从1.2万星到2.6万星browser-use 团队的 video-use刚开源就刷屏全网【免费下载链接】video-useEdit videos with coding agents项目地址: https://gitcode.com/GitHub_Trending/vid/video-use2026 年的夏天一个名叫 video-use 的开源项目被扔上 GitHub没有 GUI、没有预设模板、连产品都只是一个技能文件夹却在三个月内把星标从社区热议的 1.2 万推过了 2.6 万——本文成稿时GitHub 页面上的数字是 28.5k star、3.3k fork。它来自浏览器自动化爆款 browser-use 的同一团队切的是创作者最痛的场景剪视频。本文结合社区情报与仓库源码拆解三件事video-use 到底是什么、它的增长引擎从哪里来以及这波热度还能撑多久。video-use 是什么一句话定位Edit videos with coding agents——把原始素材丢进一个文件夹打开 Claude Code或 Codex、Hermes、Openclaw 等任何有 shell 权限的 agent说一句把这些剪成一条 launch video几分钟后拿回final.mp4。它不是一个软件而是一个技能包仓库结构非常克制README.md 负责介绍与安装、SKILL.md 是给 LLM 读的剪辑守则、install.md 是一份自助安装合约真正干活的则是 helpers/ 目录下的五个 Python 脚本。安装过程被刻意设计成粘贴即用克隆仓库、uv sync、装 ffmpeg、把整个仓库软链进~/.claude/skills/video-use填入一枚 ElevenLabs API key 就绪。README 甚至给了一段可以直接粘给 agent 的 setup prompt让 agent 自己完成 clone、依赖、技能注册的全部流程。能力清单同样直击剪辑痛点去口头禅umm、uh、假开头、自动调色、每刀 30ms 音频淡入淡出防爆音、烧录字幕、叠加动画HyperFrames / Remotion / Manim / PIL由并行子 agent 各自生成、成片自检以及用project.md做跨会话记忆让下周接着上次的片子剪成为现实。核心思路LLM 不看视频而是读视频video-use 最有辨识度的设计决策是它让 LLM 永远不看视频本身。它通过两层抽象把视频这种非结构化数据压缩成 LLM 可读的结构化文本第一层音频转写常驻。helpers/transcribe.py 先用 ffmpeg 抽出单声道 16kHz 音频再调用 ElevenLabs Scribe并显式开启diarize、tag_audio_events、timestamps_granularityword——拿到词级时间戳、说话人分离和(laughter)、(sigh)这类音频事件。随后 helpers/pack_transcripts.py 把逐词结果重新断句任何 ≥0.5s 的静音或说话人切换都切出一个短语最终全部素材被压进一份约 12KB 的takes_packed.md## C0103 (duration: 43.0s, 8 phrases) [002.52-005.36] S0 Ninety percent of what a web agent does is completely wasted. [006.08-006.74] S0 We fixed this.第二层按需视觉合成。helpers/timeline_view.py 为任意时间区间生成胶片条 波形 词标签 静音缺口的合成 PNG。它的文档里写得很清楚这是决策点工具不是扫描工具——只在剪辑点存疑、需要对比多 take、或做切点校验时才调用。成本账是惊人的如果朴素地把 3 万帧逐帧喂给多模态模型按每帧 1500 token 计算是 4500 万 token 的噪声而 video-use 的做法是12KB 文本 几张 PNG。这正是 browser-use 给 LLM 提供结构化 DOM 而非截图的同一思路——browser-use 让 LLM 读网页video-use 让 LLM 读视频。星标曲线复盘1.2 万 → 2.6 万走完一个季度社区情报给出了可交叉验证的时间线时间事件2026 年 7 月初仓库活跃首个合并提交可追溯至 2026-07-017 月 6 日已被中文社区AI Agent 运营工具周报收录2026 年 7 月中旬多篇 browser-use 与 video-use 联合实战教程集中发布头条社区出现video-use 1.2 万星的复盘帖2026 年 9 月下旬中文社区开始系统拆解其 Multi-Agent 架构、EDL 解耦与 Audio-first 设计CSDN 2026-09-232026 年 10 月上旬星标突破 2.6 万本文成稿时 GitHub 显示 28.5k star / 3.3k fork / 23 commits从 1.2 万到 2.6 万大约横跨一个季度而 fork 数达到 star 数的约 1/8.63.3k fork在同类 AI 项目中属于极高的动手转化率——说明围观者里很大比例真的克隆下来跑了。曲线的形状也很有代表性第一波是事件驱动团队光环 开源首周的曝光红利第二波则是工具驱动——当实测去口头禅用 Claude Code 剪视频这类帖子在社区里出现时项目就进入了被当作生产工具评估的第二增长段。增长引擎拆解团队背书 × 生态红利 × 痛点直击其一browser-use 团队的信任状。