calesthio/OpenMontage 的 README 第 416 行写着这么一句：

OpenMontage uses an agent-first architecture. There is no code orchestrator. Your AI coding assistant IS the orchestrator.

翻译过来是：这套系统里没有编排代码，跑在你终端里的 Claude Code / Cursor / Codex 本身就是编排器。仓库 63.4k star、AGPL-3.0、最后一次 push 是 2026-10-03（一手，GitHub API 现查）。

这句话让我有点手痒。如果编排逻辑真的不在代码里，那它一定在别的地方——那就得看看那个「别的地方」到底长什么样，是几句 markdown 提示词，还是另有结构。所以我没有停在 README，而是把仓库的文件树、一份流水线清单原文、一份阶段手册原文、以及那份 1502 行的供应商成本表都拉下来看了一遍，最后翻了一圈 issue 找它哪里漏水。

这篇就是这条线上的清点结果：五条路线、一份真实清单、三处裂缝。

先划清那道工程鸿沟

「能生成一段视频」和「能做完一条视频」之间隔着一长串步骤。拿一条 60 秒的科普片举例，真实清单是：

选题 → 查资料 → 收敛观点 → 写脚本 → 设计分镜 → 生成或检索素材 → 配音 → 选 BGM → 剪辑 → 字幕 → 转场与动画 → 混音 → 渲染 → 质检 → 导出。

文生视频模型只解决「生成素材」这一格。 剩下十四格要么没人管，要么散在五个工具里。所以「Agentic Video Production」这个方向的实质不是换个更强的模型，而是有人去补那十四格——补法不同，就分出了下面的路线。

信源分级沿用我《Agent 自进化开源盘点》里定的规矩：一手是我直查了 GitHub API、仓库文件树或 README 原文；转述只在二手渠道看到、没连上原始出处；未核的不作为论据。star / push / 许可证 / created_at 统一是 2026-10-05 从 GitHub API 拉的，文件树来自 git/trees?recursive=1，引文来自 raw.githubusercontent.com。

有一件事要先交代：我本来想在本地真跑一次 HyperFrames 渲染，用两次输出的哈希验证它「同输入必得同输出」的承诺，但自动模式的安全策略不允许拉取未审的第三方包直接执行，所以渲染这一段是 README 原文加 issue 交叉印证，没有本机实测。下面凡是没跑过的我都会写明。

这条赛道的时间形状

先把 created_at 排一下序，再看每天的 star 增速（增速 = 现 star ÷ 建仓天数，截至 2026-10-05，一手）：

两个信息量很大的数：

拐点在 2026 年 3 月。 HyperFrames（03-10）、CutClaw（03-18）、OpenMontage（03-29）在 19 天内先后建仓，三条不同路线同时起跑。这不像是互相抄，更像是某个约束同时松掉了——生成模型 API 的价格和稳定性刚好跨过「能被编排」的门槛。

增速差两个数量级。 OpenMontage 334/天、HyperFrames 272/天，是 MoneyPrinterTurbo 两年半平均增速的 2 到 2.4 倍；而同一周建仓的论文向项目 CutClaw 只有 5/天。同一股风里，工程可跑的和只有论文的，被市场区别对待得很干脆。

路线一：Agent 就是控制平面

仓库解剖：1098 个 Markdown 对 539 个 Python

先看体量（一手，git/trees?recursive=1，共 2,143 个文件）：

文档比代码多一倍。 这不是「README 写得长」，而是整个编排层就是用文档写的。README 里那句 “700+ agent skill and production-knowledge files” 其实还说少了——光 .md 就 1,098 个，最大的单个文件是 .agents/skills/vercel-react-best-practices/AGENTS.md，98,263 字节。

另一个细节：这些知识文件是按宿主复制的。仓库里同时有 .claude/（428 个 skill 文件）、.agents/（995 个）、.codex/（4 个）、.cursor/（3 个）四套目录，上面那个 98KB 的 vercel-react-best-practices/AGENTS.md 在 .claude/skills/ 和 .agents/skills/ 里各存一份，字节数完全相同。所以「skill 可移植」这件事，目前还是靠复制目录实现的——这跟容器镜像早期的分发问题有点像。

tools/ 那 199 个文件的分布也值得一看，它就是那双手的解剖图：

tools/video 67 · graphics 37 · audio 25 · analysis 15
      _kling 9 · _comfyui 7 · enhancement 7 · avatar 6
      capture 4 · provider_contracts 4 · character 2 · publishers 2

