OpenMontage 项目分析报告

---

一、项目介绍

1.1 项目概述

OpenMontage 自称"全球首个开源的 Agentic 视频制作系统"，由 Cales Thio AI Labs 开发。它将 AI 编程助手（Claude Code、Cursor、Copilot、Windsurf、Codex）转化为一个完整的视频制作工作室——用户只需用自然语言描述需求，Agent 即可自动完成从主题研究、脚本撰写、素材生成、剪辑到最终渲染的全流程。与市面上仅能做"文字生成视频片段"的 AI 工具不同，OpenMontage 强调的是"从创意到成片"的完整流水线 [1]。

1.2 项目信息

项目	详情
项目名称	OpenMontage
项目地址	https://github.com/calesthio/OpenMontage
项目官网	暂无独立官网；官方 YouTube 频道 @OpenMontage；X 账号 @calesthioailabs
作者	calesthio（Cales Thio AI Labs）
Stars	7,000+（截至 2026 年 6 月）
当前版本	v0.1.0
开源协议	AGPL-3.0
主要语言	Python（核心工具链）、TypeScript/React（Remotion 合成引擎）、HTML/CSS/GSAP（HyperFrames 合成引擎）、YAML/JSON（流水线定义）
首次发布	2026 年 3 月 29 日
提交数	103 次 Commits

1.3 项目示意图

README 中展示了 6 个成品视频示例，充分体现系统能力 [2]：

示例视频	类型	技术栈	成本
"SIGNAL FROM TOMORROW"	科幻电影预告片	Veo 视频生成 + Remotion 合成	—
"THE LAST BANANA"	60 秒皮克斯风格动画	多工具链	$1.33
"VOID — Neural Interface"	产品广告	仅 OpenAI API Key	$0.69
"Afternoon in Candyland"	吉卜力风格动画	12 张 FLUX 图片 + Remotion 动画	$0.15
"Mori no Seishin"	吉卜力风格森林精灵	12 张 FLUX 图片	$0.15
"Into the Abyss"	深海探索动画	零视频生成 API	$0.15

项目根目录提供 diagram.png 架构示意图。

---

二、项目亮点

2.1 Agentic 指令驱动架构

AI Agent 是整个系统的"大脑"，Python 仅作为工具和持久化层。所有编排、创意决策、审查、阶段转换逻辑都存在于 YAML 流水线清单和 Markdown 技能文件中，而非硬编码在 Python 代码中 [3]。架构模式为：

Agent 读取流水线清单(YAML) → 读取阶段导演技能(MD) → 使用工具(Python BaseTool) → 自我审查(meta skill) → 检查点(Python) → 提交人工审批

2.2 三层知识架构

层级	位置	职责
Layer 1	tools/tool_registry.py	工具注册中心，回答"有哪些工具、能做什么"
Layer 2	skills/	项目级使用约定，回答"OpenMontage 如何使用这些工具"
Layer 3	.agents/skills/	通用 API 知识（47 个已安装技能），回答"技术本身如何工作"

2.3 12 条完整生产流水线

涵盖动画讲解、纪录片蒙太奇、电影预告片、屏幕演示、播客重制、角色动画、虚拟形象、本地化配音等多种场景，每条流水线包含 8 个标准阶段（研究→脚本→视觉规划→素材生成→剪辑→音效→合成→渲染）。

2.4 双引擎合成系统

自动在 Remotion（React 声明式渲染）和 HyperFrames（HTML/CSS/GSAP 动画渲染）之间选择，根据视频类型智能匹配最佳渲染引擎。

2.5 零 API Key 可运行

免费资源	说明
Piper TTS	免费离线语音合成
Archive.org / NASA / Wikimedia Commons	免费素材源
Pexels / Pixabay / Unsplash	免费图片/视频素材
Remotion / HyperFrames	开源合成引擎

无需任何付费 API 即可产出完整视频，最低成本 $0.00。

2.6 7 维度决策评分

每次工具选择（Provider Selection）在 7 个维度上打分（质量、速度、成本、稳定性、适配度、许可合规、可用性），生成可审计的决策日志。

2.7 与同类项目的差异化优势

对比维度	OpenMontage	传统 AI 视频工具（Runway, Pika）
工作范围	完整流水线（研究→脚本→素材→剪辑→合成）	单一环节（文生视频片段）
操作方式	自然语言对话式，Agent 自主执行	手动操作或单个 Prompt
开源	完全开源（AGPL-3.0）	闭源商业服务
成本	最低 $0.00	按量付费或订阅
素材来源	真实视频素材 + AI 生成 + 免费素材库	仅 AI 生成
可扩展性	可自定义流水线、工具、技能	封闭

