AI 进入创作软件,关键不是加个聊天框

让 AI 帮你修图、排版或剪视频，最常见的做法是在软件侧边加一个聊天框。但聊天框能回答问题，不等于它能可靠地完成编辑：它是否知道当前选中了哪一层？一次批处理失败后能否撤销？保存前能否检查结果？

最近受到关注的一批 Craft 开源创作工具，给出了另一种答案。PhotoCraft、WordCraft、GridCraft 和 FilmCraft 覆盖图片、文档、表格与视频，具体成熟度各不相同，却采用了相似的底层思路：先把软件中的操作统一成结构化命令，再让界面、快捷键、命令行和 AI 调用同一套能力。

这比“给旧软件外挂一个聊天机器人”更值得关注。因为 AI 要成为生产工具，真正缺的往往不是对话能力，而是可操作、可观察、可验证的编辑器接口。

聊天框为什么不够

传统图形软件主要为人手设计。用户能看见画布、时间线和选区，也会在误操作后按撤销。AI 如果只能模拟点击，界面稍有变化就可能失效；如果只拿到“导出成功”这类文字，又无法判断版式、公式或画面是否正确。

PhotoCraft 的官方说明^[1]显示，它把菜单、工具和对话框统一到一个超过 500 条命令的注册表中，桌面界面、CLI、JSON 控制通道和 MCP 服务使用同一批命令。WordCraft^[2]也公开了相似结构：文档引擎负责会话、撤销和 422 条命令，上层再连接桌面界面、命令行、浏览器与 MCP。

关键变化在这里：AI 不必猜测“哪个坐标是加粗按钮”，而可以调用带名称和参数的操作；人手点击与自动化执行也不会走两套容易分叉的逻辑。

一条可复核的编辑链路

结构化命令的价值，要放进具体任务里看。WordCraft 的官方示例允许命令行打开文档、选择指定文字、执行加粗并保存；它的 MCP 工具还提供文档结构检查与页面渲染。这样，代理可以先修改，再读取结构或渲染页面核验，而不是执行完就宣布成功。

表格更能说明问题。GridCraft 的官方文档^[3]列出了 read_range、write_range、evaluate_formula、format_range、insert_chart 等 MCP 工具，并保留一个能访问完整命令集的入口。一个代理因此可以先读取目标区域，写入公式，再计算并检查结果，最后才保存工作簿。

这条链路可以概括为四步：读取状态、执行命令、检查结果、保存产物。它与人类熟练用户的工作方式很接近，也为权限确认、错误重试和操作审计留下了位置。

视频编辑把难题放大了

文档或表格中的一个错误通常局部可见，视频编辑则同时涉及时间、画面、声音和导出格式。FilmCraft^[4]在架构文档中强调精确整数时间、统一命令系统、CPU 参考渲染与 GPU 快速路径；官方 README 还列出 OpenTimelineIO、EDL、AAF、OMF 等交换格式，以及字幕和音频处理能力。

这些信息揭示了“可被 AI 驱动”的另一面：只有命令接口还不够，编辑器本身还要有稳定的数据模型、确定的时间计算和可比较的输出。否则，代理调用得再流畅，也可能把误差带进最终成片。

对开发者而言，这是一条颇具普适性的路线：不要先做聊天框，而要先问，核心操作是否有稳定 ID 和参数？是否能在无界面环境运行？是否能读取当前状态、撤销变更并渲染结果？这些基础能力准备好之后，接入哪一种模型反而是后续选择。

对普通用户有什么实际意义

短期内，最适合交给这类系统的不是“自动完成整部电影”，而是边界明确、容易验收的重复任务。例如，对一批图片应用同一组非破坏式调整；在多份文档中替换固定内容并导出 PDF；读取表格区域、补公式后检查计算值；按既定模板建立视频工程和字幕轨道。

选择此类工具时，可以用三组问题做判断：它能否展示将要执行的命令和范围？执行后能否用结构数据或渲染结果复核？出错时能否撤销，并保留原文件？如果答案不清楚，就不应把重要素材直接交给无人值守流程。

仍然要看清边界

这些项目的官方资料也明确写着仍处早期阶段。PhotoCraft 标注为 early alpha；WordCraft 的路线图承认文件保真、稳定性与打印等仍需完善；FilmCraft 的路线图同样列出插件生态、硬件加速和稳定性差距。官方仓库中的功能数量与兼容率是项目方自述，不能替代独立测试。

MCP 也只是把能力暴露为可调用工具，并不会自动保证调用正确。按照 MCP 官方工具文档^[5]，工具的作用是让模型能够执行查询或操作；真正落地时，重要文件仍应使用副本，涉及覆盖、导出和外部发送的动作应设置人工确认，并在小范围任务中验证结果。

因此，这波开源工具最值得带走的并不是“AI 已经替代专业软件”，而是一条更务实的设计原则：先把创作软件变成透明、可编排、可验证的系统，再让 AI 参与其中。聊天只是入口，可靠的命令与检查闭环才是基础设施。

引用链接

[1] PhotoCraft 的官方说明: https://github.com/storytold/photocraft[2] WordCraft: https://github.com/storytold/wordcraft[3] GridCraft 的官方文档: https://github.com/storytold/gridcraft[4] FilmCraft: https://github.com/storytold/filmcraft[5] MCP 官方工具文档: https://csharp.sdk.modelcontextprotocol.io/v1/concepts/tools/tools.html