范围:此技能用于构建16:9长视频。在剪辑短视频时请勿加载。
固定备注,2026-08-15,这是关于上下文预算而非正确性。本文件共500行,每一行都涉及长视频剪辑。在一场针对同一24分钟源素材的对照A/B测试中,携带本技能以及youtube-longform技能树的运行未产生第2阶段的片段候选搜索和CAPTION.md,而从录制的第47秒开始剪辑短视频。未携带这些技能树的运行搜索了整个源素材并同时产出了两者。指导本身没有错;但内容很多,且与45秒竖版视频无关,它会挤掉原本没有保护关卡的编辑步骤。scripts/verify_story.py现在就是那道关卡。
其方法是共享的,这并非矛盾。 short-composer(步骤1)和graphics-only-short(阶段4)都引用了下面的一次性过完整录制的规划方法,并且它们以两个段落的形式引用,而非加载此文件。比较表中的9:16列仅用于标记短视频路径的不同之处,而非在此处遵循。2026-08-27澄清,当时审计认为范围说明与文件正文相矛盾。
短视频:skills/ultimate(拥有9:16槽位)和skills/shorts-multipform。
执行动画师 是做什么的?
skills/broll-scout 决定某个时间戳上放什么。skills/stat-overlay 构建一个图形。本技能是它们之间的通道:通读整个录制,提出该录制真正值得制作的5-10个图形,用转录文本逐一证明,然后在一个批量的浏览器会话中构建并关卡它们,而不是十个独立的会话。
继承 skills/00-house-rules/SKILL.md 和 skills/stat-overlay/SKILL.md 中的每一条规则。 此处没有任何内容覆盖创作合约。它仅添加了素材采集、证明和批量处理。
0. 目标平台 — 首先决定,它会改变第5、6、7阶段
第1-4节对两者完全相同:素材采集、候选方案、准确性门、数量。第5阶段及以后则不同,将竖版指令应用于16:9横版剪辑,会产生build_longform_composition.py完全无法使用的图形。
| 9:16 竖版 | 16:9 横版 | |
|---|---|---|
| 消耗于 | build_composition.py | build_longform_composition.py |
| 图形是 | 一个合成在底版之上的alpha .mov | 一个在composition.json中声明的场景 |
| 创作形式 | 你编写的HyperFrames合成 | 一个kind + 字段;生成器编写HTML |
| 词汇表 | 373个块的注册表 | 14种内置的kind,一个封闭集合 |
| 渲染 | --format mov,以合成分辨率输出,外加一个mp4副本 | 每个图形不单独渲染 — 最后一次性渲染 |
| 安全区域 | 内容位于y=1400以上,避开字幕带 | 16:9安全框,关闭字幕 |
| 关卡平台 | --platform instagram_reels | --platform youtube_long |
| 最终分辨率 | portrait-4k | landscape-4k |
| 密度 | 每8-12秒一个插入(broll-scout) | 3-6个场景 + 每20-40秒一个片尾闪白 |
| 联系表 | 在overlays/中一个独立的reel项目 | probe_frames.py --plan --grid作用于该合成 |
16:9路径没有创作步骤。 您不打开注册表,不编写HTML,不为每个候选图形渲染任何内容。您将每个候选图形转换为以下之一:
title · chapter · statement · compare · lower_third · endcard — 场景,8-15秒,它们承载一个观众可以阅读的论点。
converge · overload · steps · swap · countup · beats · surround · photo/clip — 片尾闪白,2-4秒,每个一个手势,剪辑到它而不是叠加在它上面。
skills/motion-language/SKILL.md 拥有该词汇表及其每种kind的字段。build_longform_composition.py 在看到任何其他内容时退出并报错“unknown scene kind”,因此无法映射到任何kind的候选图形会被裁剪 — 这通常是正确的,因为这意味着这个想法只是装饰。然后从第4阶段开始遵循skills/youtube-longform/SKILL.md。
以下内容均假设为9:16竖版,除非另有说明。
1. 素材采集 — 无剧本,无计划
bash scripts/transcribe.sh VIDEO_UPLOAD/raw/<file>.mov drops/drop-NNN-slug/working
词级别JSON,而非摘要。每个候选图形都锚定到一个词范围,因此段落级别的转录文本会使整个技能变成猜测。如果working/中已存在转录文本,请使用它 — 不要重新转录。
然后观看素材。不是整个文件:python3 scripts/probe_frames.py 用于合成,因此对于源素材,使用ffmpeg每约10秒抽取静态帧并查看它们。您只检查一件事 — 屏幕上已经有什么。如果一个图形复制了演讲者已经在显示的屏幕录制内容,那就是浪费槽位,且第一层级会抢先一步。
2. 候选传递 — 5-10个,每个都附带一句引文
编写working/motion/ANIMATION-PLAN.json:
{
"source": "drops/drop-NNN-slug/working/transcript.json",
"duration_ms": 184000,
"candidates": [{
"id": "01-three-jobs",
"start_ms": 22400, "end_ms": 28100,
"quote": "a skill does three jobs, it names the task, it holds the steps, it carries the files",
"claim_on_screen": "3 jobs: name · steps · files",
"shape": "list",
"evidence": "spoken",