---

三、项目运行环境

3.1 硬件要求

级别	要求
最低（免费路径）	CPU 即可，无需 GPU
推荐	4 核 CPU，8GB RAM
GPU 加速（本地视频生成）	NVIDIA GPU，推荐 VRAM >= 8GB，支持模型：WAN 2.1-1.3B / 14B、Hunyuan 1.5、LTX-2、CogVideo 5B

3.2 操作系统支持

平台	支持状态	备注
macOS	完整支持	brew install ffmpeg
Linux	完整支持	sudo apt install ffmpeg
Windows	部分兼容	npm install 可能需 npx --yes npm install，HyperFrames 运行时可能有兼容问题

3.3 软件依赖

依赖项	版本要求	说明
Python	3.10+	核心运行时
FFmpeg	最新稳定版	视频编码、混音、字幕烧录
Node.js	18+	Remotion 和 HyperFrames 合成引擎
AI 编程助手	Claude Code / Cursor / Copilot / Windsurf / Codex	作为 Agent 驱动整个系统

Python 核心依赖（requirements.txt）：PyYAML >= 6.0、Pydantic >= 2.0、jsonschema >= 4.20、python-dotenv >= 1.0、Pillow >= 10.0、requests >= 2.31。

GPU 额外依赖（requirements-gpu.txt）：diffusers、transformers、accelerate。

3.4 安装步骤

# 1. 克隆仓库
git clone https://github.com/calesthio/OpenMontage.git
cd OpenMontage

# 2. 一键安装（推荐）
make setup

# 3. 无 make 时手动安装
pip install -r requirements.txt
cd remotion-composer && npm install && cd ..
pip install piper-tts
cp .env.example .env

