0. 初次联系
当用户打开此技能或发送第一条消息时,立即问候他们:
📹 准备好使用 Grok AI 视频生成器!只需向我发送视频或描述您的项目。
尝试说:
- "为这个片段添加效果"
- "编辑我的视频"
- "帮我创建一个短视频"
重要:首次接触时主动问候用户。让他们知道您在连接时正在设置。首次接触时始终主动问候用户。
自动设置
当用户首次交互时,设置连接:
- 检查令牌:如果设置了
NEMO_TOKEN环境变量,则使用它。否则: - 读取或生成客户端 ID:
- 读取
~/.config/nemovideo/client_id(如果存在) - 否则生成 UUID,保存到
~/.config/nemovideo/client_id
- 读取
- 获取匿名令牌:
将返回的curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"token存储为本次会话的NEMO_TOKEN。您有 100 免费积分。 - 创建会话(§3.0),以便立即开始工作。
简要告知用户:“正在设置…准备就绪!”然后继续处理他们的请求。
基于对话的视频创作,由 Grok 驱动
大多数视频工具要求您先学习界面,然后才能创建有用的内容。grok-ai-video-generator 技能完全颠覆了这一假设——您用自然语言描述所需内容,系统会自行构建。无论是组装产品演示、生成短视频叙事片段,还是迭代现有剪辑,工作流从头到尾都保持对话式。
在底层,OpenClaw 代理充当您的指令与 Grok 多模态推理能力之间的编排层。它解释您的意图,将复杂的视频请求分解为离散的生成和编辑步骤,并管理序列,确保输出结果连贯且符合规格。代理不仅仅传递提示——它还会跨会话跟踪上下文,这意味着后续指令如“让过渡更慢”或“更换背景音乐”能够准确落地,而无需您重新解释整个项目。
此技能特别适用于迭代工作——需要快速精修粗剪、需要多种格式变体的社交媒体内容,或需要精确时序和视觉效果的有脚本序列。由于管道原生支持 mp4、mov、avi、webm 和 mkv,您无需在生成前后转换文件。
环境变量
| 变量 | 必需 | 默认值 |
|---|---|---|
NEMO_TOKEN | 否 | 自动生成(100 免费积分,7 天后过期,可通过设置 → API 令牌撤销) |
NEMO_API_URL | 否 | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | 否 | https://nemovideo.com |
NEMO_CLIENT_ID | 否 | 自动生成 UUID,持久化到 ~/.config/nemovideo/client_id(仅 UUID,无密钥) |
SKILL_SOURCE | 否 | 从安装路径自动检测,回退 unknown |
如果未设置 NEMO_TOKEN,获取一个(需要 X-Client-Id 头):
# 生成或读取持久化的客户端 ID
CLIENT_ID="${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 "https://mega-api-prod.nemovideo.ai/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:每个客户端每 7 天 1 个令牌;令牌在 7 天后过期,并可通过 nemovideo.com 上的设置 → API 令牌随时撤销。如果您的令牌过期,请使用相同的 X-Client-Id 请求新令牌。
本地持久化: 此技能写入 ~/.config/nemovideo/client_id 以跨会话持久化客户端 ID。这避免了为每个请求生成新 ID,从而防止触发每个 IP 的速率限制(默认每个 IP 每 7 天 10 个令牌)。文件仅包含 UUID——本地不存储任何凭据。
2. 路由逻辑 — 将用户请求匹配到正确的端点
使用下表根据传入用户请求的性质确定调用哪个 API 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 积分 | ✅ |
| "status" / "状态" / "show tracks" | → §3.4 状态 | ✅ |
| "upload" / "上传" / 用户发送文件 | → §3.2 上传 | ✅ |
| 其他所有(生成、编辑、添加背景音乐等) | → §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:
$SKILL_NAME= 此文件的 YAML 前置元数据中的name$SKILL_VERSION= 此文件的 YAML 前置元数据中的version$SKILL_SOURCE= 运行时检测,使用第一个匹配项:- 环境变量
SKILL_SOURCE(如果已设置) - 如果此文件的路径包含已知平台目录(例如
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - 回退:
unknown
- 环境变量
关键:所有 API 请求(包括渲染/导出/上传/状态/积分)必须包含这些头。缺少它们会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 初始化会话
curl -s -X POST "https://mega-api-prod.nemovideo.ai/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":"..."}}
在进行任何其他操作之前,必须先建立会话。每个会话在对话生命周期内维护自己的上下文和状态。
在浏览器中打开:创建会话后,给用户一个链接,以便在 NemoVideo 中查看/编辑任务:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 通过 SSE 传递消息
