Communitygithub.com

josueh04/product-video-skills

Captura referências visuais de UI que o código não pode mostrar ou para verificar uma reconstrução contra o real, usando quadros e OCR cronometrado de gravações de tela, capturas recuperadas de transcrições de sessões anteriores do Claude Code, uma instância local do aplicativo compilada como produção e pesquisa web para aplicativos de terceiros, além de imagens de paridade lado a lado e folhas de contato. Use-o sempre que alguém fornecer uma gravação de tela (mov ou mp4) do produto, quando uma tela não tiver código-fonte utilizável (um checkout desatualizado, a interface de outra empresa, como uma página de login, calendário ou CRM, saída de tempo de execução de um backend que não está nos repositórios), quando for perguntado "como é realmente", "corresponder à gravação", "quanto tempo essa animação leva no aplicativo", "comparar nossa renderização com o aplicativo real" ou quando capturas de tela de uma sessão anterior já puderem existir. Nunca usa o navegador pessoal do revisor.

O que é product-video-skills?

Esta skill é projetada para agentes de IA, como o Claude Code, que precisam capturar e analisar referências visuais de interface do usuário (UI) quando o código-fonte sozinho é insuficiente. Ela preenche lacunas críticas: o código informa estrutura e estilos, mas não revela o comportamento em tempo de execução (como respostas do backend, ordem de aparição ou temporizações reais) nem interfaces de terceiros. A skill opera com uma hierarquia de técnicas: analisar gravações de tela (extraindo quadros e texto via OCR para criar uma linha do tempo textual exata), recuperar capturas de transcrições de sessões (evitando gravações desnecessárias), executar uma instância local do aplicativo compilada como produção, ou pesquisar fontes públicas para UIs de terceiros. Uma regra fundamental é nunca usar o navegador pessoal do revisor, pois experiências anteriores mostraram riscos de segurança e falhas de sessão. O resultado são referências precisas, anotadas e privadas que permitem verificar se uma reconstrução corresponde ao real, medir animações e identificar lacunas no produto antes do desenvolvimento.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Captura de referência de UI

O código fornece estrutura, estilos, strings e ícones. Ele não fornece o que acontece em tempo de execução (o que um backend responde, em qual ordem as coisas aparecem, quanto tempo o aplicativo real espera), e não diz nada sobre a interface de outra empresa. Esta skill preenche essas lacunas com referências, em uma ordem fixa de preferência, e nunca improvisa no navegador pessoal de alguém.

Essa última regra tem um histórico. Na produção de onde essas skills vêm, um agente teve permissão para entrar no navegador logado do revisor para capturar um aplicativo ao vivo. Os fluxos ao vivo travaram, o agente continuou fazendo etapas de "limpeza" depois que o revisor disse para parar, deixou itens soltos em um espaço de teste, e a sessão terminou mal após cerca de 68 minutos sem nada utilizável construído. As mesmas capturas foram posteriormente recuperadas da transcrição da sessão em minutos. Referências offline primeiro; um navegador apenas quando o usuário pedir um, isolado, e parado no momento em que disser para parar.

Onde as coisas vão

  • Entradas (gravações, exportações, capturas de tela fornecidas pelo usuário): copie-as para products/<slug>/references/<name>/ assim que chegarem. Pastas de Downloads e as pastas de captura temporárias do SO são limpas, e uma gravação na produção de origem estava em uma pasta que o sistema teria deletado. Nomes de gravação do macOS contêm um espaço estreito sem quebra (U+202F) antes de AM/PM: encontre-os com um glob, não digitando o nome.
  • Material de trabalho (milhares de quadros, capturas recuperadas, OCR bruto): uma pasta temporária fora de todo repositório, ex. $TMPDIR/pvs-<slug>-<name>/.
  • Resultados que valem a pena manter (a linha do tempo do OCR, quadros-chave com dados reais recortados, a análise): references/<name>/, citados a partir de SOURCES.md.

Gravações e capturas de um espaço de trabalho real contêm nomes reais de clientes, e-mails, números de telefone, ids internos e conversas de outras pessoas. Eles nunca vão para o repositório do workbench, e o vídeo nunca os mostra: a seção 1, passo 6 lista o que deve mudar.

Escolha a técnica

Você temTécnicaLeia
Uma gravação de tela do produto1. Analisar a gravaçãoreferences/recording-analysis.md
Sessões anteriores que visualizaram o aplicativo2. Recuperar capturas de transcriçõeseste arquivo, seção 2
Um aplicativo que pode ser executado localmente3. Instância local compilada como produçãoreferences/local-instance.md
Produto de outra empresa4. Pesquisa web, apenas fontes públicasreferences/third-party-ui-prompt.md
Nada (uma chamada telefônica, um cartão final, texto gerado)Projete a partir do kit e marque-oproduct-truth (mock)

Tente-os nessa ordem. Antes de pedir a alguém para gravar, verifique a seção 2: as capturas podem já existir. Se nenhuma das quatro funcionar, diga isso; não recorra ao navegador do revisor.

