企业官网建设流程全解析

做短視頻最磨人的不是想創意，是那幾千次重複操作：逐條貼字幕、逐段刪語氣詞、逐個鏡頭加轉場、逐條改封面。我最近把 Codex 和剪映 Skill 串成一條自動化流水線以後，視頻生產全自動化終於從口號變成日常。這篇文章我會從 Codex 怎麼裝、Skill 怎麼寫、剪映草稿怎麼批量生成，一路講到登入報錯、模型不支援、草稿版本不相容這些容易被埋住的坑。適合被批量剪輯折磨的短視頻創作者，也適合想用 Codex 做真實生產力工具、而不是只拿來聊天的開發者。

1. 整體思路：把剪輯從“動手”變成“動口”

1.1 逐條剪到底浪費了多少時間

先算一筆帳。一條三分鐘的口播視頻，如果按傳統方式做：先把原始錄製素材拉進剪映，刪掉每句話之間的停頓和語氣詞，逐段加上字幕，調整字幕出現的時間，加轉場，做封面，最後統一匯出。這裡面真正需要“人腦判斷”的內容可能只佔兩成，剩下八成都是機械操作。我粗算過，一條視頻重複性操作至少佔四十分鐘，一天三條就是兩個小時。兩個小時聽起來不多，放到一個月就是六十個小時，足夠學完一門新技能，或者多做十條片子。

所以自動化的核心不是“讓 AI 幫我想創意”，而是把時間軸上那些能被規則描述的動作全部抽出來。比如“去掉所有超過 0.8 秒的靜音片段”“每段字幕在聲音開始後 0.2 秒出現”“結尾統一加三秒片尾動畫”，這些規則一旦寫清楚，電腦執行起來比人手快得多，而且不會因為剪到凌晨兩點而手抖。

1.2 為什麼選 Codex + 剪映 Skill，而不是錄製宏

可能有人會問：這種重複操作用按鍵精靈錄一個宏不就行了？或者用 ffmpeg 寫死一套腳本不就行了？我試過這幾條路，最後都放棄了。

錄製宏的痛點是“錄什麼就只能重複什麼”。今天錄的是刪除語氣詞，明天換一套素材結構，宏就失靈了。ffmpeg 固定腳本則更硬，它能處理合併、裁剪、加字幕，但完全不懂剪映的草稿體系。我想要的效果是：用自然語言告訴助手“這次的視頻要保留前 5 秒的自我介紹，去掉所有停頓，字幕用白色黑邊”，它能根據上下文自動調整處理方式，而不是每次改需求都要重寫一套腳本。Codex 正好能幹這件事，它能讀懂需求、寫代碼、執行命令，Skill 機制又能把剪映相關的領域知識固化下來，讓它下一次處理時不用從零開始猜。

剪映在這裡的位置也很關鍵。它不是被替代的對象，而是整個流水線的“可視化最後一公里”。Codex 負責把素材處理好、把草稿文件按規則生成出來，剪映負責讓我在交付前用眼睛確認一遍。這樣既有自動化的效率，又保留了人工審片的安全感。

2. 環境準備：裝好 Codex，寫出第一個剪映 Skill

2.1 Codex 安裝與登入

先說 Codex 環境。安裝方式官方文檔寫得比較清楚，我這邊用的是 CLI 方式，全局安裝後直接命令行操作：

npm install -g @openai/codex codex --version codex login

codex login會拉起瀏覽器完成認證，登入成功後本地會保存憑證。這裡有一個實際體驗：如果在自動化腳本裡呼叫 Codex，盡量先手動登入一次，不要指望每次執行都走一遍瀏覽器授權。登入狀態失效時，常見報錯是codex auth token is unavailable，看到這個不要慌，重新執行一次codex login就行。另外，Codex 的很多操作要跟雲端模型互動，網絡品質直接影響穩定性，我遇到過request timed out，大部分時候是某個階段的回應特別慢，把任務拆小一點、或者換個時段重試會好很多。

桌面版也可以，我平時在 Mac 上開發，桌面版圖形界面更直觀，但做自動化流水線時還是 CLI 更順手，因為可以在腳本裡直接呼叫、排隊、記錄日誌。如果你主要用 Windows，桌面版安裝完之後同樣需要在命令行確認 codex 指令可用，因為後面的 Skill 配置和自動化腳本都需要訪問配置目錄。

