你看的软件操作录屏根本不是我录的:AI 背着我一夜录完 29 个试飞镜头

做测评视频有两件完全不同的事：软件测试必须我自己做，结论才真实可信；但测试做完、文稿定稿之后，最后生成视频所需的软件操作录屏、粗剪与画面核对，现在已经全部交给 AI 流水线包揽。在飞行模拟器对比视频里，成片所需的 29 个真实录屏镜头由 AI 一夜独立录完交付；连 18 分钟的群聊等待带催促，都能自己录完，再按口播剪成短镜头。这套系统能跑通，核心不在单一模型有多神，而是把录屏拆成「录前清单、操作员、录像机管理员、剪辑助理、质检」五个岗位，你只要在开工授权和成片审美上把好两道关。

你过去这几期在我视频里看到的软件操作录屏，其实根本不是我坐在电脑前录的。做测评视频要分清两件事：前面的软件测试必须是我自己亲自测，每一项优劣结论都得自己跑通验证，这关乎评测的可信度，绝不能假手于人；但等我把测试做完、文稿定稿之后，最后生成视频所需的全部录屏工作，我就直接交给 AI 了——它自己照着文稿操作软件、自己开录停录、剪成镜头，最后逐帧验收，全是 AI 自己干完的。

如果你平时也要做软件演示，这意味着测试做完之后，你再也不用为了给每句台词配画面，守在电脑前反复重录了。

这条自动录屏产线，已经替我交付了好几期正式视频。就拿两个 AI 各写一套飞行模拟器的那期来说，我把两边模拟器测完、写好对比文稿后，成片需要配齐 29 个试飞演示镜头：Claude Opus 5.5 直接在真实的 Chrome 浏览器里按清单试飞，把 GPT 那架失速后悬在天上不掉、Opus 那架从收油门、拉机头到推杆过猛导致负 3G 过载、整架飞机结构失效栽下去的画面，全过程自己操作、自己录了下来，整整 29 个成片录屏镜头，它一个晚上就全部做完了。

这不是一个会点鼠标的 AI，而是一条分工好的产线

让 AI 替人点几下鼠标并不稀奇，真正让人好奇的是：它凭什么能一个晚上独自跑完 29 个正式镜头，中间不乱、不漏，交出来的每条画面还能直接剪进成片？

这也是我搭这套自动化工作流最深的体会：想让 AI 真正扛起重活，关键绝不是指望哪个模型突然成精、无所不能，而是把录屏拆成几个各管一段的岗位，并且在开机录制前，就把「必须拍到什么」定清楚。

在这条产线里，我把原本需要人肉蹲守的杂活，拆成了录前清单、操作员、录像机管理员、剪辑助理和质检五个岗位，自己只留一头一尾两道关。

第一步：录之前先定好清单，写清楚必须拍到什么、绝对不能拍到什么

平时我们做完软件测试，最后要给视频录制演示画面时，之所以总得守在电脑前一遍遍推倒重来，根源往往不是手滑，而是录的时候全凭临场发挥：边点鼠标边琢磨「这段演示够不够」「那个弹窗要不要点开看看」。等拉进剪辑软件才傻眼：口播里讲到的关键数字画面上一闪而过根本没停住，或者不小心录进去一串私人账号，只能推倒重来或者靠后期模糊。

为了从源头省掉返工，产线的第一步不开任何软件，而是直接从定稿文稿里生成清单。每一个需要录屏的地方，都会自动挂上两张单子：必须拍到什么，以及绝对不能拍到什么。这两张单子在开机前就彻底定好，绝不给操作员留任何临场现编的空间。

还拿开头的飞行模拟器来说，既然文稿里讲到了收油门、拉机头、进入失速、推杆改出，一直到负 3G 过载解体，录前清单就会明确写清：画面里必须依次看清这几个飞行动作和过载栽下去的结果；而录 GPT 那版时，清单上明确要求拍到飞机失速后悬在天上不掉的状态。录前把标准立住，后面的操作员才知道动作必须做足到哪一步，最后的质检也才有硬凭据可查。

就算你现在还没搭起整套自动化产线，这个动作也能立刻用起来。下次录软件演示或教程前，先别急着按录屏，在你的讲稿段落底下先写两行字：

• 必须拍到
  ：这一段里观众一定要看见的按钮点击、状态变化或结果数字；
• 绝对不能拍到
  ：真实邮箱、账号隐私、无关弹窗，或者会打断演示节奏的多余操作。

写完之后怎么检验合格不合格？标准只有一条：假设现在换一个人照着这两行字替你录，他不需要跑回来问你一句话，就能把你要的画面交出来。 光把这一步说明清楚，你守在屏幕前返工的次数就会少一大半。

