Communitygithub.com

gquthier/autonomous-sop-video

検証済みのソフトウェアワークフローから、実際のスクリーンショット、ボタンの拡大、サイドチェックリスト、字幕、チャプターを備えたナレーション付きのステップバイステップSOP動画を生成します。カスタマーチュートリアル、チームオンボーディング、反復可能な運用手順に使用します。

autonomous-sop-video とは?

このスキルは、観察されたソフトウェアワークフローを、初心者でも迷わずに実行できるナレーション付きSOP(標準作業手順書)動画に変換するための包括的なパイプラインを提供します。主な特長として、実際のUIスクリーンショットのキャプチャ、指定されたボタンへのターゲットズーム、サイドチェックリストの自動生成、ナレーション(ElevenLabs や環境のツールを使用)、字幕およびチャプターの埋め込みが含まれます。対応プラットフォームは、Claude Code や類似のAIエージェント実行環境を想定していますが、依存ツール(Python 3.10+、Node.js、FFmpeg、HyperFrames ベースのレンダラー)を備えた任意の開発環境でも動作します。このスキルは、プロデューサーエージェントの概念に基づいて構築されており、単一の責務エージェントが制作全体を担当し、検証と納品を行います。完全に自動化された制作がブロックされた場合、利用可能な独立した作業(台本作成やスクリーンショット収集など)を完了し、不足している機能を正確に報告できます。出力には、MP4、SRT/VTT 字幕、チャプターメタデータ、編集可能なソース、スクリーンショットの出典、モデル/音声の使用エビデンス、およびQAレポートが含まれます。

対応~Claude Code✓Codex CLI✓Cursor
npx skills add gquthier/autonomous-sop-video

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

SOP動画

観察されたワークフローを、初心者が推測せずに従える動画に変換します。編集可能なソース、MP4、キャプション、チャプターメタデータ、および簡易エビデンスレポートを提供します。デフォルトの言語はユーザーの言語です。フランス語が要求された場合はフランス語を使用します。デフォルトの外観は白、青、そして控えめなものです。

実際のリクエストから始める

質問をする前に、既存の概要とアセットを読み込んでください。結果を変える未知の要素(タスク、対象者、ソフトウェア/バージョン、ナレーションモード、出力先)のみを解決します。シリーズを制作する前に、1つのパイロットを求めるリクエストを尊重します。

出力プロジェクトに BRIEF.md を作成し、学習者が到達すべき結果、前提条件、スコープ、言語、ナレーション、許可されたアクション、および納品形式を記述します。動画の作成/エクスポートをリクエストすることは、ローカルレンダリングをすでに許可しています。ルーチンの承認ゲートは追加しないでください。公開アップロードと実際のアカウント変更には、対応する承認が必要です。

単一の責任あるプロデューサーを割り当てる

委任が利用可能な場合、agents/producer.md を使用して1人のプロデューサーエージェントを割り当てます。それに、ファイル所有権の範囲、概要、キャプチャ権限、および受け入れ基準を与えます。コーディネートエージェントは結果をレビューし、納品します。ユーザーが並行制作を要求しない限り、シーンを多くのエージェントに分割しないでください。

プロデューサーは、利用可能なエージェントランタイムまたはプロバイダーCLIを通じて検証済みモデルを使用できます。選択、短いモーションテスト、モデルID、使用エビデンスについては references/models.md に従ってください。モデル識別子を発明したり、「O3.5」のようなあいまいなリクエストを黙って名前変更したりしないでください。要求されたランタイムが利用できない場合は、その制限を述べ、現在のエージェントで独立した準備を行い、必要なモデルの選択が制作をブロックする場合にのみ質問してください。

委任ツールがない場合は、現在のエージェントで同じプロデューサーの役割を実行し、その旨を伝えてください。agents/openai.yaml は発見を説明しますが、バックグラウンドエージェントを作成したり、自動的にモデルを選択したりするわけではありません。

