夜雨聆风今天刷 GitHub 的时候，我看到一个挺有意思的项目。
名字叫 video-recap-skills。
它干的事很直接：把一个视频丢进去，然后让 Claude Code 按流程把它做成一条中文解说 recap。
不是只帮你写几句解说词。
而是从理解视频、写解说、配音、混音、字幕，到最后导出成片，整个链路都给你串起来。
我第一眼觉得有意思的点，不是“AI 又能剪视频了”。
而是它用了一个很适合 Agent 的拆法：
确定的活交给脚本，拿不准的活交给 Agent。
这句话其实挺关键。
很多 AI 视频工具最大的问题，是一上来就想做“全自动”。
全自动理解，全自动写稿，全自动剪，全自动出片。
听起来很爽，但实际落地很容易翻车。
因为视频这东西太容易出细节问题了：
哪句话该保留，哪个镜头该压一下，解说是不是抢戏，字幕节奏对不对，背景音乐会不会盖住原声。
这些东西不是一句“生成视频”就能稳定解决的。
这个项目的思路更像是：
别把所有事都塞给大模型。
能用 ffmpeg 稳定做的，就用 ffmpeg。
能用 JSON 传递的，就用 JSON。
需要判断、组织、写稿的地方，再让 Agent 上。
它的大概流程是这样的：
先分析视频。
抽帧、识别语音、理解场景，把视频里发生了什么整理成一个 brief。
然后 Agent 根据这个 brief 写解说脚本。
脚本不是随便写一段文字，而是要和时间线对上。
再往后就是 TTS 配音、混音、字幕、渲染。
如果你想把长视频压成更短的解说版，它还有剪辑模式。
最后产物就是一个 recap 视频。
这套东西让我觉得有意思，是因为它不像很多 demo 那样只展示一个“看起来能跑”的结果。
它把中间产物都留出来了：
narration.json、timeline.json、asr_result.json、vlm_analysis.json、subtitles.srt……
也就是说，如果哪一步出问题，你是能追的。
解说词不对，你改 narration。
字幕时间不对，你看 srt。
混音不舒服，你调 assemble。
这比一个黑盒按钮靠谱多了。
更让我眼前一亮的是，它还支持导出剪映草稿。
README 里这张图我挺喜欢。
你看它不是简单给你一个 mp4。
它会把原片片段、解说、BGM、字幕分成独立轨道。
这就很像我一直想要的那种状态：
AI 先把粗活干掉。
人再进去做最后的精修。
尤其是做短视频、影视解说、课程切片、直播切片这类东西，很多时候最烦的不是“不会剪”。
而是从零开始太累。
原视频要看。
重点要找。
字幕要对。
配音要放。
BGM 要压。
最后还要进剪映里调。
如果 AI 能先生成一个可编辑草稿，哪怕它只有 70 分，也比你面对一条空时间线舒服很多。
因为人不是从零开始，而是在一个已有结构上改。
这点很重要。
我现在越来越觉得，很多 AI 工具真正有价值的地方，不是替人完成最终作品。
而是把“开工成本”降下来。
让你从空白页面、空白时间线、空白项目，变成一个已经铺好底稿的状态。
剩下的部分，人来判断，人来调整，人来拍板。
这个项目还有一个挺现实的点：本地不要求 GPU，也不用下载一堆模型。
它主要依赖 ffmpeg，再配一个小米 MiMo 的 API Key。
ASR、VLM、TTS 都走 MiMo。
所以它更像一个 Claude Code 里的视频工作流插件，而不是那种重型本地 AI 视频系统。
安装方式也挺“Agent 化”：
直接对 Claude Code 说：
安装这个插件：https://github.com/worldwonderer/video-recap-skills然后准备 ffmpeg 和 API Key。
使用的时候也不是点一堆按钮，而是直接说：
给 /path/to/video.mp4 做个解说。这是《庆余年》第一集，主角是范闲。或者：
把 /path/to/long.mp4 剪成十分钟左右的解说短片，字幕压进画面。这就是 Skill / Agent 工作流比较迷人的地方。
它不像传统软件那样所有能力都藏在按钮里。
也不像纯聊天机器人那样只会给你一段建议。
它是把一套真实可执行的流程，包装成一句自然语言就能调用的能力。
当然，这东西也不是适合所有人。
如果你只是偶尔剪一条生活 vlog，可能没必要折腾。
如果你追求完全精细的影视剪辑，它也不可能替代专业剪辑师。
但如果你经常做：
影视 recap 课程视频转解说 长视频压缩成短视频 直播素材初剪 视频内容二次整理
那这个思路就值得看一眼。
我最喜欢的不是它现在已经完美。
而是它给了一个很清晰的方向：
视频生产以后可能不是“AI 一键生成成片”，而是“AI 先搭好可编辑工程”。
这比一键出片更务实。
也更接近真实创作者的工作方式。
因为真正剪视频的人都知道，成片不是终点。
可控、可改、可追溯，才是长期能用的东西。
项目地址也放一下：
https://github.com/worldwonderer/video-recap-skills
我准备继续研究一下它的剪映草稿导出部分。
如果能把这种思路接到自己的素材工作流里，后面做切片、解说、复盘视频，可能会省不少重复劳动。
如果你也感兴趣，或者需要相关资料、ComfyUI流程，欢迎加我微信👇👇👇
都看到这里了，不关注一下嘛👇👇👇