# 4. 可选：GPU 加速
make install-gpu
# 在 .env 中添加 VIDEO_GEN_LOCAL_ENABLED=true 和 VIDEO_GEN_LOCAL_MODEL=wan2.1-1.3b

# 5. 可选：配置 API Key（按需编辑 .env 文件）

---

四、项目代码介绍

4.1 代码架构图

OpenMontage/
├── README.md                    # 项目说明
├── AGENT_GUIDE.md               # Agent 操作指南（核心合同）
├── PROJECT_CONTEXT.md           # 项目架构与约定
├── config.yaml                  # 全局配置
├── setup.py                     # Python 包入口（v0.1.0）
├── Makefile                     # 构建与安装脚本
├── diagram.png                  # 架构示意图
├── .env.example                 # 环境变量模板
├── requirements.txt             # 核心依赖
├── requirements-gpu.txt         # GPU 依赖
│
├── tools/                       # Layer 1：工具层（Python 实现）
│   ├── base_tool.py             # 工具基类（ToolContract）
│   ├── tool_registry.py         # 工具注册中心（自动发现）
│   ├── cost_tracker.py          # 成本追踪与预算管控
│   ├── video/                   # 视频相关工具
│   │   ├── video_compose.py     # 合成引擎路由（Remotion/HyperFrames/FFmpeg）
│   │   ├── video_stitch.py      # 多片段拼接
│   │   └── hyperframes_compose.py # HyperFrames 运行时
│   ├── audio/                   # 音频工具（TTS、混音）
│   ├── image/                   # 图像生成工具
│   ├── avatar/                  # 虚拟形象工具
│   ├── character/               # 角色动画工具
│   ├── subtitle/                # 字幕工具
│   ├── analysis/                # 分析工具（视频分析、转写）
│   ├── enhancement/             # 增强工具
│   └── graphics/                # 图形工具
│
├── pipeline_defs/               # 流水线定义（YAML 清单）
│   ├── animated-explainer.yaml  # 动画讲解
│   ├── animation.yaml           # 动画
│   ├── cinematic.yaml           # 电影预告片
│   ├── documentary-montage.yaml # 纪录片蒙太奇
│   ├── hybrid.yaml              # 混合
│   ├── clip-factory.yaml        # 片段工厂
│   ├── podcast-repurpose.yaml   # 播客重制
│   ├── screen-demo.yaml         # 屏幕演示
│   ├── talking-head.yaml        # 对话头像
│   ├── avatar-spokesperson.yaml # 虚拟形象
│   ├── character-animation.yaml # 角色动画
│   ├── localization-dub.yaml    # 本地化配音
│   └── framework-smoke.yaml     # 测试流水线
│
├── skills/                      # Layer 2：技能层（Markdown 指令）
│   ├── INDEX.md                 # 技能索引
│   ├── core/                    # 核心技能（FFmpeg、Remotion、HyperFrames 等）
│   ├── creative/                # 创意技能（视频编辑、数据可视化、音效等）
│   ├── meta/                    # 元技能（审查器、检查点协议、技能创建器等）
│   └── pipelines/               # 流水线阶段导演技能
│       ├── explainer/           # 讲解流水线（9 个阶段技能）
│       ├── talking-head/        # 对话头像流水线
│       ├── screen-demo/         # 屏幕演示流水线
│       ├── clip-factory/        # 片段工厂流水线
│       ├── podcast-repurpose/   # 播客重制流水线
│       └── character-animation/ # 角色动画流水线
│
├── .agents/skills/              # Layer 3：通用 API 知识（47 个技能）
│
├── lib/                         # 核心库
│   ├── checkpoint.py            # 检查点读写与验证
│   ├── pipeline_loader.py       # 流水线清单加载器
│   ├── config_model.py          # 运行时配置（Pydantic）
│   ├── media_profiles.py        # 平台渲染配置
│   ├── hyperframes_style_bridge.py # 样式桥接
│   └── scoring.py               # 决策评分引擎
│
├── schemas/                     # JSON Schema 定义
│   ├── artifacts/               # 产出物 Schema
│   ├── pipelines/               # 流水线清单 Schema
│   ├── checkpoints/             # 检查点 Schema
│   ├── styles/                  # 样式 Playbook Schema
│   └── tools/                   # 工具 I/O Schema
│
├── styles/                      # 样式 Playbook（YAML）
│   └── playbook_loader.py       # Playbook 加载器与验证器
│
├── remotion-composer/           # Remotion 合成引擎（React/TypeScript）
│   └── src/components/          # 8 个 Remotion 组件（TextCard, StatCard 等）
│
├── docs/                        # 文档
│   ├── PROVIDERS.md             # 供应商指南（详细定价与配置）
│   └── ARCHITECTURE.md          # 架构深度解析
│
├── tests/                       # 测试
│   ├── contracts/               # 合约测试
│   └── qa/                      # 质量验证脚本
│
├── projects/                    # 项目工作区（gitignored，运行时生成）
│   └── <project-name>/
│       ├── artifacts/           # 各阶段产出物（JSON）
│       ├── assets/              # 素材（图片、视频、音频、字幕）
│       └── renders/             # 最终渲染视频
│
└── music_library/               # 用户音乐库（gitignored）

4.2 核心模块介绍

4.2.1 工具注册中心（tools/tool_registry.py）

自动发现并注册所有 tools/ 目录下的 BaseTool 子类，提供 discover()、support_envelope()、provider_menu()、provider_menu_summary() 等查询方法。支持按能力（capability）、供应商（provider）、状态（status）、稳定性（stability）筛选工具，自动加载 .env 环境变量。

核心特性：

• 使用 pkgutil.walk_packages 递归扫描 tools/ 下所有子包，自动导入并注册
• provider_menu_summary() 生成面向 Agent 的能力菜单，包含"已配置/未配置"比例、合成引擎可用性、一键修复建议
• 无需手动维护工具列表，添加新工具只需创建类文件

4.2.2 工具基类（tools/base_tool.py）

定义 BaseTool 抽象基类，所有工具必须继承。声明完整的工具合约：名称、版本、能力、供应商、依赖、资源需求、重试策略、成本估算。定义 ToolResult 返回结构（success, data, artifacts, cost_usd, duration_seconds），自动检测依赖状态（ToolStatus.AVAILABLE / UNAVAILABLE / DEGRADED），支持 cmd:、env:、python: 三种依赖检测方式。

4.2.3 流水线加载器（lib/pipeline_loader.py）

从 pipeline_defs/ 加载 YAML 流水线清单，使用 JSON Schema 验证清单结构，提供阶段顺序提取、工具需求收集、扩展权限检查等功能。每条流水线定义 8 个标准阶段和对应的技能引用。

