010. 先說結論｜Claude Code 不是剪輯軟體，而是剪輯總控台
這支影片的開場很直接：Sandy Lee 說，觀眾正在看的影片，是她把素材放進資料夾後，由 Claude Code 從頭到尾完成剪輯的。它會切掉停頓、補 motion graphics、套品牌字幕、加音效，甚至可以進一步用 Higgsfield AI 產生語意對得上的 B-roll。
來源影片在這裡：How I Fully Automated Video Editing (Claude Code)。影片由 Sandy Lee AI 發布，主題是給創作者一條「可複製的 AI 剪片流程」：不是只把影片丟給某個一鍵剪輯服務，而是讓 Claude Code 讀資料夾、讀指令、呼叫工具、生成預覽，再由人做最後判斷。
這裡最值得拆的，不是「AI 剪片終於可用了」這個表層訊息。真正的重點是：剪輯被重新定義成一串可以被代理工具執行的工程任務。影片素材放在哪裡、字幕怎麼生成、停頓怎麼剪、B-roll 何時需要生成、品牌字卡要長什麼樣、花費要不要先問人，這些都可以寫成規格。
換句話說，Claude Code 在這裡不是 Premiere、Final Cut 或 CapCut 的替代品。它更像一個會操作檔案系統和工具鏈的製片助理：它不一定懂你的審美，但只要你把審美拆成足夠清楚的規則，它就能把大量粗工先跑完。
這也是這支影片對魚塘讀者的價值。過去很多 AI 影片工具的問題，是把「做影片」包裝成一個黑箱按鈕。按鈕產出不好，你只能重抽。Sandy 的方法比較像把黑箱拆開：Whisper 管聽懂內容，FFmpeg 管轉檔與切片，Hyperframes 管 motion graphics，Higgsfield 管 AI B-roll，Claude Code 負責把這些工具接起來。當每個環節都可以被看見、修改、重跑，AI 才不只是玩具，而是工作流的一部分。
021. 工具堆疊｜秘密不是某個神奇模型，而是把工具接成流程
影片前半段先交代工具。Sandy 使用 Claude Code，自己是 Claude Max plan，用於較重度的影片剪輯工作。她也提到，如果不是大量剪片，基本方案也許可以先開始。這裡要注意，這是講者依自己使用情境做的建議，不是固定成本結論；Claude 訂閱方案與限制會變，真正成本要以使用者當下方案為準。
第二個工具是 Whisper。Whisper 的角色是把影片逐字轉錄，讓後續剪輯不再只是一段聲音波形，而是有文字、有語意、有時間線的素材。當影片被轉成 transcript 或 SRT，Claude Code 才能知道哪一句話在講「cost」、哪一段在示範「Higgsfield」、哪裡該插入 B-roll。
第三個工具是 FFmpeg。影片字幕把它聽成不同拼法，但語境明確是在講 FFmpeg。它負責轉檔、切片、聲音處理，Sandy 也提到它可以協助清理與 normalize audio。這些工作不性感，卻是自動剪輯裡最可靠的部分：只要輸入與參數穩定，FFmpeg 就能重複產出一致結果。
第四個工具是 Hyperframes。Sandy 把它視為產生 motion graphics、圖表動畫、diagram animation 的工具。她同時提到自己也試過 Remotion、Claude Design、Hyperframes，不同工具各有取捨。這裡的重點不是站隊哪個工具，而是 motion graphics 變成一個可以被 Claude Code 呼叫、預覽、修改的模組。
最後是 Higgsfield AI。Sandy 認為，如果只是用很普通的 B-roll，影片會變得無聊；如果從網路抓素材，又會碰到授權與風格問題。因此她偏好用 AI 生成自己的 B-roll。影片中她強調，透過 MCP 連接 Higgsfield 後，Claude Code 可以讀懂上下文，再把特定語句轉成 B-roll 生成任務。
