CartCut — 为 AI 时代而生的开源视频编辑器

---

🎬 当 AI 代理开始剪辑视频

想象一下这个场景：一位 AI 开发者正在构建一套自动化视频内容流水线——素材由爬虫自动采集，解说词由大模型生成，字幕由 Whisper 自动转写。整条链路已经高度自动化，唯独最后一步——剪辑合成——依然需要人工操作 Adobe Premiere 或 Final Cut Pro。人工介入意味着无法真正实现"无人值守"的全自动内容生产。

CartCut 正是为解决这一痛点而生的项目。它给自己的定位是"Video Editor for AI agents"，即专为 AI 代理设计的视频编辑器。CartCut 相信开源工具可以在视频编辑领域打败商业软件，并以此为使命持续迭代。

---

📖 背景与起源

CartCut 由独立开发者团队 cartesiancs 开发，创立于 2022 年 8 月，采用 MIT 开源许可证。项目最初命名为 "nugget"，后在 2024 年正式更名为 CartCut，寓意"精准裁剪"（Cart + Cut）。

与主流非线性编辑软件（如 DaVinci Resolve、Premiere）相比，CartCut 的核心差异在于两点：其一是图层式（Layer-based）编辑模型，而非传统的轨道式（Track-based），这让对单个素材施加多重效果变得更加直观；其二是原生 MCP（Model Context Protocol）服务器集成，使 AI 代理可以通过标准协议直接操控编辑器，实现自动化剪辑流程。

截至 2026 年 8 月，项目在 GitHub 拥有约 590 颗星，最后一次提交为 2026 年 8 月 30 日，保持着活跃维护状态。

---

⚙️ 技术架构解析

核心技术栈

CartCut 采用了** Electron + TypeScript** 作为主框架，具体技术选型如下：

层次	技术选型
桌面框架	Electron（跨平台桌面应用）
渲染引擎	Lit Web Components + Zustand 状态管理
构建工具	Webpack（渲染进程）+ TypeScript Compiler（主进程）
视频处理	FFmpeg + ffprobe（本地二进制）
视频下载	yt-dlp（支持 YouTube 等平台下载）
测试框架	Vitest（单元测试）+ Playwright（E2E）

主进程与渲染进程的职责划分

项目的架构设计非常清晰，遵循 Electron 最佳实践：

• electron/ 目录（TypeScript 源码）→ 编译输出到 main/ 目录（生产代码）
• electron/main.ts 是 Electron 主进程的入口文件
• electron/ipc/ 下定义了所有 IPC（进程间通信）模块：
  • ipcAi.ts — AI 功能（Whisper 语音转文字、LLM 问答）
  • ipcTimeline.ts — 时间线操作（剪辑核心逻辑）
  • ipcFilesystem.ts — 文件系统读写
  • ipcExtension.ts — 外部扩展管理
  • ipcOverlayRecord.ts — 屏幕/音频录制
  • ipcYtdlp.ts — 视频下载
• electron/server/ — 内置 Web 服务器（支持本地 API 和 WebSocket）
• electron/lib/ — FFmpeg 封装、字体管理、预设扫描等工具库
• electron/mcp/ — MCP 协议服务端实现（server.ts、transcribe.ts、tools.ts 等），支持 AI 代理以标准化接口调用编辑器功能

渲染进程则通过 apps/app/src/ 下的 Lit Web Components 构建用户界面，所有编辑器交互通过 IPC 桥接到主进程执行。

关键设计：纯函数的编辑操作

CartCut 的时间线编辑逻辑遵循一个核心设计原则：每个编辑操作都是 (TimelineDocument) => TimelineDocument 的纯函数。通过 useTimelineStore.withCheckpoint(fn) 统一调度，自动记录撤销步骤。如果一个操作函数返回的仍是输入本身（即"无效操作"），则不记录撤销历史。

这一设计让时间线操作高度可预测，也便于 AI 代理安全地执行复杂的多步编辑指令。

---

🎯 核心功能一览

CartCut 提供的功能非常全面，涵盖了从基础剪辑到 AI 增强的完整工作流：

基础剪辑能力：

• 剪切、分割、裁剪、移动、删除
• 关键帧动画（位置、缩放、透明度、旋转）
• 无限图层编辑
• 文本添加与样式控制
• 形状绘制
• 跨平台支持（macOS、Windows）

音视频处理：

• 支持 mp4、mov、mp3、wav 等全部主流格式
• 音频混音
• 屏幕录制（Overlay Record）和音频录制
• FFmpeg 高速渲染输出

AI 增强功能：

• AI 自动字幕：集成 OpenAI Whisper 模型，识别音频并生成字幕轨道
• AI 问答：基于 LLM 的文本对话能力
• Chromakey（绿幕抠像）：WebGL 加速的背景移除
• 模糊效果：WebGL 加速的马赛克/模糊处理
• GIF 生成：内置 GIF 导出 API

