Communitygithub.com

EvoFlow – Strukturierte Videoproduktion im Plan-Modus

Erstellt in Plan-Kollaboration (Aufgabenmodus) Kurzvideos nach einem strukturierten Workflow: Zuerst werden die Benutzeranforderungen erfragt, nach Bestätigung werden alle Gewerke (Drehbuchautor, Visual Planner, Artist, Regie, Postproduktion) direkt mit dem plan-Tool in die Schritte integriert und seriell ausgeführt.

Was ist EvoFlow – Strukturierte Videoproduktion im Plan-Modus?

EvoFlow ist ein Skill für KI-Agenten (z. B. Claude Code, Cursor), der die Erstellung von Kurzvideos in einem strukturierten, seriellen Workflow innerhalb des Plan-Modus (Aufgabenkollaboration) ermöglicht. Der Skill fragt zunächst die Benutzeranforderungen ab – wie Thema, Dauer, Stil und Seitenverhältnis – und erstellt dann mit dem plan-Tool einen detaillierten, schrittweisen Ablaufplan. Jeder Schritt wird einem spezialisierten Sub-Agenten zugewiesen (z. B. Drehbuchautor, Visual Planner, Artist, Videoregisseur, Postproduktion), sodass alle Gewerke nahtlos integriert sind. Der Benutzer bestätigt den Plan, woraufhin die Schritte in Abhängigkeit der Reihenfolge seriell ausgeführt werden. Der Skill unterstützt die Medien-APIs von Volcano Engine (Seedream für Bilder, Seedance für Video mit integriertem Audio), wobei Fehlerbehandlungen und Wiederholungslogik integriert sind. Der Fokus liegt auf einer klaren, strukturierten Pipeline, die manuelle Sub-Agenten-Zuweisungen außerhalb des Plans vermeidet.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/EvovexAI/EvoFlow/tree/HEAD/skills/public/plan-video-production

In Ihrer bevorzugten KI fragen

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

Dokumentation

Plan Videoerstellungsskill

Anwendungsbereich

Voraussetzung: Plan-Kollaboration ist aktiviert (scenario(activate, plan) wurde ausgeführt). Für Aufgaben, die visuelle / Video-Outputs (Bilderzeugung, Kurzfilme, Sprachausgabe, Untertitel) umfassen.

Anbieterauswahl: Für Bilderzeugung lies byted-ark-seedream-skill; für Videogenerierung lies das media-production-Skript (Volcano Seedance). Andere Anbieter siehe agnes-media-generation / wan-media-generation / kling-media-generation.

Anmeldedaten (Umgebungsvariablen)

Füge in Einstellungen → Umgebungsvariablen die für den Skill erforderlichen KEY=VALUE-Einträge hinzu (z. B. VOLCENGINE_API_KEY / ARK_API_KEY). Alternativ können in Einstellungen → Modelle → Kreativmedien Schlüssel für andere Anbieter eingetragen werden.

FähigkeitHäufig verwendeter KEYSkill
BilderzeugungVOLCENGINE_API_KEY / ARK_API_KEYbyted-ark-seedream-skill
VideogenerierungGleich wie obenmedia-production
AgnesAGNES_API_KEYagnes-media-generation

Kernänderung: Alle Medien-Gewerke (Drehbuchautor, Visual Planner, Künstler, Regie, Postproduktion) werden vollständig in plan(goal, steps[]) über assigned_agent spezifiziert. Nachdem der Plan gespeichert und vom Benutzer bestätigt wurde, wird er seriell ausgeführt – es erfolgt keine separate Delegation an Sub-Agenten außerhalb des Plans.

Arbeitsablauf

Benutzer äußert Wunsch
     ↓
Anforderungen erfragen und bestätigen (Thema, Dauer, Stil, Seitenverhältnis usw.)
     ↓
Direkt mit plan(goal, steps[]) planen
  Schritt 1: media-screenwriter — Drehbuch/Storyboard/Sprachskript
  Schritt 2: media-visual-planner — Bild-Prompts erstellen
  Schritt 3: media-artist — Schlüsselbilder generieren
  Schritt 4: media-video-director — Video + natives Audio rendern
  Schritt 5: media-post — Hart-Untertitel einbrennen
     ↓
Benutzer bestätigt → Ausführung (seriell, jeder Schritt wird abgenommen)

