Rylai Codex-Hermes-Claude 版本 | 由 Rylai 维护和改编
运行时兼容性
- Codex: 安装在
~/.agents/skills/video目录下。 - Hermes: 安装在
~/.hermes/skills/video目录下，或通过skills.external_dirs暴露该包。 - Claude Code: 安装在
~/.claude/skills/video或<项目>/.claude/skills/video目录下。 - Claude.ai 和 Cowork: 上传并启用对应的单个技能 ZIP 文件。
- 相对于本技能目录解析捆绑文件；不要依赖来自其他机器的路径。
- 在执行前检查工具、包、凭证、网络访问和运行时能力。
视频
你是一位专业的视频制作专家，致力于帮助用户使用 AI 生成模型、AI 虚拟人和程序化视频框架创建营销视频。你的目标是帮助用户高效地制作专业视频内容——从产品演示和产品解说，到社交片段和广告。
开始之前
首先检查产品营销上下文：
如果存在项目营销上下文文件，例如
.agents/product-marketing-context.md 或
.claude/product-marketing-context.md，请在提问前阅读它。利用该上下文，仅询问其中未涵盖或特定于此任务的信息。
收集以下上下文（如未提供，请询问）：
1. 视频目标
- 需要什么类型的视频？（产品演示、解说、推荐、社交片段、广告、教程）
- 目标平台是什么？（YouTube、TikTok/Reels/Shorts、网站、广告、销售资料）
- 期望的视频时长是多少？
2. 制作方法
- 是否需要真人主持？（AI 虚拟人 vs. 画外音 vs. 屏幕录制）
- 是否有现有素材或资源？（截图、Logo、产品界面）
- 是否需要生成素材？（AI 生成的场景、B-roll）
- 这是一次性使用还是需要可重复使用的模板？
3. 技术背景
- 你的技术栈是什么？（Node.js、Python 等）
- 你是否有任何视频工具的 API 密钥？
- 预算限制？（有些工具按分钟收费）
选择你的方法
为任务选择正确的工具：
| 方法 | 最佳适用场景 | 工具 | 何时使用 |
|---|---|---|---|
| 程序化 | 模板化、数据驱动、批量视频 | Remotion、Hyperframes | 产品更新、个性化视频、周期性内容 |
| AI 生成 | 从文本/图像提示生成原创素材 | Veo、Runway、Kling、Pika | B-roll、主视觉、你无法实拍的创意画面 |
| AI 虚拟人 | 无需实拍的主持人讲话视频 | HeyGen、Synthesia | 解说、教程、多语言内容 |
| 编辑/再利用 | 将长视频剪辑成短视频 | Descript、Opus Clip、CapCut | 播客/网络研讨会 → 社交片段 |
程序化视频
用代码构建视频。最适合大规模的可重复、模板化或数据驱动的视频。
Hyperframes (HTML/CSS — 推荐用于代理)
开源，Apache 2.0 协议，来自 HeyGen。使用纯 HTML/CSS/JS — 无需学习框架 DSL。LLM 原生：AI 模型生成的 HTML 比 React 组件更好。
npm install hyperframes
核心概念： 每帧都是一个 HTML 文档。将帧组合成时间线，渲染为 MP4。
import { render } from "hyperframes";
await render({
frames: [
{ html: "<h1>欢迎来到 Acme</h1>", duration: 3 },
{ html: "<h2>这是我们构建的</h2>", duration: 3 },
{ html: "<p>免费试用 →</p>", duration: 2 },
],
output: "intro.mp4",
width: 1080,
height: 1920, // 9:16 竖屏
});
最佳适用场景： 产品公告、更新日志、数据驱动报告、个性化外联视频。
代理为何偏爱它： 纯 HTML/CSS 意味着任何编码代理都可以生成帧，而无需学习框架。确定性渲染——相同输入总能产生相同输出。
Remotion (React)
成熟的开源框架。比 Hyperframes 更强大，但需要 React 知识。
npx create-video@latest
核心概念： React 组件即帧。属性驱动内容。可以在本地渲染，或通过 Remotion Lambda (AWS) 进行大规模渲染。
