惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Hacker News - Newest:
Hacker News - Newest: "LLM"
S
Security Affairs
PCI Perspectives
PCI Perspectives
Google Online Security Blog
Google Online Security Blog
W
WeLiveSecurity
www.infosecurity-magazine.com
www.infosecurity-magazine.com
Recent Commits to openclaw:main
Recent Commits to openclaw:main
P
Privacy & Cybersecurity Law Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
S
Security @ Cisco Blogs
Security Archives - TechRepublic
Security Archives - TechRepublic
Cyberwarzone
Cyberwarzone
L
Lohrmann on Cybersecurity
TaoSecurity Blog
TaoSecurity Blog
V
Visual Studio Blog
博客园 - 聂微东
Scott Helme
Scott Helme
博客园 - 【当耐特】
K
Kaspersky official blog
Security Latest
Security Latest
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
MyScale Blog
MyScale Blog
Schneier on Security
Schneier on Security
WordPress大学
WordPress大学
博客园 - 叶小钗
C
Check Point Blog
V2EX - 技术
V2EX - 技术
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
博客园 - Franky
T
Tor Project blog
Apple Machine Learning Research
Apple Machine Learning Research
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
腾讯CDC
雷峰网
雷峰网
博客园_首页
美团技术团队
Y
Y Combinator Blog
C
CERT Recently Published Vulnerability Notes
AWS News Blog
AWS News Blog
月光博客
月光博客
N
Netflix TechBlog - Medium
Last Week in AI
Last Week in AI
Recent Announcements
Recent Announcements
Google DeepMind News
Google DeepMind News
Help Net Security
Help Net Security
P
Proofpoint News Feed
MongoDB | Blog
MongoDB | Blog
C
Cybersecurity and Infrastructure Security Agency CISA

执迷者X

性能分析 - 执迷者X 世界,您好! - 执迷者X 端午碎念 – 无法缓和神经的3天 - 执迷者X 端午碎念 – 无法缓和神经的3天 - 执迷者X 屈原故里长大的我,从龙舟赛看乡土中国 - 执迷者X 屈原故里长大的我,从龙舟赛看乡土中国 - 执迷者X 使用 OpenClaw 半个月,它在我的电脑上干了什么? - 执迷者X 使用 OpenClaw 半个月,它在我的电脑上干了什么? - 执迷者X AI随笔:用 OpenClaw 批量做了 70 条抖音视频 思考:AI如何让「提效」变成「耗能」——熵增思考 - 执迷者X 思考:AI如何让「提效」变成「耗能」——熵增思考 - 执迷者X 用 Excel + 高德 API 做选址POI简单处理,翻车的概率有多大? 用 Excel + 高德 API 做选址POI简单处理,翻车的概率有多大? 连锁品牌在高线城市加密布局思路 2026笔记 - 执迷者X 连锁品牌在高线城市加密布局思路 2026笔记 - 执迷者X AI 时代,你的个人网站只差这最后一步(附 618 大厂抄底清单) - 执迷者X AI 时代,你的个人网站只差这最后一步(附 618 大厂抄底清单) - 执迷者X Windows彻底重装 OpenClaw 教程:告别本地模型,接入 DeepSeek API OpenClaw 部署实战:从本地推理瓶颈到云端混合架构的演进 - 执迷者X WordPress 作者头像不显示?Myclaw 用户 Gravatar 配置全流程 个人安装 Claude Code 和 OpenClaw 全记录 VS Code + Claude Code + DeepSeek 三件套,打造最强 Vibe Coding 开发环境 当「智能」成为新的牢笼:我们是如何在AI时代迷路的 - 执迷者X 新租赁准则下 ROU 资产怎么算?一文读懂 - 执迷者X 本站原创歌曲《执迷者》歌词 - 执迷者X 又是一个星夜兼程的周末,5月底 - 执迷者X 扣子助手一键生成博客元信息,自动填进WordPress - 执迷者X 解决 EdgeOne 缓存同步文章延迟问题 - 执迷者X 520 量化日记|平台掣肘,转向Python本地回测 - 执迷者X 日记:2026年的520,周三,夜 - 执迷者X 市场洞察:深圳核心区咖啡布局思路与竞争突围分析 - 执迷者X 黄仁勋 2026年 最新演讲:AI 不会淘汰你,但 “会用 AI” 的人会 笔记:新手尝试制作小程序 -基于网页PHP - 执迷者X AI规划:5月21日·周三 待办清单 - 执迷者X
AI随笔:用 OpenClaw 批量做了 70 条抖音视频
LifeTruth · 2026-06-14 · via 执迷者X

