Communitygithub.com

captura-de-referencias-ui

Captura referencias visuales de UI que el código no puede mostrar, o para verificar una reconstrucción contra la aplicación real, usando fotogramas y OCR temporizado de grabaciones de pantalla, capturas recuperadas de transcripciones de sesiones de Claude Code, una instancia local de la aplicación compilada como en producción e investigación web para aplicaciones de terceros, además de imágenes de paridad lado a lado y contact sheets. Úsalo siempre que alguien entregue una grabación de pantalla (.mov o .mp4) del producto, cuando una pantalla no tenga código fuente utilizable (un checkout antiguo, la UI de otra compañía como una página de inicio de sesión, calendario o CRM, salida en tiempo real de un backend que no está en los repos), cuando te pregunten "¿cómo se ve realmente?", "coincide con la grabación", "¿cuánto tarda esa animación en la aplicación?", "compara nuestro render con la aplicación real", o cuando ya puedan existir capturas de pantalla de una sesión anterior. Nunca usa el navegador personal del revisor.

¿Qué es captura-de-referencias-ui?

Este skill está diseñado para capturar referencias visuales de interfaces de usuario que el código por sí solo no puede proporcionar, como el comportamiento en tiempo real, respuestas del backend, o la apariencia de aplicaciones de terceros. Funciona con una jerarquía de técnicas: primero analiza grabaciones de pantalla en formatos .mov o .mp4 extrayendo fotogramas, realizando OCR temporizado y generando líneas de tiempo textual; segundo, recupera capturas de imágenes de sesiones previas de Claude Code desde los archivos JSONL de transcripción, manteniendo la privacidad al no usar carpetas dentro del repositorio; tercero, compila y ejecuta una instancia local de la aplicación con datos ficticios, aislada de sistemas compartidos; y cuarto, investiga fuentes públicas para UI de terceros, sin iniciar sesión ni usar cuentas reales. Es compatible con Claude Code y macOS (para OCR con Apple Vision), y produce artefactos como contact sheets, imágenes de paridad lado a lado, y archivos de análisis detallados. Una regla fundamental es que nunca utiliza el navegador personal del revisor para evitar riesgos de privacidad y sesiones incontroladas, priorizando siempre referencias offline y seguras.

Compatible con✓Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/josueh04/product-video-skills/tree/HEAD/skills/ui-reference-capture

Preguntar en tu IA favorita

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

Documentación

Captura de referencia de UI

El código proporciona estructura, estilos, cadenas e iconos. No proporciona lo que sucede en tiempo de ejecución (qué responde un backend, en qué orden aparecen las cosas, cuánto espera la aplicación real), y no dice nada sobre la UI de otra compañía. Este skill llena esos vacíos con referencias, en un orden fijo de preferencia, y nunca improvisa en el navegador personal de alguien.

Esa última regla tiene una historia. En la producción de la que provienen estos skills, se permitió que un agente entrara al navegador con sesión iniciada del revisor para capturar una aplicación en vivo. Los flujos en vivo se colgaron, el agente siguió haciendo pasos de "limpieza" después de que el revisor dijera que parara, dejó elementos sueltos en un espacio de trabajo de prueba, y la sesión terminó mal después de unos 68 minutos sin construir nada utilizable. Las mismas capturas se recuperaron después de la transcripción de la sesión en minutos. Primero referencias offline; un navegador solo cuando el usuario lo solicite, aislado, y detenido en el momento en que diga que pare.

Dónde van las cosas

  • Entradas (grabaciones, exportaciones, capturas de pantalla que el usuario entrega): cópialas en products/<slug>/references/<name>/ tan pronto como lleguen. Las carpetas de Descargas y las carpetas temporales de captura del SO se limpian, y una grabación en la producción fuente vivía en una carpeta que el sistema habría eliminado. Los nombres de grabaciones de macOS contienen un espacio estrecho sin separación (U+202F) antes de AM/PM: búscalos con un glob, no escribiendo el nombre.
  • Material de trabajo (miles de fotogramas, capturas recuperadas, OCR sin procesar): una carpeta temporal fuera de cada repositorio, por ejemplo $TMPDIR/pvs-<slug>-<name>/.
  • Resultados que vale la pena conservar (la línea de tiempo del OCR, fotogramas clave con datos reales recortados, el análisis): references/<name>/, citados desde SOURCES.md.

Las grabaciones y capturas de un espacio de trabajo real contienen nombres reales de clientes, correos electrónicos, números de teléfono, identificadores internos y conversaciones de otras personas. Nunca van al repositorio del workbench, y el video nunca los muestra: la sección 1 paso 6 enumera lo que debe cambiar.