团队上一代产品 browser-use 已经把LLM 驱动浏览器做成了 GitHub 现象级项目积累了流量、开源治理经验和完整的云产品矩阵。video-use 开源时并非裸奔README 里同时挂着 Browser Use Cloud 入口、Browser Use BoxVPS 常驻运行方案、15 秒 TikTok 演示视频和 video-use.com 的云版 waitlist。开源当日就把商业化路径摆上桌面这在爆款项目的起手式里非常少见。其二Claude Code 生态的技能红利。video-use 出生在 skills 机制成为行业惯例的当口~/.claude/skills/、~/.codex/skills/目录让可插拔专业能力成为 agent 的标准装配件。video-use 恰好是最早把完整专业工序转写、决策、渲染、质检、记忆打包成一份 SKILL.md helpers 的项目之一而且对 Codex、Hermes、Openclaw 开放——它赌的不是某一家模型的 API而是有 shell 权限的 agent这个正在快速膨胀的生态本身。其三痛点足够真实。剪视频的三大苦役——去口头禅、剪空镜、统一响度与调色——是每个口播创作者和内容团队的日常消耗。video-use 把音频优先作为第一原则切点来自词边界和静音间隙而不是人去一帧帧看成片自动做两遍 loudnorm 到 -14 LUFS、-1 dBTP适配 YouTube/TikTok/Instagram 的平台响度标准。对录了三十分钟素材只想要两分钟成片的人来说这是显著的效率跃迁。源码级验证它把剪片子变成了可验证的工序热度之外仓库源码展示的是工程上的克制。最核心的解耦在EDLLLM 只产出edl.json这一份剪辑决策文件选哪个 take、起止时间、beat 归属、理由所有执行交给 helpers/render.py 的 ffmpeg 管线{ version: 1, sources: {C0103: /abs/path/C0103.MP4, C0108: /abs/path/C0108.MP4}, ranges: [ {source: C0103, start: 2.42, end: 6.85, beat: HOOK, quote: ..., reason: Cleanest delivery, stops before slip at 38.46.} ], grade: warm_cinematic, overlays: [{file: edit/animations/slot_1/render.mp4, start_in_output: 0.0, duration: 5.0}], subtitles: edit/master.srt, total_duration_s: 87.4 }LLM 思考 Python 编排 专业工具执行的范式在渲染管线里体现得尤其彻底。render.py 严格按序执行逐段提取烘焙调色与 30ms 淡入淡出→ 无损 concat → overlay 用setpts做 PTS 平移 → 字幕最后叠加 → 两遍响度归一化。其中不少是只有踩过坑才知道的细节字幕必须最后加否则被动画遮挡iPhone 拍的 HLG HDR 素材要先 zscaletonemap 到 Rec.709 再编码否则传上社交平台后发灰发闷helpers/grade.py 的自动模式按亮度、对比度、饱和度做数据驱动校正任何单轴调整封顶 ±8%目标只是干净而非有风格。SKILL.md 把这些归纳为 12 条 Hard Rules——生产正确性是不可谈判的审美才是自由的。配合渲染后的自检闭环对每个剪辑点跑 timeline_view检查视觉跳变、波形爆音、字幕被遮挡最多修复 3 轮再给人看video-use 把剪辑从手艺变成了一个可回放、可纠错、可验证的工序。这也是它区别于套模板出片类工具的本质它对内容类型零假设先看素材、再问用户、最后下刀。下一步看点热度还能撑多久看多的证据是有的23 个 commit 意味着仍在快速迭代28 个 open issues 与 118 个 PR 说明社区不仅围观而且参与云化路径清晰waitlist、Browser Use Box 的常驻运行方案都指向从开源 skill 到托管服务的既定路线。但风险同样具体。第一转写环节强依赖 ElevenLabs ScribeAPI key 和按量计费既是门槛也是单点依赖。第二强依赖 coding agent 生态它面向的是会用 Claude Code/Codex 的开发者普通创作者和团队若没有 CLI 工作流几乎无法上手——社区评测也明确指出了无 GUI、不适用于纯无人值守流水线的边界。第三护城河在工序打包而非模型词级时间戳转写、ffmpeg 管线都是可复制的开源组件一旦出现同样把专业工序打包进 skills 的竞品分流是必然的。参照 browser-use 走过的路——开源爆款、云产品商业化、持续迭代——video-use 的 2.6 万星大概率只是中继站而非顶点决定它最终能走多远的不是星标曲线的斜率而是云版上线后有多少创作者愿意为说句话就出片的托管体验付费。【免费下载链接】video-useEdit videos with coding agents项目地址: https://gitcode.com/GitHub_Trending/vid/video-use创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
