一句 prompt 出不了一部片子：OpenMontage 把 coding agent 变成一条可审批的制片线
OpenMontage 把 coding agent 接成可审批的视频制片线：七阶段流水线、Backlot 资产门、预算 observe / warn / cap。
一句 prompt，换回一段几秒钟的视频。
这几年，大多数人对「AI 做视频」的想象就停在这里。
它很惊艳。
但它不是制片。
一段片段和一部成片之间，隔着选题、调研、脚本、分镜、找画面、剪辑、配音、合成，还有每一步都得有人点头的那个环节。
GitHub 上一个叫 OpenMontage 的开源项目（calesthio/OpenMontage），想补的正是这段距离。
它不是又一个视频生成模型。
据项目 GitHub 仓库页面，它把你已经在用的 coding agent——Claude Code、Cursor、Copilot、Windsurf、Codex——变成一条完整的视频制片流水线。
而且每一步都可以审批。
这件事的意义，不在于视频，在于你在这条线上站的位置。
默认陷阱：把「生成」当成「创作」
先看大多数人现在怎么用 AI 做视频。
打开一个生成工具，写一句描述，等结果，不满意就再抽一次。
这像抽卡，不像做片。
问题不在模型不够强。
问题在于，这种用法把你放在了一个很奇怪的位置上：你既不控制过程，也不真正控制结果。
你只控制「再来一次」这个按钮。
（以下是我的看法。）一个创作者的价值，从来不在按按钮，而在一连串判断：这个选题值不值得做，这一段该用什么画面，这句旁白是不是多余，这笔钱该不该花。
一句 prompt 出片段的模式，把这些判断全部压扁成了一个动作。
你变得更快了。
但你也变得更可替代了。
拆开看：一部片子到底由什么组成
据项目 GitHub 仓库页面，OpenMontage 的流水线是这样一串阶段：
research → proposal → script → scene_plan → assets → edit → compose
翻成中文，大致是（各阶段的通俗说法是我的理解，以项目仓库说明为准）：
- research（调研）：先弄清楚要讲的东西
- proposal（提案）：决定这部片子讲什么、怎么讲
- script（脚本）：写出旁白和段落
- scene_plan（分镜）：每一段配什么画面
- assets（资产）：把画面、声音这些部件找齐或做出来
- edit（剪辑）：把部件按顺序剪到一起
- compose（合成）：输出最终成片
你会发现，这其实就是一个小型制片团队的分工表。
调研员、编剧、分镜师、资产管理、剪辑师、合成师。
OpenMontage 做的事，是让 coding agent 一格一格地走完这张表。
而不是跳过所有格子，直接吐一个结果给你。
片段是一个答案。成片是一连串决定。
为什么偏偏是 coding agent
这一点很容易被忽略。
OpenMontage 没有自己再做一个聊天框，它借用的是 coding agent。
（以下是我的推断。）原因可能很朴素：一条制片流水线，本质上是一堆文件、脚本和命令——写稿是写文本，分镜是写结构化计划，剪辑和合成是调用工具渲染。
这些恰好是 coding agent 最擅长的事：读文件、写文件、跑命令、看报错、再改。
换句话说，coding agent 本来就是一个会用工具的执行者。
OpenMontage 给了它一份制片说明书。
两条免费路径：静图动画，和真实运动影像剪辑
这是整个项目里最值得讲清楚的部分。
据项目 GitHub 仓库页面，不用任何 API key，也能做出真正的成片。用到的工具是：
- Piper TTS：把文字变成配音
- Archive.org、NASA、Wikimedia：公开影像库，提供画面来源
- Remotion / HyperFrames：做画面编排和渲染
- FFmpeg：剪辑、拼接、编码
项目仓库页面特意强调了一点：这条免费路线包括用真实运动影像剪辑，不只是静图 Ken Burns。
这两条路的差别，值得单独拆开。
路径一：静图动画（Ken Burns）
Ken Burns 效果，是纪录片里一种常见手法：拿一张静止的照片，让镜头缓慢推近、拉远或平移，制造「画面在动」的感觉。
（这是该手法的通用解释，不是 仓库页面的原话。）
用在自动化视频里，它的好处很明显：一张图就够，好找，好处理，不容易出错。
它的问题也很明显：看多了，观众会感觉自己在看一套会动的幻灯片。
画面里的东西本身没有动。
动的只是镜头。
路径二：检索真实运动影像，再剪辑
另一条路，是去公开影像库里找真正在动的画面——一段真实拍下来的视频——然后剪进片子里。
（以下是我的理解。）这比静图难得多：要先检索出和这一段旁白相关的影像，再判断该截哪一段、多长、放在哪里，最后和配音、字幕对齐。
这已经不是「给图片加个动效」，而是剪辑师的活。
它的结果，是画面里的东西真的在动：真实的发射、真实的街道、真实的历史影像。
差别在哪
一句话概括（这是我的概括）：
- 静图动画，是让镜头假装在动
- 真实运动影像剪辑，是去找本来就在动的东西，再决定怎么用
前者的成本主要在「有没有图」。
后者的成本在「会不会选」。
而「会不会选」，恰恰是品味（taste）开始起作用的地方。
两条路都不需要付费的 API key，这是 项目仓库页面的说法。
但它们对你的判断力的要求，完全不同。
想要更强的画面？可以，但那是可选项
据项目 GitHub 仓库页面，OpenMontage 也可以选择接入 fal、Kling、Veo 等云端生成服务。
