这个周末我把半年前拍的一段企业采访素材翻了出来，三十多个片段、总时长将近三个小时。一想到要筛片、粗剪、调色，整个人都不想开机——这类内容不是不能做，是绝大多数时间都耗在“看素材”“拖时间线”“反复调参数”这种重复劳动上。正好这段时间发现Codex已经具备直接操控桌面软件的能力，我决定拿达芬奇做一次完整实测：让它替我把筛片、剪辑、调色这三个环节全跑一遍。
测试做完，我的结论是八个字：能干粗活，离不了人。如果你是专业剪辑师、调色师，或者像我一样一个人扛全流程的视频创作者，这篇记录应该能帮你省掉不少摸索时间。我不会讲Codex的安装教程，也不扯达芬奇的初始化流程，那些照着官方文档走就行。这篇只讲一件事：Codex操控达芬奇干活，到底干成什么样，以及哪些地方特别容易翻车。
1. 实测开场：三条不同难度的片子，Codex做到了哪一步
1.1 我为什么会想到让Codex去操作达芬奇
事情要从上个月说起。我做一条企业访谈视频，素材拍了四个机位，最后剪出来只有八分钟。真正花时间的不是在软件里“剪”那一下，而是前期要把三个小时的素材从头到尾看一遍，判断哪些镜头能用、哪些镜头不能用，再把能用的片段拖到时间线上做粗剪，最后挨个调色。这种流程里，最累的不是脑力，是重复操作。
我原本想用达芬奇的脚本接口写自动化，但试过之后就明白了：达芬奇的脚本接口对媒体管理、渲染输出这些“标准操作”支持得不错，可一旦涉及到调色页面里的色轮、曲线、节点操作，或者需要根据画面内容做判断的时候，脚本就很尴尬。它数据上能拿到画面亮度、饱和度这些参数，但没法像人一样看一眼画面就说“这段素材构图不行”。而Codex走的是另一条路：它通过桌面操作权限，直接“看”屏幕上的达芬奇界面，然后移动鼠标、点击菜单、按快捷键，像人一样操作软件。这就把“用眼睛判断”和“动手操作”两个环节一起接上了。
所以我这次测试的核心目的，就是想搞清楚一个问题：当一个AI能以“看待屏幕”的方式操控达芬奇时，它能替视频创作者分担多少真正有价值的重复劳动？
1.2 三类任务的完成度、耗时和人工介入次数
我准备了一条包含33个片段的真实素材库，分别测试了筛片、粗剪、基础调色三类任务。结果先放在前面：
| 任务 | 完成度 | 实测耗时 | 人工介入次数 | 我的主观评价 |
|---|---|---|---|---|
| 筛片（素材初筛） | 约75%准确 | 8分钟 | 1次 | 可当粗筛工具，能省大量时间 |
| 粗剪（按标签建时间线） | 时间线搭建完成 | 20分钟 | 5次 | 框架可用，细节要返工 |
| 调色（基础还原+风格尝试） | 节点标准但审美保守 | 40分钟 | 4次 | AI搭结构，人定口味 |
这里有个细节很说明问题：筛片任务是三者里完成度最高的，因为它本质上就是“看画面-做判断-打标签”的循环，每一步操作的视觉反馈都很明确。而调色任务最费劲，因为达芬奇调色面板里大量控件需要精确点击和拖动，Codex靠截图定位坐标，偶尔会点偏，而且它对“风格化”的理解非常保守，最后出来的画面只能说“不出错”，谈不上“好看”。
2. Codex不是插件，而是一个会看屏幕的实习生
2.1 “Computer Use”式的操作逻辑，和传统脚本自动化有什么不同
我在测试前给Codex设定的角色很简单：把它当作一个坐在电脑前、会用达芬奇的新手助理。它的工作方式和我们熟知的“脚本自动化/API自动化”完全不同——脚本自动化是你给软件一个指令，软件按数据接口执行；而Codex的方式，是你给它一台显示器，它会截取屏幕画面、识别界面上的文字和控件，然后模拟鼠标键盘去操作，再通过新的截屏判断操作有没有生效。
这个过程本质上是一个循环：看屏幕、判断状态、决定动作、执行操作、再看屏幕确认结果。就像一个人切到剪辑页面，发现时间线上没有素材，于是去媒体池拖一个片段进去，再切回来检查有没有拖成功。正是因为这种操作逻辑，Codex不依赖达芬奇是否开放某个接口——只要人眼能看到的东西，它都能尝试去看；只要人手能点的按钮，它都能尝试去点。