注意 provider_contracts/ 只有 4 个文件，而 video/ 有 67 个：供应商抽象层薄，具体适配器厚。这是所有接了一堆模型 API 的项目共同的形状。

一份真实的 pipeline manifest 长什么样

这才是「流程合同」的正文。pipeline_defs/animated-explainer.yaml，269 行，我挑关键段：

name: animated-explainer
version: "2.0"
category: generated
stability: production
default_checkpoint_policy: guided

orchestration:
  mode: executive-producer
  skill: pipelines/explainer/executive-producer
  budget_default_usd: 2.00
  max_revisions_per_stage: 3
  max_send_backs: 3
  max_wall_time_minutes: 20

required_skills:
  - pipelines/explainer/research-director
  - pipelines/explainer/proposal-director
  - pipelines/explainer/script-director
  - pipelines/explainer/scene-director
  - pipelines/explainer/asset-director
  - pipelines/explainer/edit-director
  - pipelines/explainer/compose-director
  - pipelines/explainer/publish-director
  - meta/reviewer
  - meta/checkpoint-protocol
  - meta/animation-runtime-selector
  - meta/voice-performance-director

九个阶段 director + 一堆 meta 技能，编排模式叫 executive-producer（执行制片人），预算默认 2 美元，每阶段最多返修 3 次、最多打回 3 次、整片最多 20 分钟墙钟时间。

再看单个阶段的定义，这是我觉得真正值得抄的地方：

  - name: research
    skill: pipelines/explainer/research-director
    produces: [research_brief]
    checkpoint_required: false
    human_approval_default: false
    review_focus:
      - Content landscape mapped with at least 3 existing pieces
      - Data points are specific and sourced, not vague
      - Audience questions sourced from real forums, not invented
    success_criteria:
      - Schema-valid research_brief with at least 3 data_points
      - At least 5 sources cited with URLs

  - name: proposal
    produces: [proposal_packet, decision_log]
    checkpoint_required: true
    human_approval_default: true
    review_focus:
      - Production plan reflects actual tool availability from preflight
      - Cost estimate is itemized and honest
      - Alternative production paths shown at different price points
    success_criteria:
      - cost_estimate has itemized line_items with per-tool costs
      - approval.status is "approved" or "approved_with_changes" before proceeding

review_focus 是可检查的断言，不是「注意质量」这种形容词：至少 3 个同类作品、观点必须来自真实论坛而不是编的、至少 5 条带 URL 的来源。success_criteria 是 schema 级门禁：审批状态不是 approved 就不许往下走。proposal 阶段还挂了一个 sub_stages，条件是存在视频分析简报时，先渲一段 10–15 秒的样片给人确认——先看一眼小的，再烧大的。

而 budget_default_usd: 2.00 这个默认值，配上后面的成本表就说得通了。

2 美元的默认预算不是随便写的

docs/PROVIDERS.md 有 1,502 行，是一份带单价的供应商账本（一手）。免费档从低到高排：

按秒计价的画面素材，差距非常陡：

算一下就明白了：一条 60 秒的片子，如果每个镜头都由模型生成，全用 Veo 3 光画面就是 $24，全用 Kling 是 $4.2。而默认预算 $2.00 恰好等于 28 秒 Kling、或 5 秒 Veo、或 40 张 FLUX 静帧。也就是说，这个默认值隐含的判断是：一条短片不该让模型逐秒生成画面，应该是静帧 + 动效 + 库存素材为主，生成模型只补关键镜头。

这也解释了为什么 documentary-montage.yaml 那条流水线会存在——它从 Pexels / Archive.org / NASA / Wikimedia / Unsplash 建一个 CLIP 可检索语料库再剪，整条片子画面成本 $0，不碰任何付费生成 API。

成本表里还有两处态度我很喜欢：

Unpriced calls return cost_usd: null with cost_status, not zero.

