把 Claude Code 或 Cursor 变成视频制作工作室

速览：OpenMontage 是一个开源 Agent 视频制作系统，运行在你已有的 AI coding assistant 中。它提供 11 条制作流水线、100 多个工具、60 多个 provider 集成，以及 700 多份 skill 和知识文件，可以把请求从调研、脚本一路推进到素材、剪辑和渲染。截至 2026 年 9 月 1 日，它拥有 55,047 个 Star。开始前需要知道两点：它采用 AGPL-3.0，而不是这个类别中常见的 MIT；它也是你能安装的最依赖 API 的 Agent 系统之一，每次重试都可能产生真实费用。

本文深入介绍我们在 2026 年值得安装的五个开源 AI Agent 工具清单中的一个工具。

大多数“AI 视频”工具会根据一个 prompt 给你一个片段。OpenMontage 则给编码 Agent 配备一个制作部门：调研、脚本、分镜、素材生成、剪辑和最终合成，并在中间加入人工审批门。

这是当前 Agent 工具浪潮中最不寻常、也最有启发性的项目，因为它是每一步都带有美元成本的项目，设计必须认真对待这一点。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

它实际做什么

在 Claude Code、Cursor、Copilot、Windsurf 或 Codex 中打开仓库，然后描述你想要的内容：

Make a 60-second animated explainer about how neural networks learn

Agent 随后运行一条固定流水线：

research -> proposal -> script -> scene_plan -> assets -> edit -> compose

每个阶段都有一个 director skill，也就是教 Agent 如何执行该阶段的 Markdown 指令文件。Agent 读取 skill、使用工具、审阅自己的输出、保存状态，并在创意决策点停下来等待人工批准。

research 阶段是它区别于 prompt-to-video 玩具的地方。写下任何脚本内容之前，Agent 会在 YouTube、Reddit、Hacker News、新闻网站和学术来源之间执行约 15 至 25 次网页搜索，然后生成带引用的结构化调研简报。脚本建立在实际发现上，而不是模型记忆上。

制作流水线

README 表格列出了 11 条完整制作工作流，但仓库描述写的是 12 条：

流水线	产出	适用场景
Animated Explainer	调研、旁白、视觉素材、音乐	教程、主题拆解
Animation	动态图形、动态排版	社交媒体、产品演示
Avatar Spokesperson	主持人驱动的视频	企业沟通、培训
Cinematic	预告片、预热视频、氛围剪辑	品牌影片
Clip Factory	从一条长素材中筛选并排序短片段	长内容再利用
Documentary Montage	从索引的免费素材中剪出主题片段	视频文章、真实素材 B-roll
Hybrid	原始素材加生成视觉	增强已有素材
Localization and Dub	字幕、配音、翻译	多语言分发
Podcast Repurpose	将精彩片段制作成视频	播客营销
Screen Demo	精修后的屏幕录制	产品演示、文档
Talking Head	以人物素材为主的演讲视频	演示、访谈

Documentary Montage 在技术上最有意思。它不只是给静态图做动画，而是使用 CLIP 从 Pexels、Archive.org、NASA、Wikimedia 和 Unsplash 等免费库存与开放档案建立索引语料库，按语义匹配取回真正的动态片段，再剪成一条真实时间线。这样可以完全使用真实素材完成视频，不需要付费生成 API，这与大多数免费 AI 视频技术栈的说法有实质区别。

对于持续发布开发者内容的团队，Screen Demo 和 Clip Factory 最快产生回报。版本发布后 changelog 已经存在，把它变成演示视频通常仍需要有剪辑技能的人和一个空闲下午。

Backlot，以及审批门为何重要

聊天窗口只能告诉你 Agent 说了什么。Backlot 是一个本地看板，用于显示制作正在做什么：阶段亮起、脚本以剧本页面呈现、素材生成时出现分镜卡片，以及每个 provider 决策和花费都显示在看板上。

python -m backlot open                  # library of every project on disk
python -m backlot open <project-id>     # one production's live board
python scripts/backlot_simulate_run.py  # watch a simulated run first

制作开始时看板会自动打开。它从流水线已经写入的文件中推导信息，不需要额外的报告系统。

重要的是，storyboard 是一个真正的门。素材生成会暂停，显示逐场景 contact sheet、镜头、prompt、单个素材成本和质量评分，让你在渲染前批准视觉效果，而不是花完钱后才发现问题。脚本门会一直等待你的回答。运行结束后，replay 可以根据时间戳拖动查看整个制作过程。

在产生费用之前设置审批门，是任何带预算 Agent 系统的正确设计，而大多数 Agent 工具都没有。只有得到人员同意才能启动的任务，是这个类别中最有用的安全属性。

从参考视频开始

这里还有一个真正不错的想法：你可以交给它一个喜欢的作品，而不必先写出完美 prompt。

粘贴 YouTube 视频、Short、Reel、TikTok 或本地片段，Agent 会分析 transcript、节奏、场景、关键帧和风格，然后返回两三个有差异的创意、诚实的工具路径、成本估算，以及在完整制作前生成的样片。

Here's a YouTube Short I love. Make me something like this, but about
API versioning.