Elegir la técnica

TienesTécnicaLeer
Una grabación de pantalla del producto1. Analizar la grabaciónreferences/recording-analysis.md
Sesiones pasadas que vieron la aplicación2. Recuperar capturas de transcripcioneseste archivo, sección 2
Una aplicación que se pueda ejecutar localmente3. Instancia local compilada como producciónreferences/local-instance.md
El producto de otra compañía4. Investigación web, solo fuentes públicasreferences/third-party-ui-prompt.md
Nada (una llamada telefónica, una tarjeta final, texto generado)Diseñarlo desde el kit y marcarloproduct-truth (mock)

Inténtalos en ese orden. Antes de pedirle a alguien que grabe, revisa la sección 2: las capturas pueden ya existir. Si ninguno de los cuatro funciona, dilo; no recurras al navegador del revisor.

1. Analizar una grabación de pantalla

PVS_HOME="$(cd "$(cd "${CLAUDE_SKILL_DIR}" && pwd -P)/../.." && pwd)"
S="$PVS_HOME/skills/ui-reference-capture/scripts"
W="$TMPDIR/pvs-acme-board"                                    # temporal, fuera del repositorio
bash "$S/frames.sh" references/board/rec.mov "$W" --fps 10 --logical-width 1440
bash "$S/ocr.sh" "$W/logical" "$W/ocr.jsonl"                  # solo macOS
"$PVS_HOME/bin/pvs-py" "$S/ocr_events.py" "$W/ocr.jsonl" references/board/ocr-timeline.txt --fps 10 \
  --region "panel=0.6,0,1,[email protected]"
"$PVS_HOME/bin/pvs-py" "$S/grid.py" sheet "$W/overview.png" "$W/logical" --every 20 --cols 4
  1. frames.sh escribe miniaturas pequeñas (detección de cambios) y fotogramas al ancho lógico de la aplicación (una grabación retina es 2x: el ancho lógico es la mitad del ancho en píxeles), así que un píxel de fotograma es un píxel CSS de la aplicación reconstruida.
  2. ocr.sh compila ocr.swift (Apple Vision) una vez en una carpeta de caché y escribe una línea JSON por fotograma. En Linux sale con "unsupported": lee las contact sheets en su lugar.
  3. ocr_events.py convierte el OCR por fotograma en intervalos estables, inicio-fin [región] texto. Esa línea de tiempo da las cadenas exactas que muestra la aplicación real y cuándo, lo cual supera a adivinar a ojo desde un video.
  4. grid.py sheet crea contact sheets: una vista general cada 2 s, luego contact sheets densas a 10 fps por fase. grid.py overlay dibuja una cuadrícula en píxeles lógicos sobre un fotograma para medir.
  5. Guarda los fotogramas clave como references/<name>/frames/<t>-<state>.jpg (recortados de datos reales).
  6. Escribe references/<name>/analysis.md con la estructura en references/recording-analysis.md: la línea de tiempo real con cadenas exactas, movimiento medido (cuánto tarda un panel en abrirse, cuánto reposa el cursor), una tabla "debe cambiar para el video" (nombres reales, correos, teléfonos, espacios de trabajo, identificadores internos, esperas largas, elementos del SO como el Dock), y brechas del producto que plantear antes de que nadie construya sobre ellas (un paso que la historia necesita pero que la grabación muestra fallando).

Las grabaciones ocultan brechas cuando las esperas se comprimen; anota cada espera que acortes.

2. Recuperar capturas de sesiones pasadas

Cada imagen que devolvió una herramienta en una sesión de Claude Code (capturas de pantalla del navegador, capturas de ventana, imágenes leídas) y cada imagen pegada en el chat se almacena en el JSONL de esa sesión.

"$PVS_HOME/bin/pvs-py" "$S/recover_transcript_images.py" ~/.claude/projects/<project>/<session>.jsonl \
  [--from-line N] [--tool screenshot]

Sin carpeta de salida, escribe en una carpeta temporal nueva y rechaza cualquier carpeta dentro de un árbol de trabajo de git, porque estas capturas muestran cuentas reales. Escribe index.tsv (archivo, hora, herramienta, entrada) para que puedas encontrar las pantallas que necesitas. Revísalas en contact sheets (grid.py sheet <out> <dir> --labels name), luego copia solo las limpiadas, con datos reales recortados, en references/<name>/. En la producción fuente se construyó un video completo a partir de 117 imágenes recuperadas más el código.

3. Una instancia local compilada como producción

La referencia más fiel cuando la aplicación se puede ejecutar en la máquina del usuario: compílala desde el commit de producción con los argumentos de compilación de producción, siémbrala con datos ficticios, aíslala de todo sistema compartido, y captúrala con un navegador sin interfaz gráfica. Lee references/local-instance.md antes de empezar; el usuario debe aceptar ejecutar su aplicación, y nunca usa sus cuentas o bases de datos compartidas.