以及针对 Seedance 2.5 和自建端点：必须先手填 custom_price_cny_per_million_tokens，原文是 “unknown pricing is never treated as free”。未知价格不许当成免费——一个只做估价的工具最容易在这里骗自己。

一份真实的 stage director skill 长什么样

skills/pipelines/explainer/asset-director.md，290 行。开头是角色定义：

You are the Asset Producer for a generated explainer video… This is where plans become real files. A missing or low-quality asset will torpedo the final video.

然后是「这个场景该用哪种动效」的路由表，节选：

配一句明确的偏向：

The keep-it-simple bias: if Remotion primitives solve a scene in ≤ 20 lines, use them. Only pull in GSAP when the plugin genuinely earns its bundle weight.

能用 20 行以内解决就别引插件——这句是真正的「老师傅经验」，而它被写成了一个 Agent 每阶段必读的文件。 Prerequisites 表里还专门列了一行 Cost tracker | tools/cost_tracker.py | Budget governance：花钱的账本是一个前置依赖，不是事后统计。

三层的分工

README 自己画了这张图，看完全面再回头看就很准：

Layer 1: tools/ + pipeline_defs/   "What exists" — 可执行能力 + 编排
Layer 2: skills/                   "How to use it" — 本仓库的规矩与质量线
Layer 3: .agents/skills/           "How it works"  — 外部技术的深度知识包

Agent 读 Layer 1 知道能干什么，读 Layer 2 知道该怎么干，读 Layer 3 补底层原理。而 Layer 1 的入口是两个函数，不是靠记忆猜：

python -c "from tools.tool_registry import registry; registry.discover(); \
  print(registry.support_envelope())"   # 我这台机器到底支持什么
python -c "... print(registry.provider_menu())"  # 供应商菜单

support_envelope / provider_menu 这两个函数名本身就说明态度：先把可用能力摊开，再谈方案。

Backlot：把「Agent 说了什么」换成「剧组在干什么」

另一手是 python -m backlot open 打开的本地制片看板：阶段逐个点亮、脚本按剧本页排版、每个 provider 决策和每块钱都贴墙上，跑完能 ▶ REPLAY RUN 按时间戳回放整次制作。更关键的是分镜表是一个真的审批门——素材生成会在逐场景的 contact sheet 上暂停，列出 take、prompt、单素材成本和质量分，让你在渲染之前而不是之后点头。

11 条流水线（Animated Explainer / Animation / Avatar Spokesperson / Cinematic / Clip Factory / Documentary Montage / Hybrid / Localization & Dub / Podcast Repurpose / Screen Demo / Talking Head）里，我另外注意到一个不一致：tagline 说 12 条、README 表格列 11 条、pipeline_defs/ 目录里有 13 个 YAML（其中 framework-smoke.yaml 是冒烟测试，character-animation.yaml 没进表格）。数字不大，但这类项目的宣传口径和目录状态不同步是常态，选型的适合靠自己 ls 一遍。

同路线的其他玩家

一个反常识观察：短剧簇几乎都在同一个地方收口——导出剪映草稿。不是做不到全自动，是大家都发现最后一刀还是要人挪，于是把「不锁死工作流」当成设计目标。video-shotcraft 也一样做了剪映工程导出（README 注明在 JianYing Pro 11.2 for macOS 验证过）。

路线二：视频即代码——确定性是入场券

HeyGen 的 heygen-com/hyperframes（56,932 star、Apache-2.0、push 2026-10-05，一手）口号是 “Write HTML. Render video. Built for agents."。做法是把视频定义成 HTML：

<div id="stage" data-composition-id="launch" data-start="0" data-width="1920" data-height="1080">
  <h1 id="title" class="clip" data-start="1" data-duration="4" data-track-index="1">Launch day</h1>
</div>

data-start / data-duration / data-track-index 声明时间与轨道，动画接 GSAP、CSS、Lottie、Three.js、Anime.js、WAAPI 或自定义帧适配器。渲染器在无头 Chrome 里逐帧 seek再用 FFmpeg 编码，README 原话：“the same input produces the same video”。