我打个比方：传统脚本相当于你给一个机器人一把钥匙，让它从后门进仓库取货；Codex相当于你在它面前放了台电脑，它自己看说明书、自己摸索点哪个图标。前者的执行链路很短但范围有限，后者的范围几乎不受限但每一步都可能出错。
2.2 它能“看懂”达芬奇界面，但不代表它能“看懂”视频画面
这是整个测试里最关键的认知：Codex能识别达芬奇的菜单、按钮、媒体池列表、时间线轨道、调色节点，这是“对软件界面的视觉理解”；但它对视频画面内容的“语义理解”是有限的。
什么意思呢？当Codex打开一个素材片段，它确实能看到检视器里的画面内容，能通过画面中的亮度分布、直方图、波形图来判断这个镜头是不是过曝、是不是欠曝，能通过画面运动模糊和抖动程度来猜测这段素材是不是手持不稳。它可以特别准确地识别出“这个镜头有摄影机菜单，屏幕被菜单遮挡了”——因为这些信息的视觉特征很明显。
但它很难理解“这段采访中，受访者的表情是真诚的，这个反应镜头比那段空镜更适合作为插入素材”。这种高层次的内容判断，它基本做不了。筛片准确率只有75%左右，原因恰恰在这里。后来我复盘时发现，它把一小段摄影机开机菜单误判成了“画面清晰可用”的素材，因为它只看到了清晰的字幕和界面元素，没有理解“这根本不是有效画面内容”这件事。这就像实习生看素材，把“技术合格”和“内容有用”混为一谈。
2.3 为什么这件事对剪辑工具链有实际意义
以前我们聊“AI进后期”，聊的其实是单点替代：AI降噪、AI自动字幕、AI场景识别。这些工具每一件单独拿出来都很好用，但它们互相之间没有协同——降噪的管降噪，字幕的管字幕，没有一个AI能连贯地对达芬奇说“先帮我筛掉废镜头，再把剩下的按顺序放进时间线，然后给前三个镜头做基础还原”。
Codex最让我觉得有意义的，不是哪一步操作做得有多完美，而是它把“界面观察、逻辑判断、操作执行”这三件事第一次串在了一起。剪辑和调色这个行业，大量工作本质上就是“看一眼界面，判断下一步该怎么做，然后动手执行”，而这类工作过去恰恰是自动化工具最难覆盖的。现在Codex至少把个人能力边界内的大部分机械操作承接了下来，哪怕需要用人工兜底，也已经能明显压缩整条工作流的耗时。
3. 动手前的准备：达芬奇版本、工程规范和第一个测试项目
3.1 我的环境清单：达芬奇18.6免费版、Codex桌面版、一台Windows工作站
我的测试环境不算特殊，你大概率能复刻：
- 系统：Windows 11 工作站，显示器分辨率2560x1440
- 后期软件：达芬奇18.6免费版（免费版就能做完这次测试的所有功能，包括剪辑、调色、交付）
- Codex：桌面版客户端，ChatGPT账户登录，开启桌面操作权限
- 测试工程：从正式项目单独复制出来的副本“test_01”
这里特别想提醒第一次尝试的人：千万不要拿正在商用的项目直接试。Codex操控达芬奇的时候，动作是真实点击和拖拽，万一它拖错了一段素材、删掉了一个节点，你的工程损坏风险是实打实的。我开测前先把正式工程复制了一份，测试时只操作副本。这不是胆小，是正确的工程习惯。
另外，如果是从Codex客户端连接达芬奇开始，第一道坎往往不在达芬奇这边，而是Codex的登录授权状态。有人会碰到类似“auth token is unavailable”这样的提示，多半是账户登录态过期或者客户端连接出了问题。我的处理方式很简单：先检查账户是否正常登录，退出重新授权一次就好了，不要一上来就怀疑是什么深层配置问题。
3.2 三项准备工作，把Codex的错误率压低了不止一半
第一次直接把完整素材交给Codex之前，我建议你先做三件小事，都是我反复试过之后觉得性价比极高的准备。
第一，给素材生成代理媒体。达芬奇里的代理媒体功能可以直接把高分辨率素材转成低分辨率代理，编辑时用代理，输出时再切换回原始素材。为什么这对Codex很重要？因为Codex识别界面靠的是截屏，高分辨率画面在软件里滚动、加载、解码都会更慢，而且代理媒体生成后，时间线操作会明显变流畅，Codex截屏判断的卡顿和误判都会少很多。
