Communitygithub.com

lzcjsyr/Book2Video — Informe a Video

Convierte informes profesionales de mediana y corta extensión, informes financieros de empresas, informes de correduría, folletos de oferta pública inicial, análisis macroeconómicos y documentos PDF con tablas y datos en guiones de alta calidad para videos explicativos en chino, orientados a plataformas como WeChat Video o Douyin. Usa esta habilidad cuando el usuario mencione 'informe de investigación', 'informe financiero', 'informe de análisis comercial' o necesite 'interpretar datos' o 'convertir un informe/PDF en un video corto'.

¿Qué es Book2Video — Informe a Video?

Esta habilidad está diseñada específicamente para generar guiones de video a partir de materiales con alta densidad de datos: informes profesionales de mediana y corta extensión, informes financieros de empresas, informes de correduría, libros de prospectos, análisis macroeconómicos y documentos PDF que contienen numerosas tablas y datos. Su propósito es transformar datos complejos y tablas en narrativas explicativas atractivas, rigurosas y fáciles de entender para el público general. La habilidad sigue un flujo de trabajo modular y estructurado: primero extrae con precisión texto y tablas y construye una tabla de referencia de datos. Luego determina un punto de entrada lógico que conecte el informe con los intereses del espectador. Después redacta un primer borrador, seguido de una revisión rigurosa de datos y estructura en múltiples pasos, incluyendo una verificación de datos con un ledger de chequeo. Finalmente, empaqueta el resultado como un objeto JSON estandarizado listo para su uso en producción de video. Soporta plataformas como Claude Code, Cursor y Codex, y se despliega mediante un conjunto de referencias de marca que detallan cada etapa del proceso: extracción y lectura, estándares de redacción y flujo de revisión.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lzcjsyr/Book2Video/tree/HEAD/skills/step1/report-video-script

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Estrategia de Generación de Guiones para Informes Intensivos en Datos

Esta es una habilidad diseñada específicamente para informes profesionales de mediana y corta extensión, informes financieros de empresas, informes de correduría, libros blancos de la industria y otros materiales intensivos en datos. Convierte datos y tablas complejos en guiones de video explicativos que el público común puede entender y encontrar útiles.

Esta habilidad actúa como una entrada ligera que divide el procesamiento del informe en varios módulos que se pueden mantener de forma independiente:

  • reading-and-extraction.md: Extracción de alta precisión de texto/tablas (combinando extracción local y preprocesamiento externo), inicialización de la tabla de referencia de datos y lectura por ventanas.
  • writing-standard.md: Estándares para la introducción, el razonamiento lógico, la redacción de datos en lenguaje coloquial y el contrato de salida JSON final del guión.
  • revision-workflow.md: Flujo de trabajo de revisión: borrador v1, revisión de datos v2, borrador final y proceso de auditoría de diferencias.

Configuración de Longitud del Cuerpo

Esta es la única fuente de verdad para la longitud final del cuerpo del texto en esta habilidad. Otras referencias no deben repetir números de palabras específicos, solo deben citar esta sección.

draft_min_chars: 1000
final_target_chars: 1200
  • _draft_v1.txt debe alcanzar draft_min_chars antes de guardarse.
  • Todos los borradores posteriores del cuerpo no deben ser inferiores a draft_min_chars.
  • La longitud objetivo del content en el JSON final se ejecuta según final_target_chars, y total_length registra el número real de caracteres de content.

Flujo Principal

No genere la salida directamente en una sola ronda. Siga los siguientes pasos para garantizar la autenticidad de los datos y el impacto comunicativo del texto:

  1. Extracción y Lectura: Primero lea reading-and-extraction.md. Use herramientas de extracción local (como PyMuPDF/fitz) para analizar el PDF o lea directamente el informe Markdown preconvertido, divida las ventanas de lectura de Bash y lea el 100% del contenido. Establezca una tabla de referencia de datos para consultas posteriores.
  2. Determinar el Punto de Entrada Lógico: Extraiga silenciosamente el problema central del informe (por ejemplo, crisis de la industria, cuellos de botella de crecimiento de una empresa, anomalía macroeconómica), identifique el marco explicativo central del informe y vinculelo con un punto de interés altamente relevante para la audiencia (por ejemplo, ¿qué significa este dato para la gente común?).
  3. Redactar el Borrador Inicial: Lea writing-standard.md y redacte _draft_v1.txt que alcance draft_min_chars. El enfoque está en "traducir" los datos fríos a lenguaje coloquial y causalidad lógica.
  4. Revisión de Estructura y Validación de Datos: Lea revision-workflow.md. Después de determinar el segundo borrador _draft_v2_structure.txt, guárdelo directamente como _draft_final.txt preliminar. Extraiga todos los datos de éste y genere el libro de control _data_check_ledger.json (inicialmente con estado unchecked). Luego, verifique con el texto original y realice correcciones/eliminaciones locales directamente en _draft_final.txt (actualizando el estado a verified/abandon/corrected). Una vez que todas las verificaciones de datos estén completas (sin unchecked), finalice _draft_final.txt y registre la auditoría de diferencias en _revision_audit.json.
  5. Empaquetar y Generar JSON: Genere el JSON final de acuerdo con el contrato de salida JSON final de writing-standard.md.

Requisitos de Autoverificación

Antes de enviar el JSON final, verifique silenciosamente:

  • La tabla de referencia de datos se ha establecido por completo; cada porcentaje, cantidad, ratio, etc., que aparece en el texto tiene una fuente precisa en la tabla de referencia.
  • Todas las entradas del libro de control de datos _data_check_ledger.json tienen su status actualizado (sin unchecked), completando el ciclo de datos.
  • La introducción, en menos de 100 caracteres, presenta una pregunta aguda o un conflicto central, así como una promesa de beneficio para el espectador.
  • Cada aproximadamente 250 caracteres hay un avance lógico; el estilo es coloquial, eliminando palabras como "el libro menciona", "como se puede ver en la figura anterior", típicas de resúmenes de IA.
  • El flujo de revisión está completo; cada ronda de modificación tiene un before/after claro en _revision_audit.json.

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

简化版的文稿生成技能。能够直接读取图书/文档,提取核心论点,生成高品质、口语化的视频号/抖音读书解说文稿并输出标准 JSON 格式。

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.

Skills relacionados