UMFANG: Diese Skill baut 16:9-Langformate auf. Nicht laden, während ein Kurzvideo geschnitten wird.
Stehende Notiz, 2026-08-15, und es geht eher um das Kontextbudget als um die Korrektheit. Diese Datei umfasst 500 Zeilen, und jede davon handelt von einem Langformatschnitt. In einem kontrollierten A/B-Test mit derselben 24-minütigen Quelle produzierte der Durchlauf, dessen Skill-Baum diese sowie youtube-longform enthielt, keine Stage-2-Suche nach Clip-Kandidaten und keine CAPTION.md und schnitt sein Kurzvideo aus den ersten 47 Sekunden der Aufnahme. Der Durchlauf ohne sie durchsuchte die gesamte Quelle und lieferte beides aus. Die Anleitung ist nicht falsch; es gibt viel davon, sie ist irrelevant für ein 45-sekündiges Vertikalvideo, und sie verdrängt den redaktionellen Schritt, der kein schützendes Tor hatte. scripts/verify_story.py ist jetzt dieses Tor.
Seine METHODE wird geteilt, und das ist kein Widerspruch. short-composer (Schritt 1) und graphics-only-short (Phase 4) zitieren beide die unten stehende Planungsmethode mit einem Durchlauf über die gesamte Aufnahme, und sie zitieren sie in zwei Absätzen, anstatt diese Datei zu laden. Die 9:16-Spalte in der Vergleichstabelle existiert, um zu markieren, was der Kurzvideo-Pfad anders macht, nicht um hier befolgt zu werden. Klargestellt am 2026-08-27, als das Audit die Umfangsnotiz als Widerspruch zum eigenen Inhalt der Datei las.
Kurzfilme: skills/ultimate, das den 9:16-Slot besitzt, und skills/shorts-multiplatform.
Executive Animator
skills/broll-scout entscheidet, was zu einem Zeitstempel gehört. skills/stat-overlay baut eine Grafik. Diese Skill ist der Durchgang dazwischen: Lies eine gesamte Aufnahme, schlage die 5-10 Grafiken vor, die diese Aufnahme tatsächlich verdient, belege jede mit dem Transkript, baue und gate sie dann in einer gebündelten Browser-Sitzung anstatt in zehn.
Erbt skills/00-house-rules/SKILL.md und jede Regel in skills/stat-overlay/SKILL.md.
Nichts hier überschreibt den Authoring-Vertrag. Es fügt nur Aufnahme, Nachweis und Bündelung hinzu.
0. Welches Ziel – entscheide dies zuerst, es ändert die Phasen 5, 6 und 7
Die Abschnitte 1-4 sind für beide identisch: Aufnahme, Kandidaten, das Genauigkeitstor, die Anzahl. Die Phasen 5 onwards sind es nicht, und die Ausführung der vertikalen Anweisungen für einen 16:9-Schnitt produziert Grafiken, die build_longform_composition.py überhaupt nicht verwenden kann.
| 9:16 vertikal | 16:9 Langformat | |
|---|---|---|
| verarbeitet von | build_composition.py | build_longform_composition.py |
| eine Grafik ist | ein Alpha .mov über die Platte komponiert | eine Szene, die in composition.json deklariert ist |
| erstellt als | eine HyperFrames-Komposition, die du schreibst | ein kind + Felder; der Generator schreibt das HTML |
| Vokabular | das 373-Block-Register | die 14 eingebauten Kinds, eine geschlossene Menge |
| Rendern | --format mov in Kompositionsauflösung, plus einen mp4-Zwilling | nichts pro Grafik – ein Render am Ende |
| Safe Area | Inhalt oberhalb von y=1400, frei vom Untertitelbereich | 16:9-Safe-Box, keine Untertitel |
| Gate-Plattform | --platform instagram_reels | --platform youtube_long |
| endgültige Auflösung | portrait-4k | landscape-4k |
| Dichte | ein Insert alle 8-12s (broll-scout) | 3-6 Szenen + ein Stinger alle 20-40s |
| Kontaktbogen | ein separates Reel-Projekt in overlays/ | probe_frames.py --plan --grid auf der Komposition |
Der 16:9-Pfad hat keinen Authoring-Schritt. Du öffnest nicht das Register, du schreibst kein HTML und du renderst nichts pro Kandidat. Du übersetzt jeden Kandidaten in einen dieser:
title · chapter · statement · compare · lower_third · endcard – Szenen, 8-15s, sie tragen ein Argument, das der Betrachter liest.
converge · overload · steps · swap · countup · beats · surround · photo/clip – Stinger, 2-4s, eine Geste pro Stück, SCHNITT ZU, nicht darüber gelegt.
skills/motion-language/SKILL.md besitzt dieses Vokabular und seine feldspezifischen Parameter.
build_longform_composition.py beendet sich mit unknown scene kind bei allem anderen, also wird ein Kandidat, der keinem Kind zugeordnet werden kann, geschnitten – was normalerweise richtig ist, denn es bedeutet, die Idee war Dekoration. Folge dann skills/youtube-longform/SKILL.md ab seiner Phase 4.
