不知道大家在整理录过的一些视频素材时，有没有遇到这样的问题：长视频里总有那么几个精彩片段，但它们散落在各处。
每次都得拖着进度条一点点找，找到还得记时间点，再切到剪辑软件里手动剪，费时又费劲。
既然现在AI已经能“看懂”视频了，那有没有可能让它帮我把关键片段自动挑出来，我只需要点几下就能导出成品？
整个工具的逻辑不复杂，流程大致分三步：
上传视频文件，先让AI分析视频内容，找出值得剪的片段，然后我在界面里挑选想要的部分，最后后台自动剪辑并导出。
但是真正做起来时，细节比想象得多，踩坑也不少，下面就一步一步分享我是怎么搭建出这个应用出来的吧。
工具的实现过程中，最大的问题来自于“让AI看到视频”，然后分析出不同的时间片段并分析出为什么，这对于视觉模型的基础能力来说就非常关键。
我本次用的是智谱最新开源的 GLM-4.6V 视觉模型，之前看一些宣传参数里说明，GLM-4.6V 在 MMBench、MathVista 等 30+ 评测中表现优异，128k 上下文（约等于 150 页文档或 1 小时视频），支持“过目不忘”的长视频理解和多文档分析 。
之前在演示视频里面直接输入主题或论文，自动检索配图、审核图片质量，生成图文并茂的公众号/研报内容，还是比较让我好奇心动，所以选择它作为本次的选手。
而前段时间趁低价购买的最低只要20元/月的GLM Coding Plan正好跟本次的 GLM 4.6V 结合就是本次的工具构建的最佳拍档。
关于如何在Claude Code、Cursor、Cline中使用GLM 4.6在这里就不逐步配置说明了，感兴趣的朋友可以直接看这份教科书级的官方文档说明：https://docs.bigmodel.cn/cn/coding-plan/overview
现在万事俱备了，我们就展开讲讲如何实现。
开局直接输入一个需求，你可以是一个模糊的需求，然后先能够表达出整个实现逻辑，我这里是直接用语音输入的，即便有一些字样出现了混乱，但是智谱GLM4 4.6依旧能够很好的理解我的诉求，然后先帮我设计架构图：
- 我想做一个能够上传视频后识别视频中的一些精彩片段，并进行自动剪辑。我会提供具备多模态视频理解的大语言模型 API。我需要你帮我做的是根据识别出来的这个结果，然后进行视频片段的这个剪辑，然后我需要一个前端的页面，然后后端处理使用拍摄。请你帮我设计一整个架构信息，然后我喜欢使用简约风格的设计，请你可以使用 tailwindcss 的 CSS 样式作为前端的这个规范。
前端用的是 TailwindCSS，布局参考了剪映：左边是片段列表，中间是视频预览区域，右侧显示AI分析出来的片段信息，而实现方式也是非常的简单粗暴。
因为我们选用的 Coding Plan 里面有具备GLM 4.6V模型的工具调用能力，我如果想要调整UI只需要截个图进去传入即可。
我传入的图实际上就是这么一张图，然后简单的一句话，因为它能够很好地看懂你想要的布局信息。
对我而言，深色主题，看起来更舒服一些。
后端用 Python ，主要是它底层还是有使用FFmpeg这个包。而我们所需要使用到的两个其他的后端服务，一个是视觉分析的能力API（GLM 4.6V），还有一个是将上传的视频转成公网OSS地址的服务能力，直接给GLM 4.6 说读取我们提供的相关接口文档即可。
你可以直接去智谱的官网，把GLM 4.6V 的相关文档直接贴给对话窗里面即可，依旧简单粗暴。
参考文档地址：https://docs.bigmodel.cn/api-reference/
在我们测试运行中发现，因为我们的视频是存在本地的，为了能够让GLM-4.6V能够读取我们的视频，我们需要有一个让视频能够在公网上可以访问的地址。
最后实现的是：用户上传 → 后端自动推到 OSS → 获取公网可访问的地址 → 发给 GLM-4.6V 分析 → 返回结果渲染。
所以用了阿里云的OSS对象存储，然后就可以给到GLM-4.6V去使用这个上传后返回的视频链接。
而至于如何对接以及获取对应的密钥信息，这些都直接问 GLM-4.6 就能搞定，它的本身训练数据里面，已经有了相关产品的对接信息，它在整个代码生成过程中，只需要我们把鉴权信息和OSS Bucket地址一贴就完事。
甚至在追问的过程中，你可以直接把一些报错给到GLM-4.6，它会很细心教你如何设置相关的权限信息。
在整个过程中，真正花时间最多的不是写代码，而是调提示词，下面把我的提示词分享给大家供参考。
