2026-07-13：AI 开始进入人真正操作的工作台

今天值得看的，是 AI 从聊天框走进了剪辑、渲染和屏幕操作这些具体界面。

快速概览

• ChatCut 把完整视频编辑器放进 Codex，用户和 agent 可在同一条时间线上工作。
• 一款食物记录 app 公开了图像生成、Gaussian splatting 和原生高帧率渲染的制作链路。
• open-clicky 已能在屏幕上画线标注，作者也公开了自验证尚未解决的部分。

今天有趣的信息

1. ChatCut：人和 agent 开始共用一条视频时间线

• 发生了什么：ChatCut 发布了一个 Codex 插件，会在 app 内打开完整的非线性视频编辑器。它的演示重点是让用户和 agent 一起剪辑，而非让 agent 在聊天框里给出剪辑建议。
• 为什么值得关注：选段、排列、试听和细修都发生在时间线上。agent 能进入这里，同时让人保留随时改动的权利，才有机会接住真实制作过程。
• 我应该关注什么点：发布帖还没有说明复杂项目中的素材管理、撤销和导出稳定性，这些才会决定它能否持续使用。
• 相关帖子：在 Codex 内打开完整视频编辑器（chatcutapp）
• 你的判断：这是今天最想亲自上手的样本。它把 agent 的执行和人的判断放进同一块操作面。

2. 食物记录 app：生成图片之后，还有一长段工程工作

• 发生了什么：作者做了一款食物记录 app。用户输入文字或图片后，系统先生成统一风格的食物图，再转为 Gaussian splatting 资产；为解决约 10 FPS 的性能问题，作者将多视图渲染改成单个 CAMetalLayer，目标达到 120 FPS。
• 为什么值得关注：这条内容把图像生成、3D 资产处理、加载和移动端渲染接在一起。可见效果背后仍有一条具体的性能链路。
• 我应该关注什么点：这是个人项目经验，不能据此判断为通用方案。更值得看的是，模型生成的资产怎样接受性能和交互的约束。
• 相关帖子：公开图像到 3D 移动端渲染链路（anshuc）
• 你的判断：制作过程里保留返工和取舍，比只放成品视频更有参考价值。

3. open-clicky：浏览器 agent 多了一种直接指向界面的方式

• 发生了什么：open-clicky 的短演示里，agent 已能直接在屏幕上绘制。作者同时说，语音交互调试仍需要自己把 Codex 拉回正确方向，自验证循环尚未完成。
• 为什么值得关注：绘制是一个小动作，却能让 agent 圈出问题、提示下一步，并把自己的意图留在界面上。
• 我应该关注什么点：完整功能和可用入口还没有公开。它能否和点击、截图理解、语音和验证机制组合成稳定交互，仍待观察。
• 相关帖子：浏览器 agent 直接在屏幕上绘制（jaeyun_ha）
• 你的判断：早期样本的成熟度很低。作者把人工介入说清楚，使这段演示更可信。

关于这个日报

这份内容基于 X 的关键词搜索发现，由 AI 先做过滤和初步总结，再由 半庄 整理、取舍和补充判断。它关注别人用 AI 做出的探索性作品，不把单条演示当成行业结论。