TRAE Work 实战指南 / 汇报演示 & 设计创作

实战指南｜一句话让 TRAE 帮你剪辑 Vlog

提示

TRAE 是面向开发者、职场人与学生的 AI 办公平台，有 TRAE Work 和 TRAE IDE 两款产品。

TRAE Work 侧重学习、办公与工程执行场景，无论你是开发者、职场人、学生，都可以用它写方案、做分析、处理文件、推进协作，并完成需要持续执行、检查和产出结果的自动化任务。支持桌面端、网页版和移动端，多端协作，随时发起任务、查看进展、持续推进。

TRAE IDE 适合写代码、读项目、改 Bug 等开发工作，更适合期望精细控制自己的代码改动和执行过程的开发者。

前言

你有没有过这样的体验？出去旅行拍了几十段视频，满心期待剪出好看的成片，可回来光是整理素材就花掉大把时间。打开剪辑软件更是犯难，不知道配什么音乐、怎么排序、字幕写什么，越剪越焦虑。折腾半天，热情被慢慢耗尽，精心拍摄的素材最后只能静静躺在硬盘里。

如果有一种方式，只需要一句话描述你想要的效果，AI 就能在你的电脑上直接完成从素材分析到成片输出的全流程，你愿意试试吗？

今天，我们带来的正是这样一个方案——依托英特尔酷睿 Ultra的端侧 AI 算力，搭配TRAE IDE 的 AI 编排能力，通过「video-editing-skills」智能技能，让你真正体验「一句话出片」的创作自由。

为什么视频剪辑需要端云协同？

当我们谈论 AI 视频剪辑时，云端大模型的强大已经可以很好处理此类任务，但为什么说端云协同其实是最优解，AI PC在其中能提供哪些价值？

痛点	云端方案的困境	AI PC 优势
网络延迟&云端存储成本	一次旅行拍摄的原始素材轻松超过 10GB。上传到云端需要较长的网络传输时间和相应的云端存储成本	~~在 AI PC 上，~~素材就在本地硬盘，零传输延迟，即开即用。
隐私顾虑	家庭录像、公司会议、个人生活……这些视频天然带有隐私属性。上传云端意味着数据离开你的掌控。	AI PC 端侧处理，数据始终在你的设备上，隐私安全有保障。
Token 成本	云端多模态大模型按 token 计费，一段 20 秒视频的 VLM 分析约需 3 万 token。当视频素材较多时，例如示例中的22 段视频就是 66 万 token	本地视频分析 0 Token成本

这套 Skill 的核心是基于英特尔酷睿 Ultra 的AI PC的强大算力把端侧工具链（VLM模型，FFmpeg 工具等）和视频剪辑工作流有机结合到一起专为 AI PC 打造的视频剪辑技能包。

端云协同架构

整个工作流采用「端侧重计算 + 云端轻决策」的分工模式：

AI PC 端

硬件加速视频解码
智能关键帧抽取与分片
GPU本地VLM 多模态模型推理分析
英特尔OpenVINO性能加速
FFmpeg 视频分割/拼接/合成

云端大模型

理解用户创作意图
故事大纲与叙事弧线设计
智能片段筛选与排序
情感化字幕生成
BGM 风格匹配与选曲

提示

简单来说：大模型擅长创意决策（故事编排、字幕撰写、节奏把控），但视频素材的「重活」——解码、抽帧、多模态理解——交给 AI PC 本地算力来处理，才是最高效、最经济、最安全的方案。这就是「端云协同」的核心理念。

实战教程

本次实战使用 TRAE IDE 进行演示

下面，我们手把手演示如何使用 TRAE + video-editing-skills 完成一次完整的 AI 视频剪辑。整个过程只需要 6 个核心步骤，全程由 AI 自动完成，你只需确认即可。

环境要求

硬件：英特尔 AI PC（酷睿Ultra MTL/LNL/ARL/PTL 平台 +集成显卡）或 Arc A770/B580 独立显卡

内存：16GB 以上

软件：TRAE 中国版（https://www.trae.cn）

素材：一个包含多段视频文件的文件夹

第一步：打开 TRAE，加载视频素材目录

打开 TRAE 中国版，选择「文件 - 打开文件夹」（Ctrl+O），选择存放视频素材的目录。TRAE 会将这个目录作为工作空间，后续所有操作都在这里进行。

图片展示的是电脑文件夹界面，文件夹名为“test3”，位于D盘下的“data”和“videos”文件夹中。界面中显示了多段以“VID_”开头的MP4视频文件，如“VID_20250202_105648_new.mp4”等，部分视频文件名带有数字序号，如“VID_20250125_141053_new.mp4”。该图片与文档中“视频素材目录结构”部分对应，直观呈现了视频素材文件的存储情况。 — img-528 · 图片展示的是电脑文件夹界面，文件夹名为“test3”，位于D盘下的“data”和“videos”文件夹中。界面中显示了多

