Communitygithub.com

lzcjsyr/Book2Video

Vereinfachte Version eines Skripterstellungs-Skills. Liest Bücher/Dokumente, extrahiert Kernargumente und generiert hochwertige, gesprochene Skripte für Video-/Douyin-Buchbesprechungen im standardisierten JSON-Format.

Was ist Book2Video?

Dieser Skill, ‚lzcjsyr/Book2Video‘, ist ein spezialisierter KI-Agenten-Skill, der den gesamten Workflow vom Lesen eines Buches oder Dokuments bis zur Produktion eines optimierten, gesprochenen Skripts für Kurzvideo-Plattformen (wie chinesische Video-Kanäle oder Douyin) automatisiert. Er konsolidiert die Schritte Lesen, Schreiben und Verfeinern in einem einzigen, schnellen Prozess. Der Skill extrahiert Kernargumente, schreibt einen verständlichen Rohentwurf und verpackt das Finale in ein striktes JSON-Format, das Titel, Cover-Texte, Schlüsselzitate und Interaktionsaufforderungen enthält. Entwickler können diesen Skill einsetzen, um Inhalte für Buchzusammenfassungen massiv zu skalieren, wobei der Fokus auf mündlicher, ansprechender Sprache und einem standardisierten, maschinenlesbaren Output liegt. Er ist optimiert für die Arbeit mit großen Textmengen (Bücher, lange Dokumente) und generiert Ausgaben, die sich direkt in Content-Pipelines oder Veröffentlichungs-Workflows einfügen lassen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lzcjsyr/Book2Video/tree/HEAD/skills/step1/sample_writer

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

sample_writer - Extrem einfacher Video-Skript-Schreibassistent

Dies ist eine vereinfachte Version eines Skills zum Erstellen von Skripten für Buch-/Dokumentbesprechungen. Er vereint die Schritte Lesen, Schreiben und Verfeinern, um schnell mündliche, verbreitungswirksame Skripte für chinesische Kurzvideo-Plattformen zu erstellen.

Konfiguration der Ziellänge

Diese Konfiguration ist die einzige Quelle der Wahrheit für die endgültige Textmenge in diesem Skill.

draft_min_chars: 1000 # Mindestzeichenzahl für den Rohentwurf final_target_chars: 1200 # Zielzeichenzahl für die Endfassung

Hauptablauf

Befolgen Sie nur die folgenden drei Kernschritte. Sie müssen keine komplexen Deckungsprotokolle führen. Speichern Sie Zwischenergebnisse während des Prozesses im Arbeitsverzeichnis (Ordner text der Projektausgaben) ab:

  1. Schnelles Lesen und Strukturieren:

    • Überfliegen Sie die Kerninhalte der Eingabedatei (lesen Sie insbesondere Anfang, Inhaltsverzeichnis, Kernkapitel und Ende).
    • Extrahieren Sie eine Kernfrage, die das gesamte Buch wirklich zu beantworten versucht, das Kernantwortgerüst des Autors und 3 Schlüsselbeispiele oder Argumente.
    • Speichern Sie die extrahierte Kerngliederung als Zwischenprodukt in _extract.txt.
  2. Rohentwurf (mündlich):

    • Verfassen Sie gemäß den Richtlinien in references/writing_guide.md einen strukturierten, leicht verständlichen Rohentwurf, der sich direkt zum Sprechen eignet und die Zeichenzahl draft_min_chars erreicht.
    • Speichern Sie den Rohentwurf als Zwischenprodukt in _draft_v1.txt.
  3. Selbstprüfung und Verpackung:

    • Nehmen Sie Selbstkorrekturen vor, entfernen Sie überflüssige Füllwörter, schriftsprachliche Ausdrücke und „KI-typische“ Vokabeln. Speichern Sie die korrigierte Endfassung in _draft_final.txt.
    • Generieren Sie aus _draft_final.txt einen Titel, Cover-Text, Schlüsselzitate sowie Aufforderungen zur Interaktion und zum Teilen. Verpacken Sie alles als finales JSON und schreiben Sie es in {output_json}.
    • Stellen Sie sicher, dass das ausgegebene {output_json} mit Pythons json.loads geparst werden kann und exakt dem untenstehenden JSON-Output-Vertrag entspricht.

