考题：创建一个"短视频生成 Agent"

为了测试上限，我没有选择写"贪吃蛇"这种简单代码，而是设计了一个稍微复杂点的多步骤 Agent 任务。

任务目标：编写一个 Skill，让用户输入一个话题，全自动生成一个短视频。

核心流程 (Pipeline)：

1. 创意策划：根据用户话题，结合预设主题，生成短视频脚本和分镜文案。

2. 视觉设计：根据分镜内容，生成 AI 绘画提示词。

3. 素材生产：调用绘图接口生成图片，生成语音。

4. 视频合成：将图片、语音、字幕自动剪辑合成最终视频。

之前我在扣子上用工作流的形式，搞过这一套，所以今天整合想试试写一个这个的skill，比搭工作流快多少

这不仅考察代码生成能力，更考察工具对复杂业务逻辑的理解、多文件工程的组织以及错误处理能力。

---

3. 第一回合：CodeBuddy —— 极速但略显粗糙的"直觉派"

CodeBuddy 给我的第一印象是快。

3.1 创建过程

我输入了完整的 Prompt，CodeBuddy 迅速理解了意图，并开始创建 Skill 任务。

它首先创建了一个 README.md 文档来梳理思路，这点好评。

紧接着，它在 5 分钟内就完成了代码编写，并提示我可以开始测试。这可比搭工作流快多了。

3.2 结果分析

但在代码审查和实际运行中，我发现了一些问题：

1. 结构过于简单：整个 Skill 的文件结构非常扁平，缺乏模块化设计。

   

   生成的工程目录非常"清爽"，但也暴露了逻辑的单薄：

   /project
   ├── main.py          # 主逻辑
   ├── utils.py         # 工具函数
   ├── requirements.txt # 依赖
   └── README.md        # 说明文档
   

2. Hardcode 问题：最致命的是，它将生成视频的 Prompt 写死在脚本里了，没有根据用户输入动态生成。

   我在检查 main.py 时发现了这样尴尬的代码：

   # CodeBuddy 生成的代码片段
   def generate_script(topic):
       # 错误：无论用户输入什么 topic，提示词里的 theme 都是固定的
       prompt = "写一个关于【人工智能】的短视频脚本..." 
       return call_llm(prompt)
   

   这除了造成改动不方便，也意味着它退化成了一个"模板填充机"，而非真正的 Agent。

3. 风格幻觉：生成的视频风格不可控，最后一个图片，居然变成了漫画风，而且与文案匹配度一般（奶奶呢？/emoji笑）。

   

4. 字幕翻车：自动烧录字幕失败，不得不通过播放器挂载外挂字幕。

   

小结：CodeBuddy 赢在了速度和交互的流畅度，但在解决复杂问题的"精度"和"工程化"上，还有待打磨，而且中间脚本错误过多，他花了大量时间在修复脚本错误上。

---

4. 第二回合：Trae —— 稳健但同样有局限的"工程派"

首先说明一下，TraeCN要使用skill能力，必须在“solo模式”，这个情况下他基本上全面接管，你要动手的机会不多，整个过程顶多点一两次确认按钮，这个比codeBuddy体验好多了。

4.1 创建过程

Trae 的第一步是列出详细的任务清单，虽然它没有像 CodeBuddy 那样先写文档，但它的脚本数量明显更多。

它花费了约 4 分钟完成，生成了 7 个脚本文件，不仅有主逻辑，还有专门的配置、工具类，工程结构明显优于 CodeBuddy。

4.2 结果分析

实际运行下来，Trae 的亮点和槽点并存：

1. 字幕烧录成功：这是它比 CodeBuddy 强的地方，ffmpeg 的参数调教得更准，字幕完美烧录进视频。

   查看 video_maker.py，发现它生成了非常标准的 FFmpeg 滤镜链：

   cmd = [
       "ffmpeg", "-i", input_video, 
       "-vf", f"subtitles={subtitle_file}:force_style='Fontname=SimHei,FontSize=24'",
       "-c:a", "copy", output_video
   ]
   

   

2. 同样的硬伤：令我意外的是，Trae 同样犯了"提示词写死"的错误。看来对于复杂的 Prompt Engineering 逻辑，目前的 AI 在没有明确指引下，都倾向于偷懒。

   在 config.py 中，我找到了罪魁祸首：

   # Trae 的配置文件
   VIDEO_PROMPT = "A futuristic city with flying cars..." # 硬编码在配置里
   

   脚本过多，虽然生成速度快了，但是大模型利用能力下降，简单问题复杂化了。

3. 文案生成：果然，Trae生成的文案差多了，显得比较生硬，也没什么文风。可能是因为它把 Prompt 拆散到了不同文件，导致上下文丢失。

   

4. 尺寸问题：生成的视频尺寸与预期有偏差，横竖屏处理不够智能。

   TTS 的调用也不如 CodeBuddy。CodeBuddy 调用了 edge-tts 这种高质量库，而 Trae 似乎直接调用了系统原本的 pyttsx3，生成的语音是很机械化的，毫无感情色彩。感觉是参数没有调配，按理说两个都应该是调用的 Windows 本地 TTS，但效果天差地别。