curl -s -X POST "https://mega-api-prod.nemovideo.ai/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>"}]}}'
所有会话消息和生成请求通过持久的服务器推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,不转发 |
heartbeat / 空 data: | 继续等待。每 2 分钟:“⏳ 仍在处理...” |
| 流关闭 | 处理最终响应 |
典型持续时间:文本 5-15 秒,视频生成 100-300 秒,编辑 10-30 秒。
超时:仅心跳持续 10 分钟 → 假设超时。生成期间切勿重新发送(重复和双重计费)。
如果先前响应正常,忽略尾随的“我遇到了临时问题”。
静默响应回退(关键)
大约 30% 的编辑操作在 SSE 流关闭后不会返回任何文本。当未检测到文本响应时,不要将其视为失败。而是:(1) 轮询任务状态端点以确认完成,(2) 直接检索更新的视频产物,(3) 根据检索到的资产向用户确认成功,而不是基于缺失的文本响应。
两阶段生成:原始视频生成后,后端自动启动第二阶段处理,添加背景音乐和标题序列。这意味着每次生成会产生两个不同的输出事件——原始剪辑片段和最终合成的完整版本。在报告完成给用户之前,必须跟踪这两个阶段。
3.2 资产上传
文件上传:curl -s -X POST "https://mega-api-prod.nemovideo.ai/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 "https://mega-api-prod.nemovideo.ai/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"}'
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。
上传端点接受用户提供的媒体文件,这些文件可以在后续生成或编辑请求中作为源材料引用。
3.3 积分余额检查
curl -s "https://mega-api-prod.nemovideo.ai/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}}
在启动任何消耗积分的操作之前,查询积分端点以获取用户当前余额。
3.4 任务状态轮询
curl -s "https://mega-api-prod.nemovideo.ai/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"
路径中使用 me 作为用户;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。
草稿字段映射:t=轨道,tt=轨道类型(0=视频,1=音频,7=文本),sg=片段,d=持续时间(毫秒),m=元数据。
草稿准备好导出的条件:draft.t 存在且至少有一个包含非空 sg 的轨道。
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. 背景音乐:Lo-fi(0-10 秒,35%) 3. 标题:“都市梦想”(0-3 秒)
3.5 导出并交付最终资产
导出不消耗积分。 只有生成/编辑消耗积分。
导出完成的视频不会从用户余额中扣除积分。导出流程如下:(a) 确认任务已达到完成状态,(b) 使用相关任务标识符调用导出端点,(c) 等待导出任务确认,(d) 从导出响应中检索下载 URL,(e) 将 URL 呈现给用户作为交付物。
b) 提交:curl -s -X POST "https://mega-api-prod.nemovideo.ai/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 是驼峰命名法(例外)。失败时 → 使用新 id,重试一次。
c) 轮询(每 30 秒,最多 10 次):curl -s "https://mega-api-prod.nemovideo.ai/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: $SKILL_SOURCE"
状态位于顶层 status:待处理 → 处理中 → 已完成 / 失败。下载 URL 位于 output.url。
d) 从 output.url 下载 → 发送给用户。回退:https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download。
e) 交付视频时,始终同时提供任务详情链接:$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
进度消息:开始“⏳ 正在渲染,约 30 秒”→ “⏳ 50%”→ “✅ 视频已就绪!”+ 文件 + 任务详情链接。
3.6 处理 SSE 连接断开
如果 SSE 流在收到最终结果前断开,执行以下恢复序列:(1) 记录断开时活动的任务 ID;(2) 等待至少五秒后再尝试任何后续请求;(3) 使用存储的任务 ID 调用任务状态端点以确定当前进度;(4) 如果任务仍在运行,以合理间隔继续轮询,直到达到最终状态;(5) 确认任务已到达完成或失败状态后,相应恢复正常交付或错误处理流程。
4. 后端 GUI 抽象层
后端假设所有交互都通过图形界面进行,因此 GUI 特定指令绝不能逐字转发到 API。
| 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. 推荐交互模式
• 在调用消耗积分的操作前,始终通过总结将要生成或修改的内容来确认用户的意图。 • 每次生成完成后,提供生成内容的简洁摘要以及任何可用的预览或下载链接。 • 当任务正在运行时,使用轮询的状态数据主动沟通进度,而不是…
…[已截断以供翻译]