capcut-clieine deterministische Grenze, öffentlich im Betrieb

Wo das Modell aufhören muss

Die interessante Frage in einer KI-Strecke ist nie, ob ein Modell die Arbeit erledigen kann. Sie lautet, wo das Modell aufhören muss.

Timing, Untertitel-Positionen, Spuren-Layout und Schnittpunkte sind Rechnen. Das gehört in Code, der bei jedem Lauf dasselbe Ergebnis liefert, sich gegen die Vorversion vergleichen lässt, vor der Auslieferung geprüft wird und zurückrollbar ist, wenn er falsch liegt. Die Auswahl der Passage und die Formulierung des Einstiegs sind Urteilsfragen und gehören einem Modell oder einem Menschen. In fast jedem stehengebliebenen Piloten, zu dem ich gerufen werde, sind diese beiden Hälften vermischt. Genau deshalb kann niemand sagen, was kaputtgegangen ist.

capcut-cli zieht die Linie im Werkzeug selbst, wo sie sich nicht wegdiskutieren lässt: Das CLI verantwortet die deterministische Hälfte und gibt strukturiertes JSON zurück, das Modell liefert ausschließlich strukturierte Eingaben, und die Veröffentlichung bleibt beim Menschen. Diese Einschränkung ist überhaupt erst der Grund, warum ein Agent es bedienen kann, ohne dass jemand deswegen schlecht schläft.

Dieselbe Aufteilung läuft durch Kundensysteme, die mehr Risiko tragen als eine Video-Zeitleiste. Die PII-Redaktion hinter deterministischer Maskierung folgt ihr exakt: Regeln zuerst, das Modell nur für das, was Regeln nicht entscheiden können.

Was das Werkzeug tatsächlich ist

capcut-cli erzeugt und bearbeitet echte CapCut- und JianYing-Projekte über die Kommandozeile, direkt auf dem lokalen Draft-Speicher. Ohne Upload, ohne API-Schlüssel, ohne Server im Hintergrund. Das Ergebnis öffnet sich in CapCut mit allen Spuren weiterhin editierbar, nicht als flachgerechneter Export.

Eine Installation, vier Wege es anzusteuern:

• CLI — npm install -g capcut-cli, dann capcut <command> <projekt>
• Bibliothek — typisierte Importe (loadDraft, lintDraft, saveDraft), ohne Laufzeit-Abhängigkeiten
• Queue-Runner — capcut serve liest JSONL-Jobs von stdin, für n8n, Make oder Coze
• Agenten-Sandbox — eine experimentelle WebAssembly-Komponente ohne Datei-, Netz-, Zeit- und Prozesszugriff, damit ein Modell einen Entwurf prüfen kann, ohne irgendetwas anfassen zu können

Was öffentliche Verbreitung dem Projekt abverlangt

Der Stand vom 6. September mit rund 12.000 Installationen in 30 Tagen heißt: Wenn ich unsauber arbeite, brechen die Pipelines anderer Leute. Also läuft im Repository das, was ich auch von einem System im Betrieb erwarte:

• CI bei jedem Push, wobei der WebAssembly-Build vor der Auslieferung nachweist, dass er keine Host-Imports hat
• Versionierte Releases und ein gepflegtes Changelog, aktuell v0.22.0
• Sicherheitsprobleme öffentlich benannt und behoben, mit den betroffenen Versionen im README statt still gepatcht
• CapCut- und JianYing-Namensraum in einer Binärdatei, plus Erkennung neuerer CapCut-Layouts statt der Annahme, eine einzige Datei sei die einzige Wahrheit

Nichts davon ist glamourös. Es ist der Unterschied zwischen etwas, das eine Demo übersteht, und etwas, das unbeaufsichtigt läuft — und genau diesen Unterschied werde ich üblicherweise engagiert zu schließen.

Einstieg

• Repository — github.com/renezander030/capcut-cli, MIT-Lizenz
• Installation — npm install -g capcut-cli, Node 18 oder neuer
• Die Strecke in der Praxis — YouTube Shorts mit CapCut automatisieren: CLI und Claude

GitHub-Sterne am 28. September 2026 geprüft; npm-Installationen und eindeutige Clones am 6. September 2026 von npm und GitHub gelesen. Dies ist ein unabhängiges Projekt und steht in keiner Verbindung zu CapCut, JianYing oder ByteDance Ltd. und wird von ihnen weder gesponsert noch unterstützt.