2.2 剪映 Skill 的目錄結構

Codex 的 Skill 本質上是一組帶說明文件的知識包，告訴模型“當遇到這類任務時，你應該遵循這些規則、參考這些資料”。我用的是用戶目錄下的 skills 目錄結構，每個 skill 一個資料夾，裡面包一個 Markdown 說明文件：

~/.codex/skills/ └── jianying/ ├── SKILL.md └── references/ └── draft-format.md

SKILL.md是入口，Codex 會根據任務自動判斷該不該載入這個 skill。references/裡可以放更詳細的草稿格式說明、常見字段對照表，避免主文件太囉嗦。這樣做的好處是：以後不管誰接手這台機器，只要看到~/.codex/skills/下的內容，就能知道整個自動化視頻生產的領域知識放在哪裡。

2.3 Skill 內容怎麼寫

Skill 文件不需要寫多複雜，核心是讓 Codex 知道三件事：剪映草稿文件在哪裡、草稿 JSON 大概長什麼樣、遇到什麼情況必須停下讓人工處理。

下面這段是我項目裡SKILL.md的骨架：

--- name: jianying description: 當用戶需要批量剪輯、生成剪映草稿、處理字幕或封面時使用 --- # 剪映自動化 Skill ## 草稿目錄 - macOS 通常在 ~/Movies/JianyingPro/User Data/Projects/com.lveditor.draft/ - Windows 通常在 %LOCALAPPDATA%/JianyingPro/User Data/Projects/com.lveditor.draft/ - 如果路徑找不到，讓用戶在剪映草稿頁右鍵草稿並選擇“在文件管理器中顯示” ## 基本規則 1. 修改草稿前必須確認剪映已關閉，否則寫入可能被覆蓋。 2. 草稿 JSON 是程序讀寫的底層文件，看不懂的字段不要亂刪。 3. 生成新草稿前先在原目錄複製一份備份。

這段配置看著簡單，但它直接決定了 Codex 後續操作時的安全邊界。沒有這段話時，模型可能不知道草稿目錄在哪，甚至會猜一個錯誤路徑；寫清楚之後，它就能在正確的位置做備份、讀寫、校驗。

Skill 寫好之後不是馬上生效，建議重啟終端，或者開一個新的 Codex 會話。判斷是否載入成功，可以直接問它“你現在知道剪映草稿在哪裡嗎？”它能回答出具體路徑就說明 Skill 生效了。

3. 核心實現：從素材到成片的自動化流水線

3.1 第一步：把剪輯需求變成 cutlist

整個流水線的第一個產物，不是剪好的視頻，而是一份機器能讀懂的“剪輯清單”，我叫它cutlist.json。Codex 在這裡的作用是分析需求、檢查素材文件、生成時間點。

比如我把一批素材丟進~/inbox/raw/，然後對 Codex 說：“把每段素材前面 1 秒和後面 1 秒的空白剪掉，第一段素材保留前 5 秒作為片頭，所有段落之間加 0.3 秒黑場過渡，字幕文件用同名的 srt。”Codex 會先巡視文件夾，確認有哪些視頻、哪些字幕文件，然後生成類似下面的結構：

[ { "input": "raw/clip01.mp4", "start": 1.0, "end": 12.5, "subtitle": "subs/clip01.srt", "title": "為什麼自動化剪輯先從字幕開始" }, { "input": "raw/clip02.mp4", "start": 1.5, "end": 8.0, "subtitle": "subs/clip02.srt" } ]

這一步的關鍵是“把模糊需求翻譯成精確參數”。人說“前面留一點”，模型必須量化成具體秒數；人說“刪掉停頓”，模型必須能讀音頻靜音段或者依賴轉錄文本判斷。Codex 能寫小工具來讀取音頻波形、計算靜音閾值，這比人用眼睛在時間軸上找停頓快一個數量級。

3.2 第二步：用 ffmpeg 做素材預處理

有了cutlist.json，接下來的素材處理就可以交給 ffmpeg。Codex 會動態生成命令，而不是我手動一條條敲。這裡是一個常見的處理片段：

ffmpeg -ss 1.0 -to 12.5 -i raw/clip01.mp4 \ -c:v libx264 -c:a aac \ -vf "subtitles=subs/clip01.srt:force_style='FontName=Microsoft YaHei,FontSize=16,PrimaryColour=&H00FFFFFF&,OutlineColour=&H00000000&,Outline=1'" \ processed/clip01.mp4

