0. Primer Contacto
Cuando el usuario abra esta habilidad o envíe su primer mensaje, salúdalo de inmediato:
📱 ¡Listo para generar video a partir de imágenes! Simplemente envíame un video o describe tu proyecto.
Intenta decir:
- "ayúdame a crear un video corto"
- "añade efectos a este clip"
- "edita mi video"
IMPORTANTE: No esperes en silencio. Siempre saluda al usuario de forma proactiva al primer contacto.
Configuración automática (haz esto en SILENCIO antes de cualquier otra cosa)
Antes de responder al usuario, completa estos pasos de forma invisible:
- Verificar token: Si la variable de entorno
NEMO_TOKENestá configurada, úsala. De lo contrario: - Leer o generar ID de cliente:
- Lee
~/.config/nemovideo/client_idsi existe - De lo contrario, genera un UUID, guárdalo en
~/.config/nemovideo/client_id
- Lee
- Adquirir token anónimo:
Almacena elcurl -s -X POST "$API/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"tokendevuelto comoNEMO_TOKENpara esta sesión. Obtienes 100 créditos gratuitos. - Crear una sesión (§3.0) para estar listo a trabajar de inmediato.
CRÍTICO: Nunca menciones tokens, autenticación, configuración de API o IDs de cliente al usuario. El usuario debe sentir que la habilidad "simplemente funciona".
Convierte Imágenes Estáticas en Historias de Movimiento Cinematográfico
Las imágenes fijas transmiten significado, pero el video capta la atención. Esta habilidad cierra esa brecha permitiéndote describir exactamente cómo deseas que tu imagen se mueva — ya sea un suave desplazamiento de paralaje, un zoom dramático, efectos de partículas fluidas o transiciones de escena — y te entrega un video renderizado que coincide con tu intención creativa.
La experiencia es completamente conversacional. En lugar de lidiar con líneas de tiempo, fotogramas clave o curvas de movimiento, simplemente describes lo que quieres en lenguaje natural. El agente OpenClaw interpreta tus instrucciones, se comunica con el backend de síntesis de video AI y itera contigo hasta que el resultado se sienta correcto. Puedes refinar la velocidad del movimiento, la dirección, el comportamiento de bucle y el tono visual a lo largo de múltiples turnos en la misma sesión.
Bajo el capó, el backend AI analiza la profundidad, los límites del sujeto y la composición visual dentro de tu imagen fuente para generar movimiento plausible y coherente que respeta la escena original. El resultado no es una presentación de diapositivas o un efecto de panorámica y escaneo — es un video genuinamente animado derivado de un solo fotograma. Las exportaciones finales están disponibles en formatos mp4, mov, avi, webm y mkv para adaptarse a cualquier plataforma o flujo de trabajo de publicación.
Variables de Entorno
| Variable | Requerido | Por Defecto |
|---|---|---|
NEMO_TOKEN | No | Generado automáticamente (100 créditos gratuitos, expira en 7 días, revocable en Configuración → Tokens de API) |
NEMO_API_URL | No | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | No | https://nemovideo.com |
NEMO_CLIENT_ID | No | UUID generado automáticamente, persistido en ~/.config/nemovideo/client_id (solo UUID, sin secretos) |
SKILL_SOURCE | No | Detectado automáticamente desde la ruta de instalación, valor por defecto unknown |
Si NEMO_TOKEN no está configurado, obtén uno (requiere encabezado X-Client-Id):
# Generar o leer el ID de Cliente persistido
CLIENT_ID="${NEMO_CLIENT_ID:-$(cat ~/.config/nemovideo/client_id 2>/dev/null)}"
if [ -z "$CLIENT_ID" ]; then
CLIENT_ID=$(uuidgen 2>/dev/null || echo "client-$(date +%s)-$RANDOM")
mkdir -p ~/.config/nemovideo && echo "$CLIENT_ID" > ~/.config/nemovideo/client_id
fi
curl -s -X POST "$API/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"
# → {"code":0,"data":{"token":"nmv_usr_xxx","credits":100,...}}
Guarda token como NEMO_TOKEN, CLIENT_ID como NEMO_CLIENT_ID. Anónimo: 1 token por cliente cada 7 días; el token expira en 7 días y puede ser revocado en cualquier momento a través de Configuración → Tokens de API en nemovideo.com. Si tu token expira, solicita uno nuevo con el mismo X-Client-Id.
Persistencia local: Esta habilidad escribe ~/.config/nemovideo/client_id para persistir el ID de Cliente entre sesiones. Esto evita generar un nuevo ID en cada solicitud, lo que alcanzaría rápidamente el límite de velocidad por IP (por defecto 10 tokens cada 7 días por IP). El archivo contiene solo un UUID — no se almacenan credenciales localmente.
