AI剪辑的核心资产是判断规则，不是工具
主要观点
面对ChatCut积分消耗高、导出受套餐限制且错误难追踪的问题，实践者没有继续购买成品服务，而是借助公开的MCP协议、16个skill文件和40多个工具定义，重组出自有流程。最有操作价值的不是炫技式全自动，而是把删口癖、语义删改、画面选择和动画生产分层，每层都留下可读、可审核的结果。首轮发布又证明，自动出片只能解决产能，真正影响表现的仍是前三秒、信息密度、CTA位置、平台画幅与互动设计；系统应围绕真实数据持续修正。
关键要点
- ChatCut将口播清理拆成两步：先用固定口癖词表和静音压缩做机械清理，再重新通读进行语义编辑。“去口癖”与“判断一句话是否该保留”不能合并，否则模型容易误删。
- 编辑结果被物化为timeline.md：删除用删除线、调序用移动行，最后通过apply_script落回时间线。相比直接操作JSON，这种中间格式便于人工发现错误、修改和追溯。
- 一条3分钟口播处理到导出FCPXML约需5-8分钟，其中AI运行2-3分钟，其余时间用于网页审核；方言和专业术语仍可能转录错误，火山引擎的模型API选择也增加了配置成本。
- 分镜采用六类“观众任务”：无明确需求时留真人，需要章节感用小节标签，数字与关键词用浮层，抽象流程用图解动画，真实证据用截图或录屏，节奏调节则改变景别。画面切换由信息需求触发，而非按固定秒数堆素材。
- A-roll一旦定稿后再调整语序，所有分镜起止时间都会失效，因此流程必须设置硬门禁：口播时间线未锁定，不启动下游分镜。动画还需检查平台安全区，否则标题可能被抖音头像区等界面元素遮挡。
- 首批数据揭示了产能与效果的落差：抖音互动率为1.6%，同类作者为9.1%；完播率为1.4%，同类作者为21.6%。另一次规则检查发现87.47秒视频的CTA位于81秒，约在片长92.6%处，说明问题更多出在内容结构而非剪辑自动化程度。
建议带着这些问题阅读
- 如何把“观众任务”进一步转化为可量化、可用发布数据验证的分镜规则？
- 当A-roll变化会使下游时间点全部失效时，能否用语义锚点替代绝对时间码来降低返工成本？
- 在完播与互动明显偏低的情况下，应优先调整脚本结构、视频长度还是画面密度？