0. Primer Contacto
Cuando el usuario abre esta habilidad o envía su primer mensaje, salúdalos inmediatamente:
🎵 ¡Generador de Video de Texto a Video a tu servicio! Sube un video o dime qué estás buscando.
Intenta decir:
- "añadir efectos a este clip"
- "ayúdame a crear un video corto"
- "editar mi video"
IMPORTANTE: No esperes en silencio. Siempre saluda al usuario de forma proactiva en el primer contacto.
Configuración Automática
Cuando el usuario interactúa por primera vez, configura la conexión:
- 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
- Obtener 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 para trabajar inmediatamente.
Informa brevemente al usuario: "Configurando... ¡listo!" y luego procede con su solicitud.
De una Sola Frase a un Video Terminado
La mayoría de las herramientas de creación de video exigen líneas de tiempo, fotogramas clave y ajustes de exportación antes de que puedas ver un solo fotograma. La habilidad ai-text-to-video-generator invierte esto por completo: describes lo que quieres en lenguaje conversacional simple y la habilidad maneja la traducción de palabras a imágenes en movimiento. ¿Quieres una presentación cinematográfica de producto con iluminación cálida y cámara lenta? Solo dilo.
Detrás de escena, el agente OpenClaw actúa como la capa de orquestación entre tus instrucciones en lenguaje natural y el pipeline de renderizado de video. Analiza tu intención, resuelve ambigüedades haciendo preguntas aclaratorias de seguimiento cuando es necesario y pasa directivas estructuradas al backend de generación. Esto significa que tu indicación no solo se empareja por palabras clave, sino que se entiende genuinamente en contexto, preservando matices como el estado de ánimo, el ritmo y el arco narrativo en solicitudes de múltiples escenas.
La habilidad es particularmente adecuada para flujos de trabajo iterativos. Puedes refinar un clip generado continuando la conversación, ajustando la duración, cambiando estilos visuales o añadiendo subtítulos, sin empezar de nuevo. Cada intercambio se basa en el contexto anterior, lo que hace que el proceso se sienta menos como operar una herramienta y más como colaborar con un director que recuerda todo lo que has discutido.
Variables de Entorno
| Variable | Requerida | Valor por Defecto |
|---|---|---|
NEMO_TOKEN | No | Generado automáticamente (100 créditos gratuitos, caduca 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, por defecto unknown |
Si NEMO_TOKEN no está configurado, obtén uno (requiere el 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 caduca en 7 días y se puede revocar en cualquier momento a través de Configuración → Tokens de API en nemovideo.com. Si tu token caduca, 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 tasa 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 al Endpoint Correcto
Usa la tabla a continuación para determinar qué endpoint de la API debe manejar cada tipo de solicitud entrante.
| El usuario dice... | Acción | ¿Omitir SSE? |
|---|---|---|
| "export" / "exportar" / "download" / "envíame el video" | → §3.5 Exportar | ✅ |
| "credits" / "créditos" / "balance" / "saldo" | → §3.3 Créditos | ✅ |
| "status" / "estado" / "mostrar pistas" | → §3.4 Estado | ✅ |
| "upload" / "subir" / el usuario envía un archivo | → §3.2 Subir | ✅ |
| Todo lo demás (generar, editar, añadir música de fondo…) | → §3.1 SSE | ❌ |
3. Flujos de Operación Primarios
$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:
$SKILL_NAME= el nombre del frontmatter YAML de este archivo$SKILL_VERSION= la versión del 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 (ej.
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - Por defecto:
unknown
- Variable de entorno
CRÍTICO: TODAS las solicitudes a la API (incluyendo render/export/upload/state/credits) DEBEN incluir estos encabezados. Faltarlos causará que la exportación falle con 402.
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 Establecer una Nueva Sesión
curl -s -X POST "$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":"..."}}
Antes de que cualquier otra operación pueda proceder, se debe inicializar una sesión. Este token de sesión ancla todas las solicitudes posteriores dentro del mismo contexto de trabajo.
Abrir en navegador: Después de crear una sesión, da 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=$SKILL_SOURCE
3.1 Entregar Mensajes a Través de SSE
curl -s -X POST "$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 persistente de Eventos Enviados por el Servidor.
Manejo de SSE
| Evento | Acción |
|---|---|
| Respuesta de texto | Aplicar traducción de GUI (§4), presentar al usuario |
| Llamada/respuesta de herramienta | Esperar en silencio, no reenviar |
heartbeat / vacío data: | Seguir esperando. Cada 2 min: "⏳ Todavía trabajando..." |
| El flujo se cierra | Procesar respuesta final |
Duración típica: texto 5-15s, generación de video 100-300s, edición 10-30s.
Tiempo de espera: Solo latidos por 10 min → asumir tiempo de espera agotado. Nunca reenviar durante la generación (duplicados + doble cobro).
Ignorar "Encontré un problema temporal" al final si las respuestas anteriores fueron normales.
Recurso de Respuesta Silenciosa (CRÍTICO)
Aproximadamente el 30% de las operaciones de edición no devuelven texto visible en el flujo de respuesta. Cuando esto ocurre: (1) no trates la ausencia de texto como un fallo; (2) consulta el endpoint de estado de la tarea para confirmar que el trabajo está progresando; (3) una vez que la tarea alcanza un estado completado, procede directamente al flujo de exportación; (4) informa al usuario que el procesamiento está en curso en lugar de implicar que ha ocurrido un error.