Alles unterhalb dieser Zeile geht von 9:16 aus, es sei denn, es wird anders angegeben.
1. Aufnahme – kein Transkript, kein Plan
bash scripts/transcribe.sh VIDEO_UPLOAD/raw/<file>.mov drops/drop-NNN-slug/working
Wortgenaues JSON, keine Zusammenfassung. Jeder Kandidat ist an einen Wortbereich gebunden, daher macht ein Absatz-transkript die gesamte Skill zur Ratespiel. Wenn bereits ein Transkript in working/ existiert, verwende es – transkribiere nicht erneut.
Dann sieh dir das Filmmaterial an. Nicht die gesamte Datei: python3 scripts/probe_frames.py ist für Kompositionen gedacht, daher ziehe für Quellmaterial Standbilder mit ffmpeg alle ~10s und schau sie dir an. Du überprüfst eine Sache – was bereits auf dem Bildschirm zu sehen ist. Eine Grafik, die eine Bildschirmaufnahme dupliziert, die der Sprecher bereits zeigt, ist ein verschwendeter Slot, und Tier 1 kommt dir zuvor.
2. Kandidatendurchlauf – 5-10, und jeder trägt ein Zitat
Schreibe working/motion/ANIMATION-PLAN.json:
{
"source": "drops/drop-NNN-slug/working/transcript.json",
"duration_ms": 184000,
"candidates": [{
"id": "01-three-jobs",
"start_ms": 22400, "end_ms": 28100,
"quote": "a skill does three jobs, it names the task, it holds the steps, it carries the files",
"claim_on_screen": "3 jobs: name · steps · files",
"shape": "list",
"evidence": "spoken",
"block": "grid-card-assemble",
"mechanism": "three chips assemble out of scattered particles into a row",
"layout": "centre-stack",
"reason": "he enumerates three things and the viewer cannot hold three things by ear",
"status": "build"
}],
"rejected": [{
"quote": "it's been a wild year for agents",
"proposed": "timeline of model releases",
"reason_rejected": "he never names a date. the graphic would be inventing the content"
}]
}
Formen, die eine Grafik verdienen, in der Reihenfolge, in der sie normalerweise in der Sprache auftauchen: eine Zahl, ein Vergleich, eine Liste von drei oder mehr, ein Prozess mit Schritten, ein Vorher/Nachher, eine Zeitleiste, eine Abstraktion ohne Filmmaterial davon. Alles andere ist Aufgabe des Filmmaterials.
Ablehnungen protokollieren. Derselbe Grund wie bei broll-scout: Das Ablehnungsprotokoll verhindert, dass der nächste Durchlauf dieselbe dekorative Zeitleiste erneut vorschlägt.
shape wird zur Planungszeit auf Wiederholungen überprüft, bevor etwas gebaut wird. Wenn vier Kandidaten alle stat sind, hat dir die Aufnahme nicht vier Stat-Karten gegeben – sie hat dir eine Idee gegeben, die du immer wieder neu zugeschnitten hast. Führe sie zu einer Grafik zusammen, die alle vier Zahlen enthält, oder schneide drei. Überarbeite den Plan hier; es auf dem Kontaktbogen zu entdecken bedeutet, dass du vier Grafiken gebaut hast, um sie wegzuwerfen.
3. Das Genauigkeitstor – das ist der springende Punkt
Eine Grafik ist eine Behauptung, die in 4K mit Markenschriftarten gerendert wird, was sie als verifiziert erscheinen lässt, unabhängig davon, ob sie es ist. Also pro Kandidat:
quoteist wörtlich aus dem Transkript. Kopiere es, tippe es nicht aus dem Gedächtnis neu ab.claim_on_screendarf das Zitat komprimieren. Es darf es nicht erweitern. Wörter wegzulassen ist Bearbeitung; das Hinzufügen einer Zahl, einer Einheit, eines Prozentsatzes, eines Datums oder eines Eigennamens, den der Sprecher nie gesagt hat, ist Fälschung. Wenn die Grafik eine Tatsache benötigt, um zu funktionieren, und der Sprecher sie nicht gesagt hat, funktioniert die Grafik nicht.evidenceist eines vonspoken|cited|unconfirmed.spoken– er sagt die Zahl. Die Quellzeile liest sich wie er.cited– er bezieht sich auf etwas Externes und du hast eine echte Primärquelle aufgelöst. Setze die Quellzeile auf den Frame. Lade/verify-subagent-factual-claims, bevor du eine Zahl akzeptierst, die dir ein Subagent übergeben hat.unconfirmed– der Frame trägt ein sichtbares⚠ unconfirmed, oder der Kandidat wird gestrichen. Das sind die einzigen beiden Ergebnisse. Wasche es niemals stillschweigend in eine saubere Stat-Karte.