這套組合的啟發是：AI 內容產線不一定要等到某個超級產品出現。很多時候，你已經有足夠成熟的單點工具，只是缺一個能把它們串起來、看懂上下文、依照資料夾規則執行的人。Claude Code 的角色正是這個「操作代理」。
032. 字幕與時間線｜把影片變成文字，剪輯才會變成可推理任務
自動剪片的第一個關鍵，不是剪，而是聽。影片一開始就展示 Claude Code 能切掉 dead spaces、加字幕、加 motion graphics，但這些效果背後都依賴同一件事：系統要先知道影片裡說了什麼。
Whisper 產生逐字稿後，影片就從「一段連續影音」變成「一串帶時間的語句」。這個轉換非常重要。人類剪輯師可以靠耳朵和直覺找重點，AI 代理則需要可讀取的中間表示。SRT 或 transcript 就是這個中間表示：它讓 Claude Code 可以用文字理解內容，再把決策落回時間軸。
例如，當講者說「cost」或「credit」時，Claude Code 可以標記這是一段需要成本說明的內容；當講者說「cut」時，Higgsfield 的 B-roll prompt 不應該理解成真的用刀切東西，而應該理解成剪輯動作。Sandy 在影片裡特別指出，因為 Claude Code 透過上下文理解語意，所以 B-roll 生成可以比單純關鍵字搜尋更貼近內容。
這裡有一個很實務的教訓：創作者如果想讓 AI 剪片穩定，應該把「逐字稿」當成核心資產，而不是臨時副產品。逐字稿可以拿來剪短版、翻譯、做 SEO 摘要、做圖文版、重新產生 B-roll，也可以當日後 debug 的依據。只有輸出 mp4，不保留 transcript，就等於把最有價值的索引丟掉。
043. B-roll｜AI 可以補畫面，但語意品質不能全交出去
影片裡最吸引人的部分，是 Claude Code 透過 Higgsfield AI 自動產生 B-roll。Sandy 的論點很清楚：普通 B-roll 會讓影片看起來無聊，從網路抓素材又可能有版權與風格問題；如果能依照自己的內容生成 B-roll，影片質感會往上走一層。
不過，B-roll 也是這套流程最容易失控的地方。原因有兩個。第一，它花錢。Sandy 在影片裡說，Claude Code 本身跑剪輯時消耗的是 token，不是每一個動作都用 credit；但 Higgsfield 生成 B-roll 會用到額外成本。她提到自己的估算大約是每支影片 2 到 7 美元，並拿外包剪輯可能從 50 美元到 3,000 美元不等做對比。這些數字都應該理解為講者經驗與當下方案的參考，不是普遍保證。
第二，B-roll 會影響可信度。AI 可能生成語意差不多但情緒不對的畫面，也可能產生過度戲劇化、太像素材庫、或跟品牌不合的畫面。知識型內容的 B-roll 不是越多越好，它的功能是幫觀眾理解抽象概念，而不是把每一句話都填滿畫面。
Sandy 在 demo 裡做了一個很好的防線：她讓 Claude Code 在產生 B-roll 前先問問題。這個設計比「全部自動生成」更成熟。因為真正會燒錢、會影響品牌質感的步驟，應該進入人審關卡。Claude Code 可以讀完整上下文、提出 cut list、挑出 4 到 5 個適合 B-roll 的時刻；但是否真的要生成、要用哪種風格，仍應該由人決定。
這也是把 AI 代理用好的分水嶺。不是所有步驟都要自動通過。便宜、可逆、可重跑的步驟可以放手；昂貴、不可逆、影響品牌的步驟要設 gate。B-roll 生成剛好落在第二類。
054. 導演感｜「做一支酷影片」不是有效 prompt
影片中最有價值的一句提醒，是 Sandy 說創作者要把自己當成 director、art director 或 creative director。原因很簡單：如果你只對 Claude 說「幫我做一支 cool video」，Claude 不知道 cool 是什麼。