这句话才是重点。Agent 生成的东西本来就有随机性，如果渲染这一步也随机，就没有任何可复现性可言。确定性渲染是把视频放进 CI 和回归测试的前提，也是它能被 Agent 反复调用而不炸的原因。同类的 Remotion（61,911 star）更早，但基于 React/TSX；HyperFrames 的卖点正是「不需要 React，没有私有时间线格式」，甚至给了 /remotion-to-hyperframes 这个单向迁移 skill。对大模型来说，写合法 HTML 比写合法 TSX 稳——这是这条路线存在的理由。

对 Agent 友好体现在 skill 层：仓库发布 21 个按需加载的 skill。/hyperframes 是路由兼能力地图，README 说它是 “the intent layer that confirms every creation brief up front”——先把需求确认一遍再动手；/hyperframes-core 写的是 composition contract 与 determinism 规则；/hyperframes-cli 是 init / lint / check / snapshot / preview / render / publish / doctor 这条开发闭环，外加 HeyGen 云渲染和 AWS Lambda 分布式渲染。注意 lint 和 check 排在 render 前面：先静态过一遍，再花渲染时间。

Vincentwei1021/video-shotcraft（10,310 star、Apache-2.0，一手）是这条路线上最好看的经验资产化样本，README 头一行就是数字：

An agent skill for crafting cinematic product videos: 157 shot recipe cards · 214 styles · 214 motion previews · a production-ready template

它把「电影感」拆成一张张可复用的镜头配方卡（2026-08 从 104 张扩到 152 张，从 209 个候选动效里筛出来），配线上 Gallery 逐个预览。Agent 的路径是 real page captures → 2.5D camera moves → beat-synced cuts → SFX → Remotion render，交付后打开一个 CapCut 式工作台让人接手，并且能导出剪映草稿。卡片不是 prompt，是能版本管理的资产。

路线三：剪辑 Agent——最成熟，也最「规矩化」

browser-use/video-use（28,056 star、MIT、push 2026-10-02，一手）一句话：原素材丢进文件夹，跟 Claude Code 聊几句，拿回 final.mp4。

先说体量：整个仓库 36 个文件（一手，git tree）。6 个 helper 脚本、一份 342 行的 SKILL.md、一份 install.md、一个 manim 子技能包（14 篇参考文档）、3 个测试文件。对比 OpenMontage 的 2,143 个文件——两者都自称 agentic，体量差两个数量级。所以「要不要一个庞大的知识仓库」取决于任务边界，而不是诚意。

它的核心洞察是 README 里这句：

The LLM never watches the video. It reads it.

第一层是音频转写：每个素材一次 ElevenLabs Scribe，拿到词级时间戳、说话人分离，还有 (laughter)、(applause)、(sigh) 这类音频事件；所有 take 打包成约 12KB 的 takes_packed.md 作为主阅读视图。第二层是按需的视觉切片 timeline_view.py <video> <start> <end>，输出胶片条 + 波形 + 词标签 + 静音切口候选的 PNG——但 SKILL.md 特别警告它是 “Not a scan tool — use it at decision points, not constantly”。

真正说明「怎么做」的是 SKILL.md 里那 12 条 Hard Rules，而且每条都带「否则会发生什么」：

这套规则的性质很说明问题：它们不是理想流程，是踩过的坑的化石。比如「字幕最后烧」写在 render.py 的职责顺序里（逐段抽取 → 拼接 → 叠层 PTS 移位 → 字幕放最后），切口决策沉淀成 edl.json——用剪辑行业现成的 EDL 概念当中间产物，这样人和 Agent 改的是同一份东西。

而 SKILL.md 的元规则我很喜欢：

Artistic freedom is the default. Every specific value, preset, font, color… in this document is a worked example from one proven video — not a mandate… The only things you MUST do are in the Hard Rules section below. Everything else is yours.