- Animiere keine Behauptung, die du stabilisieren musstest. Wenn das Anpassen des Satzes an die Grafik Runden, Neuskalieren oder „ungefähr“ erforderte, streiche den Kandidaten. Das ist die Grafik, die mit dem Filmmaterial nicht einverstanden ist, und das Filmmaterial ist das, das der Mensch aufgezeichnet hat.
4. Anzahl – 5-10 vorschlagen, ausliefern, was die Laufzeit erlaubt
5-10 ist die Größe des Kandidatensets, niemals die Anzahl, die in einem Schnitt landet.
Die Dichteregel von broll-scout ist bindend für 9:16: ungefähr ein Insert alle 8-12 Sekunden, und Tier 1 gewinnt einige dieser Slots direkt. Bei 16:9 ist diese Regel viel zu dicht – kalkuliere 3-6 Szenen plus einen Stinger alle 20-40s, was nahe 20-25% der Laufzeit mit einer Grafik ergibt.
| Laufzeit | Grafiken, die tatsächlich landen können |
|---|---|
| 30-60s Kurzvideo | 2-4 |
| 3-5 Min. Langformat | 5-8 |
| 10 Min.+ | 8-10, dann hör auf vorzuschlagen |
Bei einem einzelnen Kurzvideo erwarte also, 5-10 Kandidaten zu bauen und die meisten als status: "hold" zu markieren. Das ist das korrekte Ergebnis, kein Fehler – ein gehaltener Kandidat ist eine fertige Grafik, die auf den nächsten Schnitt derselben Aufnahme wartet, was genau das ist, was plan_calendar.py verteilt. Ein leerer Aufnahmeplan ist immer noch besser als ein dekorierter.
Platziere niemals eine Grafik in den ersten 3 Sekunden (der Hook ist das Gesicht) oder über die Payoff-Linie hinweg (emotionale Höhepunkte landen auf Menschen).
5. Bauen – ein Projekt, N Unterkompositionen
16:9 – überspringe diesen Abschnitt vollständig. Es gibt nichts zu authorisieren. Schreibe die Kinds und Felder in
composition.jsonund gehe zuskills/youtube-longform/SKILL.mdPhase 4. Alles von hier bis zum Ende von §7 beschreibt das vertikale Compositing-Modell.
Authoring gemäß skills/stat-overlay/SKILL.md – zuerst Registersuche, echte Logos via /media-use, eine pausierte Zeitleiste, fromTo, 8-10 Elemente in drei Ebenen, Inhalt oberhalb von y=1400, 5-7 Sekunden. Nichts davon ändert sich hier.
Zwei Animations-Skills, und sie beantworten unterschiedliche Fragen. Lade beide.
/hyperframes-animation– was die Bewegung ist. Lade es vor dem Authoring eines jeden Kandidaten und setze 2-4 atomare Regeln aus seinerrules-index.mdzusammen. Beginne niemals mit einer leeren Zeitleiste. Greife nur für wirklich mehrphasige Choreografien auf eine Blaupause zurück, und für die Formen, die dieser Skill am häufigsten produziert – eine Liste, die sich zusammensetzt, eine Zahl, die hochzählt, ein Vorher/Nachher-Tausch – benennen seine 24 benannten Textanimationseffekte normalerweise bereits das, was du gerade von Hand bauen wolltest. Über eine Menge von 5-10 hinweg ist dies auch das, was die Menge kohärent hält: Wähle das Regelvokabular einmal, zur Planungszeit, und verwende es wieder. Zehn Grafiken, die jeweils ihren eigenen Eintritt erfinden, wirken wie zehn nicht zusammenhängende Videos./hyperframes-keyframes– wie der Tween geschrieben wird. Lade es in dem Moment, in dem ein Kandidat eine Bewegung benötigt, die kein Registerblock abdeckt: such-sichere 2D/3D-Keyframes, eine von Hand erstellte GSAP-Zeitleiste, SVG-Morph oder Strichzeichnung (getTotalLength()offenbart dies bei den inline Lucide-Icons), Pfad- und Maskenarbeit, FLIP, Textspuren, Tiefe. Dies ist der Skill, der handgeschriebene Bewegungen such-sicher hält, was hier mehr zählt als irgendwo sonst im Repository: Die Capture-Engine sucht nichtlinear, und ein Tween, der nur richtig aussieht, wenn er von Anfang bis Ende abgespielt wird, wird in einem Reel, das zehn Kompositionen lang ist, falsch rendern.
