AI 视频剪辑 Skill 分享「video-use」 @browser_use 团队推出的开源 Skill，定位为面向 AI Coding Agents（Codex、Claude Code、Cursor、Hermes Agent 等）的视频剪辑 Skill。它不做传统意义上的 Premiere / CapCut 替代品，它是一套让 LLM 通过 “阅读转写文本 + 按需可视化” 来理解视频、并调用 ffmpeg 等工具完成剪辑的 prompt-engineering + 工具脚本集合。 # 核心思想：LLM 不“看”视频，它“读”视频 第一层：音频转写文本（always loaded） 通过 ElevenLabs Scribe 获得逐词时间戳、说话人分离、音频事件标记（如笑声、叹息、掌声），打包成约 12KB 的 takes_packed.md。这是 LLM 的主要“阅读材料”。 第二层：视觉时间线视图（on demand） 仅在决策点（歧义停顿、重拍对比、切点校验）调用 timeline_view.py 生成胶片帧 + 波形 + 字幕的 PNG 复合图。 对比朴素方案“30000 帧 × 1500 tokens = 4500 万 tokens 噪声”，项目走的是 “12KB 文本 + 少量 PNG” 的轻量化路径。这与 Browser Use 让 LLM 读结构化 DOM 而非直接看截图的思路一致。 # 技术流水线：Transcribe → Pack → Reason → EDL → Render → Self-Eval 1. 转写 - transcribe. py / transcribe_batch.py 提取 16kHz 单声道音频，调用 ElevenLabs Scribe，缓存为 transcripts/.json 2. 打包 - pack_transcripts.py 将逐词 JSON 合并为按 0.5s 静音或说话人切换断句的 takes_packed.md 3. 决策 - LLM 自身 阅读 packed transcript，必要时用 timeline_view.py 可视化 4. 生成 EDL - subagents 输出 JSON 格式 edl.json，包含源文件、切点、节奏标签、引用、原因 5. 渲染 - render. py 分段提取 → 无损 concat → 叠动画 → 压字幕 → 响度标准化 6. 自评估 - timeline_view.py + LLM 在输出文件的每个切点 ±1.5s 检查跳帧、爆音、字幕遮挡，最多 3 轮 # 关键工程细节： ffmpeg 为主的剪辑实现 1. 分段提取 + -c copy 拼接（避免叠 overlay 时二次编码） 2. 每段边界 30ms 音频淡入淡出（消除切点爆音） 3. overlay 使用 setpts=PTS-STARTPTS+T/TB 进行时移，确保动画第 0 帧对齐输出时间线 4. 字幕始终最后叠加（防止被动画遮挡） 5. Master SRT 使用输出时间轴偏移：output_time = word.start - segment_start + segment_offset 6. 切点必须落在词边界，并加 30–200ms 填充以吸收 Scribe 50–100ms 的时间戳漂移 7. HDR 源自动 tone-map（HLG/PQ → Rec.709 SDR） 8. 竖屏源自动按高度缩放 9. 两-pass loudnorm：-14 LUFS / -1 dBTP / LRA 11，符合主流社交平台标准 # 动画与包装：多引擎并行 1. HyperFrames：HTML/CSS/GSAP compositions，适合产品 UI、网页转视频、动态排版 2. Remotion：React 组件化 compositions 3. Manim：数学/技术/3Blue1Brown 风格解释动画 4. PIL + PNG sequence + ffmpeg：简单卡片、计数器、打字效果 # SKILL.md 的 12 条“铁律”：生产正确性优先 1. 必须遵守的 12 条硬规则：字幕最后、分段提取再拼接、30ms 淡入淡出、PTS 时移、SRT 输出时间偏移、不切在词中、切点填充、逐词 ASR、缓存转写、并行动画、先确认策略再执行、输出在 /edit/ 2. 其余全部是可调整的“worked example”：调色风格、字幕分块、动画时长、节奏等都可按材料和用户品牌定制

