Opus 5.5 赋能 AI Agent 自主剪辑视频，替代初级剪辑师

宝玉 (@dotey) · 2026-10-28 03

Opus 5.5 发布之后，AI Agent 剪辑视频已经能替代初级剪辑师了。差不多就相当于 Claude Code 刚发布的时候一样，模型真的能自主完成复杂编程任务了，但这才刚开始，想想 Claude Code 发布才多久。

当年 Anthropic 专注于训练 Coding，没想到能解决这么多问题，连视频剪辑都能用 HTML、JavaScript 剪视频、生成动画。

在 Opus 5.5 之前我就在做剪辑的 Skill 和工具，但模型发布后发现绝大部分 Skill 都不需要了。

我自己有做过实验，同一个视频，不用任何 Skill，只提供 ASR 和 TTS 工具，Opus 5.5 做的比没有用 Skill 效果更好，这点跟推文中的经验基本吻合。

另外 Sabba 有一条建议跟我最近在做的事差不多，他建议：“不要重造专业剪辑软件的时间线，那个太难做，专心做好初剪，再方便地交给现有专业软件”。

我最近也把 BaoCut 的时间线编辑器退居二线了，太过复杂，默认应该只需要一个简单的视频预览播放。

如果你用 Agent 去生成、剪辑视频的话，编辑器越简单越好，只要能标记，方便的让 Agent 知道改哪就够了。

这其实和之前 Tibo 改造 Codex 的经历类似，Codex 不需要一个 VSCode 的代码编辑器，视频剪辑 Agent 也不需要一个视频编辑器。

转发的这两条推文有分享很多 AI Agent 剪辑的经验，有兴趣的可以看看。

---

我把引用的两条推文放在一起总结一下：

Alex Cooper 管着一支剪辑团队，每天出大量广告，讲的是怎么用；Sabba Keynejad 是在线视频剪辑工具 VEED 的联合创始人，讲的是市场会怎么变。

1. 视频剪辑在走编程走过的路

两人都认为 AI 智能体剪辑已经能用，而且现在是它最差的时候。Alex 团队的资深剪辑师说，同等质量下，他一天的产出是以前的 5 倍。

Sabba 预计一年内基础剪辑的成本会从几美元降到几美分。Sabba 也拿编程做类比：资深工程师当初最抵触 AI 写的代码，理由是质量和可维护性，后来还是接受了。他认为最好的剪辑师会是最大的批评者，但最终也会转过来。

2. 视频被当成代码问题解决了

Sabba 解释了为什么是现在：Anthropic 押注编程，模型会写代码，就能用 HTML/CSS、SVG、浏览器渲染、OpenCV 这些手段“写”出视频。之前有一批工具包专门给大模型补剪辑能力，Opus 5.5 出来后，很多用法就用不上了。他也承认，现在剪出来的东西还是更像网页，不太像视频。

Alex 的经验和这一点基本一致：他试过各种方案，最后发现不装 MCP、不装插件，全在 Claude 里做效果最好。通用模型能力上去后，夹在中间的工具层会被吃掉一大块，编程领域已经发生过一次。

3. 核心资产是 Skill，Alex 给了一套能照搬的做法

这是两条帖子里最有实操价值的部分：

按风格拆小 Skill：混剪、UGC（模仿普通用户自拍口吻的素材）、AI 动画各做一个，不做大而全的剪辑 Skill，这样每次加载的上下文都和当前任务相关。

起步：给 Claude 4～5 条参考作品，让它总结成 Skill。 训练：让 Skill 把资深剪辑师最近剪的 25 条广告重剪一遍，放进 Artifact，资深剪辑师逐条点评，反复做到 Skill 明白什么是好剪辑。

把隐性知识录下来：让顶尖剪辑师边剪边录屏，用 Google Meet 或 Loom 口述为什么这样切、为什么这个节奏、为什么选这段空镜。这些理由就是 Skill 最缺的上下文。

只让最强的剪辑师训练 Skill。

结果是大部分片子第一版或第二版就能过，偶尔要到第三版。这套方法换到写作、设计、客服话术上也成立：用参考样本起底稿，用历史作品批量重做，专家逐条反馈，再把专家做判断时的理由录下来。

4. 人的价值从操作转到品味

Alex 认为技术趋势挡不住，但品味仍然很值钱，因为训练 AI、给 AI 反馈都靠它。有品味的剪辑师会更值钱，没有的会越来越难。

Sabba 从另一头说了同一件事：初剪做对 80%～90% 已经不错，要做到优秀，靠的是反复迭代，创作者怎么给反馈、怎么让片子带上自己的风格，才是这类工具真正的价值所在。