動画を制作する

  1. 手順を観察する。 references/capture-and-audio.md を読んでください。許可されたブラウザ/ネイティブキャプチャツール、接続されたセッション、提供された録画、または検証済みの公開ドキュメントを使用します。正確な画面、ボタンテキスト、ネイティブ画像寸法、キャプチャ日付、UIバリアント、およびアクションが実際に実行されたかどうかを記録します。実際の製品に対してUIを発明しないでください。
  2. 教育用の台本を書く。 拍ごとに1つのアクションまたは決定:どこへ行くか、何をクリックするか、何を確認するか、成功はどのように見えるか。必要な前提条件と一般的なブロッキングケースを記載します。動画で表示できないクリックをナレーションしないでください。各実行可能なステップと、変更されたモーダル/タブごとに、指標となるスクリーンショットを追加します。新しいクロップでより明確になる場合は、画面を再利用します。
  3. 最初に音声を作成または使用する。 ElevenLabs、許可された提供/録音音声、または環境で利用可能なナレーションツールを選択します。実際のオーディオ時間を計測してからシーンを配置します。シリーズ全体で音声/モデル/設定を安定させます。自然な間を維持し、ボタンを検査するのに十分なホールド時間を追加します。ユーザーが自分の録音を選択した場合に、音声を黙って生成しないでください。
  4. ビジュアルシーケンスを構築する。 references/production.md に従ってください。以下の実行可能スターターを使用するか、承認されたプロジェクトを適応させます。白 #FFFFFF の背景、青 #1565D8 のタイトル/アクセント、ネイビー #102A43 のテキスト。大きなスクリーンショットは左側に、短いアクションチェックリストは右側に配置します。実際のボタン座標にカメラを移動し、関連ラベルを表示したままにし、1つのカーソル/ハローを使用します。理解を向上させる場合にのみ説明パネルを追加します。
  5. キャプションとチャプターを付ける。 キャプションを計測された音声に合わせ、読みやすいキューに分割します。キューがそのシーンを超えて存続しないようにします。チャプターはレンダリングされた動画と同じタイムラインを使用する必要があります。テキスト/VTTのチャプターを提供し、MP4に埋め込みます。プレイヤーのチャプターUIは異なるため、サイドカーファイルを保持します。
  6. 検証して納品する。 マニフェストバリデーターとレンダラーチェックを実行し、すべてのシーンを検査し、主要なクリックトランジションを確認し、エクスポートされたMP4を個別に検証します。実際の制限と実行された実際のアクションを報告します。ファイルが存在することは、再生や正しいフレーミングの証拠にはなりません。

実行可能スターター

付属のデモは合成UIを使用しており(画面上に明示的にラベル付け)、ナレーションはありません。これは技術的な例であり、実際のアプリケーションに関する証拠ではありません。

要件:Python 3.10+、選択したHyperFramesバージョンと互換性のあるNode.js、FFmpeg/ffprobe、およびレンダラーがサポートするChrome。npx は最初の使用時にピン留めされたレンダラーをダウンロードします。GSAP はコンパイル中に宣言されたCDNから取得されます。ローカルプレビュー/レンダリングにはElevenLabsアカウントは必要ありません。依存関係チェックが失敗した場合は、現在のレンダラーのドキュメントを使用してください。

このスキルのディレクトリから:

python3 scripts/sop.py init /path/to/new-sop
cd /path/to/new-sop
node build.mjs
npm run check
npm run preview -- --background
npm run render -- --quality delivery --output renders/video.mp4 --workers 1

GPUエンコーディングの場合は、サポートされている場合にのみ --gpu を追加します。スターターは再現性のためにテスト済みのレンダラーバージョンをピン留めします。変更する前にアップグレードを検証します。HyperFramesスキルがインストールされている場合は、その現在の構成と検証ガイダンスを使用します。このパッケージには必須のコントラクトが含まれており、プライベートスキルディレクトリなしで動作します。

SKILL_DIR をこのスキルのインストールディレクトリに設定し、次のコマンドを実行します:

python3 "$SKILL_DIR/scripts/sop.py" validate sop.json --probe
python3 "$SKILL_DIR/scripts/sop.py" chapters sop.json --output delivery
python3 "$SKILL_DIR/scripts/sop.py" embed renders/video.mp4 delivery/chapters.ffmetadata delivery/video.mp4

init は空でない宛先を拒否します。embed は出力への上書きを拒否し、ストリームを再エンコードせずにコピーします。フィールドとタイミングについては references/manifest.md を参照してください。ヘルパーは音声を生成したり、Webサイトにログインしたり、ファイルをアップロードしたりしません。

受け入れ基準

  • 学習者は、説明されたすべてのボタンを見つけ、結果の状態(または明確に未実行/例示状態)を確認できる。
  • 画面データは、実際にエクスポートされたピクセル内で匿名化されています。公開ソースには承認されたアセットのみが含まれます。プライベートな生のキャプチャ、認証情報、Cookie、セッションファイルをバンドルしないでください。
  • 小さなUIテキストは、意図された視聴サイズで読みやすく、ズームはコンテキストを保持します。チェックリスト/キャプションの重複や説明のないアイドル期間はありません。
  • オーディオに、クリップされた音声、突然のカット、欠落したフレーズ、不安定な声の変化があってはなりません。一貫した測定ラウドネスを使用し、ピークを検査します。
  • キャプションとチャプターは最終的な長さと一致します。最終フレームは、偶発的な黒ではなく、有用な結果/チェックリストを保持します。
  • 納品には、MP4、SRT、VTT、チャプターテキスト/VTT、編集可能なソース、スクリーンショットの出典、利用可能な場合はモデル/音声の使用エビデンス、および実際にテストされた内容を記載したQAレポートが含まれます。

キャプチャ、ナレーション、レンダリング、または公開がブロックされた場合は、独立した許可された作業を完了し、不足している正確な機能を述べてください。ストーリーボード、合成画面、またはサイレントプレビューを完成したナレーション付きSOPとして説明しないでください。

関連スキル