這句話看似直覺，其實是整套工作流的核心。AI 代理能做很多事，但它不會自動知道你的品牌、節奏、審美與受眾期待。你要告訴它你喜歡哪種字幕、哪種字體、哪種顏色、哪種開場、哪種 B-roll 密度、哪種 motion graphics。Sandy 在影片裡示範把喜歡的範例截圖放進 raw folder，讓 Claude Code 讀取參考，並指定把別人的風格轉成自己的品牌色。
這裡的重點不是「抄一個模板」，而是把審美轉成可被代理理解的規格。兩個字一組的字幕、強調字用品牌色、開場要 cinematic 或更像社群短片、字卡出現在哪裡、節奏要多快，這些都是可以被寫進 brand markdown 或 skill 的內容。
Sandy 也示範把這條流程保存成 slash command，例如 /command long formedit 之類的長片編輯指令。這件事很關鍵：當一條流程能被命名，它就不再是一次性聊天，而是可重複啟動的能力。Claude Code 每次都能讀同一套規則、找同一個 raw folder、把結果放進 output folder。
這也是為什麼 AI 內容自動化不等於創作者變懶。相反地，它要求創作者把過去模糊的偏好說清楚。你越能說明「我想要什麼」，代理工具越能幫你做出接近的初稿。你越只用抽象形容詞，輸出越像隨機抽卡。
065. Demo 流程｜資料夾、brand MD、slash command，讓剪輯可重跑
影片後半段進入 live demo。Sandy 使用的 IDE 是 Antigravity IDE，她說自己在那裡跑 Claude Code。她先準備資料夾：一個專案裡有 raw folder 放原始影片，output folder 放剪完結果，另外有 markdown file 存 workflow 與品牌設定。這看起來很普通，但其實是自動化能不能穩的核心。
對代理工具來說，資料夾結構就是工作場所。raw folder 裡放什麼，output folder 怎麼命名，brand MD 寫哪些規格，slash command 要怎麼呼叫，這些都比「模型夠不夠聰明」更影響結果。如果每次素材都亂放、檔名不一致、規格散在聊天紀錄裡，Claude Code 就只能猜。
Sandy 示範把一支 intro 丟進 raw folder，再用保存好的 prompt 或 slash command 叫 Claude Code 編輯。過程中她提到可以用 Opus 做規劃和設定，實際執行時切回 Sonnet。這個分工很符合代理工作流的經驗：高階模型適合拆任務、設架構、寫規格；較快或較便宜的模型可以承擔重複執行。
demo 中，Claude Code 先取得 transcript，Sandy 說她原本只想 demo intro，結果它處理了整支影片；取得 transcript 大約花了 2 到 3 分鐘。接著系統提出結構與 B-roll / animation ideas，並開啟 preview。這裡有一個重要細節：Sandy 不是等到最後 mp4 輸出才檢查，而是在 preview 階段就看、修、再看。
這讓整套流程更像「AI 粗剪 + 人類導演 review」，而不是完全自動化。Claude Code 負責把 tedious work 做掉，Sandy 負責看節奏、要求修正、決定 render。她也坦白說，過程中仍然要叫 Claude 修這個、修那個，但相較於自己手剪 motion graphics、找 B-roll、對齊字幕，已經省下大量時間。
076. 成本觀｜便宜不等於免費，省錢也不等於不用管
影片特別花了一段時間談成本，這是很多 AI 工具 demo 會略過的部分。Sandy 的說法是：Claude Code 編輯影片主要用 token，不是像一些生成服務那樣每個動作都扣 credit。因此，如果你已經有 Claude 訂閱，基礎剪輯流程的邊際成本比較像是使用量限制，而不是每次都額外付費。