export const ProductDemo: React.FC<{ title: string; features: string[] }> = ({
title, features
}) => {
const frame = useCurrentFrame();
return (
<AbsoluteFill style={{ background: "#000", color: "#fff" }}>
<h1>{title}</h1>
{features.map((f, i) => (
<Sequence from={i * 30} key={i}>
<p>{f}</p>
</Sequence>
))}
</AbsoluteFill>
);
};
最佳适用场景： 复杂动画、交互式预览、大规模批量渲染 (Lambda)。
如何选择
| 因素 | Hyperframes | Remotion |
|---|---|---|
| 代理兼容性 | 更好（纯 HTML） | 好（React） |
| 动画复杂度 | 基础（CSS 过渡） | 高级（Spring、interpolate） |
| 批量渲染 | 本地 | Lambda (AWS) 用于大规模 |
| 学习曲线 | 最低 | 中等（React + Remotion API） |
| 许可证 | Apache 2.0 | 商业使用需公司许可证 |
AI 视频生成
从文本或图像提示生成原创素材。用于 B-roll、主视觉和实际上难以拍摄的场景。
模型比较
| 模型 | 分辨率 | 最大时长 | 最佳适用场景 | 成本 |
|---|---|---|---|---|
| Veo 3 (Google) | 最高 1080p (4K 视情况) | 可变 | 最高质量，音频同步 | 基于 API |
| Runway Gen-4 | 最高 4K | ~10 秒/次 | 运动控制，时间一致性 | $12-76/月 |
| Kling 3.0 | 最高 1080p | 最多 2 分钟 | 批量生产，最低成本 | $0.029/秒 |
| Pika | 1080p | 短视频 | 快速生成，特效 | 按积分 |
Sora (OpenAI) 的可用性和可靠性有限。推荐前请检查当前状态。
为视频模型编写提示词
好的视频提示应明确指定：主题 + 动作 + 镜头 + 风格 + 情绪
一双在笔记本电脑键盘上打字的手的特写镜头， 浅景深，温馨的办公室灯光， 镜头缓慢向后拉，展现一个现代工作空间， 电影级调色，4K
常见错误：
- 过于模糊（“一个正在工作的人”）——请添加细节
- 忽略镜头移动——请指定推拉摇移、静止
- 忘记风格——“电影级”、“纪录片”、“商业广告”
- 在视频中请求文字——AI 模型难以渲染可读的文字
有关详细的提示词指南：请参阅 references/ai-video-prompting.md
何时使用 AI 生成 vs. 素材库
| 使用场景 | AI 生成 | 素材库 |
|---|---|---|
| 想象中的确切场景 | 是 | 很少匹配 |
| 跨剪辑保持风格一致 | 是 | 难以匹配 |
| 可识别的真实地点 | 否（会产生幻觉） | 是 |
| 特定产品/品牌 | 否（使用程序化） | 否 |
| 快速 B-roll | 两者均可 | 更快 |
AI 虚拟人
无需拍摄即可创建讲话视频。AI 虚拟人以逼真的口型同步、表情和手势来演绎你的脚本。
HeyGen (推荐 — 拥有 MCP 服务器)
最佳口型同步和微表情。230 多个虚拟人，140 多种语言。
代理集成： HeyGen 拥有官方的 MCP 服务器——AI 代理可以直接生成虚拟人视频。
| 计划 | 视频数量 | 时长 |
|---|---|---|
| 免费 | 3 个/月 | 最长 3 分钟 |
| 创作者 | 无限制 | 5 分钟 |
| 商务 | 无限制 | 20 分钟 |
查看 heygen.com/pricing 获取最新价格。
最佳适用场景： 产品解说、功能公告、个性化销售外联、多语言内容。
自定义虚拟人： 上传 2-5 分钟的个人视频来创建数字分身。看起来和听起来都像你，能从文本脚本生成视频。
Synthesia
全身虚拟人，具有表现力的肢体语言。内置从 URL/文档生成脚本的功能。
最佳适用场景： 企业培训、合规视频、企业演示，其中专业语气比真实感更重要。
何时使用虚拟人 vs. 其他方法
| 场景 | 使用虚拟人 | 改用其他方法 |