把「必须」和「举例」明确分开，是文档式编排最容易漏掉的一件事——不分开，Agent 会把每个示例值当规范照抄。

同路线还有一层「让 Agent 开真软件」的集成：

一个生态位判断：HyperFrames 已经成了这条路线的动画后端。video-use 的 SKILL.md 直接写「用 npx --yes hyperframes ... 调用」，Remotion 则 npx create-video@latest 就地脚手架；OpenMontage 在提案阶段就要在 Remotion 和 HyperFrames 之间二选一，选完锁进 render_runtime 字段。上层调度都在把「渲染合成」外包给路线二——这层是目前最有复用价值的公共底座（Pixo 那篇 50+ 流水线评测把 HyperFrames 单列为「基础设施层」，与此互证，转述）。

路线四：关键词→成片，但别叫它文生视频

harry0703/MoneyPrinterTurbo 是这条线上量最大的仓库：128,528 star、MIT、push 2026-10-04（一手）。它的真实管线是：LLM 写文案 → 按关键词去 Pexels / Pixabay / Coverr 匹配库存素材 → TTS 配音（Edge TTS 免费无需 key）→ 字幕与 BGM → FFmpeg 合成。全程不生成一个新镜头。

所以适用面很清楚：口播解说、资讯、faceless 账号。Token 便宜、能铺量；指望它出原创镜头就选错了。

工程上它提供四种入口：AI Agent / WebUI / API / CLI。CLI 那条 uv run python cli.py --batch-file ./tasks.json --stop-at video 吃 UTF-8 的 JSON 数组或 JSONL，一单最多 100 条，所有条目在第一个任务起跑前完成参数与本地文件预检，单条失败不断流，跑完吐一份 total / succeeded / failed / tasks 汇总。这是给无人值守设计的——你不会跑到第九条才发现第三条的音频路径是错的。

Agent 入口的做法和 video-use 一模一样，值得单独注意：它在仓库里放了一份 docs/skill/SKILL.md，你把 raw URL 发给 Agent，Agent 就自己完成安装、配置和出片，只在缺 key 时才问一句。「让 Agent 自己装自己」已经是这一代工具的标准交付方式了。

同类：ATH-MaaS/Pixelle-Video（28,640 star）、OpenCut-app/OpenCut（92,401 star，开源剪映替代，本身不是 Agent 但常被当底座）、krillinai/OpenCreator（12,594 star，前身 KrillinAI）。

路线五：闭源 Agent 产品

不想自己搭就走这条。2026 年 5 月那几周节奏很密（日期来自二手评测，转述）：05-13 Runway Agent（对话式端到端制片）、05-19 Adobe 宣布 for-creativity connector 接入 Gemini、05-21 Aleph 2.0 + Edit Studio、05-27 Runway MCP——最后这条是关键：视频能力进了 Agent、编码工具和对话工作区。App Store 描述现在是 “just describe the video you want and let Runway Agent build the whole thing”（一手）。

另外几家：Adobe Firefly AI Assistant（官方 helpx 标为 beta，把构思/生成/编辑收进一个环境，一手）；Google Flow + Veo 3.1（原生同步音频）；HeyGen 除了 HyperFrames 还有一层 heygen-com/skills（466 star）走它的 Video Agent 管线。国产即梦、可灵的 agent 化程度低一档，主要还是模型 + 画布。

论文那一支：很多工程手法早有出处

• MovieAgent（NUS，arxiv 2503.07314）分层 CoT，模拟导演 / 编剧 / 故事板 / 场地经理。showlab/MovieAgent 仓库 366 star、无 LICENSE 字段、push 停在 2025-03-26——论文火，但代码不是给你用的。
• FilmAgent（SIGGRAPH Asia 2024）、Anim-Director、AniMaker（SIGGRAPH Asia 2025，MCTS 驱动候选片段生成）——哈工大那条线，VideoClaw 是它们的工程化收口。
• EditDuet（SIGGRAPH 2025，Adobe Research）Editor + Critic 双 Agent；CutClaw 的 Playwriter/Editor/Reviewer 三段是同一思路的开源版。
• VideoGen-Eval 是 agent-as-judge 的前置工作——上面每个项目的「自检」都在做这件事。

索引工具：PhiloLabs/awesome-video-agents（14 star，但分类最干净）按 All-in-One / 多 Agent 管线 / 剪辑 / 生成 / 理解 / NLE-MCP 六类整理；zhuyansen/awesome-claude-video-skills 收了 180 个 Agent 视频 skill 并逐个做了安全评级（SAFE / CAUTION / pending）（转述）。后者给了一个提神的数：180 个仓库里 107 个不到 50 星，过 1000 星的只有 20 个左右。按 star 排序选工具，大概率选错。

