周四下午等一封客户邮件，等得烦，顺手把 Arsaze 接进了 Claude。
连上之后它没弹什么“一键成片”的向导，就是把我账号里的项目列了一遍。画外音：这个反应让我有点意外——我原以为又是一个把聊天框糊在时间线旁边的产品。
我随手挑了一条四十多分钟的访谈，上个月给朋友录的，一直扔着没动。然后下了一句现在想起来想抽自己的 prompt：
帮我把这段剪到 8 分钟，保留核心观点。
它剪完了。八分钟出头，切点全落在句子的呼吸上，没有跳帧，画面和声音也没错位。
我看了一遍，沉默了一会儿。
这不像我剪的。
它剪对了，错的是我
问题不在它，在“核心观点”这四个字。
什么叫核心观点？受访者自己认为的核心，还是我认为的核心？这俩在一条四十分钟的访谈里经常不是一回事。更麻烦的是节奏——同样八分钟，我可以剪一个信息密度很高的版本，也可以剪一个留白多、让人喘得过来的版本。这俩都算“保留核心观点”，出来的片子气质完全反着来。
我给了它一个形容词，它给了我一个实现。形容词和实现之间那段距离，本来就是我该干的活。
这里我纠结了很久要不要重写那段 prompt 再跑一遍。一开始想，反正有版本历史，大不了往回退，多试几次总能撞对。后来证明我这个判断是错的——不是它剪不好，是我根本不知道自己想要什么。再跑十遍也是撞运气。
真正让我决定继续用下去的，不是这一版剪得怎么样，是我按了撤销之后发现的事。
能撤销，这是入场券
每一次修改自动生成版本记录，可以回到旧状态，也可以从某个旧版本上开一个分支试别的想法。
听着像体检报告里的常规项，对吧。但我在这一行踩过的坑告诉我，这条是整个 agent 类工具的地基。
前年我试过一个生成式的剪辑工具，一键成片，出来的东西居然还行。然后我想改其中一个镜头——就一个，把第三分钟那个全景换成特写。它不给我改。它的模型是“重新生成一条”，不是“在你这条上动刀”。我试了四次，每次都是另一条全新的片子，我想保留的那几个剪法全部消失。
那次缴的智商税不算多，就一个月的订阅费。但它教会我一件事：一个不能精确回退的编辑器，你是不敢让 agent 进去乱动的。
视频比代码更狠。代码有 git，一个 diff 摆那儿，改了什么一目了然。视频没有。一个镜头被悄悄挪了两秒，你眼睛看得出来不对劲，手不一定能复原——尤其当中间还夹着音频淡入淡出和字幕时间轴的时候。
所以 Arsaze 把版本化做成默认行为、而不是设置里的一个开关，这个选择我认。它没把“agent 会犯错”当成需要藏起来的事，而是当成前提。这个态度比功能本身重要。
MCP 这条路
说说接入方式，这块是我这次最想聊的。
Arsaze 没有把 AI 能力锁死在自己那个对话框里。它把自己做成一个远程 MCP 服务器，走 Streamable HTTP 加 OAuth 2.1，你可以拿 Claude、ChatGPT、Gemini、Grok、Codex、Cursor、Copilot、Windsurf 里任何一个能连远程 MCP 的客户端来接。连上、选项目，agent 在编辑器里的每一次操作你都能实时看见。
配置大概是这个形状（我简化过）：
{
"mcpServers": {
"arsaze": {
"type": "http",
"url": "https://<your-workspace>/mcp",
"auth": "oauth2.1"
}
}
}
这条路和“编辑器内置一个 AI 助手”是两条完全不同的路。
内置助手的优点是上下文现成，工具自己知道时间线上有什么，你张嘴就能问。缺点是锁死——模型、prompt、上限，全得接受，而且你没法把自己攒了半年的那套工作流搬进去。
MCP 反过来：客户端随便换，prompt 你自己写，上下文你自己管，出了问题你能定位到是哪一层。代价是你得自己扛 prompt 质量。上面那个“核心观点”的翻车，就是我在扛这一层的成本。
我不觉得哪个更先进。我只知道我不想被一个订阅、一个模型、一个对话框绑住——这话我一年前就说过，现在还得再说一遍，因为每隔几个月就有新产品想把你绑回去。
改文稿等于改片子