第二，统一素材命名。我花了一个小时，把33个素材片段按照“日期_场景_机位_内容关键词”的格式全部重命名了一遍。举个例子，“1012_采访_主机位_受访者回答预算问题”就比“C0001”清晰得多。Codex在操作时确实会读取媒体池里的文件名，命名清晰了，它在筛片时对素材内容的理解会更有依据。
第三，固定达芬奇界面布局。我把达芬奇界面切换到一个干净的“剪辑”默认布局，把面板全部停靠好，无用的浮动窗口全部关掉，然后全屏最大化。原因是Codex操作依赖截图坐标和空间位置，你上一次拖动过窗口边缘，下一次它就可能点错位置。让软件界面保持稳定，就是让Codex的“空间记忆”保持稳定。
3.3 第一个测试项目该怎么做：素材、脚本、备份
第一次测试的项目不需要大，我建议控制在50个片段以内，总素材量不要超过两个小时，否则任务中途遇到错误定位起来很麻烦。测试脚本也要简单，不要一开始就让Codex处理一个需要同时打开多个页面的大任务。
一个比较稳妥的流程是：先在达芬奇里建好测试项目、导入素材、生成代理，然后关闭达芬奇，再启动Codex，让Codex打开已经准备好的项目。这样做的好处是，Codex不需要完成“从零开始建项目”这种容易出错的步骤，它能直接定位到一个已经存在的素材库，后续动作的成功率会高很多。
还有一点容易被忽略：提醒Codex每一步做完之后停下来等待确认。我在指令里固定加了一句“每完成一个步骤，停下来说一声，等我回复再继续”。这等于给整个执行过程加了一道保险，即便它下一步要出错，也只能错一个局部，而不会一口气把整条时间线搞乱。
4. 筛片实测：30段素材，八分钟初筛，准确率七成半
4.1 我给的指令模板和Codex的实际动作
筛片任务我给Codex的指令写得比较具体，参考价值比较高，先贴出来：
打开达芬奇项目“test_01”，进入剪辑页面，把媒体池切换到“列表视图”。然后逐片段预览：每个片段至少播放3秒钟。如果画面模糊、严重欠曝或过曝、明显抖动，或者内容与“采访段落”无关，就把该片段标记为红色标签。如果画面稳定、曝光正常、内容能用于采访段落，就标记为绿色标签。处理完所有片段后，在媒体池里按标签分组。
这段指令基本把我平时筛片的标准翻译成了Codex能执行的步骤。它确实照做了：打开项目、切换列表视图、逐个双击片段、播放三秒、暂停、点击标签按钮、给片段加上红绿标记，最后还在媒体池里按标签字段排了一次序。整个过程我坐在旁边看，像看一个不太熟练的实习生在工作——动作不连贯，但逻辑清楚。
有一个细节挺有意思。它在处理一段画面偏暗的仓库空镜时，特意停下来多播放了几秒，然后标记成了红色。我回头看那段素材，确实是严重欠曝，剪不进去。这说明它至少学会了用画面亮度这类显性特征去做基础判断，而不是单纯靠文件名猜。
4.2 现场观察：机器阅片的边界在哪
不要以为它筛片很完美，我观察到三个明显问题。
第一个问题：它把一段摄影机开机菜单误标成了绿色。原因很简单，那段画面里菜单字迹清晰、曝光均匀，从纯画面质量看确实“没有技术问题”。它没有意识到这段素材对内容毫无意义，而这是因为“内容语义理解”的缺失。
第二个问题：它对内容相关性的判断比较单一。它保留了一段很干净的走廊空镜，却漏掉了一个关键的受访者反应镜头。走廊空镜确实稳定、曝光准确，但作为采访片段的插画面，它并不是最优先的素材；而那个反应镜头在语义上非常重要，AI却没有能力判断出来。
第三个问题：它会偶尔跳片。部分片段它只播放了一秒左右就给出判断。后来我猜测这是因为它在达芬奇的某些视图下对时间长度的判断有偏差，或者素材播放加载太慢，它等不到正常播放就直接判定。这需要人工复核兜底。
4.3 人工复核半小时，省下了大半天脏活
筛片这件事，传统做法是我自己把三个小时素材从头到尾过一遍，至少半天就耗进去了。这次Codex初筛了八分钟，我复核花了半个小时：先把它标绿的素材快速过了一遍，确认哪些能用；再把它标红的素材拉出来看，捞回它误判掉的可用片段。