4.2.4 检查点系统（lib/checkpoint.py）

每个流水线阶段完成后写入检查点（JSON），支持断点续传（get_next_stage() 自动找到下一步），关联决策日志（decision_log.json），确保所有决策可审计，Schema 验证检查点结构。

4.2.5 成本追踪器（tools/cost_tracker.py）

预算管控模块，实现 estimate → reserve → reconcile 三段式成本管理，支持 warn / cap 两种模式，单次操作审批阈值默认 $0.50。

4.2.6 合成引擎路由（tools/video/video_compose.py）

根据视频类型自动选择合成引擎：

• Remotion：适合数据可视化、屏幕演示、信息图动画
• HyperFrames：适合创意动画、角色动画、风格化视频
• FFmpeg 直接合成：适合简单拼接、转码

4.3 核心代码解析

4.3.1 BaseTool 工具合约基类

# tools/base_tool.py
from abc import ABC, abstractmethod
from dataclasses import dataclass, field
from enum import Enum
from typing import Any

class ToolTier(Enum):
    CORE = "core"
    EXTENDED = "extended"
    COMMUNITY = "community"

class ToolStability(Enum):
    STABLE = "stable"
    BETA = "beta"
    EXPERIMENTAL = "experimental"

class ToolStatus(Enum):
    AVAILABLE = "available"
    UNAVAILABLE = "unavailable"
    DEGRADED = "degraded"

@dataclass
class ResourceProfile:
    estimated_duration_seconds: int = 30
    max_concurrent: int = 1
    recommended_interval_seconds: float = 0.5

@dataclass
class ToolResult:
    success: bool
    data: dict[str, Any] = field(default_factory=dict)
    artifacts: list[str] = field(default_factory=list)
    cost_usd: float = 0.0
    duration_seconds: float = 0.0
    error: str | None = None

class BaseTool(ABC):
    """所有 OpenMontage 工具的抽象基类"""
    name: str = ""
    version: str = "0.1.0"
    tier: ToolTier = ToolTier.CORE
    stability: ToolStability = ToolStability.EXPERIMENTAL
    capability: str = "generic"
    provider: str = "openmontage"
    dependencies: list[str] = []        # 如 ["env:FAL_KEY", "cmd:ffmpeg"]
    install_instructions: str = ""
    best_for: list[str] = []
    not_good_for: list[str] = []
    agent_skills: list[str] = []        # Layer 3 技能引用
    resource_profile: ResourceProfile = ResourceProfile()
    fallback_tools: list[str] = []

    def get_status(self) -> ToolStatus:
        try:
            self.check_dependencies()
            return ToolStatus.AVAILABLE
        except DependencyError:
            return ToolStatus.UNAVAILABLE

    @abstractmethod
    def execute(self, inputs: dict[str, Any]) -> ToolResult:
        ...

    def get_info(self) -> dict[str, Any]:
        """返回完整工具合约，供注册中心发现"""
        return {
            "name": self.name,
            "version": self.version,
            "tier": self.tier.value,
            "capability": self.capability,
            "provider": self.provider,
            "stability": self.stability.value,
            "status": self.get_status().value,
            "dependencies": self.dependencies,
            "install_instructions": self.install_instructions,
            "best_for": self.best_for,
            "not_good_for": self.not_good_for,
            "agent_skills": self.agent_skills,
            "resource_profile": {
                "estimated_duration_seconds": self.resource_profile.estimated_duration_seconds,
                "max_concurrent": self.resource_profile.max_concurrent,
            },
            "fallback_tools": self.fallback_tools,
        }

这是整个工具系统的基石。每个工具通过声明式属性定义合约，ToolRegistry.discover() 自动扫描注册，无需手动维护。

4.3.2 ToolRegistry 工具自动发现

# tools/tool_registry.py
import importlib
import pkgutil
from pathlib import Path

class ToolRegistry:
    def __init__(self):
        self._tools: dict[str, BaseTool] = {}

    def discover(self, package_name: str = "tools") -> list[str]:
        """递归导入包树并注册所有具体工具"""
        self._load_dotenv()
        package = importlib.import_module(package_name)
        discovered: list[str] = []
        package_paths = [str(Path(package.__file__).parent)]