视频素材目录结构

素材文件列表——本次演示使用 22 段手机拍摄的短视频

第二步：安装 video-editing-skills 技能

在 TRAE 的设置中找到「规则和技能」，点击「创建技能」：

图片展示了TRAE软件界面，用于说明安装video-editing-skills技能的操作步骤。界面左侧为素材文件列表，中间是设置区域，其中“规则和技能”选项被红色框突出显示，下方有“创建”按钮。右侧是TRAE主界面，右上角有“Builder”标识。该图片与上文“在TRAE的设置中找到「规则和技能」，点击「创建技能」”的内容对应，直观呈现了操作位置，帮助用户准确找到并点击“创建”按钮。 — img-530 · 图片展示了TRAE软件界面，用于说明安装video-editing-skills技能的操作步骤。界面左侧为素材文件列表，

进入技能管理界面

选择下载好的技能 zip 包上传（可从 GitHub 开源仓库获取），上传完成后点击确认即可。

图片展示了在TRAE中安装video-editing-skills技能的操作界面。左侧是视频素材目录结构，显示多段手机拍摄的短视频。中间弹出“Open”窗口，显示“video-editing-skills-main.zip”压缩包，下方有“Open”和“Cancel”按钮。右侧是TRAE界面，有“与Builder协作”等板块。该图片与上下文紧密相关，是“第二步：安装video-editing-skills技能”操作步骤中选择下载好的技能zip包上传的展示，直观呈现了操作场景。 — img-531 · 图片展示了在TRAE中安装video-editing-skills技能的操作界面。左侧是视频素材目录结构，显示多段手机拍

选择 video-editing-skills 压缩包

图片展示的是TRAE中创建技能的界面。界面显示“video-editing-skills-main.zip”文件上传并解析成功，技能类型为全局，技能名称为“video-editing-skills”。右下角有“取消”和“确认”按钮，其中“确认”按钮被红色框突出显示。该图片与上文“安装video-editing-skills技能”内容相关，是上传技能zip包后确认安装技能的界面示例，帮助用户直观了解操作步骤。 — img-532 · 图片展示的是TRAE中创建技能的界面。界面显示“video-editing-skills-main.zip”文件上传并解

确认安装技能

重要：在对话流设置中选择「IDE - 自动运行」，这样 AI 在执行过程中可以自动调用各种工具，无需每次手动确认。

图片展示了TRAE智能体的对话流设置界面。左侧为功能导航栏，其中“对话流”被红色箭头突出显示。右侧是对话流设置区域，包含代码审查、自动运行等设置项。其中“命令运行方式”下“IDE”选项被红色框线突出显示，其右侧有“自动运行”选项，表明在对话流设置中选择“IDE - 自动运行”，AI在执行过程中可自动调用各种工具，无需每次手动确认，这与上下文提到的开启自动运行模式，让AI自主完成全流程相呼应。 — img-533 · 图片展示了TRAE智能体的对话流设置界面。左侧为功能导航栏，其中“对话流”被红色箭头突出显示。右侧是对话流设置区域，包含

开启自动运行模式，让 AI 自主完成全流程

第三步：一句话，启动 AI 剪辑

在 TRAE 的对话框里，用自然语言告诉 AI 你想要什么样的视频：

PLAIN TEXT

请帮我把这些视频剪成一个 30 秒的 vlog，风格要有节日气息、连贯流畅、富有动感。

接下来选择你希望使用的大模型，然后点击发送。这里我们选择使用 Minimax。

图片展示了TRAE界面中与Builder协作的对话框。画面中央有“与Builder协作”的文字及说明，下方红框内显示指令“使用这个文件夹内的视频素材，创建一个主题要求是有节日气氛的30秒的Mog视频”。该图片与上下文紧密相关，上下文提到在对话框输入视频剪辑指令，此图直观呈现了输入指令的操作界面，是AI全自动工作流启动前的指令输入环节，帮助用户理解如何在TRAE中进行视频剪辑指令的输入。 — img-534 · 图片展示了TRAE界面中与Builder协作的对话框。画面中央有“与Builder协作”的文字及说明，下方红框内显示指令