最新趋势总结（跨HN、PH、GitHub、X、Reddit等） • Agentic Everything：AI coding agents（Claude Code、Codex、Cursor、Bionic等）主导讨论，本地/开源代理（LM Studio Bionic、OpenClaw、herdr multiplexer）爆发。重点从“prompt聊天”转向“持久内存、技能库（skills）、知识图谱、sandbox执行、multi-agent orchestration”。 • 本地优先 + 隐私：LM Studio Bionic（Mac/Windows本地代理，支持open models如GLM/Kimi）、Rust本地工具（Meetily会议助手）火热。独立开发者痛点：数据泄露、订阅费、硬件限制 → 机会巨大。 • Skills & MCP生态：大量GitHub trending项目是“skills”（taste-skill、cybersecurity-skills、academic-research-skills等），用于增强代理的特定能力。MCP（Model Context Protocol）成为连接代理与工具的标准。 • Workflow自动化：n8n/Zapier + AI pipelines（TikTok内容、Reddit机会挖掘）、agentic video（OpenMontage、MoneyPrinterTurbo）、Chrome插件/扩展生成器。 • 部署/Infra：Vercel/Netlify无缝集成新模型（GPT-5.6 Sol/Terra/Luna），Coolify自托管支持。独立开发者易部署SaaS/插件。 • 商业化信号：PH上AI代理/助手、Chrome扩展、local tools快速上榜；YC launches聚焦agent平台；Indie Hackers讨论“可靠workflow vs 酷功能”。 Google Trends相关未见剧烈新峰值，但“AI agent workflow”、“local AI coding”持续高关注。 最具潜力商业机会（针对独立开发者） 1. 本地/开源AI Coding Agent增强工具（最高优先）： • 构建Bionic-like wrapper或skills marketplace：打包常见skills（设计、cyber、research）成一键安装模板，支持LM Studio/Cursor/Claude Code。 • Chrome插件：AI selector forge、context passer（指向UI传精确上下文给代理）。PH类似产品已获高票。 • 变现：Gumroad模板/$9-49一次性 + 付费skills订阅，或SaaS监控代理性能。 2. Agent Workflow模板站 / n8n兼容市场： • 预打包可靠的自动化（如Reddit→客户挖掘、TikTok内容pipeline、代码审查multi-agent）。重点解决edge cases、JSON稳定、memory。 • Indie Hackers痛点验证：用户买“能立刻跑”的东西，而非实验品。 • 机会：per-run monetization（类似n8n beta），或模板+托管SaaS。部署到Vercel/Netlify/Coolify一键。 3. 隐私/本地SaaS & Chrome插件： • 知识图谱工具（codebase → queryable graph）、meeting summarizer、voice keyboard扩展。 • 针对solo devs：sandboxed knowledge work（PDF/deck处理）、persistent memory vault。 • 低竞争：本地优先卖点强，结合Ollama/vLLM。 4. Video/Content Agent工具： • 扩展OpenMontage/MoneyPrinterTurbo式一键短视频/白板解释器（Simi等PH热门）。 • 独立开发者可做垂直模板（营销、教程）+ Vercel部署前端。 5. Security & Observability for Agents： • Prompt injection防护、runtime monitoring（Heron Wireshark for agents）、permission governance。 • HN热议AI coding agents安全bug，机会明显。

再次推荐 Google Engineering & DevRel Leader @addyosmani 重磅开源的 Agent Skills (69.7✨)，把资深工程师的生产级工程纪律，固化为 AI Agent 可机械执行、强制验证、跨工具复用的工作流 Agent Skills: Production-grade engineering skills for AI coding agents. 它要解决什么问题？ AI Coding Agent 的默认行为是"走最短路径"——跳过规格、跳过测试、跳过安全评审，给出能跑但不可靠的代码。Agent Skills 的立论是：质量不靠提醒出来的，要靠强制流程托底的。它把"什么时候写规格、测什么、怎么评审、何时发布"这类隐性工程判断，固化成 Agent 必须遵循的步骤。 顶层架构：六阶段生命周期 DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP /spec /plan /build /test /review /ship 8 个 slash 命令作为入口，分别对应一个阶段，自动激活对应 Skills。Skills 也会按上下文自动触发（写 API → api-and-interface-design，写 UI → frontend-ui-engineering）。/build auto 在一次批准后自动跑完计划与实现，但每个任务仍独立测试、独立提交、遇险即停。 