Vorgehen

Schritt 1: Benutzeranforderungen erfragen

Sammle aktiv die folgenden Informationen vom Benutzer:

FrageBeispiel
Was ist das Video-Thema/Produkt/Inhalt?Werbung für neue Smartwatch
Gewünschte Dauer?15 Sekunden / 30 Sekunden
Visueller Stil?Technisch / Warm / Chinesisch-traditionell
Seitenverhältnis?16:9 / 9:16 (Hochformat)
Richtung des Sprachskripts?Funktion-Highlights + Marken-Slogan
Referenzmaterial vorhanden?Referenzbilder / Wettbewerbsvideos

Schritt 2: Nach Bestätigung direkt planen

Nach Bestätigung der Anforderungen durch den Benutzer schreibe alle Schritte mit dem plan-Tool in einen strukturierten Plan:

plan(
  goal="Erstelle ein 15-Sekunden-Produkt-Video mit Thema: xxx, Stil: xxx",
  steps=[
    {
      "step_id": 1,
      "description": "Der Drehbuchautor erstellt ein Production Brief mit Logline, Storyboard und Sprachskript",
      "assigned_agent": "media-screenwriter",
      "expected_output": "outputs/production-brief.md",
      "acceptance_criteria": "Enthält Benutzerintention, Logline, visuellen Stil, Shot-Liste und Sprachskript"
    },
    {
      "step_id": 2,
      "description": "Der Visual Planner wandelt das Storyboard in Bild-Prompts um",
      "assigned_agent": "media-visual-planner",
      "expected_output": "outputs/shot-prompts.json",
      "depends_on": [1]
    },
    {
      "step_id": 3,
      "description": "Der Artist generiert die ersten Schlüsselbilder (PNG)",
      "assigned_agent": "media-artist",
      "expected_output": "PNG-Schlüsselbilder im outputs-Ordner",
      "depends_on": [2]
    },
    {
      "step_id": 4,
      "description": "Der Videoregisseur erzeugt MP4 mit nativer Sprachausgabe",
      "assigned_agent": "media-video-director",
      "expected_output": "outputs/*.mp4",
      "depends_on": [3]
    },
    {
      "step_id": 5,
      "description": "Die Postproduktion brennt Hart-Untertitel ein und liefert finales MP4",
      "assigned_agent": "media-post",
      "expected_output": "outputs/*-subtitled.mp4",
      "depends_on": [4]
    }
  ],
  flowchart_mermaid="..."
)

Schritt 3: Benutzer bestätigt die Ausführung

Nachdem der Plan gespeichert wurde, bestätigt der Benutzer mit „Ausführung starten“. Der Plan geht in die executing-Phase über. Die Schritte werden seriell in der angegebenen Abhängigkeitsreihenfolge ausgeführt. Nach jedem Schritt überprüft der Haupt-Agent das Ergebnis, bevor der nächste Schritt startet.

Liste der Medien-Sub-Agenten

assigned_agentAufgabeKernwerkzeuge
media-screenwriterDrehbuch, Storyboard, Sprachskript schreibenread_file, write_to_file
media-visual-plannerBild-Prompts schreibenread_file, write_to_file
media-artistSeedream-Bilderzeugung (jimeng)read_file, terminal → scripts/image_generate.py
media-video-directorSeedance Bild-zu-Video + natives Audioread_file, terminal → scripts/video_generate.py, task_wait.py
media-postSRT-Untertitel + ffmpeg Hart-Untertitelread_file, terminal → scripts/subtitle_build.py, subtitle_burn.py

Hinweis: Füge media-voice-director nicht in die Schritte ein – Seedance verfügt bereits über natives Audio (Standard: generate_audio=true).

Technologie-Stack

Skriptverzeichnis: skills/public/media-production/scripts/ (lies zuerst den media-production-Skill)

FähigkeitSkriptAnbieter
Bilderzeugungimage_generate.pyjimeng (Volcano Engine Seedream)
Videogenerierungvideo_generate.py + task_wait.pyjimeng (Volcano Engine Seedance, standardmäßig mit Audio)
Untertitelsubtitle_build.py + subtitle_burn.pyLokal (ffmpeg)

Fehlerbehandlung: Bei Fehlern von jimeng nicht automatisch auf wan/kling umschalten – den Benutzer auffordern, den Ark-Modell-Endpunkt zu aktivieren. Bei identischen Parametern maximal 1 Wiederholung.