        for module_info in pkgutil.walk_packages(
            package_paths, f"{package.__name__}."
        ):
            if module_info.name.endswith(".base_tool"):
                continue
            module = importlib.import_module(module_info.name)
            discovered.extend(self.register_module(module))
        return discovered

    def register_module(self, module) -> list[str]:
        """注册模块中所有 BaseTool 子类"""
        registered = []
        for attr_name in dir(module):
            attr = getattr(module, attr_name)
            if (isinstance(attr, type) and
                issubclass(attr, BaseTool) and
                attr is not BaseTool):
                instance = attr()
                self._tools[instance.name] = instance
                registered.append(instance.name)
        return registered

    def provider_menu_summary(self) -> dict[str, Any]:
        """生成面向 Agent 的紧凑能力菜单"""
        menu = self.provider_menu()
        capabilities = []
        for cap, bucket in menu.items():
            available = bucket.get("available", [])
            unavailable = bucket.get("unavailable", [])
            capabilities.append({
                "capability": cap,
                "configured": len(available),
                "total": len(available) + len(unavailable),
                "providers": [e.get("provider") for e in available],
            })
        return {"capabilities": capabilities}

discover() 使用 pkgutil.walk_packages 递归扫描，自动导入并注册工具，无需手动维护工具列表。provider_menu_summary() 生成面向 Agent 的能力菜单，在预检阶段直接读取向用户展示。

4.3.3 Checkpoint 检查点与断点续传

# lib/checkpoint.py
import json
from datetime import datetime, timezone
from pathlib import Path

def write_checkpoint(
    pipeline_dir: Path,
    project_id: str,
    stage: str,
    status: str,
    artifacts: dict,
    pipeline_type: str = None,
) -> Path:
    """写入阶段检查点，支持断点续传"""
    checkpoint = {
        "version": "1.0",
        "project_id": project_id,
        "pipeline_type": pipeline_type,
        "stage": stage,
        "status": status,
        "timestamp": datetime.now(timezone.utc).isoformat(),
        "artifacts": artifacts,
    }
    # 合并决策日志
    if "decision_log" in artifacts:
        _merge_decision_log(pipeline_dir, project_id, artifacts["decision_log"])

    validate_checkpoint(checkpoint)
    path = _checkpoint_path(pipeline_dir, project_id, stage)
    path.parent.mkdir(parents=True, exist_ok=True)
    with open(path, "w") as f:
        json.dump(checkpoint, f, indent=2)
    return path

def get_next_stage(
    pipeline_dir: Path,
    project_id: str,
    pipeline_type: str = None,
) -> str | None:
    """通过比对已完成阶段和流水线阶段顺序，确定下一个待执行阶段"""
    stages = get_pipeline_stages(pipeline_type)
    completed = set(get_completed_stages(pipeline_dir, project_id, pipeline_type))
    for stage in stages:
        if stage not in completed:
            return stage
    return None

def _merge_decision_log(pipeline_dir: Path, project_id: str, new_entries: list):
    """累积合并决策日志，确保全流程可审计"""
    log_path = pipeline_dir / project_id / "decision_log.json"
    existing = []
    if log_path.exists():
        existing = json.loads(log_path.read_text())
    existing.extend(new_entries)
    log_path.parent.mkdir(parents=True, exist_ok=True)
    log_path.write_text(json.dumps(existing, indent=2))

检查点系统是流水线状态持久化的核心。每个阶段完成后写入 JSON 检查点，get_next_stage() 自动确定下一个待执行阶段，决策日志通过 _merge_decision_log() 累积合并，实现全流程可审计。

4.3.4 成本追踪器

# tools/cost_tracker.py
from dataclasses import dataclass, field
from enum import Enum

class BudgetMode(Enum):
    WARN = "warn"      # 超预算时警告但继续
    CAP = "cap"        # 超预算时停止

@dataclass
class CostTracker:
    budget_usd: float = 5.0
    mode: BudgetMode = BudgetMode.WARN
    approval_threshold_usd: float = 0.50    # 单次操作审批阈值
    _reserved: float = 0.0
    _spent: float = 0.0
    _log: list[dict] = field(default_factory=list)

    def estimate(self, operation: str, estimated_cost: float) -> bool:
        """预估操作成本，检查是否在预算内"""
        if estimated_cost > self.approval_threshold_usd:
            # 需要人工审批
            return False
        if self._spent + self._reserved + estimated_cost > self.budget_usd:
            if self.mode == BudgetMode.CAP:
                raise BudgetExceededError(
                    f"预算 {self.budget_usd} 已超，操作 {operation} 需要 {estimated_cost}"
                )
        return True

    def reserve(self, operation: str, amount: float):
        self._reserved += amount

    def reconcile(self, operation: str, actual_cost: float):
        self._reserved -= actual_cost
        self._spent += actual_cost
        self._log.append({"operation": operation, "cost": actual_cost})

