AI前沿速递｜video-use 21K星让编码Agent剪视频、pdf-inspector 16K星Rust PDF识别

这阵子 GitHub 上的风向挺明显：Agent 开始”跨界”碰内容生产了。browser-use 团队前天放出的 video-use 一周干到 21K 星，玩法是让 Claude Code 这类编码 Agent 直接给你剪片子；另一边 firecrawl 的 pdf-inspector 用 Rust 写了个 PDF 识别器，专门解决”这PDF到底是扫描件还是文本件”的老问题。一个管动手，一个管识货，都挺狠。

1. video-use — ⭐21.2K

一句话定位： 教编码 Agent（Claude Code 等）直接剪辑视频的开源方案，写代码的 Agent 从此也能当剪辑师。

解决什么问题？ 传统剪片靠人肉拖时间轴，或者靠 CapCut 那类 GUI 一步步点。video-use 的思路是把剪辑当成”代码任务”：Agent 读你的视频素材，用 FFmpeg 命令和脚本完成裁剪、拼接、字幕、转场，你在旁边口头提需求就行——”把前 3 秒去掉，B 站横屏比例，加个结尾字幕”。

核心亮点：
– 仓库自带 skills/manim-video 等技能包，Agent 加载后按 SKILL.md 里写好的制作规范执行，不是瞎剪
– 基于 browser-use 自家的 Agent 生态，和 Claude Code / Codex 等 CLI Agent 配合顺手
– MIT 协议，纯 Python + FFmpeg，无重型依赖
– 官方给了完整的 production rules（SKILL.md），包括成片质检流程

上手方式： clone 仓库，把 skills 目录挂给 Claude Code（或你用的 Agent），装好 FFmpeg，扔几个视频素材进去就能开始指挥。

实话： 没实测。让 Agent 剪片最大的坎在于”审美”——它能按规则执行 100% 的技术动作，但节奏感、留白、氛围这种东西规则写不全，成品大概率是”规范但平庸”。适合批量流水线片（口播、教程切片、混剪），不适合讲究艺术表达的作品。

适合谁： 做教程/口播切片的内容团队、每天要出 N 条短视频的运营、以及想给 Agent 加”视频技能”的开发者。

2. pdf-inspector — ⭐16.4K

一句话定位： firecrawl 开源的 Rust PDF 检查库，快速判断一份 PDF 是扫描件还是文本件，并完成分类和文本提取。

解决什么问题？ 处理文档批量任务的人都有这痛点：一批 PDF 混着扫描版和文本版，扫描版要先 OCR 才能提取文字，文本版直接抽就行。如果用同一套流程处理，要么 OCR 白跑一遍浪费时间，要么漏了扫描件后面全乱。pdf-inspector 就是那个”先分诊”的家伙——看一眼就知道该走哪条路。

核心亮点：
– Rust 写的，性能快，适合大规模文档流水线
– 智能识别 scanned vs text-based PDF，让后续路由决策自动化
– 分类 + 文本提取一条龙，接口干净
– firecrawl 出品（抓网页那家），文档工程功底在，MIT 协议

上手方式： cargo 加依赖，或者看仓库 docs/ 里的集成示例，丢个 PDF 路径进去拿分类结果。

实话： 没实测。这类”前置分类”库单看很不起眼，但放进文档解析流水线里能省不少事——尤其配合 OCR 工具做路由，能把整个管线的速度提上去。16K 星对一个小工具库来说挺夸张，说明文档处理的自动化需求真的在爆发。

适合谁： 做文档解析/RAG 预处理的技术人、给 Agent 知识库做清洗的开发者、整天和 PDF 打交道的办公自动化选手。

今晚的观察

两个项目凑一起看，其实是一件事的两面：Agent 想真正帮人干活，就得先从”看”开始。video-use 解决 Agent 怎么”看”视频并动手改，pdf-inspector 解决怎么”看”文档再决定下一步。视觉输入、文件分诊、工具调用，这些基础能力的厚度，决定了 Agent 离”替你干活”还有多远。别光盯着谁家模型又刷榜了，工具链这层正在悄悄变强。

以上项目均未深度实测，内容基于仓库 README 与文档整理，仅供参考。
by 数码罗记·godsun.pro