从1.2万星到2.6万星browser-use 团队的 video-use刚开源就刷屏全网【免费下载链接】video-useEdit videos with coding agents项目地址: https://gitcode.com/GitHub_Trending/vid/video-use2026 年的夏天一个名叫 video-use 的开源项目被扔上 GitHub没有 GUI、没有预设模板、连产品都只是一个技能文件夹却在三个月内把星标从社区热议的 1.2 万推过了 2.6 万——本文成稿时GitHub 页面上的数字是 28.5k star、3.3k fork。它来自浏览器自动化爆款 browser-use 的同一团队切的是创作者最痛的场景剪视频。本文结合社区情报与仓库源码拆解三件事video-use 到底是什么、它的增长引擎从哪里来以及这波热度还能撑多久。video-use 是什么一句话定位Edit videos with coding agents——把原始素材丢进一个文件夹打开 Claude Code或 Codex、Hermes、Openclaw 等任何有 shell 权限的 agent说一句把这些剪成一条 launch video几分钟后拿回final.mp4。它不是一个软件而是一个技能包仓库结构非常克制README.md 负责介绍与安装、SKILL.md 是给 LLM 读的剪辑守则、install.md 是一份自助安装合约真正干活的则是 helpers/ 目录下的五个 Python 脚本。安装过程被刻意设计成粘贴即用克隆仓库、uv sync、装 ffmpeg、把整个仓库软链进~/.claude/skills/video-use填入一枚 ElevenLabs API key 就绪。README 甚至给了一段可以直接粘给 agent 的 setup prompt让 agent 自己完成 clone、依赖、技能注册的全部流程。能力清单同样直击剪辑痛点去口头禅umm、uh、假开头、自动调色、每刀 30ms 音频淡入淡出防爆音、烧录字幕、叠加动画HyperFrames / Remotion / Manim / PIL由并行子 agent 各自生成、成片自检以及用project.md做跨会话记忆让下周接着上次的片子剪成为现实。核心思路LLM 不看视频而是读视频video-use 最有辨识度的设计决策是它让 LLM 永远不看视频本身。它通过两层抽象把视频这种非结构化数据压缩成 LLM 可读的结构化文本第一层音频转写常驻。helpers/transcribe.py 先用 ffmpeg 抽出单声道 16kHz 音频再调用 ElevenLabs Scribe并显式开启diarize、tag_audio_events、timestamps_granularityword——拿到词级时间戳、说话人分离和(laughter)、(sigh)这类音频事件。随后 helpers/pack_transcripts.py 把逐词结果重新断句任何 ≥0.5s 的静音或说话人切换都切出一个短语最终全部素材被压进一份约 12KB 的takes_packed.md## C0103 (duration: 43.0s, 8 phrases) [002.52-005.36] S0 Ninety percent of what a web agent does is completely wasted. [006.08-006.74] S0 We fixed this.第二层按需视觉合成。helpers/timeline_view.py 为任意时间区间生成胶片条 波形 词标签 静音缺口的合成 PNG。它的文档里写得很清楚这是决策点工具不是扫描工具——只在剪辑点存疑、需要对比多 take、或做切点校验时才调用。成本账是惊人的如果朴素地把 3 万帧逐帧喂给多模态模型按每帧 1500 token 计算是 4500 万 token 的噪声而 video-use 的做法是12KB 文本 几张 PNG。这正是 browser-use 给 LLM 提供结构化 DOM 而非截图的同一思路——browser-use 让 LLM 读网页video-use 让 LLM 读视频。星标曲线复盘1.2 万 → 2.6 万走完一个季度社区情报给出了可交叉验证的时间线时间事件2026 年 7 月初仓库活跃首个合并提交可追溯至 2026-07-017 月 6 日已被中文社区AI Agent 运营工具周报收录2026 年 7 月中旬多篇 browser-use 与 video-use 联合实战教程集中发布头条社区出现video-use 1.2 万星的复盘帖2026 年 9 月下旬中文社区开始系统拆解其 Multi-Agent 架构、EDL 解耦与 Audio-first 设计CSDN 2026-09-232026 年 10 月上旬星标突破 2.6 万本文成稿时 GitHub 显示 28.5k star / 3.3k fork / 23 commits从 1.2 万到 2.6 万大约横跨一个季度而 fork 数达到 star 数的约 1/8.63.3k fork在同类 AI 项目中属于极高的动手转化率——说明围观者里很大比例真的克隆下来跑了。曲线的形状也很有代表性第一波是事件驱动团队光环 开源首周的曝光红利第二波则是工具驱动——当实测去口头禅用 Claude Code 剪视频这类帖子在社区里出现时项目就进入了被当作生产工具评估的第二增长段。增长引擎拆解团队背书 × 生态红利 × 痛点直击其一browser-use 团队的信任状。