jjietay/clayducation

讲解视频

你制作一个帮助用户学习某个概念的视频。你有一个新工具无法比拟的巨大优势：你了解当前的对话和项目背景。善用这一点。

视频引擎位于 ~/.claude/skills/clayducation/engine/。在此文件中，“make” 意味着：

node ~/.claude/skills/clayducation/engine/make.mjs <command> <project-dir>

第 0 步：先询问（每次技能启动时）

无论用户是输入了 /clayducation 还是用文字请求了视频，你首先要做的事情是：使用 AskUserQuestion 工具提出下方的问题，并附带可点击的选项。如果用户的输入或本次对话已经回答了某个问题，则跳过它（例如，“像新闻短片”回答了“风格”问题；“搭配 lo-fi 音乐”回答了“音乐”问题）。将推荐选项放在第一位，并标记为“(推荐)”。在一个调用中询问所有四个问题（该工具最多接受 4 个参数）。如果主题本身不明确，并且没有跳过任何问题，则先通过单独的调用询问主题。

问题	标题	选项（第一个为默认）
视频应该采用哪种风格？	风格	黏土 3D：统一的软质黏土风格，由无声吉祥物完成所有操作 · 经典 2D，混合风格：每个部分使用不同的 2D 风格 · 经典 2D，统一风格：由用户指定风格（新闻短片，白板，……）
视频的目标观众和时长？	观众	考试复习，标准：使用讲座中的符号、计算例题、考试陷阱，时长 5 到 6 分钟 · 考试复习，深入：同上，时长 8 到 9 分钟，覆盖推导的每一步 · 初学者，简短：以直觉为主，减少符号，时长 2 到 4 分钟 · （其他：用户指定观众群体和时长，例如“专家快速回顾，简短”）
何时需要与你确认？	检查点	一次性完成：直接返回完成的视频 · 故事板之后：展示计划并等待批准 · 初稿效果之后：展示前几帧并等待
使用哪种背景音乐？	音乐	宁静（current）：柔和的铺垫音色，无节拍 · Lo-fi（lofi）：轻柔的节拍，更有活力 · 无

当对话内容暗示某个选项时，将其作为推荐选项放在第一位（例如下周有考试则推荐“考试复习，深入”）。如果用户信息只回答了“观众”问题的一半（例如“为了我的考试”），则保留该问题，但只提供与该回答一致的选项。观众群体包括：考试复习、初学者和专家快速回顾（快速且密集）；时长包括：简短（2 到 4 分钟）、标准（5 到 6 分钟）、深入（8 到 9 分钟）。将答案写入第 4 步的 video.json 文件中："_look"（clay 或 classic）、"_brief": { "viewer": ..., "length": ..., "checkpoint": ..., "style": ... } 和 "_render": { "music": "current" | "lofi" | false }。后续的每一步以及重新构建都会从该文件中读取这些设置，而不会再次提问。如果用户忽略了问题，则使用每个选项的第一个值。

一次性完成，除非用户选择了检查点

在第 0 步之后，不间断地执行以下所有步骤，并只返回最终完成并经过检查的视频。不要询问“我是否可以继续？”，不要展示草稿，不要在步骤之间等待。下面的每一项检查都由你来执行并据此采取行动。唯一的暂停点是用户选择的检查点：“故事板之后” 会在第 7 步后暂停（展示故事板和脚本智能体的判定结果，然后等待）；“初稿效果之后” 会在第 9 步的第一次 make look 后暂停（展示其图片，然后等待）。

用户想要的风格（在第 6 步之前阅读）

黏土风格用于动作表现，Manim 用于绘制图表，吉祥物出现在每一个视频中。 阅读 styles/clay.md。用户选择黏土风格而非旧有的混合风格，以保持视频风格的一致性。2D 风格是可选的经典风格，请参见下文。

• 不要强制将图表放入黏土场景中（用户的要求）。 当一张 2D Manim 图片比黏土场景更能帮助观众理解（例如曲线、分布、等高线、投影或平面上的其他几何形状）时，将该部分做成 Manim 部分，并使用 Manim 的深色背景（styles/math-manim.md）。永远不要构建一个复制数学曲线的黏土模型：用户已经要求移除这些模型。执行动作的物体和吉祥物的物理操作应保留在黏土场景中。视频可以在黏土部分和 Manim 部分之间切换，相同的事物使用相同的颜色。

• 同一风格，多个部分。 视频被划分为时长大约为 15 到 40 秒的多个部分（引言、每个概念、你的案例、结尾）。每个部分都有自己的纯色背景、摄像机和场景设置。相邻的两个部分永远不会共享背景。

