Cassette-Editor：像你一样剪辑的视频编辑智能体
Cassette-Editor: A Video Editing Agent That Edits the Way You Do
Zhixin Zeng · Jiahao Zhong
语言智能体日益通过在持久化产物（如代码仓库）上调用工具来工作，每次调用的结果决定其下一步。视频编辑是这一模式的严苛案例：一帧画面取决于每个片段如何裁剪、变速、裁切与嵌套，因此关于素材的知识只对特定用法成立，一次无效编辑就可能让时间线结构损坏。现有视频编辑智能体依靠评审智能体、审核器或受限输出格式来保持编辑有效。Cassette-Editor 采用刻意简单的接口：一个工具读取项目，一个工具写入项目。每次写入都经过与用户手动编辑相同的执行器、规则与提交服务，要么原子提交，要么被拒绝并给出定位诊断与修复选项，而模型保留创作选择并决定如何恢复。读取操作把素材的存储分析与时间线上的每次使用关联起来。在受控实验中，一个真实模型在 277 次自身已提交编辑被破坏后重新处理：无论完整反馈还是最小反馈，它几乎修正了每一次调用，但定位每个问题使一次修正所需的输入 token 降至不足一半，且其修正在一例中丢弃了模型写入的其他值，而非七例。