1. Analisar uma gravação de tela

PVS_HOME="$(cd "$(cd "${CLAUDE_SKILL_DIR}" && pwd -P)/../.." && pwd)"
S="$PVS_HOME/skills/ui-reference-capture/scripts"
W="$TMPDIR/pvs-acme-board"                                    # temporário, fora do repositório
bash "$S/frames.sh" references/board/rec.mov "$W" --fps 10 --logical-width 1440
bash "$S/ocr.sh" "$W/logical" "$W/ocr.jsonl"                  # apenas 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 escreve miniaturas pequenas (detecção de mudança) e quadros na largura lógica do aplicativo (uma gravação retina é 2x: a largura lógica é metade da largura em pixels), então um pixel de quadro é um CSS px do aplicativo reconstruído.
  2. ocr.sh compila ocr.swift (Apple Vision) uma vez em uma pasta de cache e escreve uma linha JSON por quadro. No Linux, ele sai com "unsupported": leia as folhas de contato.
  3. ocr_events.py transforma OCR por quadro em intervalos estáveis, start-end [region] text. Essa linha do tempo fornece as strings exatas que o aplicativo real mostra e quando, o que é melhor do que adivinhar a partir de um vídeo a olho nu.
  4. grid.py sheet cria folhas de contato: uma visão geral a cada 2 s, depois folhas densas de 10 fps por fase. grid.py overlay desenha uma grade em px lógicos em um quadro para medição.
  5. Salve quadros-chave como references/<name>/frames/<t>-<state>.jpg (recortados de dados reais).
  6. Escreva references/<name>/analysis.md com a estrutura em references/recording-analysis.md: a linha do tempo real com strings exatas, movimento medido (quanto tempo um painel leva para abrir, quanto tempo o cursor descansa), uma tabela "deve mudar para o vídeo" (nomes reais, e-mails, telefones, espaços de trabalho, ids internos, longas esperas, cromada do SO, como o Dock) e lacunas do produto a serem levantadas antes que alguém construa sobre elas (uma etapa que a história precisa e que a gravação mostra falhando).

As gravações escondem lacunas quando as esperas são comprimidas; anote cada espera que você encurtar.

2. Recuperar capturas de sessões passadas

Cada imagem que uma ferramenta retornou em uma sessão do Claude Code (capturas de tela do navegador, capturas de janela, imagens lidas) e cada imagem colada no chat é armazenada no JSONL dessa sessão.

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

Sem uma pasta de saída, ele escreve em uma nova pasta temporária e recusa qualquer pasta dentro de uma árvore de trabalho git, porque essas capturas mostram contas reais. Ele escreve index.tsv (arquivo, hora, ferramenta, entrada) para que você possa encontrar as telas de que precisa. Revise-as em folhas de contato (`grid.py sheet

3. Uma instância local compilada como produção

A referência mais fiel quando o aplicativo pode ser executado na máquina do usuário: compile-o a partir do commit de produção com os argumentos de compilação de produção, alimente-o com dados fictícios, isole-o de todo sistema compartilhado e capture-o com um navegador headless. Leia references/local-instance.md antes de começar; o usuário deve concordar em executar seu aplicativo, e ele nunca usa suas contas ou bancos de dados compartilhados.

4. UI de terceiros

Para telas de outra empresa, lance um subagente de pesquisa com references/third-party-ui-prompt.md: apenas fontes públicas (documentação oficial, centrais de ajuda, kits de imprensa, capturas de tela de marketing, demonstrações públicas incorporadas de propriedade do fornecedor), nunca um login, nunca um envio ou uma reserva, cerca de 30 minutos. Cada valor retorna marcado como verificado, medido ou inferido. Prefira o componente próprio do produto quando ele tiver um (um produto que renderiza uma prévia de um aplicativo de chat tem um componente de prévia; use-o em vez de reconstruir o aplicativo de chat). Mostre uma tela completa de terceiros apenas quando ela provar uma integração real; em outros lugares, use logotipos e selos dentro do produto.

Paridade: prove que a reconstrução corresponde

"$PVS_HOME/bin/pvs-py" "$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

Pegue nosso snapshot com a câmera na escala 1 (uma cópia da composição com #camera{transform:none!important}), recorte a mesma caixa lógica de ambos e empilhe-os. O script imprime a diferença absoluta média por canal; itere até que pare de cair e a imagem empilhada não mostre deslocamento. Meça em px do aplicativo e converta explicitamente: escalas confusas foram uma fonte recorrente de coordenadas erradas.

Regras e porquê

  • Nunca o navegador ou perfil pessoal do revisor, e nada obtido dele (fontes, ícones, armazenamento). Quando alguém disser para parar, pare toda ação do navegador imediatamente, incluindo a limpeza.
  • Nunca faça login, nunca leia tokens ou armazenamento do navegador. Se uma captura precisar de um login, a pessoa digitá sua própria senha em sua própria sessão, ou a captura não acontece.
  • Material recuperado e gravado permanece privado. Pasta temporária primeiro, apenas cópias recortadas.
  • Marque todo valor inferido. Uma referência que é meio adivinhada deve dizer qual metade.

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.

Habilidades Relacionadas