# 出片赛道四件横评：剪映最凶 ## 本期范围与核心发现 这是本栏第七轮定期观察，按惯例做一次同赛道对打。这次选的赛道是最近一个月里新面孔最密集的一类：**让通用 Agent 出视频**——你给它一个选题或一份脚本，它交付的是能直接看的成片，而不是一堆素材。 同一个「出片」动词，生态里已经长出了四种完全不同的解法： | Skill | 一句话定位 | 语言 | 岗位 | |---|---|---|---| | mcncarl/jianying-headless | 原生剪映草稿 + 隔离剪辑导出 + 独立 Agent Skill | Python | 剪辑岗 | | Vincentwei1021/anything2explainer | 主题进、带旁白的讲解片出 | TypeScript | 生成岗 | | cclank/lanshu-create-ai-presenter-video | 脚本进、经核验的 AI 主播播报片出 | Python | 播报岗 | | eternityspring/reelbench-skills | AI 视频的学习笔记与工具集 | — | 陪跑岗 | 核心发现有三条。**第一，出片已经不是一个岗位，而是一条流水线**——生成、播报、剪辑、验收四岗各有其主，没有一件试图包打天下。**第二，增长冠军是唯一闭源的那件**：jianying-headless 三天涨了 2.5 倍，说明赛道对「能上手剪」这一公里的饥渴，压过了对透明度的洁癖。**第三，赛道热度持续了整整一个月**：9 月中旬的顶流是 anything2explainer，下旬换 jianying-headless 坐庄，月底 lanshu 稳步爬进千九——江山轮流坐，没有一件能连庄两周。 ## 星标对账：四条的爬坡曲线 先上硬数据。以下为逐日快照记录的 Star 轨迹（截至各自最后一次快照日）： | Skill | 起点快照 | 终点快照 | 涨幅 | 形态 | |---|---|---|---|---| | jianying-headless | 798（9月18日） | 1968（9月21日） | +1170，3天2.47倍 | 爆发 | | anything2explainer | 893（9月11日） | 1856（9月21日） | +963，10天2.08倍 | 长坡 | | lanshu-create-ai-presenter-video | 1800（9月27日） | 1956（9月29日） | +156，日均约80 | 稳流 | | reelbench-skills | 516（9月14日） | 825（10月2日） | +309，后期趋缓 | 退烧 | 四条曲线放进一张图，赛道节奏一目了然： ```mermaid flowchart TD A["9月中旬"] -->|anything2explainer 领跑| B["9月18日"] B -->|jianying-headless 三天2.5倍| C["9月21日"] C -->|爆发件冷却| D["9月27日"] D -->|lanshu 日均80稳步爬| E["9月29日"] E -->|reelbench 退烧至825| F["10月2日"] ``` 注意爆发件和长坡件的区别：jianying-headless 的三日斜率是四件里唯一「垂直」的，而 anything2explainer 的十日翻倍更接近健康项目的自然增长。lanshu 没有斜率故事，但它连续多日日均 80 的稳定性，在一窝蜂式的赛道里反而是稀有的。 ## 逐件拆解 ### 一、jianying-headless：不生成内容，只接管剪辑台 三个卖点全部写在仓库简介第一行：**原生剪映草稿、隔离的剪辑与导出、独立 Agent Skill**。翻译一下：它不替你想创意、不替你生成画面，它干的是把 Agent 的产出装进剪映（CapCut 国内版）的工程文件里，完成编排、剪辑和导出这道「最后一公里」。 这正是它三天 2.5 倍的原因。生成岗已经卷成红海，但无论画面谁来生成，片子最终都要落到一个剪辑器里排版、配音轨、导出成片。剪映是国内最多人用的剪辑器，谁能让 Agent 直接操纵剪映工程，谁就站在流水线最下游、离成片最近的位置。 短板同样写在明面上：**Private source preview（闭源预览）**。四件里唯一不开源的一件。用户往里面喂的是自己的工程文件，核心逻辑看不见摸不着，一旦剪映版本升级导致草稿格式变更，用户没有任何自救手段。