Finaler JSON-Output-Vertrag

Geben Sie als Endausgabe ausschließlich ein striktes JSON-Objekt aus, ohne jegliche Markdown-Auszeichnung oder zusätzliche Erklärungen.

{
  "source_name": "Werkname (z.B. Das egoistische Gen), ohne Dateinamenserweiterung",
  "video_titles": ["3 Kandidaten-Videotitel, nicht wiederholend, vollständige Informationen"],
  "cover_titles": ["3 Cover-Haupttitel, 4 bis 10 Zeichen, kurz, stark, leicht überfliegbar"],
  "cover_subtitles": ["3 Cover-Untertitel, maximal 15 Zeichen"],
  "golden_quotes": ["3 Eröffnungszitate, meinungsstark, zum Innehalten und Zuhören"],
  "comment_hook_options": ["3 Kommentaraufforderungen, vorzugsweise Urteils-, Vergleichs- oder Nachfragesätze, nicht wie Marketing-Sprache"],
  "share_hook_options": ["3 Teilen-Aufforderungen, wie natürliche Aussagen nach dem Anschauen"],
  "content": "Vollständiges Skript zum Sprechen, etwa final_target_chars Zeichen, mit natürlichen Absatzumbrüchen, ohne Markdown-Auszeichnung oder Untertitel",
  "total_length": 0
}
  • total_length ist die tatsächliche Zeichenanzahl von content.
  • content muss vollständig mündlich sein, natürliche Absatzumbrüche beibehalten und darf auf keinen Fall Untertitel, Markdown oder Listenformatierung enthalten.

Individual skills in this repo

This repo contains 6 individual skills — each has its own dedicated page.

lzcjsyr/Book2Video

将 PDF、EPUB、DOCX 等书籍或长文档一次性转成约 4 分钟的中文读书带货短视频口播稿,以情绪共鸣、观看留存和购买欲为核心,直接输出 Book2Video 后续流程可读取的 raw JSON。用户提到读书带货、图书推广、卖书口播、商品卡、走心书单视频、情绪型读书文案或要求生成可直接进入视频流水线的带货稿时使用。

lzcjsyr/Book2Video

将长书、长文档转成中文视频号读书解说稿;先抽取文本并建立可恢复覆盖台账,覆盖自检通过后再按入口定义的正文长度生成初稿、多轮修订和最终 raw JSON。

lzcjsyr/Book2Video

将长书、长文档、PDF、EPUB、读书资料、思想经典、社科著作、商业书或研究型长文转成更有传播感的中文视频号/抖音读书口播稿,并输出项目可用的 raw JSON。只要用户提到“读书解说”“拆书稿”“视频号口播”“把这本书做成短视频”“长文档转视频脚本”“生成标题/封面/金句/raw JSON”,都应使用此 skill。

lzcjsyr/Book2Video

Cody的公众号长文写作skill。当用户需要撰写公众号文章、写稿子、续写文章、根据素材产出长文时使用。触发词包括但不限于:写文章、写稿子、帮我写、续写、扩写、公众号文章、长文、出稿、按我的风格写。即使用户只是说"帮我把这个写成文章"或"用我的风格写一下",只要上下文涉及内容创作和公众号输出,都应该触发。也适用于用户丢过来一个PDF、brief、新闻链接、语音转文字或任何素材说"帮我写篇文章"的场景。不要用于短内容(小红书帖子、推特、朋友圈)或纯标题摘要生成。

lzcjsyr/Book2Video

将中短篇专业报告、公司财报、券商研报、招股书、宏观经济分析及含有较多表格和数据的PDF文档,转化为高品质、数据精准的中文视频号/抖音口播解说稿。只要用户提到“研报”、“财报”、“商业分析报告”或需要“解读数据”、“把报告/PDF做成短视频”,务必使用此 Skill。

lzcjsyr/Book2Video

The fallback workflow for authoring custom HyperFrames video compositions at any length or format — longer or multi-scene pieces, brand / sizzle reels, montages, title cards, static loops, and freeform compositions. Input- and length-agnostic. If a specialized workflow clearly fits the input — a marketed product, a website, a topic explainer, a GitHub PR, existing footage, a short motion graphic, or a Remotion port — prefer it (see /hyperframes); use this only as the general fallback when none fit.

Verwandte Skills