4. UI de terceros

Para pantallas de otra compañía, lanza un subagente de investigación con references/third-party-ui-prompt.md: solo fuentes públicas (documentación oficial, centros de ayuda, kits de prensa, capturas de pantalla de marketing, demos públicas incrustadas propiedad del vendedor), nunca un inicio de sesión, nunca un envío o una reserva, unos 30 minutos. Cada valor vuelve marcado como verificado, medido o inferido. Prefiere el componente propio del producto cuando lo tenga (un producto que renderiza una vista previa de una aplicación de chat tiene un componente de vista previa; úsalo en lugar de reconstruir la aplicación de chat). Muestra una pantalla completa de terceros solo cuando pruebe una integración real; en otros casos usa logotipos e insignias dentro del producto.

Paridad: demostrar que la reconstrucción coincide

"$PVS_HOME/bin/pvs-py" "$S/pair.py" snapshots/nocam-12.4s.png references/board/frames/12.4-board.png \
  640 40 1100 300 "$W/pair-board-header.png" --ref-scale 2 --logical-width 1440 --render-width 1920

Toma nuestra instantánea con la cámara a escala 1 (una copia de la composición con #camera{transform:none!important}), recorta el mismo cuadro lógico de ambas, y apílalas. El script imprime la diferencia absoluta media por canal; itera hasta que deje de bajar y la imagen apilada no muestre desplazamiento. Mide en píxeles de aplicación y convierte explícitamente: confundir las escalas fue una fuente recurrente de coordenadas incorrectas.

Reglas y por qué

  • Nunca el navegador o perfil personal del revisor, y nada tomado de él (fuentes, iconos, almacenamiento). Cuando alguien diga que pare, detén cada acción del navegador de inmediato, incluida la limpieza.
  • Nunca iniciar sesión, nunca leer tokens o almacenamiento del navegador. Si una captura necesita un inicio de sesión, la persona escribe su propia contraseña en su propia sesión, o la captura no se realiza.
  • El material recuperado y grabado se mantiene privado. Carpeta temporal primero, solo copias recortadas.
  • Marca cada valor inferido. Una referencia que está medio adivinada debe decir qué mitad.

Individual skills in this repo

This repo contains 14 individual skills — each has its own dedicated page.

josueh04/product-video-skills

Extract, once per product, everything every video of it reuses and write it to kit/ and product.yaml (design tokens, font subsets as woff2, icon subsets as SVG from the product's own icon packages, logos in light, dark and app-tile variants from the repo, a fictional cast proposed once for veto and then frozen, the canonical-names map, pronunciations, banned terms and the read-only tool list). Use it when a product is set up or its kit is missing or incomplete, when a video needs an icon, font or logo that is not in kit/ yet, when someone asks for demo names, fake customers, phone numbers or emails, when a brand word is mispronounced or an old product name shows up, and when checking that demo data is fictional.

josueh04/product-video-skills

Interview the user about a product, then create products/<slug>/ with its own git history, a filled product.yaml and linked skills, fetch its sources and build its kit. Run only when the user types /product-new.

josueh04/product-video-skills

Back every sentence of a video's narration (audio/lines.tsv) and every screen it shows with a citation into the pinned source code (role/path:line@sha) or a docs URL, mark what is visible in the UI versus backend-only, flag restricted or unreleased features, and cut or rewrite anything unbacked; writes the video's TRUTH.md and checks it with truth_check.py. Use it whenever a script or narration is drafted or edited, before voice is generated, before a build, when someone asks "can we say this?", "is this true?", "does the product really do X?", when a reviewer asks for a feature or a claim the product may not support, and when a source document (pitch deck, PRD, marketing page) makes claims the video wants to repeat.

josueh04/product-video-skills

Check a rendered product video before anyone else sees it: worker-pattern flicker, black frames, loudness and true peak, clipping, clicks at clip edges, overlapping narration, speech to text against the script, banned terms and legacy names, camera zoom, contact sheets, frame strips at transitions and parity against the approved version; then write qa/REPORT.json, the only thing deliver.py accepts. Use it after every HyperFrames render, whenever someone asks "is the render clean", "QA this", "check the video", "check the audio", "why does it flicker", "there is a click", "compare v3 with v2", "did the approved part change", or before showing, sending, uploading or delivering any MP4, even when the request does not say QA. Also use it to triage a defect a reviewer reported in a render.