在对话框输入视频剪辑指令

第四步：AI 全自动工作

点击发送后，TRAE 会自动调用 video-editing-skills 技能，开始全自动的 AI 剪辑工作流。你可以清楚地看到 AI 正在执行的每一个步骤：

图片展示了TRAE AI剪辑Vlog的运行界面。上方显示“1/5 已完成”，并有“新任务 - 一键开始创作”等步骤提示。下方代码区域显示运行“prepare_workspace.py”脚本，用于视频剪辑工作流准备，还列出多个视频文件名。界面右上角有“后台运行”“取消”等操作按钮。该图片与上下文紧密相关，直观呈现了AI自动启动剪辑工作流运行中，首次运行时自动下载工具链和本地VLM模型等操作情况。 — img-535 · 图片展示了TRAE AI剪辑Vlog的运行界面。上方显示“1/5 已完成”，并有“新任务 - 一键开始创作”等步骤提示。

AI 自动启动剪辑工作流运行中

首次运行时，技能会自动下载所需的工具链和本地 VLM 模型（基于 OpenVINO 优化的 Qwen2.5-VL），后续使用无需重复下载。

图片展示的是TRAE视频剪辑技能的准备运行界面。左侧显示Python脚本运行命令及依赖库信息，如numpy、opencv-python等。右侧有“打开终端”按钮，以及“后台运行”“取消”按钮。下方有ffmpeg / ffprobe的下载信息，目标位置为C: \Users\SAS\AppData\Local\Temp\tmprnwkx9gv\ffmpeg.zip（超时120s）。该图片与上下文紧密相关，直观呈现了视频剪辑技能准备运行时的环境及操作界面。 — img-536 · 图片展示的是TRAE视频剪辑技能的准备运行界面。左侧显示Python脚本运行命令及依赖库信息，如numpy、opencv

图片展示的是TRAE视频编辑技能的运行界面。左侧显示“test3 自动运行”及指令内容，右侧是运行结果。结果显示模型目录、目标目录等信息，还提示下载文件较大需耐心等待。下方有“打开终端”按钮，点击可进入终端。界面底部显示“命令运行中...”及下载进度等信息。该图片与上下文紧密相关，直观呈现了用户输入指令后，TRAE视频编辑技能自动运行及模型下载等操作情况。 — img-537 · 图片展示的是TRAE视频编辑技能的运行界面。左侧显示“test3 自动运行”及指令内容，右侧是运行结果。结果显示模型目录

自动下载工具链和本地 VLM 模型

你输入的自然语言指令会被保存为 user_input.txt，AI 会从中提取主题、氛围、节奏等创作要素：

图片展示了TRAE软件界面，左侧为资源管理器，显示文件夹及文件，其中“user_input.txt”被红色箭头指向。右侧是“user_input.txt”内容窗口，显示用户输入的自然语言指令“帮我把这些视频剪成一个30秒的vlog，风格要有节日气息、连贯流畅、富有动感”。该图片与上下文紧密相关，直观呈现了用户输入自然语言指令的操作界面，是“第三步：一句话，启动AI剪辑”步骤的示例，体现了用户创作意图被结构化提取的过程。 — img-538 · 图片展示了TRAE软件界面，左侧为资源管理器，显示文件夹及文件，其中“user_input.txt”被红色箭头指向。右侧

用户的创作意图被结构化提取

第五步：视频分析

这是整个流程中最能体现 AI PC 价值的环节。Skill在你的英特尔GPU 上启动本地 VLM 推理，逐段分析每一个视频片段的内容：

这张图片展示了TRAE AI剪辑工具在英特尔GPU上运行视频分析时的系统资源使用情况，核心体现了AI PC的性能价值。右侧Windows任务管理器的性能界面显示，英特尔Arc(TM) Pro B50图形处理器的GPU利用率被拉满，达到49%，正在调用GPU的媒体引擎进行视频解码，同时在GPU计算单元上运行VLM多模态推理，界面中还高亮标注了“Compute”模块；左侧的命令行窗口则呈现了工具运行时的代码执行过程，用户输入的剪辑指令被处理，系统正在加载相关配置与模型资源。 — img-539 · 这张图片展示了TRAE AI剪辑工具在英特尔GPU上运行视频分析时的系统资源使用情况，核心体现了AI PC的性能价值。右

由英特尔GPU运行本地 VLM 分析

注意看上图——GPU 的利用率被拉满，Skill 正在调用 GPU 的媒体引擎进行视频解码，同时在 GPU 计算单元上运行 VLM 多模态推理。22 段视频、平均每段 20 秒，全部在本地完成语义级别的深度分析。