第二步：AI 当操作员，在副屏操作真软件，主屏照常干活

这里的操作员绝不是拿假动画做样子，而是直接操作真实软件：桌面应用通过 Computer Use，像真人一样看屏、挪鼠标、点击、敲键盘；网页类的测试对象（比如前面的飞行模拟器）就用 Playwright 驱动真 Chrome 浏览器。它碰的全部是真软件、真账号，跑出来的也是货真价实的结果。

为了不占用干活的屏幕，我把所有要操作的软件都扔在副屏上，录屏软件 OBS 也固定只录副屏。这样 AI 操作员在副屏上忙它的，我在主屏照常写稿、处理日常工作，两边互不干扰。

在《Claude Code Mods》那期视频里，我要演示新手怎么零代码做出第一个 Mod。画面里从新建一个空文件夹、输入中文需求，到弹出热重载授权窗口、侧边栏长出「我的第一个 Mod」卡片，再到用鼠标点一下卡片让数字加 1，这一整套流程里的每一下点击，全都是 AI 在副屏上自己点出来的。

这里还有一个分工细节：Claude 根本没法操作它自己的桌面版窗口。 受限于平台机制，Claude 的 Computer Use 无法控制自己的客户端。那要录 Claude 桌面版的时候怎么办？产线的调度规则很直接：凡是要操作和录制 Claude 桌面版的镜头，一律派 Codex 上场，用 Computer Use 去操作 Claude。不只是 Mods 那期，后来做常驻 Agent 对比、需要录制 Claude Code Projects 的操作画面时，产线同样是派 Codex 去把 Claude 录回来的。谁受限就换另一个模型顶上，绝不需要人肉接盘。

也正因为操作员面对的是真软件，录下来的真实反应往往比精心彩排过的演示更有说服力。还是在 Mods 那期里，有两个镜头特别能说明问题：一个是 AI 准备删除 build 目录下的 20 个文件（大约 11 MB），右侧立刻弹出 Mod 的拦截面板把影响范围列出来，操作员点下 Cancel，build 目录毫发无损。要删的是真文件，拦住它的也是真面板。另一个是用一句话做出计算口播稿时间的「口播时长尺」，屏幕上大字显示 11 分 12 秒；接着让它「砍短一半」，绿色进度条缩短，总时长变成 9 分 42 秒，而且原片里能清楚看到它中间一度砍过了头，紧接着又自己补了一截回来。这种真实软件里的拉扯与波动，全都被原汁原味地收进了素材里。

第三步：AI 自己管录像机，连等带催 18 分钟也不用人守着

光会点鼠标还不够。以前自己录演示最熬人的，其实是守在旁边伺候录像机：什么时候按开始、什么时候按停止、中间卡死了要不要重开、录完这一条到底能不能用，全得肉眼盯着。

在这条产线里，管录像机是一个独立岗位，步骤完全固定：谁要录屏，先抢占副屏，保证同一时间只有一个 AI 在操作；按下录制键之前先做预检，确认画面是活的；然后才正式开录、停录，并在录完当场判断这一条原片能不能用。就算中途被打断了，它也能自动接回去继续录。

把录像机交给 AI 管能省下多少心？看《常驻 Agent 对比》那期里的一个场景就清楚了。那项测试里，我让 Claude 用 Computer Use 替我进 Grok Bot 的群聊里派活。结果群里负责搜索的雷达机器人一分钟就甩回了三条视频，负责统筹的机器人却迟迟不接手，整个群聊就那么彻底卡住了。

如果是人坐在电脑前录，这时候要么大眼瞪小眼硬熬，要么烦躁地掐掉重来。但当时守着副屏的是 AI：录像机一直稳稳开着，Claude 在群里等了一阵发现没动静，自己敲字进去催了一嗓子，统筹机器人这才如梦初醒开始汇总，前后一共折腾了大约 18 分钟。这 18 分钟里，在群里干等的是 AI，进去催活的是 AI，管着录像机把全过程完整录下来的也是 AI，电脑前面根本不用坐人。