共同的骨架：四条，可以直接抄

把路线一到路线三并排看，收敛出的架构一模一样：

1. 流程合同化。阶段、输入输出、成功判据写成 Agent 每轮都要读的 YAML/Markdown。review_focus 是可检查断言，success_criteria 是 schema 门禁——同一句话写在代码注释里没人看，写进 manifest 里就变成操作规程。这是「约束 Agent」和「祈祷 Agent」的分界线。
2. 能力发现前置。给 Agent 一个 registry（support_envelope / provider_menu），让它先查「能用什么、多少钱、fallback 是什么」再提方案。幻觉调用大部分不是模型的错，是没人把可用面摊开。
3. 质量门禁 + 自检返工。渲染完自己抽帧、测音频电平、查字幕、比对一致性，不合格不许端上来。预算也是门禁：先估价、有上限、超阈值单独审批。
4. 确定性优先。能用代码化渲染就别靠模型抽卡。这条同时买到三样东西：可复现、可进 CI、可 Git diff。

三处漏水：issue 里看到的真实故障

上面那四条听起来很干净。但把三个项目的 issue 翻一遍，会发现这套架构新长出了两类以前没有的 bug。

裂缝一：文档本身成了 bug 源。 HyperFrames 的 #5025 标题是 “Skills: 10 cross-skill contradictions and 11 wrong facts or broken paths”——有人核对那 21 个 skill，报出 10 处互相矛盾、11 处事实错误或路径失效（一手，未修复状态）。这和 OpenMontage 那 1,098 个 Markdown 是同一道题的两面：当编排逻辑住在文档里，文档的一致性就是系统的正确性，而文档没有类型检查器。 代码有编译器，Markdown 没有。

裂缝二：能力发现会说谎。 OpenMontage 的 #637：“diagram_gen reports AVAILABLE without mermaid-cli and silently renders mermaid source”——registry 报告该工具可用，但依赖的 mermaid-cli 根本没装，于是它静默降级，把 mermaid 源码当画面渲染出来（一手）。这条正好打在「能力发现前置」这套设计的要害上：support_envelope 只检查了「我注册了什么」，没检查「这个能力真的跑得通吗」。门禁的前提是探针诚实，而探针最容易在缺依赖时选择继续。

裂缝三：物理规律还是要还的。 video-use 定了「每个段边界 30ms 淡入淡出防爆音」这条 Hard Rule，#162 报的是 AAC priming 在 -c copy 拼接时仍产生边界咔哒声——淡入淡出解决不了编码器预热（一手）。同仓库 #118 是「按文档装的 macOS 上字幕烧录两种方式坏掉，其中一种是直接崩」，#125 是「Windows 非 UTF-8 stdout 下 helper 打印崩溃」，#206 是「同名素材批量转写互相覆盖」。video-shotcraft 的 #49（讨论最多的一条）要的是局部帧重渲染与成片补丁——改一个镜头不必重渲全片。

这三处合起来是一个判断：这套架构的失败模式，从「代码崩溃」变成了「文档矛盾、门禁说谎、以及最后一公里编解码问题」。 前两类是新问题，所以工具链还没跟上——没有 linter 能查 21 个 skill 之间的矛盾，也没有 CI 能验证 AVAILABLE 是不是真的可用。

还有一条值得单独拎出来，因为它不是技术问题：OpenMontage 的 #626 是一个安全公告——“fake ‘OpenMontage-app’ installer repo circulating”，有假冒本项目的安装仓库在流传（一手）。热门 Agent 工具已经出现供应链仿冒，而这恰恰是因为「把一段 URL 发给 Agent 让它自己装」成了标准交付方式：你交付的是安装指令，而攻击者也可以。 装之前先核对仓库归属，别把来路不明的 raw URL 直接贴给 Agent。

怎么选

只有周末两小时的话：别从 OpenMontage 开始（13 个 manifest、要配一堆 key）。从 video-use（有素材）或 HyperFrames（没素材）开始，两者都是 MIT/Apache、文件少、跑通一条片再决定要不要上编排系统。这套东西的正确入门顺序是自下而上，不是先买剧组。

