lokeshrana9999/agent-demo-film

Was macht agent-demo-film?

Ein Demovideo ist nur dann wert, verschickt zu werden, wenn das, was auf dem Bildschirm zu sehen ist, echt ist und mit dem übereinstimmt, was die Person in diesem Moment sagt. Diese Fähigkeit bringt die Person dazu, eine Sache zu tun: ein Skript in einer Sitzung vor der Kamera vorzulesen. Agenten erledigen den Rest: die Recherche, das Filmmaterial, das Skript sowie den Schnitt und den Zusammenbau danach.

1 vorbereitung ─> 2 aufnahme ─> 3 skript ─(freigabe)─> 4 aufzeichnung (die Person) ─> 5 schnitt ─> 6 cue-plan ─(freigabe)─> 7 bau ─> 8 verifikation ─> MP4

Jedes Projekt benötigt unterschiedliches Filmmaterial und eine andere Geschichte; diese aus dem Projekt selbst herauszuarbeiten. examples/ zeigt zwei reale Durchläufe: eine kommentierte Produktdurchführung und einen Mit/Ohne-Film einer Agentenfähigkeit. Lesen Sie dasjenige, das der Anfrage näher kommt, bevor Sie planen.

Prinzipien

• Nur echtes Filmmaterial. Jeder App-Bildschirm, jede Agentenantwort, jede Zahl und jedes Log auf dem Bildschirm stammt aus einer Aufnahme oder einer Datei, die von einem Skript kopiert wurde, niemals neu abgetippt. Wenn eine gewünschte Zeile nicht in einer Aufnahme vorkommt, kann der Film sie nicht zeigen.
• Der Bildschirm folgt der Stimme. Jedes visuelle Element erscheint auf dem Wort, das es benennt. Jeder Zeitpunkt im Bau stammt von einer Wort-ID im Schnitt, sodass ein Neuschnitt die Bilder mit der Stimme verschiebt.
• Nichts behauptet mehr als die Worte und die Quellen. Führen Sie eine Faktenliste (mit der Datei, aus der jede Tatsache stammt) und eine „Nicht-behauptet“-Liste. Überprüfen Sie jede Rechercheangabe anhand des Papiers selbst (Crossref: https://api.crossref.org/works/<doi>).
• Synthetische Eingaben. Erfundene Benutzer, Chats und Daten. Keine echten Namen oder Transkripte. Maskieren Sie Geheimnisse und Telefonnummern im Filmmaterial und drucken Sie niemals einen Schlüssel aus: Anmeldeschritte lesen ihn aus der Umgebungsdatei in einem nicht aufgezeichneten Kontext.
• Jeden Take behalten. Skripte weigern sich, eine Aufnahme oder eine Schnittquelle zu überschreiben. Rohaufnahmen bleiben dort, wo die Person sie abgelegt hat, und das Löschen ist die Entscheidung der Person.
• Die Person genehmigt zweimal: die Gliederung und das Skript vor der Aufnahme sowie den Cue-Plan vor dem Bau. Erwarten Sie mehrere Runden von Formulierungshinweisen zum Skript; sie sind der Sinn dieser Phase.

Modell-Routing

Führen Sie den Großteil der Arbeit in Unteragenten aus, damit die Hauptsitzung die Entscheidungen behält. Wenn die Person ein Modell für einen Schritt benennt, verwenden Sie dieses.

Arbeit	Modell
Massenlesen und Recherche von Text: das Repo-Faktenblatt, Themenrecherche, Aufteilen des Takes in eine Schnittliste, Überprüfen eines Skripts auf KI-Erkennungsmerkmale	Sonnet
Alles, was Video oder Einzelbilder liest: Zuschnittrahmung, Einzelbildprüfungen nach einem Render, Überprüfung des Filmmaterials auf Geheimnisse und der Cue-Schwarm pro Abschnitt (ein Agent pro Abschnitt)	Haiku
Bau eines neuen Werkzeugs, das die Pipeline nicht hat, z. B. ein benutzerdefinierter Rekorder	Opus
Die Gliederung, das Skript, der Cue-Plan und jeder Aufruf, den die Person genehmigen muss	die Hauptsitzung

Haiku und Sonnet können kein Audio hören. Wortzeitangaben stammen ausschließlich aus der Transkription (Schritt 5).