注意这里的顺序：生成模型是可选的插件，不是整条线的地基。
这和「一句 prompt 出片段」的思路正好反过来。
从 doer 到 director：Backlot 和预算模式
如果只看到这里，OpenMontage 像是一个「全自动做视频」的工具。
真正让我觉得有意思的，是它在自动化里留给人的位置。
Backlot：资产审批门
据项目 GitHub 仓库页面，OpenMontage 有一个叫 Backlot 的看板，用来做资产审批门。
（以下是我的理解。）意思是，agent 找来或做出来的画面、声音这些资产，在进入后面的剪辑和合成之前，要过一道人的关。
这个设计的含义比看上去大。
一个 doer 的工作是：把每一件事亲手做完。
一个 director 的工作是：决定哪些东西可以进片子，哪些不可以。
Backlot 把你从前者推到了后者。
你不再是那个满世界找画面、一帧一帧对齐的人。
你是那个看着一排候选资产说「这个留，这个换」的人。
预算模式：observe / warn / cap
据项目 GitHub 仓库页面，OpenMontage 提供三种预算模式：observe、warn、cap。
（以下按名字理解，具体行为以项目仓库说明为准。）
- observe：只记录花了多少
- warn：快超了提醒你
- cap：到上限就停
这件事看起来很小，其实是一个 director 必须有的东西。
一旦你接入了付费的云端生成，agent 每多试一次，都是钱。
没有预算控制的自动化，本质上是把信用卡交给一个不会累的实习生。
预算模式，是把「花多少钱」这个决定，留回你手里。
一个例子：《THE LAST BANANA》
据项目 GitHub 仓库页面，示例片《THE LAST BANANA》的总成本约 1.33 美元。
（仓库页面给出的这个数字对应的是这一部示例片，换题材、换路径、换云端服务，成本都会变。这是我的提醒。）
我不想把这个数字吹成「一块多钱拍大片」。
它真正说明的是另一件事：当整条制片线可以被一个人用 agent 跑通，成本的大头就不再是人力，而是你允许它花的那部分钱。
而那部分钱，由你决定。
一个假设的场景
下面是一个假设，不是真实案例。
假设你是一个一人知识博主，想做一期讲某次航天任务的短片。
过去的做法：自己查资料、写稿、录音，去各个网站翻找画面，下载、剪辑、配字幕，一期片子可能要搭进去好几个晚上。
在 OpenMontage 这样的流水线里（以下流程是我按仓库页面列出的阶段推演的，不是官方教程）：
- 你告诉 coding agent 这期要讲什么、给谁看
- agent 走 research 和 proposal，交给你一份提案，你改方向
- agent 写 script 和 scene_plan，你删掉两段废话
- agent 去公开影像库检索真实发射影像，用 Piper 配音，资产进 Backlot
- 你在 Backlot 里否掉三段不相关的画面，换掉一段
- agent 用 Remotion / HyperFrames 和 FFmpeg 剪辑、合成
- 预算设成 cap，如果想加一段云端生成的镜头，花到上限就停
整个过程里，你没有剪一帧。
但这部片子的每一个关键决定，都是你做的。
这就是 doer 和 director 的区别。
关于 AGPLv3：用之前要知道的事
据项目 GitHub 仓库页面，OpenMontage 使用 AGPLv3 协议。
下面是 AGPLv3 这一类协议的通用条款，不针对本项目做法律解读，具体以协议原文为准：
- 它是一种 copyleft 协议：你可以自由使用、修改、分发
- 如果你分发修改后的版本，需要用同样的协议开放源码
- 和 GPL 相比，它多了一条：如果你把修改后的程序作为网络服务提供给别人使用，也需要向这些用户提供修改后的源码
（以下是我的建议。）自己在本机用它做片子，通常不会碰到这些义务。
但如果你打算把它改一改，包装成一个对外的在线服务，最好先把协议读完。
上手
据项目 GitHub 仓库页面，安装方式是 git clone 加 make setup。
（以下是建议，不是官方教程。）
1) 先走免费路径
别一上来就接云端服务。
先用不需要 API key 的那条路，做一部短片，看清楚每个阶段吐出来的东西长什么样。
2) 刻意比较两条免费路径
同一个主题，一次用静图动画，一次用真实运动影像剪辑。
你会很快感觉到差别，也会很快知道自己的判断在哪一步最有用。
3) 在 Backlot 里慢下来
审批门不是走过场。
你在这里否掉的每一段画面，都是你的品味在起作用。
4) 接付费服务之前，先设 cap
先给预算一个上限，再去试 fal、Kling、Veo 这些可选服务。
冷静收尾
中文圈的 X 上，近两天有人在传 OpenMontage（文末附了一条转发帖链接）。
热度会过去。
值得留下来的，是它背后的那个分工。
（我的看法：）生成能力正在变得廉价，片段会越来越多、越来越便宜。
稀缺的，不再是「能不能做出一段画面」。
而是「这部片子该讲什么、该用哪一段、该花多少钱」。
当执行可以外包给 agent，导演就是你唯一不能外包的角色。
如果你只想要一段片段，一句 prompt 就够了。
如果你想要一部属于你自己的片子，你需要一条流水线。
还有一个愿意坐在导演椅上的你。
来源：GitHub calesthio/OpenMontage；X 转发帖。阶段与机制据仓库页面；预算三档含义按名字理解，假设场景正文已标明。