其他亮点：

• 外部扩展系统（Extension API）
• 多语言界面支持
• 项目文件保存与加载
• 8K/4K 超高清编辑
• 离线优先（所有处理在本地完成）

---

🚀 部署与上手

快速启动

# 克隆仓库
git clone https://github.com/cartesiancs/cartcut
cd cartcut

# 安装依赖
npm install

# 下载 FFmpeg（自动选择平台）
# 将 ffmpeg/ffprobe 二进制放入 ./bin/<platform>-<arch>/
# 例如 macOS ARM: bin/darwin-arm64/ffmpeg
# 下载地址: https://github.com/cartesiancs/ffmpeg4nugget

# 授权
chmod -R 777 bin

# 开发模式
npm run dev        # 终端1: 编译 + webpack watch
npm run start      # 终端2: 启动 Electron

# 或直接启动
npm start

macOS 注意事项

macOS 用户必须下载原生 ARM64 版本的 FFmpeg（而非通过 Rosetta 2 转译的 x86_64 版本）。作者提供了实测数据：同样是 1080p60 H.264 导出，ARM64 原生版速度为 240 fps，而转译版仅 112 fps；H.265 编码下差距更大（102 fps vs 32 fps）。检查命令：

lipo -archs bin/darwin-arm64/ffmpeg
# 必须输出: arm64

构建发布包

npm run build:osx   # 构建 macOS dmg/zip
npm run build:win   # 构建 Windows NSIS
npm run build       # 全平台构建

打包后使用 electron-builder，FFmpeg、ffprobe、yt-dlp 等二进制文件会自动打包进 resources/bin/ 目录。

重要限制：0.4.x 版本不稳定

作者在 README 中明确标注：0.4.x 版本正在重构，可能存在不稳定情况。建议生产环境使用稳定版本或等待 0.5.x 系列。

---

🌊 行业意义与局限性

意义：填补开源 AI 视频编辑空白

CartCut 的最大价值在于填补了"AI 代理原生视频编辑"这一细分领域的空白。传统的 DaVinci Resolve 和 Premiere 面向人类用户设计，不提供标准化的机器操控接口；而 ffmpeg-cli 等工具虽然可以脚本化，但缺乏时间线编辑的可视化抽象层。CartCut 的 MCP 集成让 AI 代理可以直接"理解"并操控视频项目文件，这是商业软件难以提供的独特能力。

在 AI 内容自动化赛道，CartCut 的定位类似于"视频领域的 LangChain"——为 AI Agent 提供标准化的操作界面，而非替代专业剪辑工具。

局限性

1. 不适合纯命令行自动化：CartCut 毕竟是 Electron 桌面应用，即便 MCP 协议支持 AI 调用，底层仍需图形环境，不适合无头（headless）服务器场景
2. FFmpeg 二进制分发不便：需要手动下载平台匹配的 FFmpeg，而非通过包管理器一行命令解决
3. 缺乏 Docker 支持：无法容器化部署，限制了云端协作和 CI/CD 集成
4. 0.4.x 重构中稳定性存疑：重大版本迭代期，建议谨慎用于生产环境
5. Whisper 需要 OpenAI API Key：AI 自动字幕功能依赖 OpenAI 接口，存在使用成本和网络依赖

---

📊 代码质量评估

维度	评分
架构设计	⭐⭐⭐⭐ 清晰的分层架构，IPC 桥接模式成熟
代码规范	⭐⭐⭐⭐ TypeScript 严格模式，ESLint + Prettier
测试覆盖	⭐⭐⭐⭐ Vitest 单元测试 + Playwright E2E，smoke/extreme 分级测试套件
文档质量	⭐⭐⭐⭐ CLAUDE.md 详细说明架构约定，README 功能完整
活跃维护	⭐⭐⭐⭐⭐ 2026 年 8 月持续提交，维护频率高
总体评价	8/10 — 架构优秀、测试完善，是值得关注的早期创新项目

---

🎬 结语

CartCut 代表了一种新兴的软件开发理念：不是让 AI 辅助人类使用工具，而是让工具主动适配 AI。在 AI Agent 快速发展的当下，能够被机器"操控"的工具将比只能被人使用的工具有更广阔的应用前景。CartCut 凭借 MCP 协议集成和纯函数式的编辑模型，在视频编辑领域走出了独特路线，值得开发者和 AI 研究者持续关注。