Wenn ein Kandidat allein durch das Kombinieren von Regeln gebaut werden kann, öffne den Keyframes-Skill nicht. Wenn nicht, improvisiere den Tween nicht – öffne ihn.
Abwechslung: ein System, zehn verschiedene Sätze
Diese beiden Fehler sehen völlig unterschiedlich aus und beide töten die Menge:
- Zehn nicht zusammenhängende Videos. Unterschiedliche Schriftgrößen, verschiedene Easing-Kurven, unterschiedliche Farbgewichte. Wirkt wie Stock, denn Stock ist der einzige Ort, an dem nicht zusammenhängende Grafiken zusammen auftauchen.
- Dieselbe Karte zehnmal. Ein Layout, ein Eintritt, nur die Wörter ändern sich. Wirkt wie eine Vorlage, und ein Zuschauer erkennt es beim dritten Mal und hört auf, die vierte zu lesen.
Also fixiere das System und variiere die Ausführung. Nichts in der linken Spalte darf über die Menge hinweg abweichen; nichts in der rechten Spalte darf sich wiederholen.
| Konstant über alle Kandidaten hinweg | Unterscheidend pro Kandidat |
|---|---|
Farbe und Schriftart aus brand/tokens.json | mechanism – die eine Bewegung, die die Idee trägt |
| Die Schriftgrößenskala (Überschrift / Textkörper / Label-Größen) | Layout: centre-stack, left-anchored, split, edge-anchored, full-bleed |
| Die Easing-Familie und das Timing-Signature | Eintrittsrichtung und die Achse, auf der sich die Bewegung bewegt |
| Untertitel-Bereichsfreiheit, Safe Area, 5-7s-Band | Registerblock und die 2-4 Regeln, die aus /hyperframes-animation zusammengesetzt wurden |
| Das Regel-Vokabular – welche Regeln im Spiel sind | Welche von ihnen führen, und in welcher Reihenfolge |
| Quellzeilen-Behandlung | Dichte und Tempo innerhalb der 5-7s |
Erzwinge es mechanisch, zur Planungszeit:
mechanismist über die Menge hinweg einzigartig. Ein Satz, der die Bewegung und nicht den Inhalt beschreibt: „drei Chips setzen sich aus verstreuten Teilchen zusammen“ ist ein Mechanismus; „zeigt die drei Aufgaben“ ist eine Wiederholung vonclaim_on_screen. Zwei Kandidaten, deren Mechanismen sich gegenseitig paraphrasieren, sind ein Kandidat – zusammenführen oder streichen. Dies ist das Feld, das tatsächlich die Arbeit leistet, denn zwei Grafiken können unterschiedliche Blöcke verwenden und sich dennoch identisch bewegen.- Kein Registerblock zweimal, es sei denn, es ist eine bewusste
--batch-Familie (siehe den Vorbehalt unten). Bei 373 Blöcken im Katalog bedeutet der wiederholte Zugriff auf denselben, dass die zweite Suche fauler war als die erste. Suche pro Kandidat, ausgehend von der eigenenshapedes Kandidaten. layoutist über die Menge hinweg einzigartig, oder so nah wie fünf Slots es erlauben. Wenn jede Grafik ihren Inhalt zentriert, hat das Reel eine Komposition, die in verschiedenen Farben wiederholt wird.- Variiere das Tempo. Gemäß
/hyperframes-creativemöchte eine einzelne Szene 3+ Easing-Kurven und einen langsamsten Tween ~3x den schnellsten – das gilt auch über die Menge hinweg. Wenn jeder Kandidat 2s lang aufbaut, 3s hält und 1s lang endet, werden sie sich identisch anfühlen, egal wie unterschiedlich sie aussehen. - Wechsle die Register. Eine Menge von fünf möchte in etwa: eine, die hart und schnell landet, zwei, die aufbauen und auflösen, eine ruhige untere Drittel, die sich kaum bewegt, eine, die echte Komplexität verdient. Fünf Grafiken, die alle auf maximale Intensität gepitcht sind, flachen zu Rauschen ab.
Der --batch-Vorbehalt, die Falle, für die dieser Abschnitt existiert. Abschnitt 5 sagt, dass gleichgeformte Kandidaten eine Komposition teilen und als variable Zeilen rendern können. Das ist eine echte Effizienz und produziert auch genau den obigen Fehler: Batch-Geschwister sind konstruktionsbedingt identisch. Batch ist also korrekt für eine Menge, die gemeint ist
…
[bearbeitet für die Übersetzung]