分析完成后，输出结构化的 JSON 文件，包含每段视频的场景描述、人物动作、画面构图等语义信息：

图片展示的是在终端中运行的代码界面，显示了名为“output_vlm.json”的文件内容。文件中包含“processed_videos”数组，其下有“input_video”路径、“prompt”描述及“segments”数组。每个“segments”包含“seg_id”、“seg_start”、“seg_end”和“seg_desc”等信息，如“seg_desc”描述了视频中不同场景的语义信息，如充满生机的花园、盛开的黄色花朵等。该图片与上文提到的分析完成后输出结构化JSON文件的内容相呼应，直观呈现了视频语义分析结果。 — img-540 · 图片展示的是在终端中运行的代码界面，显示了名为“output_vlm.json”的文件内容。文件中包含“processe

output_vlm.json —— 视频语义分析结果

第六步：大模型处理「分镜脚本 + 智能合成」

有了视频分析阶段生成的视频语义数据，云端大模型开始发挥创意：自动设计叙事弧线、筛选最佳片段、编排画面顺序、撰写情感化字幕、匹配背景音乐——一份完整的专业分镜脚本（storyboard.json）就此诞生。

这张图片是包含分镜脚本信息的storyboard.json文件内容，呈现于代码编辑界面中。内容涵盖storyboard_metadata（如版本、生成时间）、story_outline，其中用序号1至5列出多个分镜段落，每个段落标注了名称、时长占比及对应描述，如“开始部分”“引入”等。还包含与分镜对应的clips模块，展示了片段序号、视频源路径、对应分镜段落、分镜描述、时间戳，以及时长、转场、voiceover等剪辑相关信息，该内容对应文档中云端大模型生成专业分镜脚本的环节。 — img-541 · 这张图片是包含分镜脚本信息的storyboard.json文件内容，呈现于代码编辑界面中。内容涵盖storyboard_

云端大模型自动生成专业分镜脚本

最后，技能调用本地 FFmpeg 工具，根据分镜脚本对视频进行精准分割、拼接、字幕烧录、BGM 混音，生成最终成片。

temp 目录中的中间产物——从视频素材中剪辑的片段

图片展示了TRAE工作流执行过程产出的文件。在“editing_20260327_132800”文件夹下，有“temp”文件夹，内含“节日日影_30s_bgm.mp4”视频片段；还有“output_vlm.json”“runtime_env.json”“storyboard.json”“user_input.txt”等文件。这些文件是技能调用本地FFmpeg工具，根据分镜脚本对视频进行精准分割、拼接、字幕烧录、BGM混音后生成的最终成片的中间产物，体现了从视频素材到成片全自动完成的工作流程。 — img-543 · 图片展示了TRAE工作流执行过程产出的文件。在“editing_20260327_132800”文件夹下，有“temp”

工作流执行过程产出文件

图片展示的是30秒精剪Vlog的最终成片截图。画面中是一条街道，街道两旁是具有传统建筑风格的房屋，屋顶为瓦片结构，墙面多为砖石材质。街道上悬挂着多种颜色的灯笼和伞，增添了节日氛围。街道两侧摆放着一些盆栽植物，地面上铺有石板。画面底部显示“街道上的节日装饰”，并有播放进度条，当前时间为0:07，总时长为0:30。该图片与上文介绍的技能调用本地FFmpeg工具，根据分镜脚本对视频进行精准分割、拼接、字幕烧录、BGM混音，生成最终成片的内容相呼应。 — img-544 · 图片展示的是30秒精剪Vlog的最终成片截图。画面中是一条街道，街道两旁是具有传统建筑风格的房屋，屋顶为瓦片结构，墙面多

最终成片截图——30 秒精剪 Vlog，从素材到成片全自动完成

AI PC x TRAE：Agent 时代的全新应用形态

这个项目不仅仅是一个视频剪辑工具，它更代表了一种全新的应用范式——AI PC 端侧算力 + 云端大模型 + Agent 编排框架 = 即插即用的AI应用体验

当 TRAE 的 Skills 机制与 AI PC 端侧算力相结合，它不再只是程序员的工具，而是可以服务于所有人的 AI Agent 平台：

维度	TRAE + AI PC Skills
目标用户	所有人（创作者、运营、学生……）
核心能力	代码 + 视频 + 图像 + 音频……
算力来源	端云协同（AI PC + 云端）
应用形态	通用 AI Agent 平台

video-editing-skills 只是一个开始。围绕英特尔OpenVINO生态积累的开源模型支持，英特尔也在规划更丰富的端侧 AI Skill，充分发挥 AI PC 的硬件潜力：

能力方向	具体功能	应用场景
语音智能	TTS 语音合成、ASR 语音识别	AI 配音旁白、语音转字幕、多语言翻译
文字理解	OCR 文字识别、通用 SLM 小模型	视频中文字信息提取、智能摘要生成
视觉分析	目标检测/识别/分割/定位	自动追踪主体、智能裁切、竖屏适配
画质增强	超分辨率、视频增强、风格编辑	老视频修复、画质提升、风格化滤镜

欢迎大家立即开启体验！期待你们的 Vlog 展示哦～