第四步：AI 当剪辑助理，把 18 分钟原片变成几十秒的干净镜头

但是，18 分钟的原片显然不可能原样塞进成片里，成片里这段群聊从派活到催完只占几十秒。要是录完还得我自己去十几分钟的原片里趴着找关键帧、拉时间线，前面省下来的时间又全得赔进剪辑里。

所以原片一交出来，马上由产线里的 B-roll 导演和 AI 剪辑助理接棒。

全片哪一句话该配真实软件录屏、哪一句话该配概念动画，由产线里的 B-roll 导演根据文稿提前排好，不需要人一镜一镜去挑。真到了要用录屏的地方，AI 剪辑助理就拿着那句口播去剪原片：把中间漫长的等待一剪没，把十几分钟的原片浓缩成和口播一样长的短镜头。

而且它干的可不仅是掐头去尾。真实软件界面的信息往往密密麻麻，观众扫两眼很难立刻抓到重点，剪辑助理就会顺着口播讲到的位置打上聚光灯、把周围背景压暗，再平滑推近——比如前面那段 18 分钟的群聊，剪成短镜头后，当口播讲到「进去催了一嗓子、折腾了 18 分钟」，画面会自动压暗周围杂乱的聊天背景，直接把聚光灯打在右上角的「催 1 次 · 约 18 分钟」标记上并推近放大。为了保证观众看清软件原本的上下文，产线的规矩是默认保留完整的软件界面，只有碰到账号这类隐私信息时，才精准遮住泄露的那一小块。

第五步：AI 当质检，拿着录前清单逐帧验货

镜头剪好了、聚光灯也打上了，这条素材是不是就能直接进成片了？差得远。操作员自己觉得任务完成了，绝不代表观众真的能在成片画面里看清楚。

这时候，第一步生成的「录前清单」就派上了第二个大用场。AI 质检员从来不听操作员嘴上汇报「我点完了」——因为按钮点过了，不代表画面没被弹窗挡住、或者没滚出窗口外。质检只认实打实的画面：它会直接从剪好的镜头里抽真实视频帧，拿录前那两张清单逐条比对：清单上要求「必须拍到」的按钮点击、拦截面板、数字跳动，抽出来的帧里到底有没有真正拍到？要求「绝对不能拍到」的隐私信息，有没有漏网之鱼？

只要清单上有一条在真实画面里对不上号，质检直接打回重录，而且补录情况如实标出来，绝不把没拍到的半吊子画面混进成片。只有每一条要求都在真实视频帧里核对通过、隐私检查也没有死角，这个镜头才算拿齐了全套证据。

第六步：人只把两道关，这就是「背着我一夜」的真相

这也是为什么它能「背着我一夜录完 29 个镜头」——不是让 AI 脱缰乱跑，而是当每个镜头都能交出完整的抽帧核对证据时，它根本不需要每录完一条都跑来叫醒我。

在这整条产线里，我只把一头一尾两道关：

第一道关在开工时。我把实测做完、定好文稿之后，签一次授权，把红线划清：凡是涉及花钱、对外发邮件这类不可逆动作，一律等我点头；而在纯软件操作和录屏的授权范围内，只要质检核对完清单、确认证据齐全，产线就可以自己批、自己放行。飞行模拟器那期整整 29 个录屏镜头，就是这样在授权范围内一镜一镜自动过关，一个晚上全部干完的。

第二道关在全部装好之后。我不需要去盯中间哪个按钮点了第几回、哪段等待剪掉了几分钟，我只需要在最后看一遍拼好的整片，全片的节奏顺不顺、画面质感够不够，审美这一关由我说了算。

所以，真正能替你把重活干完的，从来不是某一个什么都包揽的超级模型，而是一套职责分明的产线。只要每个岗位都有明确的输入、以及能对着真实画面检查的输出，AI 就能各管一段、自己把流程走完，人只需要在开头定边界、在收尾把审美。下次你再遇到那种明明测试已经做完、却还得守在电脑前一遍遍重复操作的苦活，不妨先从写下那两张录前清单开始，把操作、录像、剪辑和核对一步步交出去。至于怎么把你手头那些重复耗人的复杂工作，也像这样拆成各管一段、能自己验货交卷的 Agent Skill 产线，我在 MAPS 课程的《Agent Skills 完全指南》里都已经拆开详细讲过了。

📌 本期推荐

关注本公众号，精英圈、MAPS 课程、免费入门课的入口都在里面；回复「提示词」还能领到书里的 26 条 AI 提示词模板。