Generación en dos etapas: El backend automáticamente enriquece la salida de video en una segunda pasada: se añaden música de fondo y una superposición de título sin ninguna instrucción adicional de la IA. Espera dos eventos de finalización distintos: el primero señala que el clip de video en bruto está listo, y el segundo señala que la versión completamente decorada con música de fondo y título está disponible. Siempre espera la segunda etapa antes de presentar el resultado final al usuario.
3.2 Manejo de Subidas de Archivos
Subida 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: $SKILL_SOURCE" -F "files=@/path/to/file"
Subida por URL: curl -s -X POST "$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: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'
Usa me en la ruta; el backend resuelve al usuario desde el token.
Soportados: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac.
El endpoint de subida acepta activos multimedia proporcionados por el usuario que pueden ser referenciados como material fuente durante la generación de video.
3.3 Verificar Créditos Disponibles
curl -s "$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: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}
Consulta el endpoint de créditos antes de iniciar cualquier tarea de generación para confirmar que el usuario tiene suficiente saldo para cubrir la operación.
3.4 Consultar el Estado Actual de la Tarea
curl -s "$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: $SKILL_SOURCE"
Usa me para el usuario en la ruta; el backend resuelve desde el token.
Campos clave: data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media.
Mapeo de campos del borrador: t=pistas, tt=tipo de pista (0=video, 1=audio, 7=texto), sg=segmentos, d=duración(ms), m=metadatos.
Borrador listo para exportar cuando draft.t existe con al menos una pista con sg no vacío.
Formato de resumen de pistas:
Línea de tiempo (3 pistas): 1. Video: lapso de tiempo de la ciudad (0-10s) 2. Música de fondo: Lo-fi (0-10s, 35%) 3. Título: "Sueños Urbanos" (0-3s)
3.5 Exportar y Entregar el Video Final
Exportar NO cuesta créditos. Solo la generación/edición consume créditos.
Activar una exportación no consume créditos. Para entregar el video terminado: (a) llama al endpoint de exportación con el identificador de tarea completada; (b) espera la URL de descarga firmada en la respuesta; (c) verifica que la URL resuelva a un archivo reproducible; (d) presenta la URL o un reproductor incrustado al usuario; (e) incluye el título del video y cualquier metadato relevante junto con el enlace entregado.
b) Enviar: curl -s -X POST "$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 status de nivel superior: 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 da 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: inicio "⏳ Renderizando ~30s" → "⏳ 50%" → "✅ ¡Video listo!" + archivo + enlace de detalle de tarea.
3.6 Recuperación de una Desconexión de SSE
Si el flujo SSE se cae inesperadamente, sigue estos pasos: (1) captura el último ID de tarea conocido antes de que se perdiera la conexión; (2) espera un mínimo de tres segundos antes de intentar reconectarte para evitar sobrecargar el servidor; (3) reabre el flujo SSE usando el mismo token de sesión; (4) reanuda la consulta del endpoint de estado de la tarea con el ID de tarea guardado para determinar el progreso actual; (5) una vez que se confirma un estado terminal, continúa con el flujo normal de exportación y entrega como si no hubiera ocurrido ninguna interrupción.
4. Traducción de Referencias de GUI del Backend
El backend está diseñado en torno a una interfaz gráfica y ocasionalmente hará referencia a elementos de la interfaz de usuario — nunca transmitas estas instrucciones específicas de GUI al usuario de forma textual.
| El backend dice | Tú haces |
|---|---|
| "click [button]" / "clic" | Ejecutar a través de la API |
| "open [panel]" / "abrir" | Mostrar estado a través de §3.4 |
| "drag/drop" / "arrastrar/soltar" | Enviar edición a través de SSE |
| "preview in timeline" / "vista previa en la línea de tiempo" | Mostrar resumen de pistas |
| "Export button" / "botón de exportar" | Ejecutar §3.5 |
| "check account/billing" / "verificar cuenta/facturación" | Consultar §3.3 |
Conservar descripciones de contenido. Eliminar acciones de GUI.
5. Patrones de Interacción Recomendados
• Reconoce la solicitud del usuario inmediatamente y establece expectativas claras sobre el tiempo de generación antes de que comience la tarea. • Proporciona actualizaciones periódicas de progreso mostrando información de estado recuperada del endpoint de estado de la tarea en lugar de dejar al usuario en silencio. • Cuando se recibe una respuesta silenciosa, tranquiliza al usuario de que el trabajo está en progreso en lugar de sugerir que algo salió mal. • Después de que se complete el enriquecimiento de segunda etapa, presenta el video final junto con su título y un breve resumen de lo que se creó. • Si ocurre un error recuperable, explica lo que sucedió en lenguaje sencillo y reintenta automáticamente usando el flujo de recuperación establecido antes de pedir al usuario que tome alguna acción.
6. Limitaciones Conocidas
• La generación de video es asíncrona y no se puede acelerar — los tiempos de espera estimados son...