返回内容会说明保留参考视频中的什么、改变什么、目标时长下会花多少钱，以及在当前配置的 provider 下大概是什么效果。先了解成本再做承诺，这是整个项目的主题。

安装

git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage
make setup

前置条件是 Python 3.10 或更高版本、FFmpeg、Node.js 18 或更高版本，以及能够读取文件并运行代码的 AI coding assistant。然后在 Agent 中打开项目并描述需求。

Provider 配置是可选的，可以逐步增加。每项能力都支持开源或本地替代方案，同时提供一个按七个维度评分的选择器：任务匹配度、输出质量、控制力、可靠性、成本效率、延迟和连续性，然后选择合适的 provider。你不会被锁定到单一供应商，也可以在完全不配置付费服务的情况下完成不少工作。

作为规模参考，项目自己的展示视频使用三个图像模型和四个视频模型生成七个世界，报告的素材生成成本约为 5 美元。

在此基础上构建前先阅读许可证

这是 OpenMontage 与该类别其他项目最不同、也最容易被忽略的地方。

OpenMontage 使用 AGPL-3.0。agency-agents、Agent-Reach、Orca 和 codebase-memory-mcp 都使用 MIT。两者的差别并非外观差异。

AGPL 的网络条款意味着，如果你把修改后的版本作为网络服务运行，就有义务向该服务的用户提供修改部分的源代码。构建内部工具没有问题；把它封装进 SaaS 产品并收费，则是公司需要有意作出的法律决定，不能只扫一眼 README。

这是维护者的正当选择，也是许可证设计的本意。只要在法务团队参与下作出决定，不要等到尽职调查时才发现。

没人提醒你的部分：这是一个 API 集成项目

第二周真正会让人吃苦头的不是创意工作。

OpenMontage 编排 60 多个 provider 集成，包括视频生成、图像生成、text to speech、音乐、音频混合、字幕、增强和分析。每一个都是拥有独立鉴权、配额、错误格式和延迟特征的第三方 API。Agent 并不是在写一段视频，而是在十几个付费服务上运行分布式任务，再把结果拼起来。

这会产生一组使用过付费 API 的人都熟悉的失败模式：

视频生成是长时间运行的异步操作。提交任务后要轮询几分钟才能拿到结果，而不是几毫秒。Agent 默认很不擅长处理这种流程，可能超时或空转。有效模式是为长时间运行的 API 操作设计明确的状态和轮询策略。
盲目重试会产生真实费用。生成请求其实已经成功，只是响应超时；此时重试就会为同一片段支付两次。这正是幂等键要解决的问题，在让 Agent 重试任何计费操作前必须先设计它。
配额和限流错误必须与真实失败区分开。把 429 当作 500 的 Agent 会在应该等待时切换到更差的 provider。区分依据应位于错误格式中，恢复策略也应单独设计。
Provider API 可能不通知就发生变化。响应字段移动，流水线在制作过程中断掉，最后你看到的是错误的渲染结果，而不是及时的错误提示。

项目认真对待这些问题，这是值得肯定的。它在执行前估算成本，设置花费上限和每项操作的审批阈值，用 pre-compose validation 在浪费 GPU 时间前捕获损坏的计划，并通过 ffprobe、帧提取和音频分析进行强制的渲染后自审，还为每个 provider 选择和 fallback 保留可审计的决策轨迹。

这比大多数生产服务拥有更好的集成层，也说明自己的 provider 集成应该采用同样的纪律。如果你要增加 provider，或在自己的服务后面封装 OpenMontage，就应把契约写成 OpenAPI 规范，从规范生成 mock，以便不付费就测试错误分支，再用 CI 中失败的契约测试覆盖变化。针对昂贵、缓慢且非确定性的 API，使用 mock 而不是线上服务测试，是这里最大的成本节省方式；Apifox 可以根据规范生成包含错误响应的 mock。

制作是团队协作，而 Backlot 是本地的

第二个缺口不在技术，而在组织。

Backlot 是一个不错的看板，但它也是一台机器上的本地看板，只服务一个制作项目。个人制作视频时这没问题；公司里的视频工作不是这样。脚本需要领域专家审阅，视觉内容需要品牌人员确认，声明需要有人核实，最终剪辑需要频道负责人签字。

