-helper --version

• 运行 ark-helper 命令，会弹出 TUI 界面，选择中文，回车：

ark-helper

确认 Agent 已经切换到了 ark-code-latest 模型。

方法二：手动配置

如果不打算用 ark-helper，也可以手动配置 custom endpoint，步骤如下：

1. 在命令行输入（假设是 Hermes Agent）：

hermes model

2. 按空格键：

3. 输入 custom endpoint：

https://ark.cn-beijing.volces.com/api/plan/v3

4. 回车确认：

以上以 Hermes Agent 为例，其他 Agent 可以访问火山引擎官方文档（volcengine.com/docs/82379/2373738）查看详细教程。

ArkClaw

除了自己的 Agent，还可以使用官方的 ArkClaw：

• 访问 https://console.volcengine.com/arkclaw/management

第二部分：玩转 Agent Plan

部分案例基于飞书 + Hermes/OpenClaw，部分基于 ArkClaw 网页版，模型采用 ark-code-latest，偶尔会在控制台切换到特定的原生多模态模型执行特定任务，后文不再另行说明。

案例1：自媒体工作流 skills 的安装和适配

• 先让 Agent 将 Draco-Skill-Collection 仓库中的 skills 安装好。

速度非常快，20 个左右的 skills，大概两三分钟就搞定了。

• 然后，让 Agent 在 GitHub 仓库里创建一个 Agent Plan 专用 Skills 集合并完成所有 Skills 的改造以适配。比如用 Seedream 替换原来的生图工具，以及 Agent Plan 自带的 Seedream/Seedance 代替需要通过 API KEY 打通的版本等。

唯一例外的是目前 Agent Plan 不支持火山引擎 TTS，因此需要通过下面的方式将参数传入：

openclaw config set env.VOLCENGINE_ACCESS_TOKEN "你的ACCESS TOKEN"
openclaw config set env.VOLCENGINE_TTS_APP_ID "你的TTS APP ID"
openclaw config get env

• 截止目前，以上任务一共消耗 AFP 点数约 1400 左右。

案例2：多模态网站构建

Agent Plan 中最重要的是什么？多模态能力！对应的是字节家的 Seedream 5.0（生图）和 Seedance 2.0（生视频）。

• 小试牛刀，先来画个折纸女孩：

注意：如果你的 OpenClaw/Hermes 无法识别 Seedream 和 Seedance，告诉 Agent 用下面指令自己重新安装一下这两个 skills：

npx skills add https://skills.volces.com/skills/volcengine/agentplan -s byted-ark-seedance-skill --agent openclaw
npx skills add https://skills.volces.com/skills/volcengine/agentplan -s byted-ark-seedream-skill --agent openclaw

这个 skill 默认支持 OpenClaw，如果 Hermes 不够聪明，提醒它把这两个 skills 安装到自己的 workspace 下面即可。

一张图片大概消耗几十个 AFP 值，生成视频会消耗几百个 AFP 值，具体数值与图片/视频的分辨率、时长等相关。

• 接下来，完成一个多模态网站的任务：“动漫风格馆”。让 Agent 利用 Seedream 5.0 和 Seedance 2.0 生图和生视频的能力，制作一个汇聚全球著名动漫风格的网站。

网站已上线：https://dracohu2025-cloud.github.io/manga-style-gallery/

（HERO Video，请忽略两个绿巨人的问题。）

案例1和案例2合在一起，基本意味着你可以把飞书 + Agent Plan 当成自己的“数字座舱”，可以写文章、推送到公众号、生成播客、生成图片、生成视频、创建多模态网站……在这个过程中，几乎不需要触碰若干个不同工具的 GUI，只需要和 Agent 交互就能得到想要的一切。

案例3：专业数据查询

• 首先，打开 ArkClaw 的“专业数据库”功能：

Case1：

帮我从中国金融数据集中查询和分析招商银&行过去5年的盈利能力是否承压

ArkClaw 输出内容如下：

招商银&行过去5年盈利能力核心指标

注：2025年数据为全年数据，统计截止2025年12月31日

关键发现与分析

1. 净资产收益率（ROE）持续下行，盈利能力承压明显

• 从2021年的16.96%下降至2025年的13.44%，5年累计下降3.52个百分点
• 下降趋势持续且稳定，表明核心盈利能力面临较大压力
• 2024-2025年下降速率有所放缓，但整体下行趋势未变

2. 净利润增长陷入停滞

• 2023年净利润同比增速降至0%，增长陷入停滞
• 2024-2025年虽恢复正增长，但增速仅约1.2%，远低于2021年23.2%的高增速
• 营收在2024-2025年连续两年维持3375亿元水平，规模增长乏力

3. 净利率逆势提升，成本管控成效显著

• 净利率从2021年的36.18%提升至2025年的44.77%
• 银&行通过优化成本结构、提升运营效率来对冲营收增长乏力的压力
• 这也是净利润维持正增长的主要支撑因素

4. 总资产收益率同步下行

• 2025年总资产收益率仅1.20%，低于2024年的1.29%
• 反映出银&行整体资产运用效率有所下降

⚠️ 主要压力来源分析

1. 宏观经济环境：经济增速放缓导致有效信贷需求不足
2. 利率市场化：LPR持续下行，净息差收窄压力较大
3. 行业竞争加剧：银&行业同质化竞争激烈，零售业务面临多方挑战
4. 资产质量压力：房地产等领域风险暴露，拨备计提压力增加

结论

招商银&行过去5年盈利能力确实面临持续承压，主要体现为：

• ✅ ROE持续下行：从16.96%降至13.44%，核心盈利能力减弱
• ✅ 增长动能不足：营收增长停滞，净利润增速大幅放缓
• ✅ 效率支撑利润：净利率提升主要依靠成本管控，而非收入端扩张

虽然通过精细化管理维持了净利率的提升，但核心盈利能力指标ROE的持续下行反映了银&行业整体面临的经营困境。未来招商银&行需要在财富管理、零售银&行等优势领域进一步突破，寻找新的盈利增长点。

Case2：

企业风险数据集：恒大集团涉及多少起诉讼？分别是什么类型的案件？有多少是已结案的？

对于此类数据诉求，这里就不展开更多案例了。

写在最后

从3月底开始使用 Hermes 以来，每天跟 Agent 打交道的时间可能已经超过了6小时，甚至大幅度超过了和人交互的时间。在这个过程中，有一个强烈的感受：

Agent 这场战争，全模态者为王！

在全模态都拥有 SOTA 模型的厂商将获得最终的胜利。海外的话，OpenAI 有这个优势——这就是为什么很多人觉得用了 Codex 之后就回不去 Claude Code 了。GPT-5.5 的 coding 能力强是一方面，另一方面是在 coding 过程中 GPT-Image-2 能直接帮你把视觉物料都准备好，真正实现一站式 coding。

再看国内，目前字节领先：编程、绘图、视频、音频等模型在各细分领域都基本处在第一梯队；阿里紧随其后；然后是逐渐发力的腾讯和同样拥有全模态能力的 MiniMax 并列第三。其他家基本都还在卷大模型的编程能力。但各家编程能力不相伯仲的那天，图片、视频、音频等内容的生成能力才是胜负手——毕竟，人本来就是多模态生物，能看到能听到才是关键。