买了剪映会员，视频却是 Codex 剪的
买了剪映会员，视频却是 Codex 剪的
Fen9Pi，把复杂东西拆明白。本文 5 分钟，带你拆一条人录屏、AI 剪片的视频流水线。
想给公众号配演示视频，我的第一反应和所有人一样：买个剪映会员。
会员买了。模板库、封面、竖版适配，这些轻活它还在干。但真正劝退人的重活——对轨、掐等待、去口误、配字幕——一次都没在我手里干过。因为流程换了：我自己录屏，录完把素材丢给 Codex，它还我一条变过声的丝滑成片。
这不是「用 AI 工具」，是把一条视频流水线整个拆成人机两段。拆完之后你会发现，人剩下的事少得可疑。
先有脚本，再按录制键
整条流水线最反直觉的一步在录制之前：成片是先设计出来的，不是录完再凑的。
大多数人做演示视频的顺序是：打开录屏，一路操作，录完对着素材想故事线——然后发现中间卡了一次、结尾忘了展示结果、开头废话太多，重录。废片率高不是因为手艺差，是因为设计发生在录制之后。
这条流水线把顺序倒了过来。第一步我只干一件事：告诉 Codex 我想演示什么、真实体验是什么、最想表达哪个观点。它收束成主题和目标时长，写出成片脚本，然后把脚本拆成一张录屏任务单——每个镜头一段，长这样（示意）：
## 镜头 3：部署验证（约 8 秒）
- 操作：跑部署命令，等三个实例就绪
- 起止画面：从敲下命令，到状态全部 Running
- 必须录完整：READY 列从 0/3 变 3/3 的过程
- 停留：全绿后停 2 秒再动鼠标我照单分段录制。哪一步要停留、哪个结果必须录完整，单子上写得清清楚楚——判断发生在还来得及重录的时候。录完交片，缺镜头按单补录，不靠回忆。
我的四件事，全是判断题
整条流水线七步，人只出现在四个节点：
定主题、照单录制、审看、点发布。注意这四件事的共同点：每一件都是判断题，没有一道操作题。主题对不对、素材真不真、节奏顺不顺、能不能发——这些只有我能答。
而照单录屏这一步特意留给人，不是技术做不到自动化演示，而是真实操作就是内容本身。屏幕上那双手的真，AI 替代不了，也不该替。
剪辑为什么是代码活
一个写代码的 Agent，怎么就把视频剪了？
想通这件事只需要换个角度看时间线：视频文件是一段 FFmpeg 命令，字幕是一个 SRT 文件，配音是一次 TTS 调用，转场是一个滤镜参数。对 coding agent 来说，「把镜头 3 和镜头 5 之间那段等待掐掉、在 1.2 秒处放大画面、把字幕压到关键操作下方」和「重构一个函数」是同一类活——读文件、写命令、看结果、再改。
它实际干的活：按配音时长给画面 对轨（声音说多久，画面停多久，不会声画两张皮）；把录屏里那些「加载中」「等一下」「呃重来」全部掐掉；重点操作放大加标注；字幕、动效、导出一条龙。最后交的发布包里连横竖两个版本的封面和百字文案都带上了。
剪映的产品哲学是教会你剪——给你时间线、模板、一键成片，决策还是你做。Codex 这条路的哲学是你不用剪——你出判断，它出手。会员没白买，只是它从主力退到了工具箱：封面模板、竖版适配这些轻活还归它。
变声：还是你的声音，但不用你开口
配音这步值得单独说。我不想出真声——不是音色焦虑，是录人声太贵了：一条十分钟的视频，真人配音要念稿、要口齿清楚、要重来，录完嗓子干了视频还没剪。
Codex 用克隆的我自己的音色把稿子代读了。妙处在于：听起来还是我——语速、用词、停顿习惯都是我的，因为稿子本来就是我的表达，只是发声这一步外包了。观众拿到的是「这个人」的表达，不是「某个 AI 男声」的播报。变声的最高境界是听起来没变。
剪辑的基准也反过来：先有声音，再剪画面。脚本定稿 → 配音生成 → 按声音的实际时长切画面。这也是成片「丝滑」的真正来源——不是转场多花哨，而是节奏统一由声音决定，画面追着声音走。
分工表背后：管理密度
回头看这张七步表，有意思的地方不在工具，在切法：判断不外包，执行全外包。
以前你的产出上限，等于你能亲手干多少小时。现在这个公式换了三个变量：产出 ≈ Agent 数量 × Agent 质量 × 管理密度。Agent 数量管你有多少双手，Agent 质量管每双手多熟练，而管理密度，管你把多少判断准确地灌进这些手里——三个变量里，它是唯一没有上限的，也是唯一没法外包的。
那张七步分工表、那张录屏任务单，就是管理密度本身——它是我在这个流程里唯一真正「生产」的东西，剩下的都是它在放大。
所以别问「AI 会不会剪辑」——工具层面这问题已经结束了。该问的是：你的流程里，哪些节点必须留判断给你，哪些可以整个交出去。这道题每行职业答案不同，但解法都是先画一张自己的分工表。
这条流水线的边界
诚实说边界，三个不适用：
- 不适合出镜实拍。真人表情、现场感，这条流水线给不了，它只吃录屏素材。
- 不适合情感叙事。剪辑节奏里带情绪的活（vlog、故事片），AI 目前剪得「对」但不「动人」。
- 依赖清晰的主题。你自己都说不清想演示什么，第一步的「收束」就收不动——垃圾进，垃圾出。
最适合的形态就一种：有明确操作和结果的技术演示——部署一个东西、复现一个 bug、跑通一条链路。这类视频的共同点是：信息密度 > 情绪密度。而这恰好是工程师最常做、也最懒得做的视频类型。
收个尾
一条演示视频的完整流水线：我出主题、照单录屏、审看、点发布，四件全是判断；Codex 出脚本、任务单、配音、剪辑、字幕、封面、文案，全是执行。剪映会员退守工具箱，时间线让给了 FFmpeg。变声用自己的克隆音色，听感还是我，嗓子一个字没费。
成本结构也变了：以前一条视频的大头是「我的时间 × 剪辑难度」，现在的大头是「判断的质量」。前者花的是小时，后者花的是想清楚。
参考：流水线分工表来自我与 Codex 的实际协作（文中七步图的原始版）；音色克隆用的 ListenHub；剪辑由 Codex 驱动 FFmpeg 完成。工具会换，分工表的切法不会。
聊两句：你自己剪视频吗？扣 1：全手动，剪映都嫌烦；扣 2：已经全交给 AI 了；扣 3：不剪，纯围观。扣 2 的留下你用的工具名，我在攒一期「AI 剪辑工具横评」的选题。
下一篇拆这张分工表的工程化版本：怎么把「录屏任务单」写成 Agent 能稳定执行的模板——同样的思路，我拿它拆过 44 万字的书。关注不迷路。