WeVisCut：单智能体实现解说词到长视频的全流程编辑

01 摘要

WeVisCut 是一个长视频脚本到视频系统，其智能体框架维护共享制作状态，使工具反馈能影响后续决策与修复。作者通过四阶段数据管道（结合编辑反转与验证回放）从 3,750 个成品视频中恢复编辑意图，生成超过 13 万训练样本，并据此训练单一 9B 策略。作者报告该策略在 100 任务基准上显著优于基模型，性能与 Claude Opus 5 相当且每成功输出分钟生成 token 少近 33 倍。

02 关键点

1. 提出共享制作状态的智能体框架，使编辑工具反馈驱动后续决策与故障修复。
2. 四阶段数据管道从成品视频反转编辑意图，经验证回放生成超 13 万可执行监督样本。
3. 单一 9B 策略在共享工具环境下显著优于基模型，性能接近 Claude Opus 5 且 token 效率高近 33 倍。