Communitygithub.com

MengTo/Skills

Crie vídeos polidos no estilo de gravação de tela em 4:3 4K a 60 fps a partir de capturas do navegador Codex in-app, com corte apenas no navegador, cursor macOS natural, coreografia de cliques deliberada, enquadramento com zoom automático, verificação via ffprobe/thumbnail e suporte opcional de gravação nativa.

O que é Skills?

Este skill permite que um agente Codex grave vídeos de demonstração de alta qualidade (4:3 4K a 60 fps) usando capturas de tela do navegador in-app, sem depender de uma ferramenta de gravação de tela do sistema. Ele utiliza um script Python localizado em `scripts/render_browser_demo.py` que transforma screenshots sequenciais em um vídeo MP4 com um cursor macOS real, animações sutis de clique e um enquadramento de câmera que acompanha o foco do usuário. O fluxo de trabalho é dividido em três camadas: controle do navegador (via Browser skill/MCP), renderização local de vídeo e gravação nativa opcional. O skill é autocontido, exigindo apenas Python3, Pillow, ffmpeg e opcionalmente Swift para extração do cursor. Ele também oferece suporte a verificação automática de qualidade com ffprobe e extração de thumbnails para garantir que a resolução, taxa de quadros e cursor estejam corretos.

Funciona com~Claude Code✓Codex CLI✓Cursor
npx skills add https://github.com/MengTo/Skills/tree/HEAD/agent-skills/codex/browser-video-recording

Perguntar na sua IA favorita

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

Documentação

Gravação de Vídeo do Navegador

Modelo de Dependência

Separe o fluxo de trabalho em três camadas:

  1. Controle do navegador e quadros de origem: Use o navegador Codex in-app através do skill/MCP de Navegador. Não use o Chrome quando o usuário solicitar o navegador Codex ou quando o projeto especificar que não deve usar. A camada do navegador fornece screenshots reais e estados reais de clique/rolagem/navegação.
  2. Renderizador de vídeo local: Use o script Python empacotado para renderizar screenshots em um MP4 com cursor macOS natural, escala sutil de clique e enquadramento calmo com zoom automático. Isso não requer um MCP de gravação de tela.
  3. Integração opcional de gravador nativo: Use um MCP de gravação nativa apenas quando puder ser chamado e for explicitamente útil para iniciar/parar uma gravação real do aplicativo ou abrir um projeto gerado. Se estiver indisponível, bloqueado ou incapaz de capturar a superfície do navegador Codex, recorra ao renderizador de screenshots para vídeo e explique a mudança.

Execução Autocontida

Este skill é suficiente para que outra instância do Codex realize a renderização Python, desde que a pasta completa do skill esteja instalada, incluindo scripts/render_browser_demo.py. O Codex deve executar o script empacotado em vez de recriar o renderizador.

Ferramentas locais necessárias:

  • python3
  • Pacote Python Pillow
  • ffmpeg e ffprobe

A extração opcional do cursor macOS usa swift e /usr/sbin/screencapture. Se esses não estiverem disponíveis, forneça um PNG transparente através de cursor_asset e defina cursor_hotspot na configuração.

O skill/MCP de Navegador ainda é necessário para screenshots frescos do navegador Codex in-app. Se não estiver disponível, use a melhor fonte disponível de automação de navegador para screenshots e informe a mudança.

Suporte Opcional para Gravador Nativo

Para gravação nativa de aplicativos, verifique se o MCP suporta:

  • Usar frameRate: 60.
  • Usar resolutionRawValue: "4K".
  • Usar ratioPresetRawValue: "4:3" para gravações de região.
  • Usar um selectedRegionOnScreen explícito ao cortar para a viewport do navegador incorporado.

Para o renderizador local, 4K 4:3 significa 3840x2880. Se um gravador nativo expor um enum 4K, trate-o como um preset de resolução do lado do aplicativo e combine-o com a seleção de região 4:3 ao fazer a gravação através desse MCP.

Fluxo de Captura

Use browser:control-in-app-browser primeiro. Após carregar sua documentação, controle o navegador in-app com a API Node/navegador:

  • Defina a viewport para 1920x1440 para saída 4:3 4K e, em seguida, redefina-a antes de finalizar.
  • Navegue até a página solicitada e execute cliques reais, voltas, pesquisas e rolagens.
  • Salve screenshots apenas do navegador após cada mudança importante de estado. Use nomes como 01-resultados-topo.png, 02-apos-clique-card.png, 03-voltar-resultados.png.
  • Registre as coordenadas da viewport de cada destino de clique/rolagem. O caminho final do cursor deve pousar nesses pontos, pausar, clicar e, em seguida, mover para o próximo ponto relevante.

Evite automação de coordenadas do desktop, a menos que o usuário solicite explicitamente a interface do sistema. A visibilidade do navegador Codex pode não expor uma superfície macOS capturável; as screenshots da API do navegador são a fonte confiável.

Regras de Movimento

Faça o cursor parecer intencional:

  • Use caminhos de cursor esparsos e principalmente retos.
  • Faça uma pausa breve no alvo antes de clicar.
  • Não vagar sobre elementos de interface não relacionados.
  • Deixe a transição da página acontecer após o clique, não antes.
  • Use apenas feedback sutil de clique: queda/ressalto de escala, nenhum anel decorativo, a menos que solicitado.
  • Mantenha o zoom automático mais calmo que o cursor. A câmera deve enquadrar o conteúdo clicado, não perseguir cada pequeno movimento do mouse.