• 吉祥物负责执行操作。 他是沉默的，没有口型同步，旁白是配音。他用自己的手行走、拉、推、搬运和关闭物体，因此脚本中的“力”应该表现为观众看到他执行的动作。用户在某次视频中吉祥物只是站着观看后提出了此项要求。他默认保持面无表情，make check 会在吉祥物一直站在原地时发出 WARN。变换操作：在每个部分使用不同的动作辅助函数（carry，knock，press，grip，pointAt，pushOn；参见 styles/clay.md 中的“使用不同的动作”）。用户曾发现在每个部分中吉祥物都在推东西。

• 事物必须相连。 弹簧必须连接到墙壁，大头针必须接触地图，手必须接触它握着的东西。用户发现经过所有检查后，某个弹簧仍然没碰到墙壁。make bake 会测量 models.js（JOINS）中的每一个连接点，因此请在那里添加新的连接点，并在静帧中检查接触情况。

• 仅使用我们自己的模型。 使用 styles/library/clay 中的工具包。永远不要下载模型。如果视频需要新的物体，请以相同的风格将其添加到工具包中。

• 每个部分是一个连续的镜头。 在部分内部没有剪辑或新的幻灯片：物体在配音说话时到达、移动和组合，摄像机缓慢移动。一个部分的结束状态是下一个部分的起始状态，或者在下一个部分的背景中淡出。

• 画面用于解释；文字仅用于命名。 文字保持平面和清晰，以 HTML 形式叠加在 3D 场景之上。每帧包含：一个题头（小型大写字母，部分编号和来源）、一个最多 8 个单词的标题、几个含细指引线的 1 到 4 个单词的标签，以及底部最多一行字幕。从不出现句子列表、项目符号或颜色图例。 屏幕上最多显示大约 15 个单词。

• 公式要配合配音动态呈现（用户的要求）。 一个静止的公式比阅读笔记好不了多少。使用 eqn() 构建每个公式：术语在提到时出现，在配音移动它们时移动，在配音说“消去”时撞击并爆炸，在配音提到重要内容时才弹跳。make look 会对静止的公式和画面上没有“消去”动作的“消去”语句报错。参见 styles/clay.md。

• 物理运动。 物体像真实物体一样运动：手臂伸出，球落下并弹起，方块掉落并静止，脉冲传播。没有静态盒子的堆积效果。

• 相同物体在每个视频中保持相同的颜色（机器人永远是橙色，地图永远是黄色）。

如果故事板违反了以上任何规则，请在编写代码之前修改故事板。

严格规则

• 默认并行执行（用户要求，2026-11-09）。 任何可以同时运行的任务都应该并行执行：一个 13 分钟的视频，当每帧都在一个 Chrome 页面（一个核心忙碌，GPU 使用率 10%）上测量时需要 3 小时。引擎现在可以在多个页面中同时测量 look、collide、review 和 stable（渲染的 workers：核心数的一半，最多 8 个，且不超过可用内存允许的数量；），并且 build 同时运行 sheet、stable 和 review。当你添加一个需要遍历所有帧的步骤时，也要将其分散到多个页面中（make.mjs 中的 measureParallel、traceParallel、idParallel）。在你自己的工作中：同时启动独立的任务（比如 look 和 selftest，Manim 渲染和检查），绝不要在一个任务可能运行时而等待另一个任务。

• 在这里（主对话中）进行思考。 你自己编写脚本、故事板和场景，因为上下文在此处。绝对不要将这些步骤交给子智能体：子智能体启动时没有上下文。第 7 步中的脚本智能体是唯一的例外，并且它是有意冷启动的。

• 不要仓促地讲解核心概念。 用户通过观看这些视频来学习。遵循 reference/script.md 中的节奏规则，修复每一个节奏方面的 WARN。

• 永远不要编造事实。 每个数字、公式和主张都必须来自你已验证的来源：用户的代码、数据手册、规格书、论文、文档。将它们列在 storyboard.md 中。报告任何你无法验证的内容。

• “你的案例”是可选的。 仅当本次对话或项目确实包含匹配的示例时才添加它（例如用户遇到的 bug、一个修复、一个测量数值）。永远不要虚构一个。

• 无重叠。 没有任何视觉元素可以覆盖另一个：文本覆盖文本、文本覆盖图形、或图形隐藏另一个图形。每个标签、公式、箭头和物体都应拥有自己的空间。check 会对重叠的文本发出 WARN，并且 review 会将每个测量到的重叠写入 overlaps.md。拥挤与否是用户的判断，因此请在全尺寸的帧中检查。ID 检查有助于此：make look 会添加一张显示最小间隙的图片，并对距离其他物体小于 12 像素的文本、图形上的文本、低对比度的文本以及被其他模型遮挡的模型发出 WARN。在 make final 之前修复所有重叠问题。

• 字幕使用单行。 每个字幕提示最多 42 个字符，且不会有任何两条提示同时显示，因此播放器永远不会显示两行字幕。引擎自动执行此规则；verify 会报告违反规则的提示。不要通过修改 make.mjs 中的 SUB_MAX 来让提示符合要求。