整体算下来，从开始到结束不到一个小时，而且所有镜头我都过过目，心里有底。效率提升是实打实的，准确率也不至于让我全盘否定。这里有个经验供参考：筛片阶段最合适的方式是“AI初筛+人工复核”，而不是让AI一次定终身。AI初筛负责把明显不能用的素材挑出去，把明显能用的素材留下来；剩下那些处于灰色地带的片段，人的判断成本已经大大降低。
5. 剪辑实测：Codex会建时间线、会用切割工具，但指令没法太笼统
5.1 粗剪一条采访视频的全过程记录
剪辑实测我选了一个相对可控的任务：让Codex把标记绿色的片段按名称顺序放进时间线，然后把每段尾部明显停顿的部分切掉。指令如下：
新建一条时间线“粗剪V1”，把媒体池里所有带绿色标签的片段按名称顺序拖入时间线。不要添加转场。放完所有片段后，将播放头移动到每个片段的结尾附近，用剃刀工具切断结尾处的停顿，然后删除多余部分。
Codex的执行情况，第一步做得很稳：它真的在项目里新建了一条时间线，然后把标记为绿色的15个片段按名称顺序拖了进去。这看起来简单，但对一个通过截屏识别界面的AI来说，在媒体池里识别列表、把鼠标精准落在片段图标上、拖着移动到时间线轨道——每一步都有出错的可能，实际上也确实出错了一次。
它在拖第三个片段的时候，第一次没有落在目标轨道上，片段被放到了下方轨道。我观察它的反应：它似乎通过截图发现了轨道上没有出现预期波形，然后自己撤回重试了一次，第二次成功。这算是我这次实测里比较惊喜的一幕，它具备“发现异常并自我纠正”的初步能力。
真正费力的是修剪结尾停顿。它对“停顿”的判断完全靠波形图，但有些人说话前的吸气、话筒收音后留下的环境底噪，在波形图上看起来跟真正的停顿很像。它连续删掉了我两个正常说话节点，我不得不手动撤销让片段回来。粗剪结束后，它建出来的时间线整体结构是通的，但有三处帧边界明显不对，需要人工修正。
5.2 笼统指令和分步指令的成功率对比
这次测试让我摸清了一条规律：Codex的指令颗粒度，直接决定任务成败。我把同一段素材分别用两种方式让它处理，效果差异非常大。
笼统指令比如“帮我整理一下素材”，“把这段剪辑剪得流畅一点”，它的表现基本是原地打转，要么反复提示需要更多信息，要么开始乱点。因为这类指令没有给出可执行的视觉操作路径，它能识别的对象是“按钮”“菜单”“片段”“轨道”这些具体元素，不是“流畅”这种抽象美学概念。
分步指令比如“打开媒体池，切换列表视图，按名称排序，创建一条时间线，把前10个片段按顺序拖入轨道V1”，它每一步都能精准完成。如果继续拆细，比如“选择V1轨道第三个片段，把播放头移到2分05秒，用剃刀工具切割，选中右侧片段并删除”，它的成功率几乎能达到90%以上。
之后我又做了一个对比测试：给同样的任务写一份“笼统描述”和一份“分步指令”，让它分别执行。笼统描述那轮它不知道该点哪里，分步指令那轮它一次走完。这个对比已经能说明问题：Codex是任务执行器，不是意图理解器。使用它的人，得学会把“我想要什么效果”翻译成“先点哪里、再按哪个键”。
5.3 剪辑中最容易让AI翻车的三个操作细节
如果你也打算让Codex做粗剪，以下三个细节足够你提前避坑。
第一个是时间线缩放状态。达芬奇时间线的缩放级别可以拉得很远也可以到帧级，Codex对缩放级别并不敏感。缩放过大时它可能看不到相邻片段，误以为后面没有内容；缩放到帧级时它又可能无法快速定位目标片段。我会在指令里主动要求“先按快捷键Shift+Z适配时间线到窗口”，或者干脆在工程里把时间线缩放预设好。
第二个是轨道锁定。达芬奇有锁轨道功能，Codex不会主动检查轨道锁定状态。有时候它拖素材到轨道上没反应，如果不是缩放问题，大概率就是轨道被锁了。它在截屏时不太会注意轨道头的锁定小图标，直接看时间线区域，自然发现不了问题。遇到拖拽无效时，我第一反应是检查轨道锁定。
第三个是撤销操作的连锁反应。Codex做错一步之后，我习惯说“撤销上一步”，但达芬奇的多步撤销在某些状态变化后会把整个操作序列打乱。后来我发现，与其让它执行多次撤销，不如直接告诉它“取消刚才那次切割，把片段左侧恢复”，用明确指令代替模糊的“撤销”，避免它的整个状态认知被搅乱。