但她也清楚區分 Higgsfield B-roll 的成本。若要讓影片看起來更乾淨、更專業，AI B-roll 會帶來額外花費。她提到約每支 2 到 7 美元，並認為相對外包剪輯便宜很多。不過，魚塘這裡要加一層編輯距離：這是講者的工具組合、方案、生成次數與當下價格下的經驗值；不同創作者的成本可能差很多。
更重要的是，便宜不代表應該無限制生成。AI B-roll 的最大風險不是單次幾美元，而是沒有審核機制時，代理工具可能為了「看起來完整」生成太多不必要素材。Sandy 讓 Claude Code 在 B-roll 前先問問題，就是一個成本控制設計：花錢之前，先讓人看清楚要生成哪些 moment。
這套成本觀可以抽象成三層。第一層是免費或低邊際成本工具，例如 FFmpeg、Whisper、Hyperframes 這類模組。第二層是訂閱型代理成本，例如 Claude Code 的 token 與方案限制。第三層是生成型素材成本，例如 Higgsfield B-roll。越往第三層，越需要人類 gate。
087. 編輯觀點｜自動剪輯的護城河，是流程品味
如果只看影片標題，這支片像是在說「Claude Code 可以全自動剪影片」。但看完流程後，更準確的說法是：Claude Code 可以把創作者已經說清楚的剪輯規格，變成可重跑的半自動產線。
這個差異很大。真正能累積價值的，不是一次讓 AI 剪出一支還可以的影片，而是把每次修正寫回流程。你喜歡的字幕樣式，可以進 brand MD。你不想浪費 Higgsfield credit，可以要求 Claude Code 先列 B-roll 候選並等待確認。你常用的資料夾結構，可以固定成 raw/output。你常做的剪輯任務，可以變成 slash command 或 skill。
當這些規則累積起來，自動剪輯才會越跑越像你。否則每次都從空白聊天開始，你只是在用模型抽獎。
對知識型創作者來說，這支影片也提醒了一個方向：未來剪輯能力的門檻會下降，但「導演感」不會消失。節奏是不是太急，B-roll 會不會讓內容變油，字幕是不是像品牌，音效是不是過量，這些仍然需要人做判斷。AI 能把粗工變快，卻不會替你決定什麼值得說、什麼值得剪掉。
所以這套流程最好的用法，不是追求百分之百自動化，而是重新分配人力：90% 的可描述粗工交給代理，最後 10% 集中在人類最有價值的位置。也就是觀點、節奏、品牌與可信度。
098. 給魚塘讀者的操作建議｜先做小系統，不要先追大平台
如果要把這支影片落成自己的工作流，我不會建議一開始就追求全自動。比較穩的做法是從三件事開始。
第一，固定資料夾。每個影片專案至少有 raw、output、transcript、assets、logs。raw 裡只放原始素材，output 只放輸出，transcript 保留 SRT 或文字稿，assets 放 B-roll、音效、圖像，logs 記下 prompt、工具版本與修正紀錄。這會讓代理工具少猜很多。
第二，寫一份 brand markdown。不要只寫「做得好看」。請具體寫字體、顏色、字幕位置、標題風格、B-roll 密度、禁用風格、音效上限、輸出比例。最好附幾張參考圖，並說明你喜歡的是什麼，不喜歡的是什麼。
第三，把昂貴步驟設成人審。轉錄、初剪、資料夾整理可以自動跑；生成 B-roll、最終 render、發布前檢查最好要人確認。這不是保守，而是讓自動化長期可控。
Sandy 的影片展示的是一個方向：創作者不一定要變成專業剪輯師，才能做出更穩定的影片產線。但創作者需要變成更好的流程設計者。當你能把自己的剪輯偏好、成本限制、素材規則與 QA 標準寫清楚，Claude Code 這類代理工具才真的開始有用。
最後，這也是 AI 工作流最迷人的地方。它不是把人的工作全部拿走，而是逼我們把原本含混的 know-how 外部化。當 know-how 被寫下來、被命名、被重跑，它就從「我會剪」變成「我的系統會剪」。這才是這支影片真正值得更新進魚塘的原因。