5. 推广的分工：负责人搭框架，最强的人教 AI

Alex 说，团队里推动 AI 的人搭好第一版就该让开。他说自己不是团队里最会剪的，他的工作是搭一套环境，让最会剪的人去训练 Skill。

在我看来，这同时化解了 Sabba 说的抵触问题：最可能反对的资深剪辑师，变成了教 AI 的人。另外他提醒要给资深剪辑师留出专门的时间，前期会有一段效率下降的阶段，不留时间，做出来的 Skill 质量一般，也省不了多少时间。

6. 两人的分歧，以及分歧背后的立场

Alex 全程在 Claude 对话里完成；Sabba 认为视频涉及时间轴和画面上的空间位置，只靠聊天不够，需要更复杂的界面。

Sabba 还认为品牌一致性和可重复性没解决，比如 Casey Neistat（风格很鲜明的 YouTube 博主）的视频一看就是他的，品牌方也需要在几百条视频里保持这种一致。但 Alex 那套“按风格拆 Skill + 反馈循环”的做法，本身就是在用户这一侧解决可重复性。

分歧有两个来源。Alex 做的是广告，时长短、套路固定、量大，最适合交给 AI。Sabba 是卖工具的，更好的界面正是他的生意。

7. 瓶颈会转移

Sabba 判断，剪辑变得几乎不费力后，创作者数量会暴增，拍摄和录制可能成为最大的瓶颈。Alex 说，他原以为还要 3～6 个月才能做到的事，现在已经能做了。

8. 给做工具的人的判断

Sabba 认为这个市场不会一家通吃，就像 Cursor 往大企业走、Lovable 服务不懂技术的用户。

基础剪辑撑不起长期优势，Anthropic、Google、OpenAI 迟早都会做；差异化要靠更深的工作流、垂直场景和好用的手机端。

他还建议不要重造专业剪辑软件的时间线，那个太难做，专心做好初剪，再方便地交给现有专业软件。

↳ 引用 @sab8a (Sabba Keynejad): My thoughts on the agentic video editing wave:

1. There won't be one winner in agentic video editing. Speed, use case and workflow will always matter. Just as Cursor moves upmarket while Lovable caters to non-technical users, specialised video tools will continue to serve different audiences, even as general-purpose agents improve.

2. Every major AI leap unlocks new product categories. Since GPT-3.5, we've seen coding, 3D and presentations. Opus 5.5 and Google's vision-language models are now unlocking agentic video editing. The edits still look more like websites than videos, but this is the worst they'll ever be.

3. Editing costs will collapse, and the number of creators will explode. Basic edits could go from dollars to cents within a year, with huge speed improvements. Frontier models will still command a premium. As editing becomes effortless, recording content might be the biggest bottleneck.

4. The best editors might be the biggest critics of agentic editing. Just as experienced engineers initially resisted AI-generated code over quality and maintainability, I think professional editors will eventually come around as the tools improve.

5. The real magic is in iteration. Getting 80–90% of an edit right on the first attempt is great, but making it excellent requires much more iteration. The way creators give feedback, refine edits and make videos feel distinctly theirs is where these tools will become truly magical

6. Anthropic's focus on coding enabled agents to build videos using HTML/CSS, SVG, browser rendering and OpenCV. Packages like Hyperframes, Rebooshed and VEED's OpenEdit gave LLMs editing capabilities they previously lacked. Opus 5.5 now makes many of those use cases redundant.

7. Chat alone won't be enough for video editing. Chat will be central, but video operates across time and X, Y and Z coordinates. More sophisticated UI will be needed to make great edits.

8. Brand consistency and repeatability remain unsolved. A Casey Neistat video feels distinctly his because of intentional creative decisions. Creators and brands need that same predictability across hundreds of edits. Even vibe coding hasn't solved this well (yet).

9. Basic editing won't be a long-term moat. Anthropic, Google and OpenAI will eventually offer it. Deeper workflows, specialised use cases and excellent mobile experiences will drive differentiation.

10. Don't reinvent professional editing tools. Building non-linear timelines is incredibly hard. Agentic video tools should focus on creating great first cuts and making it easy to hand them off to existing professional editing tools.

Overall, the next six months will be noisy!

But video editing has never been winner-take-all.

And I do NOT think that will change.

Hope this helps.