AI 写代码这件事，2026 年 10 月拼的已经不是「能不能干」，而是「干完了算不算数」。本周 GitHub 上有两件新货方向出奇一致：一件给 Coding Agent 装上 39 件专业剪辑工具，干完活自己渲染图样验收；另一件出自 Vercel CEO 之手，把「你有没有权限」变成编译期证明，AI 少写一行权限检查，代码直接编译不过。再加上同一作者的九件配套技能，三件货指向同一件事——**给 AI 立字据**。这波「契约化」工具潮国内还基本没人写，你看完就能装、就能抄。 ## 一、kajisho5/ffmpeg-skill：给 Agent 发一套 39 把刀的剪辑台 **仓库**：[github.com/kajisho5/ffmpeg-skill](https://github.com/kajisho5/ffmpeg-skill) ｜ ⭐1901（截至 10 月 9 日）｜ MIT 协议，免费 一句话定位：**一个教 AI 剪视频的 Agent Skill，39 个工具，全部跑在本地 FFmpeg 上，零云端、零 API Key、零 Python 依赖。** 作者 kajisho5 是个狠人。这个仓库 9 月中旬还在「无描述裸奔」（当时约 965 星），如今 README 已经写成了一本小型工程手册。装法一行： ```bash npx ffmpeg-skill # Claude Code；--cursor、--codex、--all 任选 ``` 装完之后你就可以直接跟 Agent 说人话：「把 interview.mp4 保留 0:45–3:10 和 5:00–6:30 两段，压成正好 60 秒的竖版 Reels。」Agent 会自动跑一条完整流水线：`probe.py` 先量清时长、帧率、HDR 格式 → `cut.py` 无损剪切 → `fit.py` 裁成 9:16 → `export.py` 按平台预设出片 → `check.py` 做平台合规体检 → `look.py` 渲染一张联络表（contact sheet），**Agent 用自己的多模态眼睛看成片**，最后向你报告「59.98 秒，1080×1920，30fps，AAC 立体声」。 ```mermaid flowchart TD A["你说需求
剪成60秒竖版"] --> B["Agent读SKILL.md"] B --> C["probe先量片
时长帧率HDR"] C --> D["cut无损剪段"] D --> E["fit裁成竖版"] E --> F["export按平台出片"] F --> G["check平台合规体检"] G --> H["look渲染联络表
Agent亲眼看成片"] H --> I["报告附时间戳验收"] ``` 三个设计细节最值得抄： 1. **SPEC「自产契约」**。每个工具的 input_schema 不许手写，而是运行时直接从该工具自己的 argparse 解析器里生成——加一个命令行参数，MCP 工具定义自动跟着变，文档和代码一漂移，CI 直接红。作者给这个模式起了名（Self-Producing Execution Contract），这招在任何「工具+文档」双维护的项目里都能搬。 2. **doctor 能力体检**。`npx ffmpeg-skill doctor` 读你机器上 FFmpeg 实际编译了哪些滤镜，逐工具报告可用/缺失/未知三态。macOS 上 Homebrew 装的精简版 ffmpeg 总体「ok」，但 `caption.py` 会单独标成「不可用」（缺 subtitles 滤镜）——这种细颗粒度的诚实，比一刀切的「安装成功」值钱得多。 3. **验收闭环是真的**。所有工具默认不覆盖原文件、支持 `--dry-run` 和 `--json`，画面变过的任务强制走 `look.py` 出图人工/Agent 复核。README 里挂着硬测试账：10 个真实设备素材（GoPro、DJI、含杜比视界的 iPhone、HDR10）92 项验证全过；多机位音频对齐 40 组全部误差 10 毫秒内；场景切分 F1 0.97；24 条 Agent 评测提示词（含 8 条日文、4 条应当拒绝的）路由全对。 **国内对比**：剪映、必剪这一类「AI 剪辑」全是云端模板流水线，素材要上传、按会员付费、流程黑盒；ffmpeg-skill 反着来——素材不出机器、字幕转写只在本地装了 whisper 时才启用，对私人素材、企业内训、未播出内容这种「不敢上传」的场景是刚需。国内 Agent 生态（Coze、各类中文套壳）目前没有等价的本地媒体处理技能。 **适用人群**：用 Claude Code/Cursor/Codex 且手里有批量视频需求的自媒体工作室、做视频 SaaS 的后端、要给 Agent 加媒体能力的工具党。前提是你机器上有 FFmpeg 5.0+，`npx ffmpeg-skill doctor` 一跑便知。 ## 二、rauchg/gdp-ts：Vercel CEO 下场，让越权代码编译不过 **仓库**：[github.com/rauchg/gdp-ts](https://github.com/rauchg/gdp-ts) ｜ ⭐762（截至 10 月 9 日）｜ MIT 协议，npm 包 `@gdp-ts/core` 免费 一句话定位：**把「这个用户能不能碰这条数据」从事后检查变成编译期证明，人类和 AI 都没法再「忘了写检查」。** 作者 rauchg 是 Guillermo Rauch——Vercel 的 CEO。一个管着几百号工程师的公司一把手，亲自下场写一个类型库，这事本身就是信号。README 里写了动机：他和 Vercel CTO Malte Ubl 在讨论「几百个活跃工程师加上他们的 Agent 同时改一个大型 TypeScript monorepo 时，安全怎么不崩」。 痛点你一定眼熟： ```js await assertProjectAdmin(req.user.id, req.params.projectId); // 抛403 await setPasswordProtection(req.params.projectId, req.body.password); // 上面那行和它没有任何关联 ``` 只要有人手滑删掉第一行 await、或者业务规则改成「仅 Owner 可改」后某个调用点没跟上，就是一次安全事故。AI 编程助手把这类事故的发生频率又抬了一档——它太擅长「看起来对」的代码了。 gdp-ts 的解法来自 2018 年 Matt Noonan 的 Haskell 论文《Ghosts of Departed Proofs》（已离去证明的幽灵），三步： ```mermaid flowchart TD A["路由收到请求"] --> B["name命名