24 个 Skills 的分布 1. Meta - 1 个 using-agent-skills（路由，决定该用哪个技能） 2. Define - 3 个 interview-me、idea-refine、spec-driven-development 3. Plan - 1 个 planning-and-task-breakdown 4. Build - 7 个 incremental-implementation、test-driven-development、context-engineering、source-driven-development、doubt-driven-development、frontend-ui-engineering、api-and-interface-design 5. Verify - 2 个 browser-testing-with-devtools、debugging-and-error-recovery 6. Review - 4 个 code-review-and-quality、code-simplification、security-and-hardening、performance-optimization 7. Ship - 6 个 git-workflow-and-versioning、ci-cd-and-automation、deprecation-and-migration、documentation-and-adrs、observability-and-instrumentation、shipping-and-launch 几个值得点名的设计取向 · doubt-driven-development：对抗性"新上下文复盘"，CLAIM → EXTRACT → DOUBT → RECONCILE → STOP，可选跨模型升级。这是该仓库比较有原创性的一项，针对高代价/不可逆决策。 · source-driven-development：框架决策必须挂在官方文档上，要引源、要标注未验证项。直接对治 LLM 编造 API。 · deprecation-and-migration 把"代码即负债"单列为技能，配套强制 vs 建议性弃用模式与僵尸代码清除——很少见但有工程味。 · Google 工程文化底蕴：Hyrum's Law（API）、Beyonce Rule 与测试金字塔（测试）、变更尺寸约 100 行 + 评审速度规范（评审）、Chesterton's Fence（简化）、主干开发（git）、Shift Left 与 feature flag（CI/CD）。来源明确标注自《Software Engineering at Google》与 Google 工程实践指南。

本周 GitHub 飙升的 10 大 AI 开源项目： 1. mattpocock/skills 本周增长最快的项目，新增 10,651 Star。 它把 TDD、调试、需求梳理、代码评审等工程经验做成了可组合的 Agent Skills，可以装进 Claude Code、Codex 等编程 Agent。 链接： 2. hallmark 专门处理 AI 生成网页的“模板味”。 它会从页面结构、配色、字体和布局入手，再经过 57 项检查，减少 Claude Code、Cursor、Codex 生成千篇一律的 SaaS 页面。本周新增 8,948 Star。 链接： 3. orca 一个管理并行 Coding Agents 的开发环境。 你可以同时运行 Claude Code、Codex、OpenCode 等多个 Agent，每个任务使用独立 worktree，还能在手机上查看进度和接管操作。本周新增 5,733 Star。 链接： 4. awesome-llm-apps 收录了 100 多个可以直接运行的 AI Agent、RAG 和语音应用。 里面包含 Claude、Gemini、GPT、DeepSeek、Llama、Qwen 等模型的完整案例，适合找项目思路，也能直接改成自己的产品。本周新增 5,385 Star。 链接： 5. code-review-graph 把本地代码库解析成一张持久化知识图谱。 AI 编程工具不用每次读取整个仓库，可以沿着函数调用、模块依赖和代码变更关系找到相关上下文，减少大项目里的 Token 消耗。本周新增 4,791 Star。 链接： 6. OfficeCLI 一个专门为 AI Agent 开发的 Office 命令行工具。 不需要安装 Microsoft Office，Agent 就能读取、修改和生成 Word、Excel、PowerPoint，还能把结果渲染成 HTML 或图片检查。本周新增 4,047 Star。 链接： 7. Vibe-Trading 输入自然语言，就能让 Agent 完成市场研究、策略回测和交易分析。 项目接入了股票数据、量化因子、券商和消息渠道，也支持自动执行交易。功能很全，但实盘前仍要单独验证数据、回测偏差和风控。本周新增 3,679 Star。 链接： 8. pi 一套轻量、可扩展的 AI Agent 工具箱。 它提供统一的多模型 API、Agent Loop、终端界面和 Coding Agent CLI。