https://t.co/PRmBDb4HqI

最近ChatCut很火，黄叔试了一下效果非常惊艳，因为后面也会做很多视频，对于视频剪辑有很强的痛点，于是赶紧研究了一下ChatCut的历史，发现它的演进和黄叔之前的一个思考有点重叠但又有所不同：

**通用Agent正在吃掉更多的AI应用，但ChatCut尝试做通用Agent背后的专业执行层。**

回看ChatCut的演进，让我意外的是，ChatCut越做越强的背后，任务的第一入口却越来越不只在自己的界面里。

真正能确认的产品起点，在 2025 年 2 月。

产品灵感更早。李凯文在 1 月 26 日发布的「十字路口」访谈（06:42）里回忆，ChatGPT 刚出现时，他用完这个“未来工具”，又回到 Premiere 剪片，强烈感到两个时代正在交接，于是萌生了“用聊天剪视频”的想法。但这是创始人对构思起点的回忆；公开画面能够验证的产品起点，仍是 2025 年 2 月的内测界面。

Kaiwen的过往职业：VICE、Discovery广告纪录片导演，短片《猎种》入围金马奖，下意识的判断也是ChatCut的起点！

Kaiwen 当时讲的不是“人人都能生成大片”，而是一个非常苦的工作：

纪录片、真人秀和播客有大量采访，导演要先扒文字稿，再找金句、调整顺序，最后组织成故事。

所以ChatCut 1.0 的界面很克制。左边是 **Bin Viewer，右边是 PaperCut**。用户在源文稿里选句、标记、划除、排序，视频跟着文字变化。做完以后，还可以导出 Premiere 和 DaVinci Resolve XML，回到专业软件继续精修。

这一步很聪明：只拿下导演最熟悉、最费脑、最重复的采访粗剪。

到 2025 年 9 月，ChatCut 从“用文字剪视频”变成了“让剪辑像聊天”。

演示里，用户一次导入三段长视频，直接描述故事结构：

先让三个人报名字，再介绍背景，最后分别进入人物故事。AI 返回计划，把 9 个片段写入时间线。用户再说“找到 Fares 谈母亲的部分，放到结尾”，系统继续搜索、插入，并播放验证。

变化在于：**早期的文字只是素材的可编辑视图，现在语言开始承担规划、搜索和调用职责。**

但聊天框没有替代编辑器。文字稿、时间线、拖拽、字幕、音频和 XML 仍在。

对话负责表达意图，编辑器负责暴露状态，人负责验证和精修。

李凯文的解释很朴素：视频过去本来就是“通过聊天剪出来的”。客户提出这段前置、那段删除、这里加音乐，剪辑师再翻译成时间线操作。

**ChatCut 只是把散落在微信、会议和脑子里的协作关系，变成软件能力。**

他也明确说，Premiere、Final Cut、DaVinci 和剪映的编辑器形态已经被长期打磨，重复造一个表面不同的轮子价值不大。**AI 更该解决的，是编辑器上方那个理解意图、组织工作流的思维层**。

从剪辑“减法”跨到生成“加法”

2025 年 11 月，ChatCut 发布 AI 生成 MG 的 First Look，宣称用户可以用自然语言或数据生成标题卡、动态图表等新视觉。产品方向由此从重组已有素材，跨到生成新画面；

前段时间很火的HyperFrame，其实就是这个路数，这个整合在Codex里的插件，也火了一阵！

从聊天式工具升级成会自己找路的 Agent

真正的分水岭出现在 2026 年 2 月。ChatCut 正式使用“**通用剪辑 Agent**”这个定位。

录屏里，它直接抓取 YouTube 失败后改用 media downloader，再抽帧、读逐字稿、抓网页、分析风格、制定分镜、生成素材，最后写回时间线。

这个失败细节比顺滑的宣传片更有价值：软件不再等用户点按钮，**Agent 要围绕目标拆步骤、选工具、处理失败，再交付一个可继续编辑的工程**。

1 月访谈里，李凯文说下一步要把剪辑师的工作拆成 Agent 流程，用 checklist 和 common sense 约束过程。2 月演示与此一致，也是本次样本中第一次出现**可见的任务规划**。

这也是模型能力/Agent进化给大家带来的启示，Agent似乎可以开始完成一个多步骤任务了。

2026 年 7 月，在 Codex × ChatCut 的演示里，用户先在 Codex 输入目标；Codex 展示内容和剪辑判断，并通过 ChatCut workflow 把切点、MG、音乐和音效写进时间线。