几点收获

「Agent 化」的真正内容是把行规写成文档。 1,098 个 Markdown、157 张镜头卡、21 个渲染 skill，本质同一件事：把一个剧组靠经验判断的部分，翻译成 Agent 每轮必读的文本。而 video-use 那 12 条 Hard Rules 说明了另一半——文档里必须区分「必须」和「举例」，否则 Agent 会把示例值当规范照抄。

没有调度器，比换个调度器更值得注意。 传统做法是拿状态机画编排；OpenMontage 直接删掉中央编排器，把编排职责交给读得懂 manifest 的 LLM。代价是可预测性变差，所以它必须用 schemas、contract tests、checkpoint、max_send_backs: 3、max_wall_time_minutes: 20 把这些不确定性一圈圈钉回来。这套「用文档编排」的取舍比视频本身更通用——任何长流程 Agent 应用都会撞上同一道题。

文档规模到一定量级，它自己就成了最大的 bug 面。 这是我看完 #5025 之后改的主意。我原本以为「700 个 skill 文件」是纯粹的加分项，但 21 个 skill 就能被查出 10 处矛盾，1,098 个 Markdown 的漂移面积可想而知。代码有编译器，文档没有——这条路线接下来真正的竞争，可能是谁先给 skill 文档做出 linter 和一致性检查。

确定性是入场券，不是加分项。 HyperFrames 全部设计（逐帧 seek、无构建步骤、lint 在 render 前）都在买这一件事。视频模型给的是概率，渲染层如果也给概率，这个流水线永远进不了 CI，也永远说不清「昨天那版是怎么出来的」。

成本表是架构的一部分。 budget_default_usd: 2.00 之所以是 2 美元，因为 Veo 3 要 $0.40/秒。不懂这层价格结构，就会设计出「60 秒全镜头生成」的必然破产方案。「未知价格不当作免费」这条工程纪律，比任何提示词技巧都值钱。

体量不等于能力，但等于任务边界。 2,143 个文件的 OpenMontage 和 36 个文件的 video-use 都自称 agentic，前者要接住从选题到导出的十五格，后者只管把素材剪干净。选错体量比选错工具更常见。

最成熟的不是 AI 生成电影。 剪辑（素材→成片）和讲解（文案→动画）跑在最前面，因为它们不跟模型能力较劲。而「一句话生成电影」那一格，仓库普遍年轻、依赖还不稳的生成 API——增速表里 CutClaw 5/天 vs OpenMontage 334/天，就是这个分野的定价。

留一个出口给人类。 剪映草稿导出、edl.json、project.md 会话记忆、分镜审批门、可回放的 Backlot——反复出现在不同仓库里。共识是最后一步要交回人手，区别只是交在哪个阶段。一个不打算接手的自动化方案，在这条赛道上是不被信任的。

参考

一手（GitHub API / 文件树 / README 与 SKILL 原文，2026-10-05 核对）：

• calesthio/OpenMontage · animated-explainer.yaml · asset-director.md · docs/PROVIDERS.md
• 安全公告与能力发现缺陷：OpenMontage #626 · #637
• heygen-com/hyperframes · skill 一致性问题 #5025
• browser-use/video-use · SKILL.md · 边界咔哒声 #162
• Vincentwei1021/video-shotcraft · harry0703/MoneyPrinterTurbo
• HKUDS/ViMax · HITsz-TMG/VideoClaw · HKUDS/VideoAgent
• PhiloLabs/awesome-video-agents · zhuyansen/awesome-claude-video-skills
• remotion-dev/remotion · FireRedTeam/FireRed-OpenStoryline · GVCLab/CutClaw

论文：

• MovieAgent: Automated Movie Generation via Multi-Agent CoT Planning (arxiv 2503.07314)
• FilmAgent: A Multi-Agent Framework for End-to-End Film Automation

转述（二手渠道，未直连原始发布页）：

• GitHub 上的开源 AI 视频：50+ 条流水线全评测——Agent 就是导演
• AI 视频生成进入工作流阶段：Runway Agent、Aleph 2.0、Adobe Gemini 连接器盘点
• 2.96 万 Star 的 OpenMontage，把 AI 视频生成做成了一套 Agent 剧组
• 180 个 Claude 视频神器，我把真正值得用的开源 Skill 挖出来了
• Runway 官方 App Store 页面 · Adobe Firefly AI Assistant overview