1. Vorbereitung

Lesen Sie references/prep.md. Parallel dazu: Ein Sonnet-Agent schreibt ein Faktenblatt aus dem Repository (was es tut, echte Zahlen mit ihren Quelldateien, bekannte Eigenheiten, die nicht gezeigt werden sollen), und Sonnet-Agenten recherchieren, worauf die Geschichte beruht. Schreiben Sie dann die Gliederung: Abschnitte mit Zielsekunden, was in jedem Abschnitt auf dem Bildschirm zu sehen ist, welches Filmmaterial jeder benötigt, die Faktenliste und die Nicht-behauptet-Liste.

2. Aufnahme

Lesen Sie references/capture.md. Wählen Sie die Aufnahmemethode aus dem Projekt: Playwright für Web-Apps, scripts/run_take.sh für Agentenverhalten durch claude -p, einen Terminalrekorder für CLI-Tools, einen Scroll für eine Live-Seite. Jeder Take protokolliert seine Markierungen (Senden, Antworten, Scroll-Stopps) mit Zeitstempeln, sodass der Bau das Filmmaterial auf die Stimme zuschneiden kann. Haiku-Agenten überprüfen die Einzelbilder jedes Takes.

3. Skript

Lesen Sie references/script.md. Schreiben Sie nur den Dialog der Person in Abschnitten ## N. Titel, die mit der Gliederung übereinstimmen, für eine Sitzung mit etwa 150 Wörtern pro Minute. Klare gesprochene Worte in der Stimme der Person: kein Marketing-Bluff und keine KI-Erkennungsmerkmale. Zeigen Sie das Skript mit der Aufnahmeanleitung und warten Sie auf die Freigabe.

4. Aufzeichnung

Die Person zeichnet eine Datei mit Webcam und Mikrofon zusammen auf (OBS, die Kamera-App oder ein Telefon). Fehler und neu gestartete Zeilen sind in Ordnung, da der Schnitt die letzte vollständige Version nimmt. Auch mehrere Dateien funktionieren (eine pro Abschnitt oder eine nachträglich aufgenommene Korrekturzeile).

5. Schnitt

Lesen Sie references/cut.md.

1. Transkribieren Sie jeden Take lokal: npx hyperframes transcribe <take> --engine parakeet.
2. Nummerieren Sie die Wörter und kürzen Sie sie auf echte Stille: python scripts/words.py transcript.json <take> vo --media <take>.
3. Geben Sie die Phrasenliste und das Skript an einen Sonnet-Agenten (assets/SPLIT-BRIEF.md). Er schreibt edl.json: welche Wortbereiche pro Abschnitt beibehalten werden, welche Füllwörter und Fehlstarts entfernt werden und welche Zeilen etwas sagen, das die Fakten nicht stützen.
4. Fragen Sie die Person nach jeder wiederholten Zeile oder beanstandeten Behauptung, bevor Sie schneiden.
5. Rahmen Sie die Webcam ein: Ein Haiku-Agent wählt aus Stichproben-Einzelbildern einen Zuschnitt, der Kopf und Schultern über alle Takes hinweg hält, oder verwischt stattdessen den Hintergrund (scripts/blur_bg.py).
6. Schneiden: python scripts/cut.py edl.json schreibt vo.wav, cam.mp4, timeline.json und eine Wortdatei pro Abschnitt. Lippensynchronität bleibt erhalten, da Audio und Video auf demselben Einzelbildraster beschnitten werden.