6. 调色实测：节点建得很标准，可惜审美很保守
6.1 让Codex做基础还原和风格化调色，效果差异明显
调色部分我做了两个测试：先做基础还原，再做风格化尝试。
基础还原的指令是：“进入调色页面，选中时间线上所有片段，添加一个串行节点。第一个节点做白平衡校正，调整色温和色调，让中性色回归正常。第二个节点做主对比度和饱和度调整，让画面看起来自然均衡。”Codex完成得非常顺：打开调色页、选中所有片段、在节点编辑器里右键添加节点、调整色温和色调、微调对比度饱和度，整个节点结构建得清清楚楚。它的参数选择是保守的，但也在合理范围内。对前期素材比较正常的片子来说，这套基础还原已经能直接作为第一版输出。
风格化测试就翻车了。我让它“给画面做一个青橙色调的电影感风格”，它给出的结果是：把色温往蓝色方向调了一点、对比度拉高了一点、饱和度降了一点。画面确实变冷了，但离“青橙电影感”差了至少三层内容。后来我复盘，问题不在操作能力，而在审美判断。风格化调色需要大量的参考和方向，而AI只能从我那一句话的语义里找一个平均理解，最后出来的必然是“均衡化”“不出错”而不是“有风格”。
6.2 调色页面的“单击值域”问题，是它最大的效率杀手
真正让我抓狂的是操作层的问题。达芬奇调色面板里的核心控件，色轮、曲线、滑块，绝大多数需要精确点击、拖动到特定位置。Codex通过屏幕截图识别坐标，这个过程存在毫米级误差。一个典型的循环是：它想给“阴影”区域加一点青色，点击色轮后位置没点准，画面阴影变成了一团脏绿；它接着往反向调整，又调过头；再点一次，又偏到另一个方向。一轮下来它还在那里微调，我看得血压都上来了。
对比之下，用数值输入框操作要稳得多。达芬奇的节点参数面板里有很多可输入数值的字段，Codex的强项在于能识别文本并键入数字，输入数值比拖动滑块精准得多。我后来给它的调色指令从“把色温往暖色调调整一点”改成了“把色温数值从5500调整到4700”，出错的概率一下子低了很多。面对调色任务，别让它“拖”，尽量让它“敲数字”。
6.3 我的用法：AI搭结构，人来定审美
调色环节的最后，我形成了一个固定配合方式：风格方向我来定，节点结构让Codex搭，基础参数由Codex给，我再进入页面做最终微调。实测下来，原本我一个人完成基础还原加微调大概需要15分钟，现在Codex先把三个节点和常规参数搭好，我只需要最后花五分钟做审美判断和细节修正。
这也引出我对“AI调色”的判断：它现阶段适合做标准化程度高的操作，比如批量给素材套用同一套基础还原逻辑、建立统一的节点模板、调整参数到指定数值区间。它不适合做需要审美倾向、参考风格、主观取舍的创作型调色。调色不是一个纯技术活，技术只是底座，上面是一堆“你觉得怎么样好看”的选择。这部分目前还得人自己来。
7. 实测中避不开的几个坑：模型匹配、限流恢复和操作授权
7.1 模型不支持报错：账户类型和模型要匹配
第一次启动Codex时，我图新鲜在配置里手动指定了一个看起来更新、更强的模型串，结果启动直接报错，提示大意是：“这个模型在当前账户类型下不可用”（我当时拿ChatGPT账户登录的）。这一下就把我卡住了，我一度以为是Codex本身没配置好。
后来才意识到，这是模型和账户类型的匹配问题。Codex默认配置里选好的模型，是和账户类型匹配过的；手动指定不支持的模型串，就会导致同样的报错。解决办法也很简单：去掉手动指定，改用默认模型配置，或者重新在客户端里选择账户适配的模型。大家如果遇到类似的“model is not supported”提示，先别急着怀疑安装有问题，大概率是模型把手伸得太远了。
7.2 429限流：不是死路，调整任务粒度就能绕开
第二个让人烦躁的坑是请求限流。测试时我连续让Codex跑了十多个任务，中途它停在一个操作上不动，日志里开始出现“429 too many requests”的报错。说白了就是单位时间内请求次数超限，服务端暂时拒绝新请求。