缘起

最近经历了从官方API切换本地LLM再到中转站的Openclaw体验过程,耽误很多进度。

昨晚夜雨如注,手头拿到了1.3T的网盘素材,想批量产出50-100条短视频发抖音。

一开始我想的是让龙虾控制剪映的工程文件(draft)——

后来发现,想简单了。

AI随笔:用 OpenClaw 批量做了 70 条抖音视频

核心原理:AI 不是替你”点鼠标”,而是替你”写代码”

这是整个项目里最值得说清楚的一件事。

剪映桌面版没有公开接口(API),这意味着没有任何程序能直接指挥它。就像你家空调遥控器没装电池,AI 喊破喉咙也开不了。

AI随笔:用 OpenClaw 批量做了 70 条抖音视频

所以真正的方案是换了一条路:

素材模板 + 文案
    ↓
OpenClaw (AI 大脑) → 自动写 Python 脚本
    ↓
moviepy / ffmpeg(视频渲染引擎)
    ↓
批量生成 70 条成品 mp4
    ↓
人工上传抖音

OpenClaw 做的事: 理解你的需求 → 写 Python 代码 → 自动运行 → 出错了自己修 → 修好了继续跑。

本质上,AI 不是在”操作软件”,而是在写了一个帮你操作的软件


70 条视频是怎么跑出来的

整个流程分三步。

第一步:准备素材模板

你需要准备好:

  • 视频 / 图片素材: 按模板分类放好(比如 10 个不同的背景视频)
  • 文案: 每条视频的文字内容(可以是一张表格,每条一行)
  • 音频 / 配音: 如果有固定的 BGM 或语音旁白

不需要任何编程基础,素材放文件夹里就行。

第二步:告诉 OpenClaw 你的需求

比如告诉它:

我有一个模板:背景视频 10 秒 + 文案字幕 + 片尾
文案在 Excel 里,70 行,每行是一条视频的文案
批量生成 70 条视频,每条用不同的背景素材

OpenClaw 会自己理解这个需求,然后生成对应的 Python 脚本。

第三步:自动跑完

脚本跑起来,你就看着命令行一条一条地输出视频文件。70 条视频,从写脚本到渲染完成,大概十几分钟到半小时,取决于素材复杂度。

中间如果有报错(比如某个素材文件路径不对),OpenClaw 会自动读错误日志,自己修好代码重跑。


你不需要懂什么

对,这话是真的。

你不需要懂 Python、不需要懂 ffmpeg、不需要懂视频编码。

你只需要知道:

  1. 你的素材在哪个文件夹
  2. 你想要每条视频长什么样(大概就行,AI 会追问细节)
  3. 怎么把视频从电脑上传到抖音

其他都是 OpenClaw 在背后搞定。


需要配置的东西(清单)

如果你也想试,需要做的准备工作很少:

1. 装 OpenClaw

去官网下载安装,就是一个命令行工具,跟着入门教程跑一遍就能对话了。

2. Python 环境

OpenClaw 在生成视频脚本时需要 Python 和 moviepy。如果你电脑上没装,它会提示你装,或者在后台自动帮你处理。

3. 素材和文案(这一步最花时间,也是”人的工作”)

  • 把你的素材分类整理到文件夹里
  • 把文案写成纯文本或 Excel

素材越规整,出片质量越高。但 AI 也接受”差不多就行”的输入,它会自己调整。


几个你可能想问的问题

为什么不用剪映?

剪映(以及 PR、AE 等所有桌面剪辑软件)没有公开的程序接口。就像你没法用代码指挥 Excel 画图表一样——Excel 有接口才行,剪映没有。强行模拟鼠标去控制桌面版,版本一更新就全崩,不值得。

moviepy / ffmpeg 是什么?

简单说就是视频界的”命令行工具”。剪映是图形界面版的,moviepy 是代码版的。一个用鼠标拖,一个用文字写。写的好处是可以批量、可以重复、不会手抖

OpenClaw 会犯错误吗?

会。写脚本可能会出错(路径不对、参数写错),但它的好处是会自己 debug——报错了读日志,分析原因,修改脚本,重跑。你只需要在它实在搞不定的时候指一下方向。

批量生成的视频质量怎么样?

取决于你的模板设计。简单的”字幕 + 背景视频 + 音乐”这种,质量和手动做的没区别。复杂特效(抠像、关键帧动画、多种转场)需要更精细的模板,但也都能做。


一些感受

这次做下来最大的感受是:

AI 最好的用法,不是替代人,而是替代”重复操作”这部分。

70 条视频,如果让我手动一条一条在剪映里剪,不说别的,光重复”导入 → 拖时间轴 → 导出”这个动作 70 次,就想放弃了。

但让 AI 去写脚本自动跑,我只用花 10 分钟把素材理清楚,剩下的等它跑完就行。

人和机器各自做自己擅长的事。

这篇文章本身也是用 OpenClaw 协助生成的。