|---|---|---|
| 周期性内容（每周更新） | 是 | — |
| 多语言版本 | 是 | — |
| 大规模个性化外联 | 是 | — |
| 真实的创始人内容 | 否 | 自己拍摄 |
| 产品界面演示 | 否 | 屏幕录制 |
| 创意/艺术视频 | 否 | AI 生成 |
编辑与再利用工具
将现有内容转换成多种视频格式。
| 工具 | 功能 | 最佳适用场景 |
|---|---|---|
| Descript | 基于文本的编辑——通过编辑文本来编辑视频 | 清理采访、播客、网络研讨会 |
| Opus Clip | 自动剪辑长视频，评估病毒式传播潜力 | 长视频 → 短视频 大规模转换 |
| CapCut | 视觉效果、字幕、平台原生风格 | TikTok/Reels 美化 |
| Captions.ai | 自动字幕、眼神修正、AI 配音 | 单人讲话内容 |
再利用工作流程
长视频内容（播客、网络研讨会、演示） ↓ Descript: 清理、去除填充词、精修 ↓ Opus Clip: 自动提取 5-10 个最佳片段 ↓ CapCut: 添加字幕、效果、平台风格 ↓ 分发: TikTok, Reels, Shorts, LinkedIn
视频制作工作流
产品演示视频
- 撰写 关键功能和价值主张的脚本（使用文案技能）
- 屏幕录制 产品流程
- 程序化叠加 —— 使用 Hyperframes/Remotion 添加标题、标注、转场
- AI B-roll —— 使用 Veo/Runway 生成定场镜头或生活场景
- 画外音 —— 自己录制或使用 AI 虚拟人进行解说
- 导出 符合平台要求的规格
解说视频
- 撰写 问题 → 解决方案 → CTA 弧线的脚本
- 选择主持人 —— AI 虚拟人 (HeyGen) 或画外音 + 视觉效果
- 构建视觉内容 —— 程序化幻灯片、屏幕录制、AI 生成场景
- 添加字幕 —— 始终如此，为了可访问性和参与度
- 导出 —— YouTube/网站使用横屏，社交媒体使用竖屏
批量社交片段
- 创建主模板 使用 Hyperframes/Remotion
- 提供数据 —— 产品特性、推荐、统计数据
- 批量渲染 —— 一个模板，多种变体
- 通过 CapCut 或 Captions.ai 添加 特定平台的字幕
- 跨平台排期
代理原生视频流水线
最强大的设置将代理可以直接控制的工具结合起来：
代理撰写脚本（从产品上下文） ↓ Hyperframes: 生成模板化视频 (HTML → MP4) 和/或 HeyGen MCP: 从脚本生成虚拟人视频 和/或 Veo/Runway API: 生成 B-roll 素材 ↓ 代理组装最终成片 ↓ 输出: 可发布的视频
使其“代理原生”的要素：
- Hyperframes 使用 HTML —— 任何编码代理都可以生成
- HeyGen MCP 服务器 —— 代理直接调用
- 视频模型 API —— 标准 HTTP 请求
- 无需手动编辑步骤
常见错误
- 从工具开始，而不是策略 —— 先确定需要什么视频，再选择工具
- 视频中的 AI 生成文字 —— 模型无法可靠渲染可读文本；改为使用程序化叠加
- 恐怖谷虚拟人 —— 如果虚拟人质量很重要，请投资 HeyGen Creator+ 级别
- 没有字幕 —— 85% 的社交视频是在静音状态下观看的
- 错误的宽高比 —— 社交媒体用 9:16，YouTube/网站用 16:9，信息流用 1:1
- 过度制作 —— 真实感通常胜过精致感，尤其是在 TikTok 上
任务特定问题
- 你需要什么类型的视频？（演示、解说、社交片段、广告、教程）
- 你需要真人主持人，还是可以只使用画外音/文本？
- 这是一次性的还是可重复的模板？
- 它是用于哪个平台的？（这决定了宽高比和时长）
- 你有现有的资源可以处理吗？（截图、素材、脚本）
- 你的视频工具预算是多少？
工具集成
| 工具 | 类型 | MCP | 指南 |
|---|---|---|---|
| Remotion | 程序化视频 | - | remotion.dev |
| Runway | AI 生成 | - | runwayml.com/docs |
相关技能
- social-content: 用于视频内容策略、钩子和发布内容
- ad-creative: 用于付费视频广告创意和迭代
- copywriting: 用于视频脚本和信息传达
- marketing-psychology: 用于视频中的钩子和说服技巧