LeoYeAI/openclaw-master-skills

0. 首次联系

当用户打开此技能或发送第一条消息时，立即主动问候：

📱 图片生成视频功能已就绪！发送一张图片或描述您的项目。

尝试说：

• "帮我制作一个短视频"
• "为这段剪辑添加特效"
• "编辑我的视频"

重要：不要静默等待。首次联系时必须主动问候用户。

自动设置（在其他操作前静默完成）

在响应用户之前，请静默完成以下步骤：

1. 检查令牌：如果设置了 NEMO_TOKEN 环境变量，则使用它。否则：
2. 读取或生成客户端ID：
   • 如果存在 ~/.config/nemovideo/client_id，则读取它
   • 否则生成一个 UUID，并保存到 ~/.config/nemovideo/client_id
3. 获取匿名令牌：

   curl -s -X POST "$API/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"
   

   将返回的 token 作为当前会话的 NEMO_TOKEN 保存。您将获得 100 个免费信用额度。
4. 创建会话（§3.0），以便立即开始工作。

关键：绝对不要向用户提及令牌、身份验证、API 设置或客户端 ID。用户应该感觉该技能“即开即用”。

将静态图像转化为电影级动态故事

静态图像承载意义，但视频吸引注意。此技能弥合了这一差距，让您可以精确描述希望图像如何运动——无论是柔和的视差漂移、戏剧性的缩放、流动的粒子效果还是场景过渡——并提供一个符合您创意的渲染视频。

整个过程完全基于对话。您无需处理时间线、关键帧或运动曲线，只需用自然语言描述需求。OpenClaw 代理会解释您的指令，与底层 AI 视频合成后端通信，并与您迭代，直到结果满意。您可以跨同一会话的多轮对话中调整运动速度、方向、循环行为和视觉基调。

在底层，AI 后端分析源图像中的深度、主体边界和视觉构图，从而生成符合原始场景、连贯且真实的运动。最终结果不是幻灯片或平移扫描效果，而是从单个帧生成的真正动画视频。最终输出支持 mp4、mov、avi、webm 和 mkv 格式，可适配任何平台或发布工作流。

环境变量

变量	是否必需	默认值
NEMO_TOKEN	否	自动生成（100 个免费信用额度，7 天过期，可通过设置 → API 令牌撤销）
NEMO_API_URL	否	https://mega-api-prod.nemovideo.ai
NEMO_WEB_URL	否	https://nemovideo.com
NEMO_CLIENT_ID	否	自动生成的 UUID，持久化到 ~/.config/nemovideo/client_id（仅 UUID，无密钥）
SKILL_SOURCE	否	根据安装路径自动检测，回退为 unknown

如果未设置 NEMO_TOKEN，则获取一个（需要 X-Client-Id 头）：

# 生成或读取持久化的客户端ID
CLIENT_ID="${NEMO_CLIENT_ID:-$(cat ~/.config/nemovideo/client_id 2>/dev/null)}"
if [ -z "$CLIENT_ID" ]; then
  CLIENT_ID=$(uuidgen 2>/dev/null || echo "client-$(date +%s)-$RANDOM")
  mkdir -p ~/.config/nemovideo && echo "$CLIENT_ID" > ~/.config/nemovideo/client_id
fi
curl -s -X POST "$API/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"
# → {"code":0,"data":{"token":"nmv_usr_xxx","credits":100,...}}

将 token 保存为 NEMO_TOKEN，CLIENT_ID 保存为 NEMO_CLIENT_ID。匿名令牌：每个客户端每 7 天一个令牌；令牌 7 天过期，可随时在 nemovideo.com 的 设置 → API 令牌 中撤销。如果令牌过期，请使用相同的 X-Client-Id 请求新的令牌。

本地持久化： 此技能会写入 ~/.config/nemovideo/client_id 以跨会话持久化客户端ID。这避免了每次请求都生成新 ID，从而防止快速达到每 IP 的速率限制（默认每个 IP 每 7 天 10 个令牌）。该文件仅包含 UUID——本地不存储任何凭据。

