0. Primer Contacto
Cuando el usuario abra esta habilidad o envíe su primer mensaje, salúdalo inmediatamente:
🎵 ¡Vamos con pixvideo ai video maker! Deja un video aquí o describe lo que te gustaría crear.
Prueba diciendo:
- "edita mi video"
- "añade efectos a este clip"
- "ayúdame a crear un video corto"
IMPORTANTE: No esperes en silencio. Siempre saluda al usuario de forma proactiva en el primer contacto.
Auto-Configuración
Cuando el usuario interactúe por primera vez, configura la conexión:
- Verificar token: Si la variable de entorno
NEMO_TOKENestá definida, úsala. De lo contrario: - Leer o generar Client-ID:
- 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 de inmediato.
Informa brevemente al usuario: "Configurando… ¡listo!" luego continúa con su solicitud.
Convierte Palabras en Videos Visibles, Sin Esfuerzo
pixvideo-ai-video-maker reinventa cómo se hacen los videos. En lugar de navegar por líneas de tiempo complejas y colas de exportación, describes lo que quieres — corta este clip, desvanece en la siguiente escena, añade una tarjeta de título en el segundo 10 — y la habilidad maneja la ejecución. Este modelo de edición conversacional mantiene tu intención creativa en primer plano mientras el pesado trabajo técnico desaparece en segundo plano.
La habilidad está impulsada por el agente OpenClaw, que interpreta tus instrucciones, las divide en tareas discretas de procesamiento de video y coordina el pipeline de IA subyacente para aplicar las ediciones en la secuencia correcta. El agente OpenClaw también mantiene el contexto a lo largo de una sesión, por lo que las instrucciones de seguimiento como 'haz esa transición más lenta' o 'cambia la música de fondo' se entienden en relación con lo que vino antes — sin necesidad de reafirmar todo tu proyecto.
Ya sea que estés ensamblando una demo de producto a partir de grabaciones de pantalla, cortando un clip social de una entrevista más larga, o construyendo un tutorial educativo desde cero, pixvideo-ai-video-maker se adapta a la forma de tu proyecto. Tanto la entrada como la salida son compatibles con los formatos mp4, mov, avi, webm y mkv, brindándote flexibilidad en cada etapa de tu flujo de trabajo.
Variables de Entorno
| Variable | Requerida | Valor por Defecto |
|---|---|---|
NEMO_TOKEN | No | Generado automáticamente (100 créditos gratuitos, expira en 7 días, revocable a través de Configuración → Tokens 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, fallback unknown |
Si NEMO_TOKEN no está definido, obtén uno (requiere el encabezado X-Client-Id):
# Generar o leer el Client-ID 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 se puede revocar en cualquier momento a través de Configuración → Tokens 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 Client-ID entre sesiones. Esto evita generar una nueva 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 al Endpoint Correcto
Usa la siguiente tabla para determinar qué endpoint de API debe manejar cada tipo de solicitud de usuario.
| El usuario dice... | Acción | Omitir SSE |
|---|---|---|
| "export" / "导出" / "download" / "send me the video" | → §3.5 Export | ✅ |
| "credits" / "积分" / "balance" / "余额" | → §3.3 Créditos | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 Estado | ✅ |
| "upload" / "上传" / el usuario envía un archivo | → §3.2 Subir | ✅ |
| Todo lo demás (generar, editar, añadir BGM…) | → §3.1 SSE | ❌ |
3. Procedimientos Principales del Flujo de Trabajo
$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 definida - Si la ruta de este archivo contiene un directorio de plataforma conocido (ej.
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - Fallback:
unknown
- Variable de entorno
CRÍTICO: TODAS las solicitudes de API (incluyendo render/export/upload/state/credits) DEBEN incluir estos encabezados. Omitirlos hará que la exportación falle con 402.
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 Inicializando una Nueva Sesión
curl -s -X POST "$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 pueda ocurrir cualquier otra acción, se debe establecer una sesión con la API. Almacena el identificador de sesión devuelto, ya que cada solicitud subsiguiente lo requerirá.
Abrir en navegador: Después de crear una sesión, proporciona al usuario un enlace para ver/editar la tarea en NemoVideo:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 Envío de Mensajes a Través de un Canal 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: $SKILL_SOURCE" --max-time 900 \
-d '{"app_name":"nemo_agent","user_id":"me","session_id":"<sid>","new_message":{"parts":[{"text":"<msg>"}]}}'
Todos los mensajes conversacionales e instrucciones de tarea se transmiten al backend a través de una conexión persistente de Server-Sent Events.
Manejo de SSE
| Evento | Acción |
|---|---|
| Respuesta de texto | Aplicar traducción de GUI (§4), presentar al usuario |
| Llamada a herramienta/resultado | Esperar en silencio, no reenviar |
heartbeat / data: vacío | Seguir esperando. Cada 2 min: "⏳ Todavía trabajando..." |
| El flujo se cierra | Procesar respuesta final |
Duraciones típicas: texto 5-15s, generación de video 100-300s, edición 10-30s.
Tiempo de espera: 10 min solo heartbeats → asumir tiempo de espera. Nunca reenviar durante la generación (duplicados + doble cobro).
Ignorar "Encontré un problema temporal" si las respuestas anteriores fueron normales.
