video-use：2.6 万星开源让 Claude Code 剪视频，LLM 不看画面只读字幕

给 agent 一个装着原始素材的文件夹，说一句"把这些剪成发布视频"，然后等它交出 final.mp4——这就是 browser-use 组织（就是做浏览器 agent 库 browser-use 那家）新开源的 video-use 在做的事。项目目前 2.6 万 stars（MIT 协议），今天再次冲上 GitHub Trending。

项目简介

video-use 的定位是"让编码 agent 剪视频"：Claude Code、Codex、Hermes、Openclaw——任何有 shell 权限的 coding agent 都能驱动它。它最有意思的地方是一条反直觉的设计原则：LLM 自始至终不看原始视频画面。

作者的类比很精准：就像 browser-use 给 LLM 提供结构化 DOM 而不是屏幕截图，video-use 给 LLM 提供的是两层结构化信息：

转写层：用 ElevenLabs Scribe 对每条素材做逐词时间戳转写，带说话人分离和音频事件标注，所有素材打包成一份约 12KB 的 takes_packed.md，LLM 直接"读"完所有镜头；
时间线层：一个 timeline_view 工具，在关键决策点才调用，生成胶片条 + 波形 + 词级标注的 PNG 快照给模型确认节奏。

它是怎么剪的

整条流水线是：Transcribe（转写）→ Pack（打包）→ LLM 推理 → EDL（输出剪辑决策表）→ Render（FFmpeg 渲染）→ Self-Eval（自评），自评不过就带着修改意见重渲，最多循环 3 轮。

具体能干的活包括：剪掉口水词和死时间、按自定义 FFmpeg 链自动调色、每个剪切点加 30ms 音频淡入淡出防爆音、烧录可定制字幕，还能生成动画叠加层（HyperFrames、Remotion、Manim 或 PIL，由并行子 agent 分头做）。所有剪辑上下文持久化在 project.md 里，跨会话可续。

快速上手

它以 Skill 形式接入，官方推荐装法：

bash

git clone https://github.com/browser-use/video-use ~/Developer/video-use
ln -sfn ~/Developer/video-use ~/.claude/skills/video-use
# Codex 用户：ln -sfn ~/Developer/video-use ~/.codex/skills/video-use
cd ~/Developer/video-use
uv sync
brew install ffmpeg
cp .env.example .env   # 填入 ELEVENLABS_API_KEY

使用方式非常"agent 原生"：cd 到素材目录，启动 claude（或 codex 等），说一句 "edit these into a launch video"。agent 会先盘点素材、给出剪辑策略、等你确认，然后在素材旁边产出 edit/final.mp4。懒得手动装的话，官方还提供一段可以整段粘给 agent 的 setup prompt，让它自己读 install.md 完成安装。