2. 路由传入请求

使用下表确定每个传入请求类型对应的处理端点。

用户说...	操作	跳过 SSE？
"export" / "导出" / "download" / "send me the video"	→ §3.5 导出	✅
"credits" / "积分" / "balance" / "余额"	→ §3.3 信用额度	✅
"status" / "状态" / "show tracks"	→ §3.4 状态	✅
"upload" / "上传" / 用户发送文件	→ §3.2 上传	✅
其他（生成、编辑、添加 BGM…）	→ §3.1 SSE	❌

3. 主要操作流程

$API = ${NEMO_API_URL:-https://mega-api-prod.nemovideo.ai}，$TOKEN = ${NEMO_TOKEN}，$WEB = ${NEMO_WEB_URL:-https://nemovideo.com}。

技能属性变量——请勿硬编码：

• $SKILL_NAME = 此文件的 YAML 前文 name
• $SKILL_VERSION = 此文件的 YAML 前文 version
• $SKILL_SOURCE = 运行时检测，使用第一个匹配：
  1. 如果设置了环境变量 SKILL_SOURCE，则使用它
  2. 如果此文件路径包含已知的平台目录（例如 ~/.clawhub/ → clawhub，~/.cursor/skills/ → cursor）
  3. 回退：unknown

关键：所有 API 请求（包括渲染/导出/上传/状态/信用额度）都必须包含这些头。缺少它们将导致导出失败并返回 402。

X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE

3.0 建立会话

curl -s -X POST "$API/api/tasks/me/with-session/nemo_agent" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" \
  -d '{"task_name":"project","language":"<lang>"}'
# → {"code":0,"data":{"task_id":"...","session_id":"..."}}

必须先初始化会话，然后才能进行任何其他操作。这会创建所有后续请求所关联的上下文。

在浏览器中打开：创建会话后，向用户提供一个链接，以便在 NemoVideo 中查看/编辑任务： $WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE

3.1 通过 SSE 传递消息

curl -s -X POST "$API/run_sse" \
  -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
  -H "Accept: text/event-stream" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" --max-time 900 \
  -d '{"app_name":"nemo_agent","user_id":"me","session_id":"<sid>","new_message":{"parts":[{"text":"<msg>"}]}}'

所有对话消息都通过服务器发送事件连接传输到后端。

SSE 处理

事件	操作
文本响应	应用 GUI 翻译（§4），呈现给用户
工具调用/结果	静默等待，不要转发
heartbeat / 空 data:	继续等待。每 2 分钟提示一次：“⏳ 仍在处理中...”
流关闭	处理最终响应

典型时长：文本 5-15 秒，视频生成 100-300 秒，编辑 10-30 秒。

超时：连续 10 分钟仅收到心跳包 → 视为超时。生成期间绝不要重新发送（会导致重复和双重计费）。

忽略末尾的“我遇到临时问题”如果前面的响应正常。

静默响应回退（关键）

大约 30% 的编辑操作在响应中不返回可见文本。发生这种情况时：(1) 不要将缺失文本视为失败，(2) 轮询任务状态端点以确认正在处理，(3) 一旦任务达到完成状态，直接进入导出步骤，(4) 通知用户正在处理其编辑，不要因缺少文本回复而惊慌。

两阶段生成：生成原始视频后，后端会自动启动第二阶段处理，添加背景音乐和标题序列。不要将第一个完成的视频视为最终交付物——等待两个阶段都完成后，再将结果呈现给用户。

3.2 处理文件上传

文件上传：curl -s -X POST "$API/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -F "files=@/path/to/file"

URL 上传：curl -s -X POST "$API/api/upload-video/nemo_agent/me/<sid>" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"urls":["<url>"],"source_type":"url"}'

在路径中使用 me；后端从令牌解析用户。

支持的格式：mp4, mov, avi, webm, mkv, jpg, png, gif, webp, mp3, wav, m4a, aac。

上传端点接受图像和视频文件，这些文件将作为生成任务的源材料。

3.3 检查可用信用额度

curl -s "$API/api/credits/balance/simple" -H "Authorization: Bearer $TOKEN" \
  -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"
# → {"code":0,"data":{"available":XXX,"frozen":XX,"total":XXX}}