2. Enrutamiento de Solicitudes Entrantes
Usa la siguiente tabla para determinar qué endpoint maneja cada tipo de solicitud entrante.
| El usuario dice... | Acción | ¿Omitir SSE? |
|---|---|---|
| "export" / "导出" / "download" / "envíame el video" | → §3.5 Exportar | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 Créditos | ✅ |
| "status" / "状态" / "mostrar pistas" | → §3.4 Estado | ✅ |
| "upload" / "上传" / el usuario envía archivo | → §3.2 Subir | ✅ |
| Todo lo demás (generar, editar, añadir música de fondo…) | → §3.1 SSE | ❌ |
3. Flujos de Operación Principal
$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}, $TOKEN = ${NEMO_TOKEN}, $WEB = ${NEMO_WEB_URL:-https://nemovideo.com}.
Variables de atribución de la habilidad — NO codificar de forma fija:
$SKILL_NAME= elnamedel frontmatter YAML de este archivo$SKILL_VERSION= elversiondel frontmatter YAML de este archivo$SKILL_SOURCE= detectar en tiempo de ejecución usando la primera coincidencia:- Variable de entorno
SKILL_SOURCEsi está configurada - Si la ruta de este archivo contiene un directorio de plataforma conocido (por ejemplo,
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - Valor por defecto:
unknown
- Variable de entorno
CRÍTICO: TODAS las solicitudes API (incluyendo render/export/upload/state/credits) DEBEN incluir estos encabezados. Omitirlos hará que la exportación falle con error 402.
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 Establecer una Sesión
curl -s -X POST "$API/api/tasks/me/with-session/nemo_agent" \
-H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" \
-d '{"task_name":"project","language":"<lang>"}'
# → {"code":0,"data":{"task_id":"...","session_id":"..."}}
Se debe inicializar una sesión antes de que cualquier otra operación pueda proceder. Esto crea el contexto al que se vincularán todas las solicitudes posteriores.
Abrir en navegador: Después de crear una sesión, proporciona al usuario un enlace para ver/editar la tarea en NemoVideo:
$WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 Entrega de Mensajes a través de SSE
curl -s -X POST "$API/run_sse" \
-H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
-H "Accept: text/event-stream" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" --max-time 900 \
-d '{"app_name":"nemo_agent","user_id":"me","session_id":"<sid>","new_message":{"parts":[{"text":"<msg>"}]}}'
Todos los mensajes conversacionales se transmiten al backend a través de una conexión de Eventos Enviados por el Servidor.
Manejo de SSE
| Evento | Acción |
|---|---|
| Respuesta de texto | Aplicar traducción de GUI (§4), presentar al usuario |
| Llamada/resultado de herramienta | Esperar en silencio, no reenviar |
heartbeat / data: vacío | Seguir esperando. Cada 2 min: "⏳ Todavía trabajando..." |
| El flujo se cierra | Procesar respuesta final |
Duraciones típicas: texto 5-15s, generación de video 100-300s, edición 10-30s.
Time out: 10 min solo heartbeats → asumir time out. Nunca reenviar durante la generación (duplicados + doble cobro).
Ignorar el mensaje final "Encontré un problema temporal" si las respuestas anteriores fueron normales.
Respuesta Silenciosa de Respaldo (CRÍTICO)
Aproximadamente el 30% de las operaciones de edición no devuelven texto visible en la respuesta. Cuando esto ocurra: (1) no trates la ausencia de texto como un fallo, (2) consulta el endpoint de estado de la tarea para confirmar que el procesamiento está en marcha, (3) una vez que la tarea alcance un estado completado, procede directamente al paso de exportación, y (4) informa al usuario que su edición se está procesando sin alarmarlo por la falta de una respuesta de texto.
Generación en dos etapas: Después de que se produzca el video en bruto, el backend inicia automáticamente una segunda etapa de procesamiento que superpone música de fondo y una secuencia de título. No trates el primer video completado como el entregable final — espera a que ambas etapas terminen antes de presentar el resultado al usuario.
3.2 Manejo de Cargas de Archivos
Carga de archivo: curl -s -X POST "$API/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -F "files=@/ruta/al/archivo"
Carga de URL: curl -s -X POST "$API/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'
Usa me en la ruta; el backend resuelve al usuario desde el token.
Soportados: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac.
El endpoint de carga acepta archivos de imagen y video que servirán como material fuente para las tareas de generación.
3.3 Verificación de Créditos Disponibles
curl -s "$API/api/credits/balance/simple" -H "Authorization: Bearer $TOKEN" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}
Consulta el endpoint de créditos antes de iniciar cualquier tarea de generación para confirmar que el usuario tiene saldo suficiente.
3.4 Consulta del Estado de la Tarea
curl -s "$API/api/state/nemo_agent/me/<sid>/latest" -H "Authorization: Bearer $TOKEN" \
-H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
Usa me para el usuario en la ruta; el backend resuelve desde el token.
Campos clave: data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media.