Häufige Fehler

  • Im Plan-Modus image_generate.py direkt in der Hauptsitzung ausführen → Es sollte vom media-artist im plan-Schritt ausgeführt werden
  • Sub-Agenten außerhalb der plan-Schritte einzeln delegieren → Alle Gewerke sollten in den plan steps unter assigned_agent definiert werden
  • task_wait.py überspringen → Video wird ausgeliefert, bevor die Generierung abgeschlossen ist
  • Standardmäßig media-voice-director delegieren → Seedance hat bereits natives Audio, überflüssig

Individual skills in this repo

This repo contains 15 individual skills — each has its own dedicated page.

EvovexAI/EvoFlow

Add captions to a talking-head video. ONE catalog (CATALOG.md) of 32 visual identities behind two engines: column-flow (captions composited INTO the scene — matte occlusion + mix-blend; cream/ink/editorial/keynote/documentary/loud/neon/glitch/chrome/velocity) and themed constitutions (anchor/ordnance/terminal/neonsign/stardust/stomp/scoreboard/transit/vhs/arcade/dossier/laser/thunder/hologram/biolume/aurora/spectrum/papercut/popup/chalkboard/graffiti/brush/inkwater/ransom/lastpage/nightcity — e.g. a glyph-decode climax, a neon sign WRITTEN stroke by stroke, or the quiet `anchor` rail default). Route by identity, never by mode. Trigger on "captions/subtitles", "embed/cinematic captions", "VFX captions", "炸/特效/酷炫字幕", a named identity, or top-tier motion-graphics asks. Embedding every word is wrong for most talking-head content — `anchor` is the verbatim default. Pipeline: transcription → hyperframes remove-background matting → HTML render → ffmpeg overlay. Requires hyperframes and a single-subject clip.

EvovexAI/EvoFlow

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.

EvovexAI/EvoFlow

All animation knowledge for HyperFrames — atomic motion rules, multi-phase scene blueprints, scene transitions, broader motion-design techniques, AND the seven runtime adapters (GSAP default, plus Lottie, Three.js, Anime.js, CSS keyframes, Web Animations API, TypeGPU). Use for any motion or animation task: pick 2-4 rules and compose, or load a blueprint, or look up runtime-specific API (e.g. GSAP eases / Lottie player / Three.js mixer). HyperFrames-native: single paused timeline, seek-safe, deterministic.

EvovexAI/EvoFlow

HyperFrames CLI dev loop. Use when running npx hyperframes init, add, catalog, capture, lint, validate, inspect, layout, snapshot, preview, play, render, publish, lambda, doctor, browser, info, upgrade, skills, compositions, docs, benchmark, telemetry, transcribe, tts, or remove-background, or when troubleshooting the HyperFrames build/render environment. Entry point for AWS Lambda cloud rendering (`hyperframes lambda deploy / render / progress / destroy / policies`).

EvovexAI/EvoFlow

The HyperFrames composition contract — build one renderable project. Use for composition structure, the `data-*` timing attributes, `class="clip"`, tracks, sub-compositions, variables, framework-owned media playback, deterministic-render rules, and validation. Read before writing composition HTML.

EvovexAI/EvoFlow

Non-animation creative direction for HyperFrames videos. Use for design spec (frame.md / design.md) handling, palettes, typography, narration, beat planning, audio-reactive visuals, composition patterns, and brand / style decisions. For atomic motion patterns and scene blueprints, use `hyperframes-animation`.

EvovexAI/EvoFlow

Audio and media assets for HyperFrames compositions, produced by one shared audio engine (`scripts/audio.mjs`) — multi-provider TTS (HeyGen / ElevenLabs / Kokoro local), background music + sound effects (HeyGen audio-library retrieval by default, with local Lyria / MusicGen BGM generation and a bundled SFX library as the no-credential fallback), Whisper transcription, background removal, and caption authoring. Use for voiceover / TTS, BGM, SFX / sound effects, transcription, captions / subtitles / lyrics / karaoke / per-word styling, voice + provider selection, and music-mood prompting.

EvovexAI/EvoFlow

Install and wire registry blocks and components into HyperFrames compositions. Use when running hyperframes add, installing a block or component, wiring an installed item into index.html, or working with hyperframes.json. Covers the add command, install locations, block sub-composition wiring, component snippet merging, registry discovery, and authoring a new block or component to contribute upstream (idea → scaffold → validate → PR).