这是它综合评分被拉到第三的主因——增长势头满分，开放程度两星。 ### 二、anything2explainer：把「讲解片」钉死成交付物 它代表了生成岗的标准打法：不做通用视频工具，只做一种固定形态的片子，把「选题到成片」之间的所有工序（脚本、分镜、旁白、合成）封装成一条流水线。十日翻倍的增长说明这个定位切得准——想做知识类内容的个人作者，要的正是「扔个题目进去，出来一条能发的片子」。 短板是形态锁死的另一面：固定画风意味着表达上限。你要电影感、要实拍感、要多风格混排，它都不接。这是定位清晰的代价，也是生成岗内卷的根因—— everyone 都在做「某一种片子」，卷的是谁的单一形态打磨得更狠。 ### 三、lanshu-create-ai-presenter-video：核验与中立是两张牌 播报岗的代表作。简介里两个关键词值得逐字读：**verified（经核验的）**和 **provider-neutral（供应商中立）**。前者指它从脚本和一个权威源出发生成 AI 主播口播视频，成品带着核验链路——对播报类内容来说这是刚需，主播念错一个数字就是事故；后者指它不押注任何一家模型或 Agent 平台，Codex Skill 的壳，供应商随时可换。 日均约 80 的稳定增长，配 1956 的存量，说明它的用户画像和前两件不同：不是尝鲜的玩家，而是有持续口播产能需求的机构型用户——媒体、企业号、知识付费团队。这类用户不追斜率，只认稳定和可替换。 短板在于场景窄：口播是视频形态里最「平」的一种，天花板肉眼可见。且它对「权威源」的依赖意味着输入侧有前置成本——你得先有一份可信的脚本和信源，它才能开工。生成岗是给灵感接上手脚，播报岗是给既有内容接上脸，前者市场大，后者客单价高。 ### 四、reelbench-skills：赛道里的学徒岗 严格说它不是生产力工具——简介自我定位就是「AI 视频相关的学习与工具 skill」，中英双语双写，一半是笔记一半是工具集。把它放进横评，是因为它代表赛道的第四种角色：当一条流水线跑起来之后，总需要有人整理评测方法、沉淀学习路径。 它的曲线是四件里唯一退烧的：9 月 15 日单日暴涨 150 星之后，16 天只走了 119 星。典型的「蹭赛道热度进场，缺乏独立交付物」形态。但它退烧到 825 还活着，说明笔记本身有人持续认领——一个赛道的生态是否健康，看的不只是生产件涨多快，还有没有人在下游做整理和评测。这件是赛道的温度计，不是引擎。 ## 评测对比表 | 维度（权重） | anything2explainer | lanshu | jianying-headless | reelbench-skills | |---|---|---|---|---| | 定位清晰度（25%） | ★★★★★ | ★★★★ | ★★★★☆ | ★★★ | | 增长势头（20%） | ★★★★ | ★★★☆ | ★★★★★ | ★★☆ | | 开放程度（15%） | ★★★★★ | ★★★★ | ★★ | ★★★★ | | 平台兼容（15%） | ★★★★★ | ★★★★★ | ★★★ | ★★★ | | 工序完整度（25%） | ★★★★ | ★★★★☆ | ★★★★ | ★★☆ | | **加权综合** | **4.6** | **4.2** | **3.9** | **2.9** | 评分依据为公开可见信息：仓库定位描述、实现语言、平台声明、逐日星标轨迹。工序完整度按简介披露的工序覆盖与边界处理评估，未展开部分从严计分。 ## 安装方式 四件均为标准 Agent Skill 仓库结构，以通用的本地安装法为例（目录名以各仓库实际结构为准）： ```bash # 生成岗：主题进、讲解片出（Claude Code / Codex 双栈） git clone https://github.com/Vincentwei1021/anything2explainer ~/.claude/skills/anything2explainer # 播报岗：脚本进、核验播报片出（供应商中立） git clone https://github.com/cclank/lanshu-create-ai-presenter-video ~/.claude/skills/lanshu-create-ai-presenter-video # 剪辑岗：接管剪映草稿（闭源预览版，注意评估风险） git clone https://github.com/mcncarl/jianying-headless ~/.claude/skills/jianying-headless # 陪跑岗：AI 视频学习笔记与工具集 git clone https://github.com/eternityspring/reelbench-skills ~/.claude/skills/reelbench-skills ``` 装好后用自然语言触发即可，例如「把这个主题做成一条讲解视频」会命中生成岗，「把这份脚本排成口播视频并核对信源」命中播报岗。