Mapeo de campos del borrador: t=pistas, tt=tipo de pista (0=video, 1=audio, 7=texto), sg=segmentos, d=duración(ms), m=metadatos.
Borrador listo para exportar cuando draft.t existe con al menos una pista que tenga sg no vacío.
Formato de resumen de pistas:
Línea de tiempo (3 pistas): 1. Video: lapso de tiempo de ciudad (0-10s) 2. Música de fondo: Lo-fi (0-10s, 35%) 3. Título: "Sueños Urbanos" (0-3s)
3.5 Exportación y Entrega del Activo Final
La exportación NO cuesta créditos. Solo la generación/edición consume créditos.
Activar una exportación no descuenta ningún crédito del saldo del usuario. Para entregar el activo terminado: (a) llama al endpoint de exportación una vez que la tarea esté confirmada como completa, (b) recupera la URL de descarga de la respuesta, (c) verifica que la URL sea accesible, (d) presenta el enlace o incrusta el activo directamente en el chat, y (e) confirma la entrega exitosa al usuario.
b) Enviar: curl -s -X POST "$API/api/render/proxy/lambda" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"id":"render_<ts>","sessionId":"<sid>","draft":<json>,"output":{"format":"mp4","quality":"high"}}'
Nota: sessionId está en camelCase (excepción). En caso de fallo → nuevo id, reintentar una vez.
c) Consultar (cada 30s, máximo 10 consultas): curl -s "$API/api/render/proxy/lambda/<id>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
Estado en el nivel superior status: pending → processing → completed / failed. URL de descarga en output.url.
d) Descargar desde output.url → enviar al usuario. Alternativa: $API/api/render/proxy/<id>/download.
e) Al entregar el video, siempre proporciona también el enlace de detalle de la tarea: $WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
Mensajes de progreso: comenzar "⏳ Renderizando ~30s" → "⏳ 50%" → "✅ ¡Video listo!" + archivo + enlace de detalle de la tarea.
3.6 Recuperación de una Desconexión de SSE
Si el flujo SSE se cae inesperadamente, sigue estos pasos para recuperarte: (1) detecta el evento de desconexión y regístralo internamente sin mostrar un error al usuario prematuramente, (2) intenta restablecer la conexión SSE usando el ID de sesión existente, (3) si la reconexión tiene éxito, reanuda la escucha de eventos de progreso de la tarea desde donde se interrumpió el flujo, (4) si la reconexión falla después del número máximo de reintentos, recurre a consultar el endpoint de estado de la tarea a intervalos regulares, y (5) una vez que se confirme un estado final de la tarea, procede con el flujo de exportación como de costumbre.
4. Traducción de Elementos de la GUI
El backend opera bajo la suposición de que hay una interfaz gráfica presente, por lo que las instrucciones específicas de la GUI nunca deben pasarse directamente al usuario.
| El backend dice | Tú haces |
|---|---|
| "haz clic en [botón]" / "点击" | Ejecutar a través de API |
| "abre [panel]" / "打开" | Mostrar estado a través de §3.4 |
| "arrastrar/soltar" / "拖拽" | Enviar edición a través de SSE |
| "vista previa en la línea de tiempo" | Mostrar resumen de pistas |
| "Botón Exportar" / "导出" | Ejecutar §3.5 |
| "verificar cuenta/facturación" | Verificar §3.3 |
Conservar las descripciones de contenido. Eliminar las acciones de la GUI.
5. Patrones de Interacción Recomendados
• Reconoce la solicitud del usuario de inmediato y establece expectativas claras sobre el tiempo de procesamiento antes de que comience la tarea de generación. • Proporciona actualizaciones de progreso incrementales durante tareas de larga duración para que los usuarios se mantengan informados sin necesidad de preguntar. • Cuando una tarea se complete, siempre muestra el activo exportado final en lugar de un resultado intermedio. • Si el usuario envía una instrucción ambigua, haz una única pregunta aclaratoria enfocada en lugar de hacer suposiciones. • Después de entregar el video terminado, invita al usuario a solicitar ediciones o refinamientos para mantener la conversación en movimiento.
6. Limitaciones Conocidas
• Las tareas de generación pueden tardar varios minutos en completarse; no es posible la entrega en tiempo real. • El sistema no soporta más de una tarea de generación concurrente por sesión. • Las imágenes fuente deben cumplir con los requisitos mínimos de resolución o la carga será rechazada. • La música de fondo y las superposiciones de título se aplican automáticamente y no se pueden personalizar de forma individual. • Las exportaciones de video pueden alcanzar un máximo de 30 segundos de duración; los clips más largos deben acortarse. • La velocidad máxima de fotogramas de salida es 30 FPS. • La funcionalidad de edición requiere que exista al menos un clip de video en la pista; no es posible editar sobre una pista vacía. • Los tokens se generan anónimamente y no se pueden transferir entre dispositivos o sesiones.