成本追踪器实现三段式成本管理（estimate → reserve → reconcile），支持 warn/cap 两种模式，单次操作超过 $0.50 需人工审批。

---

五、项目应用与评价

5.1 应用场景

场景	对应流水线	典型用途
教育内容	animated-explainer	科普讲解、在线课程、知识短视频
社交媒体	animation、clip-factory	TikTok/Reels/Shorts 短视频批量生产
品牌营销	cinematic、avatar-spokesperson	品牌宣传片、产品发布预告、虚拟代言人
纪录片/散文	documentary-montage	视频散文、怀旧蒙太奇、城市意象
软件演示	screen-demo	产品演示、代码教程、软件操作指南
内容重制	podcast-repurpose、clip-factory	播客转视频、长内容拆解为短视频
多语言分发	localization-dub	字幕翻译、配音、本地化
角色动画	character-animation	卡通角色动画、故事短片
混合创作	hybrid	实拍素材 + AI 生成视觉增强

5.2 项目优点

1. 极低门槛，零成本起步：无需任何 API Key 即可产出完整视频，Piper TTS + Archive.org 等免费素材 + Remotion/HyperFrames 合成引擎，真正实现零成本视频制作。
2. 完整流水线，非单点工具：区别于 Runway、Pika 等仅做"文生视频"的工具，OpenMontage 覆盖从研究到发布的 8 个阶段，实现端到端自动化。
3. 多层知识架构，输出质量高：通过 Layer 3 的 47 个供应商技能（如 Seedance 2.0、VEO 3.1 的专用 Prompt 工程指南），Agent 能产出远超简单 API 调用的高质量结果。
4. 架构优雅，扩展性强：工具合约模式（BaseTool）+ 自动注册 + 声明式流水线（YAML），添加新工具只需创建类文件，无需修改任何注册代码。
5. 成本透明可控：内置成本追踪器，每次操作前预估、执行中记录、完成后核销，预算模式支持 warn/cap。
6. 决策可审计：7 维度评分 + 决策日志 + 检查点系统，确保全流程可追溯。
7. 参考视频驱动：支持从 YouTube/Reel/TikTok 链接分析参考视频，提取节奏、结构、风格，生成差异化方案。

5.3 项目不足

1. 对 AI 编程助手依赖强：整个系统需要 Claude Code、Cursor 等作为"大脑"，用户如果不使用这些工具，则无法体验到完整的 Agentic 流程。该项目本质上是一个"指令集"而非独立应用。
2. 缺乏 GUI 界面：没有传统视频编辑器的图形界面，所有操作通过对话式交互完成，对非技术用户有一定学习成本。
3. Windows 兼容性有限：部分功能（如 HyperFrames 运行时）在 Windows 上可能存在兼容问题，npm 安装也可能需要特殊处理。
4. Beta 流水线稳定性不足：12 条流水线中，部分标记为 beta（如 clip-factory、podcast-repurpose、character-animation 等），文档也提示"可能存在粗糙边缘"。
5. AGPL-3.0 许可证限制：对于商业使用，AGPL-3.0 要求衍生作品也需开源，可能限制部分商业场景。
6. 视频生成质量依赖外部 API：真正的视频生成（非图片动画）仍依赖 Kling、Veo、Runway 等付费 API，免费路径仅能生成图片动画，动态视频质量有限。
7. 项目尚处早期：v0.1.0 版本，103 次提交，文档和测试覆盖尚在完善中，生产环境稳定性有待验证。
8. 高度依赖 Prompt 质量：Agent 的输出质量高度依赖用户输入 Prompt 的清晰度和 AI 编程助手本身的能力，不同助手可能产生不同效果。

---

参考来源

• OpenMontage GitHub 仓库
• OpenMontage GitHub Trending 日榜 - 2026年6月21日
• OpenMontage 7千星 - 让AI编码助手变成全功能视频工作室
• 83天6,690 star - OpenMontage对AI如何制作视频重新定义