在 ChatGPT × ChatCut 的演示里，用户直接附上视频并 @ChatCut，右边仍是 ChatCut 的素材库、预览器和完整多轨时间线。

专业界面没有消失。通用 Agent 接过“我要做什么”的入口，ChatCut 负责把它变成可检查、可修改的视频工程。

从产品动作看，黄叔的判断是：

ChatCut 正在放下“用户必须先来到我的产品里”这个前提。

**它不一定非要成为视频领域的 ChatGPT，也可以成为 ChatGPT、Codex 背后的视频操作系统。**

这件事情非常有意思，甚至一度让我想起了Monica，也是植入到巨大的浏览器场景里，如果未来是Agent时代，ChatCut有没有可能也进入到Agent场景里呢？

不过这个入口的变化，不一定能打开专业剪辑师的迁移，但从最近看到的大量用户自传播里，包括黄叔自己的体验里，通过Agent完成视频剪辑包装，普通人是非常有需求的。

甚至说，我连剪映都不想打开！**除非剪映也出了Agent**。

在 PaperCut、对话剪辑、通用 Agent 和 Codex/GPT 演示中，**结果都回到了可见的文稿或时间线状态**。

这件事情很有意思，因为剪辑是一个创作者需要对结果验证的任务，需要系统给一个可后续编辑的状态。

语言负责控制，专业系统负责保存状态。

用户敢让 Agent 先跑，是因为需要时仍能看见时间线、修改字幕、替换音乐，或者把工程交回专业后期。

李凯文在访谈里给过一个很准确的取舍：如果 AI 能做到 80%，但给人留下修改空间，和做到 90%、却不让人改相比，他宁愿选择前者。

专业软件的第一入口被通用 Agent 分流，不等于专业能力正在失去价值。Agent 承接的任务越复杂，背后越需要一个可靠、透明、可编辑、可交接的执行层。完整的失败恢复能力，则还需要单独验证。

除非，Agent能实现接近100%的成功率，让用户多次信任后可以放弃打开时间线去亲自验证。

当然，让出入口也有代价。如果用户只记得“我在 ChatGPT 里剪了视频”，不记得背后的 ChatCut，用户关系、品牌心智和议价权都可能被通用 Agent 拿走。

所以 ChatCut 接下来真正要证明的，不是还能接入多少热门模型，而是它能不能比其他执行层更可靠、更可控、更懂工程。

绝大部分的工作，通过在Codex里对话就完成了，包括剪辑/字幕/音效/BGM，这些是我这种此前需要在剪映里花40分钟才能完成的工作，很简单在Codex里Chat几次就完成了，特别惊喜。

当然，剪辑出来的气口还是会有一点瑕疵，以及部分转写文字比如Agent识别成A卷，还是需要我手动过一遍。

不过，根据我看其他博主的教程，这是有办法进一步优化的。

整体也免费，因为我没有使用更多ChatCut本身的生成能力，ChatCut估计也自己承担了语音转写的成本，总之是让我兴奋的一次尝试。

一个 ChatCut，当然还不能代表所有专业软件。但它用一年半走出了一条很完整的路径：文字先成为素材的新视图，语言再成为任务的控制面，最后又成为通用 Agent 调用专业能力的Skill。

所以真正会消失的，可能不是 Premiere、After Effects 或 ChatCut。会消失的，是那个必须先找到软件图标、理解界面、学会菜单，才能开始工作的旧入口。

下一代专业软件，未必每天被人打开。但每一次复杂任务真正落地，都可能在背后经过它。

Agent时代挺有意思的一个范本，大家怎么看？

**访谈来源：**视频剪辑的「Cursor 时刻」来了？｜对谈 ChatCut 创始人李凯文，十字路口Crossing，2026 年 1 月 26 日发布。

访谈关键时间码：06:42（产品灵感）、30:03（编辑器上层）、38:55（目标用户转向）、51:46（80% 可修改）。

**产品演示：**2025-02 口述剪辑起点；2025-09 对话剪辑；2025-11 MG First Look；2026-02 通用剪辑 Agent；2026-07 Codex × ChatCut；2026-07 ChatGPT × ChatCut。

<br>

图片口径：六张界面图均截自 Kaiwen Li 的公开产品演示视频，保留原始平台和作者水印。它们用于说明当时公开展示的产品界面，不等同于对性能、成功率或商业采用的独立复现。

• * *

本文由 YouMind 自动从 Markdown 转换排版。