6. Cue-Plan

Ein Haiku-Agent pro Abschnitt (assets/CUE-BRIEF.md) wandelt die zeitgestempelten Wörter des Abschnitts in Untertitel, Cues (welches visuelle Element auf welchem Wort landet, mit seiner Quelle) und Einblendungen um. Dann:

1. python scripts/cues.py cut überprüft jede Abschnittsdatei gegen den Schnitt und führt sie zu film.json zusammen. Senden Sie jeden Fehler an den Agenten zurück, der diesen Abschnitt geschrieben hat.
2. Schreiben Sie den Cue-Plan für die Person (examples/samatva-support/CUE-plan.md zeigt die Form): Abschnittslayout, zeilenweise visuelle Elemente, die Audio-Bearbeitungen und die Entscheidungen, die nur sie treffen können. Warten Sie auf die Freigabe.

Untertitel-Regeln: Zeigen Sie das korrekte Wort. Korrigieren Sie die Fehlhörfehler des Transkribierers stillschweigend. Markieren Sie einen echten Versprecher mit dem korrekten Wort als *(wort) anstelle des Gesagten. Blenden Sie Namen, Zahlen und Begriffe, die schwer zu hören sind, groß über dem Untertitel ein.

7. Bau

Lesen Sie references/hyperframes.md. Kopieren Sie assets/build_film.py in den Filmordner. Wie es ist, baut es ein Animatic aus film.json: den Text jedes Cues auf seinem Wort, die Webcam-Einblendung pro Abschnitt, Untertitel und Einblendungen. Rendern Sie dies zuerst, wenn die Zeitabstimmung zweifelhaft ist. Ersetzen Sie dann den Körper jedes Abschnitts durch die echten visuellen Elemente: auf die Cue-Zeiten zugeschnittenes Filmmaterial, Diagramme, die sich aufbauen, während jedes Teil benannt wird, und Karten für die Quellen.

8. Verifikation

Lesen Sie references/verify.md. In dieser Reihenfolge:

1. npx hyperframes check --json, bis es 0 Fehler anzeigt.
2. Schnappschuss zu jeder Cue-Zeit (der Builder schreibt cues.json), und lassen Sie Haiku-Agenten diese Einzelbilder gegen den Cue-Plan und auf durchgesickerte Geheimnisse überprüfen.
3. Vergleichen Sie den Text auf dem Bildschirm mit seinen Quellen per Skript.
4. Rendern Sie das 1080p-Master und eine 720p-Überprüfungskopie.

Senden Sie dann die Überprüfungskopie. Wenn die Person einen Moment benennt („bei 1:23 sage ich …“), beheben Sie es mit einer Korrekturaufnahme oder einer Cue-Änderung und verifizieren Sie nur die Einzelbilder neu, die sich geändert haben.

Dateien

• scripts/words.py: Transkript zu nummerierten Wörtern und einer Phrasenliste, auf echte Stille gekürzt.
• scripts/cut.py: Schnittliste zu vo.wav, cam.mp4 und timeline.json, synchron auf dem Einzelbildraster.
• scripts/cues.py: Überprüft die Abschnittsdateien der Cue-Agenten und führt sie zu film.json zusammen.
• scripts/blur_bg.py: Lokale Hintergrundunschärfe für die Webcam (RobustVideoMatting, CPU).
• scripts/run_take.sh, scripts/grade.py: Reale claude -p-Takes von Agentenverhalten und deren Bewertung.
• assets/build_film.py: Der Builder, von dem aus gestartet wird (Animatic, Webcam, Untertitel, Einblendungen).
• assets/edl.example.json, assets/SPLIT-BRIEF.md, assets/CUE-BRIEF.md: Das Schnittlistenformat und die beiden Agenten-Briefings.
• references/: Vorbereitung, Aufnahme, Skript, Schnitt, Hyperframes, Verifikation.
• examples/samatva-support/: Eine 2:19-minütige kommentierte Produktdurchführung, aus drei Takes.
• examples/samatva-vent/: Ein kurzer stummer Mit/Ohne-Film einer Agentenfähigkeit, erstellt aus echten claude -p-Takes.