我去给工会讲了一堂 AI 剪辑课
作者分享了为工会进行 AI 剪辑培训的经历,发现普通职场人对 AI Agent 的应用存在巨大认知和操作门槛。文章详细介绍了 ChatCut 结合 Codex 的工作流,分析了其将操作暴露给 Agent 及现场生成素材两大核心能力,并指出目前工具落地难、移动端适配缺失等问题,强调降低门槛比增加功能更重要。
作者分享了为工会进行 AI 剪辑培训的经历,发现普通职场人对 AI Agent 的应用存在巨大认知和操作门槛。文章详细介绍了 ChatCut 结合 Codex 的工作流,分析了其将操作暴露给 Agent 及现场生成素材两大核心能力,并指出目前工具落地难、移动端适配缺失等问题,强调降低门槛比增加功能更重要。
作者分享用 Codex 结合 ChatCut 浏览器/桌面剪辑器自动剪口播视频的工作流:将原本在剪映需要一两天的剪辑工作压缩到一小时内。文章介绍了通过托管 MCP 插件让 Codex 或 Claude Code 直接操作剪辑时间线的安装方式,给出了四条核心指令(只读分析、按语义删减、插入内容并自查、最后刷字幕)和五道验收方法(重读项目状态、核对总时长、逐轨道检查、实际试听、复查字幕),并以片尾卡未跟随移动导致时长短两秒的实例说明:AI 报告'完成'不等于真正完成,验收环节必须由人掌握,这一原则适用于所有 Agent 交付的工作。
本文详细介绍 AI 剪辑工具 ChatCut 的使用方法。ChatCut 通过自然语言对话完成视频剪辑,与需要手动操作的剪映形成互补:ChatCut 负责初剪、挑高光、配乐、加字幕等,剪映负责最后精修,且支持导出为可编辑的剪映草稿。文章涵盖桌面端/网页端/Agent Plugin 三种入口的安装方式,讲解如何接入 Codex 和 Claude Code 等 AI 智能体,介绍界面布局、剪辑流程、字幕文本式剪辑、导出设置、免费与 Pro 套餐区别,以及常见坑和实用指令速查表,帮助创作者快速上手 AI 驱动的视频剪辑工作流。
本文是一份面向非程序员自媒体创作者的 Codex 实操教程,基于 @miles_mazy 的《Codex 入门指南》改写。文章以“把 30 份网页、PDF、截图和旧笔记整理成公众号深度稿”为贯穿案例,详细讲解了如何用 Codex 完成内容生产全流程:包括区分 Chat/Project/Task 三层概念、设置本地执行模式与权限沙盒、建立规范的项目目录结构、撰写六项编辑任务书、进行研究与来源台账管理、从材料推导观点与大纲、分段写作并保留个人语气、三轮审校(事实/结构/语言)、生成配图,以及多平台改写与发布检查。核心方法是:材料进入项目,任务拆成阶段,每步留下文件,最后逐项验收。
作者结合实际使用经验,总结了 Codex 6 的 16 个实用技巧,帮助用户把任务交代清楚、获得可直接使用的结果。内容涵盖:先更新版本、确认工作目录、明确目标材料限制与完成标准、使用 Plan 规划、发截图圈出修改区域、运行中及时补充指令、用 Goal 写清终点、关键决定写入文件、通过 AGENTS.md 沉淀重复要求、按需选用 Skill、确认工具权限、分清并行任务范围、验收时查看 Diff 改动范围,以及从手动跑通开始逐步自动化。核心思想是把模糊需求转化为可执行、可验收的指令,减少返工与 Token 浪费。
作者分享使用Codex实现知识类视频自动剪辑的完整方法。凭借差异化的视觉设计和教程类内容,其两条视频即接到近四位数商单。核心思路是将画面拆分为A-roll(IP人物小剧场)与B-roll(知识图表)交替呈现,提升观感与AI剪辑准确率。工具链包括Codex、动效插件HyperFrames、豆包语音合成2.0。流程分四步:文案配音与声学对齐(whisper生成毫秒级时间轴)、生成视觉编排表(导演视角分镜)、按表正式剪辑(保持IP形象一致性需三视图与细节笔触图),并提供完整提示词。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.