开发者可以保留自己的工作流，只替换模型、工具或交互层。本周新增 3,569 Star。 链接： 9. DeepTutor 一个可以自己部署的个性化 AI 导师。 它能读取文档和知识库，围绕学习资料持续答疑、生成课程并跟踪学习过程。最近还加入了推理式文档检索。本周新增 2,908 Star。 链接： 10. Codex OpenAI 开源的终端编程 Agent。 它可以在本地读取和修改代码、运行命令、执行测试，并连接 IDE、桌面端和云端任务。最近一版继续补强了配置迁移、音频输入和 Multi-Agent 能力。本周新增 2,445 Star。 链接： 这 10 个项目一周合计新增 52,156 Star。 本周的热度集中在 Agent 的执行层：技能、调度、上下文管理、代码图谱，以及 Office、教育、交易等具体工作场景。

最近越看@CNPYNetwork，越觉得它不是在讲一个普通 L1 故事。 过去几年，crypto 一直在堆东西： L2 叠 L1，restaking 叠staking，bridge 叠bridge。 每次都说要扩容，但builder 真正想要的其实很简单： 能不能更快上线？ 能不能不用重新学一套复杂语言？ 能不能有安全、流动性和用户，而不是链发出来就没人用？ Canopy 抓到的点就在这里。 现在 AI coding agents 已经不是只会补全代码了，它们能开 PR、跑测试、甚至自己 ship features。问题是，大多数链上基础设施还是为“人类慢慢写代码”的时代设计的。 Canopy 的思路很直接： 用Templates，把复杂链开发压缩到更清晰、更短的逻辑里。 支持TypeScript、C#、Python# 这些开发者和 AI 都更熟的语言。 让应用不只是部署一个合约，而是拥有自己的sovereign rails。 这对 RWA、DeFi、AI agents，甚至任何需要高性能和独立经济系统的项目都很关键。 因为未来的竞争，可能不是谁会发更多链。 而是谁能让真正有想法的人，用最低摩擦把链跑起来。 $8.5M 融资已经到位，背后有Arrington、Fenbushi、Borderless、SNZ。 Testnet 已经能体验，Mainnet is next。 我喜欢这种方向。 不靠喊“下一代公链”，而是解决builder 真正卡住的地方。 如果AI-native infra 是下一轮叙事，Canopy 值得放进观察名单。🌿 @CNPYNetwork

🔥 Sam Altman 最新万字长谈精华总结（点赞、转发&收藏） 我们正处于奇点之中！ AI时代的创业法则与终局游戏！ 这段访谈信息量巨大，Sam Altman 深度分享了关于创业、OpenAI战略以及AI未来的核心洞察。 这份整理非常适合发布在X平台，直接上干货： 1. 奇点已来，这就是决战时刻 🌌 Altman 明确宣告：“我们现在正处于奇点之中”。十年前大家在饭桌上随口聊聊的遥远梦想，如今已成现实。 我们正身处一个决定性的历史转折点，发展曲线随时可能走向完全不同的方向。 目前最大的斗争是：未来究竟是走向“AI专制主义”还是将权力真正下放给全人类。 2. 给AI创业者的忠告：警惕“容易的胜利” 🚀 创业门槛骤降，现在的10周初创团队能做到过去难以想象的事。如果你还沿用10年前的创业模式和思维，注定会被淘汰。 不要只盯着“垂直领域的AI智能体”这种容易的胜利，它们虽然能赚钱，但很难成为定义这个时代的伟大公司。 真正的赢家会内化“缩放定律 (Scaling laws)”，去布局两四年后当模型更聪明、更便宜时才具有经济效益的真正难题。 3. OpenAI 的“残忍”战略：为了核心，杀死爆款 🗡️ 在探索未知领域时，最难的不是关掉失败的项目，而是关掉“表现很好”的项目以绝对聚焦“表现最好”的项目。 为了聚焦 GPT-3，他们关掉了曾寄予厚望的机器人项目。 最近为了全力主攻正在爆发的“代码智能体 (Coding Agents)”，他们甚至叫停了极其成功的视频模型 Sora 以及浏览器的开发。 4. 算力扩张的终极瓶颈与疯狂构想 ⚡ 实现无限智能扩展的最大瓶颈只有两个：第一是晶体管（芯片），第二是电子（能源）。 不要只关注优化算法，未来的核心是“建造能够制造更多数据中心的数据中心”。 在高度自动化的未来，AI将驱动机器人舰队去无限复制、建设更多的数据中心。 5. 人类未来的工作与价值归宿 🕰️ 别幻想AI会带来“每周工作4小时”的悠闲生活。人类的期望永远在升高，在超级智能时代，我们不仅不会无所事事，反而只会比想象中更忙碌。 当AI接管传统的经济价值创造后，社会地位游戏的规则将改变，人类将更看重纯粹的“人性”体验，比如为他人烹饪带来的情感连接，以及人类与生俱来对冒险的渴望。 6. 应对混沌、野心与个人成长 🧠 在混乱中保持镇定的能力是教不会的，只能通过一次次熬过“公司濒临倒闭”的生死危机来亲身习得。 面对大公司出来缺乏野心的人，最好的重建方法是让他们通过一系列“持续的小胜利”来建立自信。 别浪费时间修补弱点，要把所有的精力用来把“优势”发挥到极致。 不要试图从20年后往回倒推规划；应该抱持少数几个强烈的核心信念，立足当下，不断向前规划。 来源：（YouTube Relentless）