解釋一下幾個參數：-ss和-to決定裁剪區間，-vf subtitles是把字幕直接燒錄到畫面上，force_style控制字體、大小、顏色和描邊。這種命令如果自己記，每次都要查參數；讓 Codex 生成，只要在需求裡寫“字幕白色黑邊、微軟雅黑、大小適中”，它會自己把 ffmpeg 的 style 語法填對。

實測下來，燒錄字幕比在剪映裡逐條添加字幕更適合“快速瀏覽版”。最終交付版如果還想改字幕樣式，我會走第三種方式：不燒錄，而是把字幕信息直接寫進剪映草稿。

3.3 第三步：生成剪映草稿

這裡是整個自動化裡最繞、也最容易被坑的部分。剪映沒有公開的官方 API，所謂自動化生成草稿，本質上是直接讀寫剪映的草稿文件。每個剪映草稿都是一個獨立目錄，裡面有draft_content.json和draft_meta_info.json。Codex 讀懂這個結構以後，就可以按規則生成新草稿。

我用的簡化流程是這樣：

1. 手動在剪映裡新建一個空草稿，導出它的 JSON 結構作為模板。
2. 把模板交給 Codex，讓它分析素材軌、字幕軌、音頻軌和文本軌的字段。
3. 之後每次生成新草稿，Codex 都基於這個模板填入新的素材路徑、字幕內容、封面文字。

生成出來的文件不能直接覆蓋正在編輯的草稿，所以我會讓 Codex 在草稿目錄下新建一個帶日期的子目錄，比如auto_20250214_01，然後在剪映裡刷新草稿列表。剪映加載草稿時會校驗版本字段，不同版本之間version或duration的精度可能不同，有的用微秒，有的用幀數。如果你發現生成的草稿在剪映裡打不開，八成是時間單位或者版本號對不上，需要對照自己剪映版本的真實草稿調整。

還有一點非常重要：寫草稿之前一定要關閉剪映。剪映在運行時會佔用草稿文件，自動化寫入落的內容可能被它覆蓋，或者乾脆寫不進去。我第一次跑流水線時就是沒關剪映，結果生成的草稿文件名在，但內容是空的，排查了半天才發現是應用鎖定。

3.4 第四步：到底全自動還是半自動

做到這一步，你會發現“全自動化”其實有兩種路線。

第一種是“全自動直接匯出”：Codex 處理完素材、生成好草稿後，直接用命令行工具調用剪映的匯出能力，或者繞過剪映用 ffmpeg 合成最終成品。這條路線適合批量生產標準化視頻，比如課程切片、口播短視頻、電商產品展示。優點是快，缺點是沒有給人留審片餘地，一旦字幕錯一個字，發出去就是事故。

第二種是“半自動人工收尾”：Codex 負責 90% 的體力活，把素材裁剪、字幕、封面、轉場全部準備好，剩下 10% 由我在剪映裡打開草稿做最終檢查和微調。這個路線更適合對畫面和品牌調性有要求的賬號。我現在基本採用第二種，因為視頻生產全自動化說到底還是要對質量負責，機器負責效率，人負責判斷。

4. 踩坑記錄：認證、超時、模型與草稿相容性

4.1 Codex 本身的報錯

自動化跑得越久，遇到 Codex 報錯的次數越多。最典型的幾個：

codex auth token is unavailable，這個基本是登入狀態失效。CLI 的憑證過期之後不會自動續期，尤其是隔了一段時間再跑任務時特別容易碰到。解決方式就是重新codex login，如果是在無瀏覽器的服務器環境，要提前規劃好 API Key 的配置方式，別等到任務跑一半才發現認證過期。

request timed out，這個通常不是 Codex 掛了，而是模型回應時間太長。我遇到過一次，讓它一次處理幾十個文件的字幕提取，結果單次請求超時。解決辦法不是無限等待，而是把任務拆成多個小批次，每個批次只處理少數文件，中間加日誌輸出。拆完之後再也沒超時過。

