$ claude --video · 科技分享

不画一个像素

一个人 · 一个 coding agent · 1096 分钟视频

原理 · 工具链 · 成本 · 为什么下一个场景还是 coding

$ du --minutes ~/Videos # 2026-10-12 → 11-05

0 min

41 个项目（含旧稿）· 已上传 B 站 610+ 分钟 · 剪辑软件 0 次

"讲清楚 KV cache"

视频模型

质感好，字是乱码

Manim

K V → cache

公式变形（小样待真渲）

网页代码

本片就是这种

本片 = 代码渲染

def render(t):
x = 400*t
draw(box, x)

?

模型只会输出一个个字，
怎么变成一帧帧画面？

01 视频

原理 · 路线 · 技巧 · 工具链 · 成本

02 判断

下一个场景还是 coding？

视频模型：从噪声里擦出画面

去噪 1 / 50 步（示意）

帧数 × 分辨率 ↑ → 计算量 ↑ → 价钱 ↑

想改一句？整段重来

第 1 次生成

第 2 次生成（只改了一句台词）

代码：只规定第几秒长什么样

function render(t) { // t = 现在是第几秒 const x = 200 + 500 * ease(t / 2) const r = 40 + 30 * Math.sin(t * 3) clear() circle(x, 230, r, YELLOW) text(`t = ${t.toFixed(2)}s`) }

拖动滑块 = 改 t（自动播放中，拖动即暂停）

视频模型 → 一卷胶片

♩ ♪ ♫ ♩ ♬ ♪

代码 → 一份乐谱

🌐 浏览器演奏

t = 0, 1/30, 2/30 …

→

ffmpeg 拼接

→

▶ mp4

1 分钟 1080p · 1800 帧

37 亿

个像素

← 展开 ←

≈4800

个 token（每分钟成片，模型总输出）

代码是视频的压缩写法：改一个数，重新演奏，结果每次都一样

按"谁来演奏"分

① 网页 · Canvas / SVG / Three.js

② 长片框架 · Remotion / HyperFrames

③ Manim · 数学公式

④ Blender · 三维空间

⑤ 网页 PPT · 点一下走一步

⑥ 视频模型 · 写实 / 物理

人物 · 水流 · 布料

③④ 正式片会换成真实渲染小样

先想画面长什么样，
再挑能做到的最简单的工具

能动起来不难，难在稳和准：三个工程技巧

① 同一份乐谱，演奏一百遍都一样

✓

Math.random() → rng(seed) Date.now() → t CSS transition → x(t)

拆段同时渲染，坏一帧只重渲一帧；不一致 → 接缝跳

② 先有声音，再有画面

每句配好音 → 量出真实长度 → 画面落在每句开头

③ 让模型自己看截图挑毛病

截出每句对应的画面

↓

Opus 看图：压字幕、重叠

↓

改代码，再截一次 ✓

TheoremExplainAgent：生成的视频大多有排版小毛病　→　后续研究：看渲染截图再改

未来已来

AI 赋能 · 智能升级

黑底

居中大字

紫蓝渐变 + 发光

一起淡入

REFERENCE → 瑞士编辑风

先找对标

再定手感

镜头接镜头

错峰出场 · 离场比进场快
落定带一点弹性

我的工具链：每一站都是公开的

我写的 skill

tech-explainer-video

SKILL.md        三道关 · 191 行
references/     写法 · 复盘 · 画面规范
template/tools/
  tts.py        逐句配音 + 时间轴
  stills.mjs    截图拼图自检
  render.sh     渲染 + 响度标准化

开源 · ConardLi/garden-skills

motion-showreel

43 种风格 · AI 味禁止清单

配音 + 润色

volc seed-tts · humanizer-zh

只重新合成改过的句子
"这不仅是…更是…" → 删

发布：video-publish skill

video-publish

我写的 skill

→ social-auto-upload ↗

dreammis · sau CLI

→ biliup ↗

B 站投稿

→

B 站 · YouTube

$ sau bilibili login
我自己扫码 → valid
🔒 agent 不读 cookie / 密码

线路测速 → 一章一个分 P 稿件 → append

现象	原因	对策（已写进 skill）
21566 投稿过于频繁	每天新建约 7 个	一章一个分 P 稿件，之后 append
YouTube 播放列表从没加上	选择器点错，异常被吞	打补丁，失败打印 PLAYLIST_FAILED
登录检查误报 invalid	无头 + 只等 3 秒	有界面 + 等页面跳转

5 分钟视频，各要多少钱？

$120

$36 Fast

$24 Lite

Veo 3.1 · 1080p

× 重抽次数

$2.2

写代码（实测折算）

按 Opus API 价折算 · 含返工和上传

用掉的 token

95% 反复重读（价格 1/20）

?

改一句台词，要重做多少？

写代码：只重配一句、只重渲一章

视频模型：整段重新生成

AI 的下一个场景：VLA？多模态？还是 coding？

🦾 📷

VLA / 多模态

看画面 · 懂语言指令 · 输出机器人动作

没有 API 的世界

代码当动作，也当记忆

2022 · Code as Policies ↗

语言模型写代码
控制机器人

2023 · Voyager（Minecraft） ↗

学会的技能存成代码
代码就是记忆

2024 · CodeAct ↗

用可执行代码当动作
成功率更高

我自己：不是在写程序，但全靠写代码

coding = 用代码操作一切

代码 = 通用的动作
代码 = 最好的记忆格式
VLA 负责写不成代码的部分

模型只写字，浏览器 · Manim · Blender 把字演奏成画面

让 agent 能做更多事的，是越来越多能用代码调用的接口

要准，用代码
要真，用视频模型

参考链接点击打开

工具 · 开源

ConardLi/garden-skills garden-skills · motion-showreel garden-skills · web-video-presentation dreammis/social-auto-upload（sau） biliup/biliup-rs op7418/Humanizer-zh Remotion heygen-com/hyperframes ManimCommunity/manim ahujasid/blender-mcp 火山引擎 · 语音合成

tech-explainer-video、video-publish：我自己的本地 skill，暂未公开

论文

TheoremExplainAgent (ACL 2025) arXiv 2601.13453 · 看渲染截图再改 Code as Policies (2022) Voyager (2023) CodeAct (2024)

价格

Gemini API 价格（Veo 3.1） Veo 3 价格汇总（CloudZero） Kling API 价格（costbench）

成本数据：py/tutorial.py 读取本机会话日志计算