• 闭环（用户的要求，引擎强制执行）。 每次编辑后：执行 make look，读取它列出的每一张图片，修复你看到的问题，然后再次查看。只有这样，才能进行构建。绝不要盲目编辑和构建，因为构建耗时很长，而查看只需几秒钟。每张图片的右上角都有一个 CHECK 数字，只有当所有图片的数字按照指定顺序通过验证时，大门才会打开：

  1. 编辑。如果你更改了 script.md，则运行 make voice。如果视频包含 Manim 部分并且你更改了 manim_scenes.py 或者配音，则运行 make manim：make look 会绘制 Manim 的帧，但并不生成它们。
  2. make look <dir>：它会在每一帧上测量每个更改过的场景，并绘制其邻近帧和运动部件。阅读所有这些信息。然后运行 make look <dir> --ok <digits>。不执行此操作，make build 将停止。如果一张图片的帧和标签与你之前已阅读并确认的完全相同，则会显示 READ BEFORE 字样，并且无需提供数字（当所有图片都是之前已读过的时，使用 --ok -）。阅读每一张新图片；对于 strips 也是如此。
  3. make build <dir>。它将在任何碰撞时停止。
  4. 阅读 build/review/moving.md 中的每一条 strip。然后运行 make look <dir> --moving-ok <digits>。
  5. make final <dir>。如果源代码在 look 或 build 之后发生了更改，或者仍有未解决的碰撞或重叠问题，它将停止。 以单个命令的形式运行每一步，并在第一次失败时停止，并确认编辑已生效。

• 每个阅读者都检查邻近帧和运动部件。 任何评判视频的智能体或会话，都应阅读每个已编辑部分的邻近帧，以及每个运动物体（吉祥物和物体）在其整个运动过程中的所有帧。仅对视频进行采样是不行的：用户曾遇到过在采样帧之间，一只手穿过了桌子的情况。

• 新错误要添加护栏。 当用户发现一个错误时，首先将其添加到 reference/faults.md 和 engine/test/selftest.mjs 中，并确认测试在此错误上失败。然后修复视频。不要只修复视频。在对检查进行任何更改后运行 make selftest。

用户的要求（请保留）

以下内容均是根据听觉体验提出或选择的。引擎大部分会自动处理。

主题	内容	自动处理？
配音	使用 Chatterbox 内置的配音，通过 engine/tts/slow-reference.wav 减慢到大约每分钟 160 个单词；每个段落一气呵成，以保持语气连贯	是
停顿	每个句号恰好 0.6 秒，每个逗号最多 0.3 秒，根据脚本中的标点符号设置	是；如果无法放置停顿，voice 会发出 WARN
错误取用	如果某个部分的台词与脚本不同（通过 Whisper 检查），则使用新的种子重取，最多重试 3 次；保留最佳取用结果	是；如果仍然错误则发出 WARN
语速过快	如果某个从句的速度超过视频正常速度的 1.3 倍（符号单词计为两个单词），则重新录制；用户曾认为“lambda v is v, scaled by lambda”速度过快	是；发出 WARN 并标记为“fast”：为其分配一个简短的独立句子并添加 [pause]
负数	读作“negative”，从不读作“minus”	voice 会以 ERROR 停止
重复单词	“one one” 需要加逗号（变成 “one, one”），否则配音会出错	是
书写	连贯的段落；仅在某个概念结束或播放动画时使用 [pause]。拒绝的内容：每个句子后停顿、断断续续的句子、语速过快、拉长（含糊不清）的配音、Kokoro	由你决定，参见 reference/script.md
音乐	可听见、平稳、大约低于配音 13 dB（musicVolume 0.37；用户从 0.26 提高了 3 dB）、轻柔的闪避；两首获准的曲目，current（默认）和 lofi。拒绝：忽大忽小的抽吸感、音乐太轻听不到、其他 4 首曲目	是；你选择曲目，参见 SOUND.md
音效	engine/sfx.mjs 工具包中的音效，经过听觉验收；飞入时的 whoosh 声低于其他重音 4 dB（用户觉得稍响）。新视频默认开启（_render.sfx: true），旧视频默认关闭	你在提示点添加 s.sfx；引擎负责混合
音频	48 kHz 立体声	是；verify 会检查
字幕	软字幕，从不硬烧录；用户的 mpv 以小字体显示字幕（sub-scale=0.7）	是
单行字幕	每条提示一行，最多 42 个字符，没有两条提示同时出现。用户在 ROS 2 系列的第一个视频中看到了两行字幕	是；verify 报告违反规则的字幕提示
无重叠	没有文本或图形覆盖另一个元素	check 对文本发出 WARN，其余问题依赖 overlaps.md 和你的帧检查清单
风格	统一的 3D 黏土风格，包含无声吉祥物和我们自己的模型；曲线和图表使用深色背景的 Manim 部分（用户要求：不要强制绘制图表……

……[详细内容已截断，等待翻译]