真正让我把 Arsaze 当主力试下去的，是 Rewrite。
它把素材转成文稿页面：删掉文稿里的一个词，视频里对应的那一段就同步剪掉了。改动以修订痕迹的形式显示，点一下能恢复；审阅意见显示在页边；文稿还能导出成 Word。
我第一反应是：这不就是给播客剪口播用的吗。
用了两天发现不是。这东西改变的是“找”的成本。我剪访谈的时候，百分之六十的时间花在拖时间线找那句话上——我记得他说过一句特别好的，但我不记得在第几分钟。用文稿就变成 Ctrl+F。
然后是我这次第二笔智商税。
它有个一键删掉所有语气词的功能。我按了。删得很干净，包括几个我故意留着的“就是”。
那几个“就是”是我留的转场。人说话的时候，“就是”后面往往跟着一个停顿，那个停顿是让上一句话落地的。全删掉之后，整段变得特别利索，利索到像新闻联播，一点人味没有。
工具不知道意图。这也不是它的错，是我没把意图告诉它——跟前面那个“核心观点”是同一个错误，只是这次错得更隐蔽，因为它藏在“一键”这两个字里。
后来我的做法是：一键删完之后，一定从头到尾看一遍，专门找那些“删得对但删错了”的地方。这个流程纯手工，没有任何技巧可言。
Tab 那个功能
页面把 Tab 描述成视频剪辑的自动补全：你完成一次操作，时间线会预览一个类似的下一次编辑建议。按 Tab 接受，Shift+Tab 分步接受一部分，Esc 忽略。接受之前不改项目，接受之后只算一个撤销步骤。
这个交互范式是从 IDE 那边搬过来的，我不意外。让我坐直了的是它学什么：你保留停顿的长度、你删掉哪些语气词、你接受和拒绝了哪一类建议。
也就是说，它在学我的剪辑癖好。
我用了三天，省下来的机械劳动是真实的。剪口播最烦的就是一遍遍判断“这个停顿留不留”，它猜中的概率大概六成，六成已经能省掉大量鼠标点击。
但我怕的东西也很具体。
第一，它学的是“我的偏好”，而我的偏好里至少有一半是坏习惯。这跟 Copilot 早期一模一样——它学我的命名习惯，也学我命名时的懒。剪辑上更麻烦，因为代码对不对有编译器兜底，剪得好不好没有任何东西能兜底。
第二，也是我更在意的那点：预览本身就是一种说服。
它给你看的不是“这里本来是什么样”，是“这里可以变成什么样”。你的判断在看到的瞬间就已经被这个预览框住了。我以前剪片子是自己先想“这段该不该留”，现在变成了先看它建议什么、再决定要不要。顺序反了，判断的质量就跟着变。
好在这东西有开关，设置里可以关掉“从编辑中学习”。我关了。
关掉之后它还会继续建议，但不再累积我的偏好。我宁愿它笨一点。这条大概没人会同意，无所谓。
剩下几件顺带说
本地项目这块得提一句。桌面端的项目可以把视频、音频、图片全留在自己电脑上、不上传，同时还能选择要不要让 AI 协作。时间线和版本历史存在账号里，所以联网是必须的。
这个 trade-off 我觉得是诚实的——素材是你的，索引是它的。比起那些嘴上说“完全本地”实际上传了一堆元数据的产品，我更信这个说法。
客户审阅那个功能也值得说。发个链接过去，客户在画面上标注、在具体时间点留言，点留言播放器就跳到那个位置，AI 还能读留言执行修正。这是我第一次见有人认真对待甲方那堆“这里感觉不对”的留言——那类反馈原本要来回三四轮邮件才能翻译成人话。
至于生成图像、生成视频、配音、音乐、音效这些，还有动效、节点编辑器、After Effects 面板那一整套——我基本没碰。我又不是要开工作室。免费方案转写和背景移除在本机跑、永久免费，这个倒是实测过，能用。
扯远了，回到正题。这次翻车的根子，跟我第一次让实习生改数据库迁移脚本那次是同一个：我给了它一个模糊的、形容词堆起来的任务，然后期待它读心。
区别在于那次代价是一张被清空的表，这次代价只是我多看了两遍自己不满意的东西。可撤销真能救命，哪怕它救的是智商税的税基。
以后定死一条：给 agent 下剪辑指令，不写形容词，只写时间码和具体动作。
“把 12:40 到 14:10 这段换成 B 机位，别动音频”——这种它做得很好。至于“剪得有感染力一点”，还是我自己来吧。