你是一位顶级短视频运营专家和病毒式传播内容策划师。你的任务是从视频中精准识别具有"爆款潜质"的高光片段——那些能让观众停下来、产生强烈反应、忍不住分享的内容。## 🔥 核心筛选标准：什么是"爆点"？### 💥 第一优先级：情绪炸弹识别能引发强烈情绪反应的时刻：- **震惊/意外**：出人意料的反转、神操作、意想不到的结果- **爆笑**：搞笑失误、神回复、抽象行为、整活名场面- **感动/泪点**：真情流露、温暖瞬间、催泪时刻- **愤怒/争议**：引发讨论的观点、离谱操作、槽点满满- **惊艳/震撼**：视觉冲击、高能画面、技术展示### 🎯 第二优先级：传播钩子识别具有病毒传播特征的内容：- **金句/名言**：一句话能截图传播的精辟表达- **表情包素材**：夸张表情、魔性动作、反应镜头- **模仿素材**：可以二创、翻拍的有趣片段- **话题引爆点**：能引发评论区讨论的争议内容- **悬念/钩子**：让人想看后续的"未完待续"感### ⚡ 第三优先级：节奏高能识别信息密度高、节奏紧凑的片段：- **高能预警**：密集笑点/爆点连续输出- **节奏转折**：突然加速、画风突变、反差萌- **高潮时刻**：故事顶点、决战时刻、揭晓答案- **BGM卡点**：音乐与画面完美配合的高光### 🎬 第四优先级：内容精华视频的核心价值浓缩：- **干货精华**：最有价值的知识点/技巧- **产品亮点**：最吸引人的功能/特色展示- **人物高光**：展现魅力/能力的决定性瞬间- **故事核心**：不看就不懂整个视频的关键情节## 📊 爆点评分标准| 分数区间 | 爆点等级 | 标准 ||---------|---------|------|| 0.9-1.0 | 🔥🔥🔥 S级 | 绝对爆款：让人忍不住分享、截图、二创 || 0.8-0.89 | 🔥🔥 A级 | 高能时刻：明显的情绪峰值或记忆点 || 0.7-0.79 | 🔥 B级 | 精彩片段：值得保留但不是爆点 || 0.6-0.69 | C级 | 普通内容：有一定价值但缺乏传播力 || <0.6 | D级 | 过渡内容：不建议剪辑 |**注意：只输出 0.7 分以上的片段，低于此分数不要输出！**## 📝 输出格式```json{"highlights": [{"start_time": 10.5,"end_time": 25.0,"description": "【爆点类型】具体描述：1)发生了什么 2)为什么是爆点（情绪点/传播点）3)适合的使用场景（抖音开头/高潮/结尾/单独成片）","score": 0.92,"category": "类别"}]}```## 🏷️ 类别标签（必须从以下选择）| 类别 | 适用场景 ||-----|---------|| 💥 炸裂名场面 | 病毒传播级别的高能时刻 || 😂 爆笑时刻 | 搞笑、抽象、整活内容 || 😭 泪点暴击 | 感人、温情、催泪片段 || 🤯 神反转 | 出人意料的剧情/结果 || 💬 金句输出 | 可截图传播的精辟表达 || 🎭 表情包素材 | 魔性表情/动作 || ⚡ 高能预警 | 密集输出的精彩片段 || 🎯 干货精华 | 最有价值的核心内容 || 🌟 人物高光 | 展现魅力的决定性瞬间 || 🔊 争议话题 | 能引发讨论的内容 || 🎬 视觉震撼 | 画面冲击力强的片段 || 🎵 卡点时刻 | 节奏感强的高光 |## ⚠️ 重要要求1. **宁缺毋滥**：只选真正的爆点，不要凑数。一个10分钟视频可能只有2-5个真正的爆点2. **精准卡点**：时间要卡在情绪/内容的完整波峰，不要截断3. **详细说明**：描述要说清楚"为什么这是爆点"，而不是简单描述画面4. **时长适中**：短视频爆点片段建议 8-30 秒，最长不超过 60 秒5. **避免平淡**：过渡、铺垫、日常对话等不要选请仔细观看视频，以"这个片段能不能火"为核心标准进行筛选。只返回JSON格式结果，不要有其他文字。
一开始我让AI“找精彩片段”，结果它给出的分析完全泛化，什么“画面清晰”“内容丰富”这种毫无参考价值的判断。
我后来换了一种提法，不说“精彩”，改说“爆点”，就是那种让人愿意停下来、愿意分享的片段。
提示词里加了很多具体标准，比如有没有情绪爆发、有没有金句、有没有反转、适不适合做短视频开头，并且特别强调宁缺毋滥，分数低于0.7的不用给我。
这样调整之后，AI的判断明显靠谱了不少。
它不仅告诉我哪个片段值得剪，还会给出原因，是节奏变化、情绪高潮，还是一句话特别有传播力，这些都让筛选过程更有参考意义。
现在这个工具我自己用得挺舒服。
录一个几十分钟的视频，上传后让AI分析一下，几分钟就能把值得剪的片段全部标出来，点几下就能生成成品。效率比以前手动找片段快太多，而且最后剪辑出来的片段，我对它的期待是宁缺毋滥，只希望有高质量的结果输出。
如果你正在做类似的事情，或者想学习如何把AI能力整合到自己的工具里，这个项目或许能给你一些参考。
然后如果你如果还没有找到合适的编程工具和基础模型的话，直接上这个 Coding Plan 就完事了，一整套方案开箱即用，性价比极高。
此外，如果你的GLM-4.6V模型分析资源不够用的话，可以直接进特惠专区去买这个5.9元的 GLM-4.6V的特惠包，1000万tokens 个人日常使用还是绰绰有余了，真的很香。
AI 的能力越来越强，但它依然是工具，关键是先把自己的需求想清楚，再决定让AI接手哪一步。
对我来说，这个工具最省时间的地方并不是“剪辑”，而是“找片段”。
AI帮我把最机械、最耗时的部分自动化了，而怎么剪、剪哪段，最终决策仍然在我手里。
人机协作，各做各的强项，大概才是我认为的把AI真正用好的方式。
以上就是本次内容的所有分享啦，我是银海，我们下期再见👋