解决方式不复杂：先停手，等待冷却。我实测大概五分钟左右之后就能继续。但更重要的是调整任务粒度——不要把二十个操作堆在一个长任务里一口气跑完，而是拆成几个小任务，每个小任务之间人工检查一眼。这样一方面降低请求密度，减少触发限流的概率；另一方面也避免任务长了以后错误累积。分批执行比长任务执行稳定得多。
7.3 系统级操作授权：第一次让Codex动鼠标时，你得在场
Codex要操控达芬奇界面，本质上就是要获取系统的鼠标键盘控制权。首次运行时，操作系统一般会弹出授权弹窗，需要你手动允许。我第一次测的时候以为授权完就万事大吉，结果中途系统弹了一个安全提示，因为我不在场，任务卡了快十分钟。
我的建议是：第一次测试时人一定要坐在机器前，看到授权弹窗就点允许，但也要全程盯着它的操作。毕竟让一个AI拥有屏幕控制和输入设备权限，这是比较高权限的操作行为，把它限定在测试账户和测试项目里最稳妥。等跑过几轮，确认它的操作习惯在你接受范围内，再逐渐放开到更复杂的任务。
7.4 界面状态记忆错乱：执行途中千万别动鼠标
这个坑在长达半小时的任务里特别容易出现。Codex在执行过程中会频繁截图并判断当前界面状态，如果你中途手动动了鼠标、拖了一下窗口、或者把一个面板关掉，它的“空间记忆”就会错乱，后续操作很可能直接点错按钮。
我有一轮任务就是这样崩掉的：它正要把一个片段拖到时间线，我下意识帮忙调整了一下窗口大小，结果它下一轮截图看到的界面布局全变了，找不到原来的按钮位置，只好停下重新识别。所以，让Codex干活的时候，你最好把键盘和鼠标都放下，让它一个人操作，等它说需要帮助的时候再上手。这点听起来简单，但实际操作中很容易手痒。
8. 什么人、什么片子适合交给Codex，以及我的工作流建议
8.1 适合机械执行，不适合风格探索
经过这轮实测，我自己心里的适用范围已经比较清晰了。按我的经验，Codex适合承担这六件事：素材初筛、粗剪、批量套用基础还原LUT、调整标准化参数、转码和代理媒体生成、时间线轨道整理。这些任务的特点是规则明确、重复度高、视觉反馈及时，它的操作能力能发挥到最大。
不适合做的事也很明显：需要主观风格判断的调色、复杂多机位同步剪辑、根据镜头语义和情绪张力做结构编排、以及一切需要“感觉”的创意环节。它不是不能做，是做了之后你大概率要推翻重来，投入产出比很低。
8.2 我现在的“人机协作”工作流
经过反复调整，我目前处理一个常规采访视频项目的工作流固定成了四步。
第一步，工程规范化。素材按场景和内容重命名、生成代理媒体、复制工程副本，这些事无论是否用AI都值得做。第二步，Codex负责机械层。筛片、粗剪、基础还原三件套交给它跑，我在旁边盯着日志和界面，只处理授权问题和明显的判断失误。第三步，人工复核关键点。重点看筛片准确率、剪辑帧边界、肤色和整体观感，把AI的漏网之鱼捞回来。第四步，交错执行。不再一次性让它连续跑很多任务，而是跑一个、验一个、再跑下一个。
这套流程我实际用下来，一个两小时素材量的片子，从前期的“打开软件开始筛素材”到“得到第一版能看的粗剪带基础调色”，比以前大约省出30%的时间，而且心理负担小了很多。最明显的改善是，我不用再对着三个小时素材发呆做心理建设了。
8.3 最后几点建议
如果只记三句话，我建议你记这三条：第一，第一次测试务必用副本工程，不要拿正式项目练手，AI拆工程的速度比你想的快。第二，给Codex的每一条指令都带上“完成后停下来等我检查”的口令，让它随时待命而不是自主发挥到底。第三，调色阶段别让它直接出风格，给它节点结构、参数区间或一份参考LUT，让它在这个框子里干活。
我试完这一轮最大的体会是：别指望AI替你把导演剪好，但它完全能当一个手脚麻利、偶尔需要纠正的实习生，帮你把最脏最累的粗活干完。过去我晚上想到还要筛片就不想开工，现在我会直接把素材扔给Codex跑第一轮，自己去泡杯咖啡，回来看结果。后半程的人机配合流程，我还会继续打磨，后面有好用的玩法再回来分享。