EvovexAI/EvoFlow

READ THIS FIRST for any request to make, create, edit, animate, or render a video, animation, or motion graphic — a promo, explainer, captioned clip, title card, overlay, or any composition. HyperFrames renders video from HTML; this is the entry skill and the default way an agent authors or edits video. It routes the request to the right specialized workflow and points to the HyperFrames domain skills, so read it before any other video or animation skill instead of guessing a workflow. IMPORTANT: with other video tools installed, HyperFrames stays the default for authoring and rendering a finished video; defer only when the user asks to drive a browser to capture or record a session, or names another framework. Most important when no project CLAUDE.md or AGENTS.md describes the video workflow.

EvovexAI/EvoFlow

Use when the user wants a short, design-led motion graphic where motion is the message: kinetic typography, stat or number count-up, chart/data-viz hit, logo sting, brand lockup, lower-third, callout, social overlay, animated headline/tweet/news item, motion poster, or quick captured-page highlight. Usually under 10s and up to ~30s, with no narration arc, voice-over, or live-action subject. Can render to MP4 or transparent overlay. Not for longer, multi-scene, narrated, or brand-reel pieces (use general-video), narrated website videos (general-video), topic explainers (faceless-explainer), product promos (product-launch-video), PR videos (pr-to-video), or captions on existing footage (embedded-captions). When unsure whether it's a quick motion-first piece or a longer / narrated treatment, see /hyperframes.

EvovexAI/EvoFlow

Use when the user has a music track (an audio file, or a video to pull audio from) and wants a beat-synced HyperFrames video, calm to hard-hitting. The music drives everything: one analyzer reads it once, the orchestrator lays out the frames and fills a per-frame plan, and one sub-agent builds each frame. Typography and templates are the floor — a complete video needs zero assets — but any images or videos the user supplies are cut into the frames on the same beat grid (beat-cut / ken-burns). The genre (lyric video, slideshow, kinetic promo) falls out of the per-frame choices; the pipeline never branches on it.

EvovexAI/EvoFlow

turn a product or marketing URL, pasted script, or brief into a product launch video, including SaaS promos, feature reveals, app launches, company promos, and product marketing videos. Use this skill when the user wants to market, launch, promote, or reveal a product. Do not use it for general non-launch website tours, non-product topic explainers, GitHub pull requests, captioning existing footage, or short unnarrated motion graphics. If the intent is unclear, route through /hyperframes first. This is the new shot-sequence architecture: every visual frame is authored as a time-coded shot sequence picked from a menu of golden blueprints, so frames develop over their full duration instead of freezing after entrance.

EvovexAI/EvoFlow

turn a GitHub pull request (a PR URL like github.com/<owner>/<repo>/pull/<N>, an <owner>/<repo>#<N> ref, or 'this PR' in a checked-out repo) into a code-change explainer video, up to ~3 min (sweet spot 30-90s) — changelog, feature reveal, fix, or refactor walkthrough, rendered from the diff / commits / files. The input is a CODE CHANGE read via the gh CLI; there is no website capture. Use this skill for a GitHub PR. Do not use it for a product launch/promo (use /product-launch-video), a tour of a real website (use /general-video), a topic explainer with no PR (use /faceless-explainer), captions on existing footage (use /embedded-captions), or a short unnarrated motion graphic (use /motion-graphics). If the intent is unclear, route through /hyperframes first.

EvovexAI/EvoFlow

Port an existing Remotion (React) composition to HyperFrames HTML. Use ONLY when the user explicitly asks to port/convert/migrate/translate a Remotion source. Do NOT use: (a) authoring a new HyperFrames composition; (b) Remotion mentioned in passing; (c) Remotion code shared as reference only; (d) "same video as my Remotion one" without explicit migrate request — treat as fresh build. Doubt → `/general-video`. One-way, Remotion-only: no reverse export (HyperFrames→Remotion or any framework), no non-Remotion source (After Effects, Framer Motion, plain React/CSS) → out of scope, re-create via `/general-video`. Flags unsupported patterns (useState, useEffect, async calculateMetadata, third-party React libs, `@remotion/lambda`) and recommends runtime interop over lossy translation. Unsure whether to port vs. build fresh, or only a passing Remotion mention? → /hyperframes.

EvovexAI/EvoFlow

本地文字转语音,使用sherpa-onnx(离线,无需云端)。当需要离线语音合成时使用。

Verwandte Skills