Alvo visual padrão:

  • Ponteiro macOS real extraído do compositor, ou um asset de cursor transparente existente.
  • Escala do cursor 3.0, correspondendo ao estilo de cursor grande comumente usado em gravações de demonstração editadas.
  • Força da animação de clique 15 para uma leve queda de escala.
  • Força de rotação de até 8deg, somente a partir da velocidade horizontal.

Script de Renderização

Use scripts/render_browser_demo.py para saída determinística a 60 fps 4:3 4K:

python3 /caminho/para/gravacao-video-navegador/scripts/render_browser_demo.py \
  --config /tmp/config-demo-navegador.json \
  --output /tmp/demo-navegador-4x3-4k-60fps.mp4

Gere uma configuração inicial:

python3 /caminho/para/gravacao-video-navegador/scripts/render_browser_demo.py --write-template

A configuração fornece:

  • shots: mapa de nomes de estado para caminhos de PNG de screenshot.
  • scene_starts: entradas [tempo, nomeShot, transicao].
  • cursor_keys: entradas [tempo, x, y] de coordenadas da viewport.
  • camera_keys: entradas [tempo, x, y, zoom].
  • click_times: timestamps de clique.
  • duration, fps, output_size, source_size, cursor_scale.

Padrões preferenciais:

{
  "fps": 60,
  "output_size": [3840, 2880],
  "source_size": [1920, 1440]
}

Se cursor_asset for omitido, o script exibe brevemente uma sobreposição de cor sólida e usa screencapture para extrair o cursor macOS real atual em um PNG transparente. Isso é suporte de renderização local, não uma dependência de MCP.

Verificação

Sempre verifique o vídeo entregue:

ffprobe -v error \
  -show_entries stream=codec_name,width,height,r_frame_rate \
  -show_entries format=duration,size \
  -of json /caminho/para/saida.mp4

Extraia pelo menos um thumbnail no meio do vídeo e inspecione:

ffmpeg -y -ss 8 -i /caminho/para/saida.mp4 -frames:v 1 -update 1 /tmp/thumbnail-demo-navegador.png

Confirme:

  • A resolução é a solicitada, geralmente 3840x2880 para 4:3 4K.
  • A taxa de quadros é 60/1 ou equivalente.
  • A duração corresponde à solicitação.
  • O cursor está visível, natural e no alvo.
  • O vídeo está cortado para o conteúdo do navegador, não para o desktop.
  • A substituição da viewport do navegador foi redefinida.

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

MengTo/Skills

Generate ElevenLabs text-to-speech audio from scripts or inline text using local voice profiles. Use when the user asks for ElevenLabs, text-to-speech, TTS, narration, voiceover, speech audio, or voice generation; load voice names, voice ids, emails, owners, and account-specific defaults only from local config outside the skill.

MengTo/Skills

Profile, audit, and optimize frontend page performance with emphasis on animation work, memory-leak risks, long-session slowdowns, CSS animations, canvas/WebGL requestAnimationFrame loops, marquees, skeletons, GSAP/Three/Matter effects, timers, listeners, and observers. Use when the user asks to make animations performant, pause offscreen animations, look for memory leaks, profile pages that slow the computer over time, fix janky scrolling, reduce CPU/GPU use, or repeat the "only play in view" optimization on React/Vite/Next/frontend pages using Codex Browser.

MengTo/Skills

Turn a reference video into a super detailed recreation or inspiration prompt. Use when the user provides, mentions, uploads, links, or points to a video and asks to analyze the design, UI, animations, transitions, scroll interactions, typography, colors, assets, WebGL/Three.js, storytelling, section-by-section behavior, or to create a prompt/article that recreates the page, app, interaction, or motion system.

MengTo/Skills

Create an on-scroll animation trigger using IntersectionObserver with Tailwind-friendly animation classes and keyframes. Use when asked for scroll-reveal, animate-on-scroll, or sequencing element animations when they enter the viewport.

MengTo/Skills

Use when designing or implementing product-grade web motion like Stripe, Linear, Apple, and Vercel. Covers motion principles, easing/duration defaults, choreography patterns, scroll/hover interactions, performance, accessibility (reduced motion), and implementation guidance.

MengTo/Skills

Create premium cinematic web motion systems with GSAP, ScrollTrigger, and Lenis. Use for luxury editorial websites, creative studio portfolios, Awwwards-style interactions, smooth scroll reveals, staggered text, parallax, pinned sections, magnetic hover states, custom cursors, and mouse-reactive layered movement.

MengTo/Skills

Create cinematic scroll-driven landing pages with Lenis smooth scrolling, GSAP ScrollTrigger, scroll-linked progression, staggered text reveals, sticky card stacks, parallax backgrounds, scroll-scrubbed transitions, footer reveals, and immersive preloaders. Use when analyzing or building premium editorial scroll experiences, sticky project stacks, kinetic typography, or section-by-section storytelling.

MengTo/Skills

Use when designing or rewriting a high-converting SaaS pricing page (structure, plan design, copywriting, SEO/AEO, FAQs, layout patterns, experiments). Includes checklists, templates, and common pitfalls.

MengTo/Skills

Use when creating or refining WebGL-heavy landing pages and you need to steer toward a specific visual outcome (premium, technical, playful, cinematic) while balancing conversion clarity, performance, and implementation complexity.

Habilidades Relacionadas