团队上一代产品 browser-use 已经把LLM 驱动浏览器做成了 GitHub 现象级项目积累了流量、开源治理经验和完整的云产品矩阵。video-use 开源时并非裸奔README 里同时挂着 Browser Use Cloud 入口、Browser Use BoxVPS 常驻运行方案、15 秒 TikTok 演示视频和 video-use.com 的云版 waitlist。开源当日就把商业化路径摆上桌面这在爆款项目的起手式里非常少见。其二Claude Code 生态的技能红利。video-use 出生在 skills 机制成为行业惯例的当口~/.claude/skills/、~/.codex/skills/目录让可插拔专业能力成为 agent 的标准装配件。video-use 恰好是最早把完整专业工序转写、决策、渲染、质检、记忆打包成一份 SKILL.md helpers 的项目之一而且对 Codex、Hermes、Openclaw 开放——它赌的不是某一家模型的 API而是有 shell 权限的 agent这个正在快速膨胀的生态本身。其三痛点足够真实。剪视频的三大苦役——去口头禅、剪空镜、统一响度与调色——是每个口播创作者和内容团队的日常消耗。video-use 把音频优先作为第一原则切点来自词边界和静音间隙而不是人去一帧帧看成片自动做两遍 loudnorm 到 -14 LUFS、-1 dBTP适配 YouTube/TikTok/Instagram 的平台响度标准。对录了三十分钟素材只想要两分钟成片的人来说这是显著的效率跃迁。源码级验证它把剪片子变成了可验证的工序热度之外仓库源码展示的是工程上的克制。最核心的解耦在EDLLLM 只产出edl.json这一份剪辑决策文件选哪个 take、起止时间、beat 归属、理由所有执行交给 helpers/render.py 的 ffmpeg 管线{ version: 1, sources: {C0103: /abs/path/C0103.MP4, C0108: /abs/path/C0108.MP4}, ranges: [ {source: C0103, start: 2.42, end: 6.85, beat: HOOK, quote: ..., reason: Cleanest delivery, stops before slip at 38.46.} ], grade: warm_cinematic, overlays: [{file: edit/animations/slot_1/render.mp4, start_in_output: 0.0, duration: 5.0}], subtitles: edit/master.srt, total_duration_s: 87.4 }LLM 思考 Python 编排 专业工具执行的范式在渲染管线里体现得尤其彻底。render.py 严格按序执行逐段提取烘焙调色与 30ms 淡入淡出→ 无损 concat → overlay 用setpts做 PTS 平移 → 字幕最后叠加 → 两遍响度归一化。其中不少是只有踩过坑才知道的细节字幕必须最后加否则被动画遮挡iPhone 拍的 HLG HDR 素材要先 zscaletonemap 到 Rec.709 再编码否则传上社交平台后发灰发闷helpers/grade.py 的自动模式按亮度、对比度、饱和度做数据驱动校正任何单轴调整封顶 ±8%目标只是干净而非有风格。SKILL.md 把这些归纳为 12 条 Hard Rules——生产正确性是不可谈判的审美才是自由的。配合渲染后的自检闭环对每个剪辑点跑 timeline_view检查视觉跳变、波形爆音、字幕被遮挡最多修复 3 轮再给人看video-use 把剪辑从手艺变成了一个可回放、可纠错、可验证的工序。这也是它区别于套模板出片类工具的本质它对内容类型零假设先看素材、再问用户、最后下刀。下一步看点热度还能撑多久看多的证据是有的23 个 commit 意味着仍在快速迭代28 个 open issues 与 118 个 PR 说明社区不仅围观而且参与云化路径清晰waitlist、Browser Use Box 的常驻运行方案都指向从开源 skill 到托管服务的既定路线。但风险同样具体。第一转写环节强依赖 ElevenLabs ScribeAPI key 和按量计费既是门槛也是单点依赖。第二强依赖 coding agent 生态它面向的是会用 Claude Code/Codex 的开发者普通创作者和团队若没有 CLI 工作流几乎无法上手——社区评测也明确指出了无 GUI、不适用于纯无人值守流水线的边界。第三护城河在工序打包而非模型词级时间戳转写、ffmpeg 管线都是可复制的开源组件一旦出现同样把专业工序打包进 skills 的竞品分流是必然的。参照 browser-use 走过的路——开源爆款、云产品商业化、持续迭代——video-use 的 2.6 万星大概率只是中继站而非顶点决定它最终能走多远的不是星标曲线的斜率而是云版上线后有多少创作者愿意为说句话就出片的托管体验付费。【免费下载链接】video-useEdit videos with coding agents项目地址: https://gitcode.com/GitHub_Trending/vid/video-use创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