OpenMontage 的门会等待某个人批准，但不知道是哪一个人，没有等待指定审批人的队列，也没有留下谁批准了什么的记录。视频发布后，如果有人问第四场景中定价声明是谁签字确认的，答案只能是本地项目文件夹中的一个时间戳。

HiFox 可以补上这一层，而视频制作与它的映射尤其自然：

任务就是记录。进度、工具调用和结果会流回任务，Agent 输出以可回复的评论保存。脚本反馈落在任务上，而不是某人的终端里，三个月后仍然存在。
Crew 是 leader Agent 加上其他 Agent 和人员，采用 leader-first。这正是制作模式：director 读取 brief，决定调入哪些专家，再合并他们的产出，而不是每个 Agent 同时启动。
Backlog 中的任务不会启动运行。可以排队安排一个月的视频工作而不花钱，项目获批后再逐项释放。对于启动就意味着付费生成的流水线，这个门比平时更重要。
Agent 是保存下来的配置。包括 instructions、runtime、skills、repositories 和 environment。调好的 OpenMontage 配置、可信 provider 和预算上限可以重复使用，不必局限于一台笔记本上的 checkout。
执行环境由你提供。你连接一个 Computer，可以是笔记本、服务器或容器；HiFox 使用其上已有的 Runtime。视频渲染需要真实磁盘和 CPU，明确指定哪台机器执行任务是功能，而不是额外负担。
每个任务的仓库工作都使用独立 worktree。两个制作项目可以同时运行而不互相冲突。

简而言之，OpenMontage 自动化了制作，但没有自动化审批、分配和记录。在团队中，真正决定能否发布的往往正是这几件事。

谁应该安装

诚实评估如下。

适合安装的情况：你经常发布开发者内容，同时一直在支付剪辑费用或干脆没有剪辑资源。Screen Demo、Clip Factory 和 Localization 的回报最清楚：把 changelog 变成演示视频，或把一次会议演讲变成十几个社交媒体片段，一周内就可能收回配置成本。

适合安装的情况：你想不依赖付费生成 API 就产出真实素材。Documentary Montage 的确很特别，免费档案语料库的方法也确实可行。

不适合安装的情况：你一年只偶尔制作一条视频。配置成本、provider 设置和学习曲线无法在三条视频上摊薄。

不适合安装的情况：你的使用方式无法接受 AGPL。应在构建工作流前决定，而不是完成后才发现。

FAQ

需要付费 API key 吗？不需要。每项能力都支持开源或本地替代方案，Documentary Montage 还可以从免费档案构建。付费 provider 能提供更高质量和更多生成选项，可以先不配置付费服务，遇到瓶颈后再添加。

支持哪些 coding assistant？文档列出 Claude Code、Cursor、Copilot、Windsurf 和 Codex。任何能够读取文件并运行代码的工具理论上都可以，因为流水线由 Python 和 Markdown skill 文件组成。

一条视频实际要花多少钱？完全取决于流水线和 provider。项目自己的七个世界展示视频报告生成成本约为 5 美元，使用免费档案的 Documentary Montage 接近零。系统会在执行前估算并执行花费上限，因此你可以在承诺前了解成本。

AGPL 许可证会影响我吗？内部使用、个人项目和开源工作都可以。把修改后的版本作为服务提供给他人会触发网络条款及其源代码义务。如果要基于它构建产品，应先咨询法务。

它能剪辑自己的素材，还是只能生成素材？两者都可以。Talking Head、Hybrid、Screen Demo、Clip Factory 和 Localization 都支持处理你提供的素材，生成只是其中一种模式。

它与 Agent framework 有什么不同？它与 agency-agents 类似，是限定在一个领域并配有真实工具的 skill library。它不是 Strands 或 AgentKit 那样的编排基础设施，而是让现有 coding Agent 具备视频制作能力的领域专用 skill 和工具库，属于不同层次。

总结

OpenMontage 是当前 Agent 工具排行榜上最有野心的项目，也比这个类别通常能提供的工程质量更高：花费前有审批门，执行前有成本估算，渲染后有自审，还有可审计的决策轨迹。如果你发布开发者内容，仅 Screen Demo 和 Clip Factory 就可能足以证明配置值得。

开始前要明确两件事。许可证是 AGPL-3.0，这是一个需要作出的决定，不是脚注；创意工作之下是一个庞大、昂贵、长时间运行的 API 集成，因此仍需要枯燥但必要的纪律：书面契约、无需付费即可测试错误分支的 mock、幂等重试，以及能区分配额问题和服务中断的错误处理。Apifox 负责这些契约与测试基础；谁在何时批准了什么，则需要 HiFox 这样的任务记录。

Agent 可以指导视频制作，但不应同时成为视频已获批准的唯一记录。