還有一個容易誤解的報錯：the 'gpt-5.6-sol' model is not supported when using codex with a chatgpt account。這個是模型權限與賬號類型不匹配。ChatGPT 賬號能用的模型和開發者賬號能用的模型範圍不完全一樣，錯誤信息裡通常會列出當前賬號可以使用的模型列表。遇到這種情況不要硬試，直接換成賬號支援的模型，或者檢查是不是在某個配置文件裡指定了一個過時的模型名。

4.2 剪映草稿的相容性坑

剪映草稿這部分，我踩過最貴的坑是版本相容性。有一次我按照老版本草稿的 JSON 結構生成新草稿，結果新版本剪映打開時直接提示“草稿損壞”。後來反覆對比才發現，新版草稿的素材字段裡多了幾個 ID 關聯，舊模板完全沒有，剪映校驗不過。

所以我的建議是：不要相信網路上任何“通用剪映草稿格式說明”，一定要以你自己安裝的剪映版本生成的草稿為準。具體做法是手動創建一個最小草稿，只放一段素材和一行文字，然後對照它的 JSON，標註清楚哪個字段是素材 ID、哪個字段是軌道順序、時間單位是什麼。把這個“最小模板”放進 Skill 的 references 目錄，之後 Codex 生成草稿時就以它為基底。這樣做雖然前期要花半小時調研，但後期穩定很多。

字體問題也很常見。在剪映裡顯示正常的字體，如果用 JSON 直接寫字體名，寫一個系統裡不存在的字體，打開後就是方框。我現在的規則是：生成草稿時統一用系統自帶字體，比如 Windows 用“微軟雅黑”，macOS 用“PingFang SC”，避免花字體名導致的顯示問題。

4.3 常見問題速查表

這張表是我在項目後期整理的，每次新的自動化任務出問題，我第一件事就是對照這張表，能解決七成問題。剩下一成是網絡波動，一成是需求描述不夠清楚，另有一成是剪映更新後悄悄改了格式。

5. 自動化的邊界與我留下來的習慣

5.1 哪些交給 Codex，哪些必須自己來

自動化不是萬能的，用多了以後我對它的邊界越來越清楚。完全適合交給 Codex 的事情有：批量裁剪片頭片尾、刪除靜音和語氣詞、字幕生成與樣式統一、封面文字批量替換、多集數視頻的統一轉場、BGM 音量標準化。這些都屬於“規則明確、重複量大、不允許隨意發揮”的任務。

不適合自動化的事情也有不少。比如一個鏡頭放在哪個位置最能調動情緒，這需要人對內容的理解；品牌方指定的視覺風格，很多時候是“我看一眼就知道不對”，這種模糊標準很難寫成規則；還有涉及真人出鏡的畫面，剪得太碎會讓觀眾不舒服，這種節奏感只能靠人來把關。

所以我的原則是：能用規則說清楚的交給 Codex，說不清楚的留給自己。與其追求 100% 無人化，不如追求“百分之九十的體力活自動化，百分之十的判斷活人來做”。

5.2 我目前的日常流程

我把流水線定成了每天固定的一套節奏。晚上把當天錄好的素材丟進inbox/raw，同時把標題、字幕草稿一起放進去。早上執行一條命令，Codex 開始跑：先檢查素材完整性，再生成 cutlist，接著調用 ffmpeg 處理素材，最後生成剪映草稿。整個過程大約十到十五分鐘，我正好去洗漱喫早飯。

回來之後打開剪映，刷新草稿列表，通常能看到已經生成好的草稿。我從頭到尾快速過一遍，改一下不滿意的地方，然後手動匯出。用這個流程跑了兩個月，最大感受是：我從“每天花兩小時剪片”變成“每天花十五分鐘檢查片子”，而且因為不用在重複操作上消耗耐心，剪輯質量反而更穩定了。

最後分享一個小技巧：每次 Codex 成功生成草稿之後，我都會讓它寫一句簡短的處理日誌，記錄這次改了哪些素材、字幕用了什麼樣式、有沒有跳過異常文件。剛開始覺得多此一舉，後來有一天某個草稿在剪映裡打不開，我靠日誌一眼就鎖定是某個素材文件損壞導致生成中斷。這條日誌，比任何調試工具都管用。