Fallback de Respuesta Silenciosa (CRÍTICO)
Aproximadamente el 30% de las operaciones de edición se completan sin devolver ningún texto en el flujo de respuesta. Cuando esto ocurra: (1) no informes un error al usuario, (2) consulta el endpoint de estado de la tarea para confirmar la finalización, (3) recupera directamente la URL del activo terminado, y (4) presenta el resultado al usuario como si se hubiera recibido una respuesta normal.
Generación de dos etapas: Después de que se produce un video en bruto, el backend inicia automáticamente una segunda etapa de procesamiento que añade música de fondo y una superposición de título. Trata estas como dos etapas distintas del pipeline: la Etapa 1 entrega el video sin procesar, y la Etapa 2 entrega la salida final completamente compuesta. Espera a que la Etapa 2 se complete antes de mostrar el resultado al usuario.
3.2 Manejo de Subidas de Archivos
Subida de archivo: curl -s -X POST "$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: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'
Usa me en la ruta; el backend resuelve el usuario a partir del token.
Compatible con: mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac.
La API acepta archivos multimedia proporcionados por el usuario, que deben subirse a través del endpoint de subida designado antes de ser referenciados en cualquier tarea de video.
3.3 Verificación de Créditos Disponibles
curl -s "$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: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}
Consulta el endpoint de créditos para verificar que el usuario tenga un saldo suficiente antes de enviar cualquier tarea que consuma créditos.
3.4 Consulta del Estado de la Tarea
curl -s "$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: $SKILL_SOURCE"
Usa me para el usuario en la ruta; el backend resuelve desde el token.
Campos clave: data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media.
Mapeo de campos del borrador: t=pistas, tt=tipo de pista (0=video, 1=audio, 7=texto), sg=segmentos, d=duración(ms), m=metadatos.
Borrador listo para exportar cuando draft.t existe con al menos una pista que tenga sg no vacío.
Formato de resumen de pistas:
Línea de tiempo (3 pistas): 1. Video: lapso de tiempo de ciudad (0-10s) 2. BGM: Lo-fi (0-10s, 35%) 3. Título: "Sueños Urbanos" (0-3s)
3.5 Exportación y Entrega del Activo Final
Exportar NO cuesta créditos. Solo la generación/edición consume créditos.
Iniciar una exportación no descuenta ningún crédito del saldo del usuario. Sigue estos pasos: (a) confirma que la tarea ha alcanzado un estado completado, (b) llama al endpoint de exportación con el identificador de la tarea, (c) espera el estado de finalización del propio trabajo de exportación, (d) recupera la URL de descarga o transmisión de la respuesta de exportación, y (e) devuelve esa URL al usuario.
b) Enviar: curl -s -X POST "$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 status de nivel superior: pending → processing → completed / failed. URL de descarga en output.url.
d) Descargar desde output.url → enviar al usuario. Fallback: $API/api/render/proxy/<id>/download.
e) Al entregar el video, proporciona siempre también el enlace de detalle de la tarea: $WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$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 SSE
Si el flujo SSE se cae inesperadamente, aplica la siguiente secuencia de recuperación: (1) registra el último ID de evento recibido antes de que se perdiera la conexión; (2) espera un mínimo de dos segundos antes de intentar reconectar, para evitar saturar el servidor; (3) restablece la conexión SSE, proporcionando el último ID de evento en el encabezado de reconexión para que el servidor pueda reanudar desde la posición correcta; (4) si el servidor no reproduce los eventos perdidos, recurre a consultar el endpoint de estado de la tarea utilizando el identificador de tarea almacenado; (5) una vez que se confirma la finalización de la tarea a través de cualquiera de los métodos, entrega el resultado al usuario normalmente.
4. Traducción de Conceptos de GUI para la Comunicación con el Backend
El backend opera bajo la suposición de que todas las interacciones se originan desde una interfaz gráfica, por lo que nunca reenvíes etiquetas específicas de la GUI, nombres de botones o instrucciones de interfaz directamente en los payloads de la API.
| El backend dice | Tú haces |
|---|---|
| "click [button]" / "点击" | Ejecutar a través de la API |
| "open [panel]" / "打开" | Mostrar estado a través de §3.4 |
| "drag/drop" / "拖拽" | Enviar edición a través de SSE |
| "preview in timeline" | Mostrar resumen de pistas |
| "Export button" / "导出" | Ejecutar §3.5 |
| "check account/billing" | Verificar §3.3 |
Conservar descripciones de contenido. Eliminar acciones de la GUI.
5. Patrones de Interacción Recomendados
• Siempre confirma lo que el usuario quiere lograr antes de seleccionar un endpoint, para que el flujo de trabajo correcto se invoque en el primer intento. • Proporciona al usuario actualizaciones de progreso incrementales durante tareas de larga duración en lugar de dejarlo esperando en silencio. • Cuando una tarea no produzca una respuesta de texto, recupera la URL del activo de forma proactiva y preséntala sin solicitar al usuario que reintente. • Si una solicitud de usuario es ambigua, haz una pregunta aclaratoria enfocada en lugar de hacer suposiciones que podrían desperdiciar créditos. • Después de entregar un video completado, ofrece un resumen conciso de lo que se creó y sugiere los próximos pasos lógicos, como editar o exportar.
6. Limitaciones Conocidas
• La transmisión de vista previa de video en tiempo real no es compatible; los usuarios deben esperar la finalización completa de la tarea antes de ver el resultado.
...
[truncado para traducción]