四件同时安装不会打架——它们声明的工序阶段互不重叠，这也侧面印证了流水线分层的判断。 ## 流水线全景 ```mermaid flowchart TD A["一个选题或一份脚本"] --> B{要哪种片子} B -->|知识讲解| C["anything2explainer"] B -->|主播口播| D["lanshu"] C --> E["半成品片段"] D --> E E --> F["jianying-headless"] F --> G["剪映工程与成片导出"] H["reelbench-skills"] -.-> G ``` 理想的用法不是四选一，而是按岗组合：生成或播报件出内容，剪映件收尾，reelbench 当教材。当然，目前四件并非同一作者，衔接处（比如生成件的输出格式能否被剪辑件直接吞下）没有官方保证，组合使用需要自己趟一遍。 ## 分维度排行榜 - **增长最快**：jianying-headless（3天2.47倍，断层第一） - **定位最狠**：anything2explainer（一句话钉死输入输出形态） - **最开放**：anything2explainer（开源 + 双栈 + 语言实现全公开） - **兼容性最好**：lanshu（provider-neutral 写进名字里） - **工序最稳**：lanshu（核验链路 + 日均80的稳定增长） - **最不透明**：jianying-headless（唯一闭源，增长与透明度成反比的孤例） - **最需观察**：reelbench-skills（退烧中，看笔记能否沉淀出独立价值） ## 结论：离成片越近，越值钱，也越危险 把四件放在一起看，这条赛道的价值排序和风险排序是同一条线：**越靠近成片交付的岗位，增长越凶，封闭倾向也越重**。剪辑岗站在最后一公里，所以斜率最陡；也正因为站得近，它有动力把核心逻辑捂在手里。生成岗把形态切窄换定位清晰，播报岗用核验和中立换机构客户，各得其所。 给使用者的建议一句话：**按岗选件，别按热度选件**。要产能选 lanshu，要灵活选 anything2explainer，要剪映自动化就先想清楚能不能接受闭源。给写 Skill 的人的启示是这轮真正的干货：四件里活得最好的两件，共同点是把交付物写进了 SKILL.md 级别的第一句简介里——「Topic in, video out」「native Jianying drafts」——用户三秒内就知道自己装的是哪个岗位的工人。赛道还会继续进新人，但岗位表大概率不会再变了。 ## 参考来源 1. [mcncarl/jianying-headless](https://github.com/mcncarl/jianying-headless) — 剪映草稿自动化 Agent Skill，闭源预览，星标轨迹 798→1968（9月18日–21日） 2. [Vincentwei1021/anything2explainer](https://github.com/Vincentwei1021/anything2explainer) — 主题进讲解片出的双栈 Skill，星标轨迹 893→1856（9月11日–21日） 3. [cclank/lanshu-create-ai-presenter-video](https://github.com/cclank/lanshu-create-ai-presenter-video) — 供应商中立的核验播报片 Skill，星标轨迹 1800→1956（9月27日–29日） 4. [eternityspring/reelbench-skills](https://github.com/eternityspring/reelbench-skills) — AI 视频学习笔记与工具集，星标轨迹 516→825（9月14日–10月2日） > [!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。