josueh04/product-video-skills

Write a product video's narration and turn it into voice clips with word timings, pronunciation fixes, sound effects and even loudness. The script becomes a table of moments and then audio/lines.tsv (one clip per sentence, with role and speed columns); tts.py voices it with ElevenLabs or the free macOS say voice, maps brand respellings back to the on-screen spelling, normalizes every clip and writes audio/timings.json for the composer; make_sfx.py builds typing tracks from real keystrokes and places recorded click and pop sounds. Use it whenever a video needs a script, narration, voice-over, lines.tsv, timings.json, TTS, a new take, a voice or casting choice, a pronunciation fix ("it says the name wrong"), a changed sentence, a tone note ("too hype", "sounds cut off"), audio levels, a click at the end of a clip, typing or click sounds, or when the build stage asks for the voice. Also use it for silent loops, which still need a moment table and SFX.

josueh04/product-video-skills

The animation rules that keep HyperFrames' parallel render workers from dropping, flashing or flickering elements, plus a static lint (lint_motion.py) that finds the violations in a video's template before it costs a render. Use it whenever you write or edit GSAP tweens, timelines, cursors, camera moves, typing, scrolls or pop-ups in a HyperFrames composition or a video's src/template.tpl, whenever a render shows flicker, stutter, an element that vanishes on some frames, a title that flashes, or a "WORKER PATTERN" line from scan_render.py or qa.py, and whenever the preview looks right but the MP4 does not. Also use it to review someone else's timeline code before rendering.

josueh04/product-video-skills

Pin a product's source code (read-only exports in sources/ plus sources.lock), confirm that the pinned commit is what runs in production, and map every screen of a video brief to its route, components, i18n strings and state, written to the video's SOURCES.md. Use it whenever a video needs to know where a screen lives in the code, when sources/ is missing or stale, before ui-spec-from-code or product-truth start on a video, after the product's frontend changed ("what changed", "which videos are affected", "refresh the sources", "is this checkout current", "which commit is in prod"), and when there is no code and you need an inventory of the no-code references (recordings, recovered captures, docs) a screen can be rebuilt from.

josueh04/product-video-skills

Compose a narrated product demo in HyperFrames: the stage (the product UI rebuilt at its real viewport and scaled to 1080p, camera, rack focus with veil, chapter titles, cursor and clicks, typing, streaming text, pop-ups, toasts, scrolls, end screen and lockup) and the build.py that anchors every beat to a word of the narration. Use it whenever you write or edit a video's video/build.py, src/template.tpl or src/app.css, place a beat on a word, add a chapter, a click, a pop-up or a push-in, frame a screen, build the end screen or lockup, snapshot setup beats, or render a draft or delivery MP4 of a product video in this workbench. Also use it when someone says "the cursor is off", "too zoomed in", "too fast", "it feels chaotic", "the title flashes", "sync the UI to the voice", or asks for a walkthrough, demo or pitch video of a UI.

josueh04/product-video-skills

Turn a product's real frontend code into 1:1 rebuild specs for a video, one read-only subagent per screen, each returning static HTML, CSS with every variable resolved to its literal value and cited (role/path:line@sha), every state, transitions with exact durations and easings, icons from the code's own icon sets, and the exact i18n strings; plus resolve_tokens.py to write the product's design tokens to kit/tokens.css. Use it whenever a screen of the product has to appear in a video, when writing or fixing video/src/app.css or the template markup, when someone asks for exact sizes, colors, fonts, paddings, animations or icons of a screen, when a rebuilt screen "looks off" next to the real app, and when the design tokens or theme of a product need extracting. Framework adapters cover Angular with PrimeNG (proven), React, Vue, Tailwind and plain HTML (unproven).

josueh04/product-video-skills

Say where this session stands in the Product Video Skills workbench (setup state, which product and video the current folder belongs to, the stage of every video) and the exact next command to type. Also answers "how do I..." questions about the workbench from its docs.

josueh04/product-video-skills

Coordinate the build of one or more signed videos of the current product with subagents (source recon, product truth, UI specs, voice, one builder per video), re-run QA itself, then deliver. A light coordinator that never builds itself. Run only when the user types /video-build.

josueh04/product-video-skills

Start a new video of the current product - create videos/<video>/, write BRIEF.md, the feature coverage matrix (COVERAGE.md) and the claims sheet (CLAIMS.md), propose chapters, then stop for the reviewer's sign-off. Never builds. Run only when the user types /video-new.

josueh04/product-video-skills

Turn a batch of reviewer feedback on the product's videos into one table per video, fix every video that got notes in parallel (one subagent each) while keeping approved parts, re-run QA and parity, bump versions and deliver. Run only when the user types /video-review.

josueh04/product-video-skills

Check this machine and install the pinned video toolchain of the Product Video Skills workbench (HyperFrames CLI, its rendering Chrome and its agent skills from the same release, the Python environment, the speech model for QA), then run the self-check. Safe to run again. `/video-setup check` only reports.

Skills relacionados