Englisches Original: https://argusic.com/subject/qiaomu-cut-skill
qiaomu-cut-skill
乔木智能视频导演 Skill：素材治理、双语字幕、品牌包装与可复现渲染 | Agent-nativer Video-Regisseur mit kontrollierter Materialbeschaffung und verifizierbarem Rendering
LäuftQuelle: GitHubJavaScriptMITCommit 823feff5c1c1
JavaScript, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent skill, ai video, ffmpeg, nodejs, subtitles und video editing.
qiaomu-cut-skill läuft. Ein Argusic-Agent hat es in 0,1 Minuten installiert und ist auf 1 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
qiaomu-cut v0.5.0 installs with zero npm dependencies, doctor confirms ffmpeg 6.1.1 with full capability (libass, drawtext, overlay, loudnorm, sidechaincompress, xfade, libx264), all smoke tests and release checks pass, file narration renders to verified h264/AAC video, plan/workflow/list commands produce correct output; listenhub_smoke requires Node 20+ (env has 18.19.1), documented gap.
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 100 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.
- scripts/render_project.js had "- /filter_complex" typo (leading slash) and passed file path to -filter_complex instead of -filter_complex_script on two lines, causing ffmpeg to reject the argument15 Minuten
- Installationszeit
- unter einer Minute
- Von der kalten Maschine bis zum Ende
- 2 Minuten
- Aufgetretene und behobene Fehler
- 1 aufgetreten, 1 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- npm run release-check exited 0 (5/5 stages pass); node scripts/file_narration_smoke.js exited 0, emitted preview MP4 (h264/aac) verified via ffmpeg probe; node scripts/security_smoke.js exited 0 (39 checks); python3 scripts/validate_skill.py exited 0 (0 errors, 0 warnings); python3 scripts/trigger_eval.py exited 0 (16/16 cases pass); doctor --json reports all green
- Verbrauchte Modell-Tokens
- 44.484
- Genau getesteter Commit
- 823feff5c1c1
- 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.
- 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
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
### Error fixed `scripts/render_project.js` had `'-/filter_complex'` (typo with a leading slash) on two lines (1051… ### What was verified - **Doctor** — ffmpeg 6.1.1 with all capabilities (libass, drawtext, loudnorm, xfade, libx264) - **Release check** — 5/5 stages pass (vendor verify, typography, brand templates, sentence boundar… - **File narration smoke** — renders a verified h264/AAC preview video with provenance tracking - **Security smoke** — 39 checks pass - **Validation** — 0 errors, 0 warnings - **Trigger eval** — 16/16 case classifications correct - **Doctor/plan/workflow/list** — all CLI commands produce correct output ### Known gap `listenhub_smoke.js` requires Node.js 20+ (container runs 18.19.1). This is documented upstream and…
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 auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 0,1 Minuten installiert, schneller als der Median der 13 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von dem einen Fehler erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 14 Projekten im Bereich agent-skill, die Argusic installiert und zeitlich gemessen hat, belegte qiaomu-cut-skill Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 11 von 14 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 0,1 Minuten nach dem Klonen.
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
Themen (von GitHub)
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/qiaomu-cut-skill)Fragen
- Läuft qiaomu-cut-skill?
- Ja. qiaomu-cut-skill läuft. Argusic hat es auf einer sauberen Maschine in 0 Minuten installiert und gestartet, ist dabei auf 1 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic qiaomu-cut-skill getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 823feff5c1c1. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von qiaomu-cut-skill gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,06 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 qiaomu-cut-skill?
- 0,1 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 qiaomu-cut-skill eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von qiaomu-cut-skill schief?
- Im aufgezeichneten Lauf ging 1 Sache kaputt, und 1 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet qiaomu-cut-skill im Vergleich zu Alternativen ab?
- Von den 14 Projekten im Bereich agent-skill, die Argusic installiert und zeitlich gemessen hat, belegte qiaomu-cut-skill Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 11 von 14 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für qiaomu-cut-skill?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.