自建Agent环境实测：Terra在视频编辑上为何不如DeepSeek？

一位开发者连续25天直播“Vibecodeando”（即用AI辅助编程）的实践，最近把焦点放在了一个关键问题上：当Claude的Codex服务频繁出问题，自建Agent环境到底能不能顶上？ 这场直播中，他不仅展示了自己正在开发的SICA（自建Agent环境）和SICA Studio（AI视频编辑器），还进行了一场多模型视频编辑对比实测，结果有些出人意料。

为什么要自建Agent环境？

直播主坦言，自己最初是Codex的重度用户，但Codex的表现越来越不稳定——“它直接卡死了，我甚至没注意到，差点让它一直跑下去，结果什么都没做。” 他提到，Codex的Web端优化很差，而且使用限制越来越不友好。相比之下，他更看重模型本身的能力：“对于视频编辑和服务器端系统开发，我需要一个像Opus这样超级聪明的模型。”

但问题在于，Claude的使用额度更少，而Codex虽然模型稍逊，但近期提供了大量使用额度。这种权衡让他决定自己搭建一个环境，能够接入多个提供商的订阅（Claude、Codex、Cursor、OpenCode、AntiGravity、Hermes等），从而灵活调度不同模型。他将这个项目命名为SICA，并强调它类似Orca、Monocode、Xeron等工具，但更贴合自己的需求。

Agent环境指的是围绕大模型构建的一整套运行时系统，包括模型接入层、工具调用（function calling）、上下文与记忆管理、权限控制以及交互界面等。单纯调用模型API只能完成单轮问答，而Agent环境让模型能够自主规划任务、调用外部工具（如文件系统、代码执行器、浏览器）并迭代执行。自建Agent环境的核心动机通常有三点：一是摆脱单一供应商的稳定性与额度限制，二是在多个模型之间灵活路由以平衡成本与能力，三是定制化工作流与UI。市面上已有Orca、Monocode等开源或半开源方案，但它们对模型供应商的支持范围和交互范式各有侧重，开发者往往需要按自身需求二次开发。

SICA Studio：AI视频编辑器的设计思路

SICA Studio是直播主正在打磨的另一款产品，核心定位是用自然语言和代码来编辑视频。它并非AI生成视频，而是通过React、JavaScript、JSX等代码来创建视频动画、字幕、音效和音乐。

他提到，自己之前用Remotion编辑视频，但效果不稳定：“人们总是记不住我想要什么，Remotion当时还在开发中，表现很糟糕。” 于是他在Diffusion Studio（一个基于JSX的时间线项目）的基础上构建了SICA Studio，并融合了Remotion和Hyperframe的优点。

SICA Studio的目标是让用户为每个平台（YouTube、Reels、TikTok等）创建自己的“技能”（Skill），包含该平台的编辑风格、字幕样式、音效库等。用户只需加载技能，AI就能按统一风格自动编辑。

他也展示了SICA Recorder，一款配套的录屏工具，可以录制屏幕、摄像头和麦克风，并生成带有图层信息的素材，方便在编辑器中单独调整摄像头位置、缩放等。

Remotion是一个基于React的编程式视频生成框架，开发者用React组件描述画面，框架逐帧渲染并合成视频，适合数据驱动或高度定制化的视频。JSX时间线则把视频的时间轴抽象为声明式代码结构，剪辑点、图层、动画都可用代码表达，便于版本控制和AI生成。Diffusion Studio、Hyperframe等项目都基于这一思路，区别在于渲染管线、时间线模型和对音频、字幕等元素的支持程度。这类方案的优势是视频工程可像代码一样被diff、复用和自动化；劣势是学习曲线较陡，且对非程序员不友好——这正是SICA Studio试图用“技能（Skill）”封装来降低门槛的原因。

多模型视频编辑实测：Terra vs DeepSeek vs Gemini

为了验证不同模型在视频编辑任务上的表现，直播主设计了一个对比实验：使用同一个提示词（prompt），分别让6.1 Terra（Max模式）、DeepSeek^广告 B4.1（通过OpenCode）、Gemini 3.8 Flash（通过AntiGravity）生成一段视频动画。

Terra的表现：快但缺乏创意

Terra在Max模式下响应速度不错，但生成结果令人失望。直播主评价：“Terra在视频编辑上表现很差，不是编辑能力不行，而是它似乎没有品味，缺乏创造力。” 他进一步解释，Terra完成基础任务没问题，但在需要审美和创意的动画设计上显得平庸。

DeepSeek意外胜出

相比之下，DeepSeek B4.1的表现让人惊喜。虽然它没有提供“努力程度”选项，但生成的视频在创意和完成度上明显优于Terra。直播主直言：“DeepSeek definitely is better.” 他还注意到，DeepSeek消耗的token数量更少，效率更高。

Gemini表现不稳定

Gemini 3.8 Flash在第一次测试中生成的结果“非常糟糕”，直播主怀疑是连接问题或提示词问题。后来他换了一个参考视频重新测试，结果有所改善，但仍不如DeepSeek。他提到，Gemini在High模式下消耗的token数量与DeepSeek相近，但效果更差。

社区互动与工具推荐

直播过程中，不少观众提问。有人问如何选择模型，直播主建议：如果主要做视频编辑，Opus 5.5目前是最强选择，但成本极高；如果预算有限，DeepSeek B4.1性价比突出。他还提到，Codex即将推出CapCut插件，可能会提升视频编辑体验。

对于想学习AI编程的观众，他推荐了Hyperframe、Remotion等工具，并透露自己正在评估Gentle AI（一个开源的Agent框架），考虑将其集成到SICA中。Gentle AI提供了持久化记忆（engram）、比例工作（ODD）和代码关联审查（RDD）等机制，能优化Agent的工作流程。

自建环境的挑战与未来

自建Agent环境并非易事。直播主提到，他需要处理不同模型的接入、权限管理、UI适配等问题。例如，AntiGravity在集成Gemini时经常出现连接失败，而OpenCode需要额外配置才能使用DeepSeek。但他认为，这种灵活性值得投入，尤其是当商业API服务不稳定时。

目前，SICA仍处于早期阶段，但他计划在社区中逐步开放。对于想要尝试的开发者，他建议先从简单的工具链开始，比如用Whisper做语音转录，用Groq做快速推理，再逐步集成更复杂的模型。

“Vibecodeando是一种生活方式。” 直播主在结尾说道。对他而言，自建环境不仅是技术挑战，更是对AI工作流的重新思考。

Gentle AI是一个面向Agent工作流的开源框架，其几个机制值得了解：持久化记忆（engram） 让Agent跨会话保留关键信息，避免每次任务都从零构建上下文；比例工作（ODD） 指按任务复杂度动态分配推理预算与步骤，而非固定流程；代码关联审查（RDD） 则在Agent产出代码后自动关联相关文件与依赖进行审查，降低幻觉引入的错误。这类框架解决的是Agent在长任务中“遗忘”和“失控”的痛点，与自建环境的多模型调度形成互补。相比之下，Whisper负责语音转文字，Groq提供低延迟推理，二者常作为工具链的基础组件被Agent调用。