在开始任何生成任务之前，查询信用额度端点以确认用户有足够的余额。

3.4 轮询任务状态

curl -s "$API/api/state/nemo_agent/me/<sid>/latest" -H "Authorization: Bearer $TOKEN" \
  -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"

在路径中使用 me 表示用户；后端从令牌解析。 关键字段：data.state.draft, data.state.video_infos, data.state.canvas_config, data.state.generated_media。

Draft 字段映射：t=轨道, tt=轨道类型 (0=视频, 1=音频, 7=文字), sg=片段, d=时长(毫秒), m=元数据。

Draft 可导出的条件：draft.t 存在且至少有一个轨道包含非空 sg。

轨道摘要格式：

时间线（3条轨道）：1. 视频：城市延时摄影（0-10秒）2. BGM：Lo-fi（0-10秒，35%）3. 标题：“Urban Dreams”（0-3秒）

3.5 导出并交付最终资产

导出不消耗信用额度。 只有生成/编辑消耗信用额度。

触发导出不会从用户余额中扣除任何信用额度。要交付完成的资产：(a) 确认任务完成后调用导出端点，(b) 从响应中获取下载 URL，(c) 验证 URL 可访问，(d) 在聊天中呈现链接或直接嵌入资产，(e) 确认成功交付给用户。

b) 提交：curl -s -X POST "$API/api/render/proxy/lambda" -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE" -d '{"id":"render_<ts>","sessionId":"<sid>","draft":<json>,"output":{"format":"mp4","quality":"high"}}'

注意：sessionId 是 小驼峰（例外）。失败时 → 新 id，重试一次。

c) 轮询（每 30 秒，最多 10 次）：curl -s "$API/api/render/proxy/lambda/<id>" -H "Authorization: Bearer $TOKEN" -H "X-Skill-Source: $SKILL_NAME" -H "X-Skill-Version: $SKILL_VERSION" -H "X-Skill-Platform: $SKILL_SOURCE"

状态在顶级的 status 字段：pending → processing → completed / failed。下载 URL 在 output.url。

d) 从 output.url 下载 → 发送给用户。回退：$API/api/render/proxy/<id>/download。

e) 交付视频时，始终同时提供任务详情链接：$WEB/workspace/claim?token=$TOKEN&task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE

进度消息：开始“⏳ 渲染中 ~30秒”→ “⏳ 50%”→ “✅ 视频已就绪！”+ 文件 + 任务详情链接。

3.6 从 SSE 断开连接恢复

如果 SSE 流意外断开，请按以下步骤恢复：(1) 检测断开事件并内部记录，不要过早向用户显示错误，(2) 尝试使用现有会话 ID 重新建立 SSE 连接，(3) 如果重新连接成功，从断开位置继续监听任务进度事件，(4) 如果经过最大重试次数后仍无法重新连接，则回退到按固定间隔轮询任务状态端点，(5) 一旦确认任务达到终态，按正常流程进行导出。

4. 翻译 GUI 元素

后端假设存在图形界面，因此 GUI 特定指令绝不能直接传递给用户。

后端说	您做
"click [button]" / "点击"	通过 API 执行
"open [panel]" / "打开"	通过 §3.4 显示状态
"drag/drop" / "拖拽"	通过 SSE 发送编辑
"preview in timeline"	显示轨道摘要
"Export button" / "导出"	执行 §3.5
"check account/billing"	检查 §3.3

保留内容描述。剥离 GUI 操作。

5. 推荐的交互模式

• 立即响应用户请求，并在生成任务开始前明确说明处理时间。 • 在长时间运行的任务期间提供增量进度更新，让用户无需询问即可了解进展。 • 任务完成时，始终展示最终导出的资产，而不是中间结果。 • 如果用户提交了模糊的提示，请提出一个聚焦的澄清问题，而不是自己做假设。 • 交付完成的视频后，邀请用户请求编辑或优化，以保持对话的延续。

6. 已知限制

• 生成任务可能需要几分钟才能完成，无法实时交付。 • 系统每个会话不支持超过一个并发生成任务。 • 源图像必须满足最低分辨率要求，否则上传将被拒绝。 • 背景音乐和标题叠加会自动应用，无法单独移除。

…

[翻译截断]