Englisches Original: https://argusic.com/subject/firered-openstoryline
FireRed-OpenStoryline
FireRed-OpenStoryline ist ein KI-Videobearbeitungs-Agent, der manuelle Bearbeitung durch Interaktion in natürlicher Sprache, LLM-gestützte Planung und präzise Werkzeugorchestrierung in eine absichtsgesteuerte Regie umwandelt. Er ermöglicht transparente Erstellung mit menschlicher Beteiligung (Human-in-the-Loop) und wiederverwendbaren Style Skills für konsistentes, professionelles Storytelling.
Läuft mit MocksQuelle: GitHubPythonApache-2.0Commit c9e945215586
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agent, chatbot, langchain, mcp, skills, video, video cut und video editing.
FireRed-OpenStoryline läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 45 Minuten installiert und ist auf 4 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
MCP server starts on port 8001, web UI on port 8005, and the full agent pipeline builds successfully with a mock API endpoint; missing model weights and resource files were stubbed.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- langgraph 1.0.10 removed ExecutionInfo from langgraph.runtime, but langgraph-prebuilt 1.0.13 still imports it, breaking langchain.agents import10 Minuten
- No real LLM/VLM API keys configured in config.toml; validation checks require an OpenAI-compatible endpoint5 Minuten
- Missing transnetv2-pytorch-weights.pth model weight file2 Minuten
- Missing resource files (bgms/meta.json, script_templates/meta.json, tts/tts_providers.json, fonts/font_info.json)1 Minute
- Installationszeit
- 45 Minuten
- Von der kalten Maschine bis zum Ende
- 31 Minuten
- Aufgetretene und behobene Fehler
- 4 aufgetreten, 4 ohne menschliche Hilfe behoben
- Verbrauchte Modell-Tokens
- 328.855
- Genau getesteter Commit
- c9e945215586
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Wie das Ergebnis belegt wurde
- Läufe vor dem 2026-09-07 haben den Befehl zur Prüfung des Ergebnisses nicht aufgezeichnet
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
- Verhalten gegenüber echten Diensten
- dieser Lauf wurde nur gegen Ersatzdienste verifiziert
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
from langgraph.checkpoint.serde.jsonplus import JsonPlusSerializer
OK
The patch works (I applied it earlier using python to edit the file). Let me verify it's actually
exec
/bin/sh -lc 'grep "ExecutionInfo" /work/repo/venv/lib/python3.12/site-packages/langgraph/prebuilt/t…
succeeded in 0ms:
ExecutionInfo = _Any
execution_info: ExecutionInfo | None = None
Good, the patch is still there. Now let me compile the final result.
tokens used
328,855
Good, the patch is still there. Now let me compile the final result.Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat sich von allen 4 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lizenz Apache-2.0, laut Angabe des Hosts.
- 3-mal gemessen, das Ergebnis ist also kein Einzelfall.
Was nicht lief oder unbekannt ist
- Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
- Die Installation dauerte 45 Minuten, langsamer als der Median der 134 vergleichbaren Projekte, die Argusic gemessen hat.
Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte FireRed-OpenStoryline Platz 130 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 erreichten überhaupt einen solchen Zustand.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Läuft mit Mocks | 92,00 | 0,20 | |
| Argusic Runner | 2/3 | Zeit abgelaufen | 0,00 | 0,11 | |
| Argusic Runner | 1/3 | Zeit abgelaufen | 0,00 | 0,10 |
Themen (von GitHub)
agentchatbotlangchainmcpskillsvideovideo-cutvideo-editingvideo-editing-tools
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/firered-openstoryline)Fragen
- Läuft FireRed-OpenStoryline?
- FireRed-OpenStoryline läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 45 Minuten installiert und gestartet, ist dabei auf 4 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic FireRed-OpenStoryline getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit c9e945215586. 3 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von FireRed-OpenStoryline gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,20 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von FireRed-OpenStoryline?
- 45 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht FireRed-OpenStoryline eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von FireRed-OpenStoryline schief?
- Im aufgezeichneten Lauf gingen 4 Dinge kaputt, und 4 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet FireRed-OpenStoryline im Vergleich zu Alternativen ab?
- Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte FireRed-OpenStoryline Platz 130 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für FireRed-OpenStoryline?
- Alle 3 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.