1. 为什么自己做：AI 剪辑都停在粗剪
我想要的，是 AI 自动化的网感精剪。
注意，是精剪，不是粗剪。
剪气口、去口癖的工具，网上一大把。我要的是知识区那种口播：画面有料，每句话都有东西跟着动，讲到哪个产品，就出现哪个产品的真界面。
过去 3 周，我把能找到的 AI 剪辑开源项目几乎试了个遍。
结果很扎心：
效果到不了。 大多停在粗剪，动效谈不上丰富完整。
样片复刻不出来。 照着 README 一步步跑，我几乎做不出它们宣传片里的样子。
全靠嘴喷。 大家都知道 Remotion、HyperFrames 能做动效，可真要用，得跟 AI 来回改几十轮。
有那个时间，我还不如自己打开剪映，一帧一帧手动剪完。所以发现这款可以自动完成的剪辑skill
2. 一句话安装，剩下的 AI 带你走
把这句发给 Claude Code WorkBuddy（或其他能跑 skill 的 agent）：
请从 https://github.com/YeJe-cpu/SeeCut 克隆仓库，把 skill/seecut 安装到 ~/.claude/skills/，然后运行 skill/seecut/scripts/preflight.sh，帮我把必需项全部装到通过，装好后告诉我怎么开始。要提前准备的只有一样：一个能让 AI 看视频的 Antigravity CLI（为什么非它不可，下一节第一点细说）。其它环境，AI 会一项项检查、一项项带你装，仓库 README 里都写着。
装好后，准备一个素材文件夹：一段口播，外加几张口播里提到的东西的截图（可选）。新开对话：
/seecut 素材：<你的文件夹>然后它自己跑：
看懂素材 → 截证据 → 编排 → 渲染 → 自己看片挑刺、改版 → 交给你成片和分层工程包。
第一次建议先拿 20-30 秒的片段试方向，满意了再跑全片。
3. 为什么它能剪出网感：4 个关键设计
① GPT 和 Claude，其实看不懂视频
这事挺反直觉的。
GPT、Claude 这些模型，根本看不懂视频。 它们只会暴力抽帧，把视频切成一张张截图去看。动效顺不顺、节奏对不对、人像是不是在乱跳，它们一概不知道。
这也是为什么，很多人想让它们拆解爆款视频、写提示词去复刻，总是失败。
连视频都理解不了，怎么可能复刻得出来？
很幸运的是，Gemini 的模型底层，是真的能理解视频的。
所以 SeeCut 把 Gemini 接了进来：看懂素材靠它，剪完挑刺也靠它。
这也是名字的由来：
See，先看懂；Cut，再动剪刀；剪完再看，再剪，一圈一圈转。
还有一个小细节：AI 怎么看，取决于你怎么问。同一条片子换个提示词，它能从"标准"说成"土味"。所以当评委的提示词，我们先拿答案已知的片子校准过，才让它上岗。
② 自己剪、自己挑刺、自己改：一个不用你盯的循环loop
剪完一版，它不交差，自己先转起来一个循环：
查硬伤 → 跟上一版比 → 赢了才留下 → 找出离好片子还差在哪 → 改出下一版。
整个过程不用你盯着，你只看最后的成片（我就是）
怎么比？不打分，只问一句：哪条更好？
左右交换位置各比一次，两次都赢，才采纳新版。
为什么不打分？实测过，同一条片子让 AI 打两次分，能差出 20 分。拿这种AI评分当方向，只会越改越偏。而且AI总会自评越来越高分
什么时候停？最多 3 版，每版必须有肉眼看得出的大改动；比不过上一版，或者只剩小修小补，就停下来交付。
（demo 那条是早期版本，改了 5 版；现在收敛到最多 3 版，够用，也更快。）
③ 宁可截真图，也不画假界面
口播提到什么，它就去截真的网页、界面、案例当画面。
这是 Opus 5.5 给我的一个意外启发。
之前 AI 为了把画面"填满"，会画一堆假代码窗、假 App 界面，越满越丑。改成截真东西之后，没有额外的 B-roll，照样做得很有料。
④ 露不露脸，看这句是"对你说"还是"给你看"
我拆了口播类 AI 博主的 536 个镜头，总结成一张决策表：这句口播是什么功能 → 画面该怎么处理。
里面最好用的一条：
说话人露不露脸，取决于这句是"对你说"，还是"给你看"。
讲观点、建立信任时，人露脸；演示操作、摆证据时，人缩到角落或者干脆隐去，把画面让给信息。
决策表之外，还有设计令牌（颜色、字体、质感）、组件库、逐镜施工单，一层压一层。
组件大多直接用 HyperFrames 官方的，不用每个动效都跟 AI 从零磨，所以写起来很快。
4. 三步走：不拍视频，也能出一条网感口播
第 1 步 · 数字人：替你出镜
两条路：
基础版：一张照片（HeyGen AV4），约 $0.04/秒。精剪里人像多半缩成小窗，照片版的瑕疵基本看不出来。
进阶版：数字分身（HeyGen AV5），用一段真人视频训练，更真，约 $0.12/秒。
一个小技巧：配音别用数字人平台的内置音色，偏假。
我用的是豆包语音合成，demo 里的声音就是这么来的。
有自己拍的口播，这一步直接跳过。
第 2 步 · 网感精剪：替你剪
就是上一节那套：
看懂素材 → 找真证据 → 编排 → 渲染 → 自己看片挑刺 → 改出下一版。
一圈一圈转，直到新版赢不了上一版（最多 3 版），
才交到你手上。
第 3 步 · 剪映草稿：最后一口，留给你
除了成片，它还能推一份剪映草稿：纸底、人像、信息层、原声、音效各占一轨，哪里不满意，直接在剪映里拖。
这一步要自己装第三方的剪映草稿引擎（jianying-headless）。没装也不影响，照样拿到成片和分层素材。细节第三篇讲。
5. 还有很多已知的bug
慢：一条 25 秒的样片，要跑 1 小时左右。（中间要迭代 2-3 版，每版都完整渲染一遍，再让 AI 看片对比。）
音效：能按画面和文案自动配，但目前只到"能用"。
录屏 + 角落头像这类素材，当前版本测得还不够。
目前只在 macOS 上实测过。
它不完美，但已经能稳定出片。遇到问题直接开 issue；想一起改的，PR 非常欢迎。
开源地址：https://github.com/YeJe-cpu/SeeCut
