capcut-cli: eine deterministische Grenze, öffentlich im Betrieb
Problem: KI-Piloten bleiben immer an derselben Stelle stehen. Niemand hat die Linie gezogen zwischen dem, was das Modell entscheiden darf, und dem, was der Code garantieren muss. Damit gibt es nichts zu testen, nichts nachzuvollziehen und keinen Rückweg, wenn eine Entscheidung falsch war.
Lösung: capcut-cli ist genau diese Linie, öffentlich gezogen. Timing, Spuren-Layout, Schnittpunkte und Untertitel-Positionen sind Code, der bei jedem Lauf dasselbe liefert und sich vergleichen, prüfen und zurückrollen lässt. Das Modell wählt und formuliert nur. Die Veröffentlichung bleibt beim Menschen.
Geschäftswert: Rund 3.100 Menschen pro Monat verlassen sich darauf, dass diese Grenze hält: 415 Sterne, 11.877 npm-Installationen in den letzten 30 Tagen, 1.147 eindeutige Clones in zwei Wochen, keine Laufzeit-Abhängigkeiten. Fünf Monate öffentlich, Sicherheitsfixes offen benannt statt still gepatcht.
Rahmen: Dieselbe Regel baue ich in Kundensysteme, die mehr Risiko tragen als eine Video-Zeitleiste. Das Werkzeug ist der Beleg, nicht das Angebot.
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, danncapcut <command> <projekt> - Bibliothek — typisierte Importe (
loadDraft,lintDraft,saveDraft), ohne Laufzeit-Abhängigkeiten - Queue-Runner —
capcut serveliest 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
Rund 12.000 Installationen pro Monat heißen: 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
Sterne-, Installations- und Clone-Zahlen am 6. September 2026 von GitHub und npm 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.
Stack Stack
- Node.js 18+, nur Built-ins (keine nativen Module)
- Direkter Lese- und Schreibzugriff auf den CapCut-/JianYing-Draft-Speicher
- Typisierte Bibliotheks-Exporte (loadDraft, lintDraft, saveDraft)
- JSONL-Queue-Runner für n8n / Make / Coze
- WebAssembly-Komponente (experimentell) ohne Host-Imports
- MIT, aktuell als v0.22.0 veröffentlicht
Ähnliches Projekt auf dem Tisch? Similar project on your desk?
Am schnellsten klärt das ein Gespräch. Termin direkt hier wählen: The fastest way to scope it is a conversation. Pick a slot right here:
Ihr KI-Pilot läuft in der Demo, aber noch nicht zuverlässig im Betrieb? Genau dafür arbeite ich: Audit, Festpreis-Scope, Umsetzung in 2–6 Wochen. Dazu gehört der Teil, den ein Pilot nie zeigt: nachvollziehbarer Zustand über Läufe hinweg, Freigaben an den Stellen, die Verantwortung brauchen, und ein Rückweg, wenn eine Entscheidung falsch war.