用户和项目各自得名"] B --> C["可信模块查库
真是管理员吗"] C --> D["返回Proof证明
查无此证转403"] D --> E["敏感函数索要证明
没有 编译不过"] E --> F["数据层放心导出
谁调用都绕不开"] ``` - **命名**：`name()` 给运行时值起一个只存在于编译期的名字，两个都是 string 的项目 ID 从此可区分； - **铸证**：只有 `proofs/` 目录下的可信模块能铸出 `Proof<"UserIsProjectAdmin">`； - **索证**：敏感函数的签名里写明「必须出示关于这两个具体值的证明」——拿错证明、拿裸 ID、不拿证明，全是编译错误。 这套证明在运行时什么也不干（所以叫幽灵，开销约等于零，冷启动 TS7 检查下每个调用点约 0.3 毫秒），安全全部来自类型系统。配套还有 ESLint 和 Oxlint 预设，专抓 `{} as UserIsProjectAdmin` 这种伪造证明的歪招。README 自带六步上手菜谱：给 ID 打品牌 → 每个事实一个可信模块 → 策略是联合类型 → 敏感函数索证 → 处理器里命名并铸证 → 开 lint。三个示例从零依赖到 Express 5 + Drizzle + Postgres 渐进加码，还有一个专门「编译不过」的 mistakes.ts 给测试-suite 镇场。 **国内对比**：国内 TS 团队的权限标配是 zod 校验 + 中间件 + CASL 一类策略引擎。gdp-ts 并不取代它们——README 说得很清楚：CASL、Oso、Cerbos、OpenFGA 这些负责「决定」，gdp-ts 负责「保证这个决定真的到达了那個函数、关于正确的那个值」，两者可以叠着用。真正稀缺的是这个视角：国内团队在 AI 辅助编程上普遍焦虑「代码质量」，但很少有人想到把「越权」这种最高危的错误类别直接搬进编译期。你的 Agent 写得越快，这个思路越值钱。 **适用人群**：TypeScript 后端/全栈团队，尤其是已经让 AI 助手大面积写业务代码的团队。要求 TS 5.4+。一行接入：`npx skills add rauchg/gdp-ts`，再把 `@gdp-ts/core` 装进项目。 ## 三、kajisho5 技能全家桶：脑手分离的流水线 ffmpeg-skill 的 README 里还藏着第三件货：同一作者的整套视频生产技能族——[AI-video-production-OS](https://github.com/kajisho5/AI-video-production-OS) 和 [video-production-agent](https://github.com/kajisho5/video-production-agent) 当「大脑」，负责决定剪哪、什么算合格；[media-analysis-skill](https://github.com/kajisho5/media-analysis-skill)、transcription-skill、subtitle-skill、thumbnail-skill、color-grading-skill、motion-graphics-skill、qc-skill 等七件当「感官」；ffmpeg-skill 是「双手」。分工靠什么粘合？还是契约：全家桶都只读 ffmpeg-skill 的 `contract --json`，依赖单向，互不内嵌。国内 Coze/Dify 的插件市场是云端编排、按调用计费；这套是纯本地文件级技能，装进 `~/.claude/skills/` 就归你，零调用费。「脑」和「手」分离、中间用机器可读契约对话——这个架构本身就是可以抄走的模板。 ## 信息差总结 | 维度 | 你以为 | 别人已经知道的 | |---|---|---| | AI 剪视频 | 只能传云端给剪映/智影 | 39 件本地工具装进 Agent，素材不出机器，MIT 免费 | | AI 写代码的安全 | 靠中间件和代码评审兜底 | 权限可以变成编译期证明，AI 漏写检查直接编译不过 | | 技能生态 | 技能就是一堆提示词 | 头部技能已经进化出「自产契约+验收闭环+能力体检」的工程形态 | ## 行动指南 1. 今天就能跑：`brew install ffmpeg-full`（macOS 务必装 full 版）或 `apt install ffmpeg`，然后 `npx ffmpeg-skill` + `npx ffmpeg-skill doctor`，丢一段素材说一句人话，看它自己走完全流程； 2. 把 ffmpeg-skill 的 SPEC 思路抄回你的项目：工具 schema 从代码生成、CI 卡漂移，别再双维护文档； 3. TS 团队本周开一个 30 分钟试验：挑一条最敏感的路由，按六步菜谱改成索证签名，跑一遍 `tsc` 看它拦住什么； 4. 订阅 kajisho5 和 rauchg 两个账号——一个人在重写视频工业，一个人在重写代码安全，都是值得蹲更新的源头。 ## 参考来源 1. kajisho5/ffmpeg-skill（39 工具清单、SPEC、测试数据）：https://github.com/kajisho5/ffmpeg-skill 2. rauchg/gdp-ts（Ghosts of Departed Proofs 的 TypeScript 实现）：https://github.com/rauchg/gdp-ts 3. @gdp-ts/core（npm 包与 lint 预设）：https://www.npmjs.com/package/@gdp-ts/core 4. kajisho5/AI-video-production-OS（大脑层）：https://github.com/kajisho5/AI-video-production-OS 5. Matt Noonan 原论文《Ghosts of Departed Proofs》（2018）：https://kataskeue.com/gdp.pdf --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。