"block": "grid-card-assemble",
"mechanism": "three chips assemble out of scattered particles into a row",
"layout": "centre-stack",
"reason": "he enumerates three things and the viewer cannot hold three things by ear",
"status": "build"
}],
"rejected": [{
"quote": "it's been a wild year for agents",
"proposed": "timeline of model releases",
"reason_rejected": "he never names a date. the graphic would be inventing the content"
}]
}
值得制作图形的形状,按它们在言语中通常出现的顺序:一个数字、一个比较、三个或更多的列表、一个带有步骤的过程、一个之前/之后、一个时间线、一个没有素材画面的抽象概念。其他一切属于素材画面的工作。
记录拒绝原因。 与broll-scout相同的原因:拒绝日志可以防止下一次运行重新提出相同的装饰性时间线。
shape在计划时检查重复,在任何内容构建之前。 如果四个候选图形都是stat,则录制并未给您提供四个统计卡片 — 而是给您提供了一个您不断重新裁剪的想法。将它们合并成一个容纳所有四个数字的图形,或裁剪三个。在此处重做计划;在联系表上发现它意味着您构建了四个图形然后丢弃。
3. 准确性门 — 这是核心
图形是一个以4K分辨率并使用品牌字体渲染的声明,这使其看起来是已验证的,无论它是否真实。因此,对于每个候选图形:
quote转录原文逐字复制。 复制它,不要凭记忆重新输入。claim_on_screen可以压缩引文。但不能扩展它。 删除词语是编辑;添加一个演讲者从未说过的数字、单位、百分比、日期或专有名词是捏造。如果图形需要一个事实才能工作,而演讲者没有说这个事实,那么这个图形就不能工作。evidence是spoken|cited|unconfirmed其中之一。spoken— 他说出了这个数字。源行显示是他说的。cited— 他引用了外部内容,并且您解析了真实的一手来源。在帧上放置来源行。在接受子代理传递给您的数字之前,加载/verify-subagent-factual-claims。unconfirmed— 帧上携带一个可见的⚠ unconfirmed,或者该候选图形被裁剪。只有这两种结果。永远不要悄悄地将它洗白成一个干净的统计卡片。
- 不要动画化您不得不稳住的声明。 如果为了使句子适合图形而需要四舍五入、重新界定范围或说“大致如此”,请裁剪该候选图形。这意味着图形与素材画面不一致,而素材画面是真人录制的内容。
4. 数量 — 提议5-10个,根据运行时间交付实际能用的
5-10是候选集的大小,而不是最终落入一次剪辑中的数量。broll-scout 的密度规则对9:16竖版具有约束力:大约每8-12秒一个插入,并且第一层级会赢得其中一些槽位。在16:9横版上,这条规则密度过高 — 预算3-6个场景加上每20-40秒一个片尾闪白,这大约占运行时间的20-25%来承载一个图形。
| 运行时间 | 实际能落地的图形数 |
|---|---|
| 30-60秒短视频 | 2-4 |
| 3-5分钟长视频 | 5-8 |
| 10分钟以上 | 8-10,然后停止提议 |
因此,对于单个短视频,预计构建5-10个候选图形,并将其中大部分标记为 status: "hold"。这是正确的结果,而非失败 — 一个被搁置的候选图形是一个已完成的图形,等待同一录制素材的下一版剪辑,这正是 plan_calendar.py 所错开安排的。一个空的镜头计划仍然胜过装饰过的计划。
永远不要在前3秒(钩子是面部)内放置图形,也不要跨越亮点线(情感冲击由真人完成)。
5. 构建 — 一个项目,N个子合成
16:9横版 — 完全跳过本节。 没有需要创作的内容。将kind和字段写入
composition.json,然后转到skills/youtube-longform/SKILL.md的第4阶段。从这里到第7节结束的所有内容描述的是竖版合成模型。
根据 skills/stat-overlay/SKILL.md 进行创作 — 首先搜索注册表,通过 /media-use 使用真实Logo,一个暂停的时间线,fromTo,三个图层中的8-10个元素,内容位于y=1400以上,5-7秒。这些在此处均不变。
两个动画技能,它们回答不同的问题。加载两者。
/hyperframes-animation— 运动的本质。 在任何候选图形创作之前加载它,并组合出2-4条原子规则,来自其rules-index.md。永远不要从空白时间线开始。仅对真正多阶段的编排才使用蓝图,并且对于此技能最常产生的形状 — 组装列表、计数的数字、之前/之后交换 — 其24个命名的文本动画效果通常已经命名了您正要手动创建的动作。在5-10个图形的集合中,这也是保持集合连贯性的关键:在计划时一次性选择规则词汇表,并重复使用它。 十个各自发明入场方式的图形读起来像十个不相关的视频。/hyperframes-keyframes— 补间的编写方式。 当一个候选图形需要注册表中没有块覆盖的运动时加载它:寻道安全的2D/3D关键帧、手动编写的GSAP时间线、SVG变形或虚线绘制(getTotalLength()在内联的Lucide图标上揭示)、路径和蒙版工作、FLIP、文本轨迹、深度。这个技能是使手写运动保持寻道安全的关键,这在存储库中比其他任何地方都更重要:捕获引擎是非线性寻道的,一个只有从头到尾播放才正确的补间,在一个由十个合成组成的reel中会渲染错误。
如果一个候选图形可以通过组合规则来构建,不要打开关键帧技能。如果不能,不要即兴创作补间 — 打开它。
多样性:一个系统,十种不同的句子
这两种失败看起来完全不像,但都会扼杀整个集合:
- 十个不相关的视频。 不同的字号比例、不同的缓动、不同的颜色权重。读起来像素材库,因为只有素材库才会让不相关的图形一起出现。
- 同一张卡片重复十次。 一种布局、一种入场方式,只有词语改变。读起来像一个模板,观众看到第三个就察觉了,从第四个开始就不再阅读。
所以固定系统并变化执行。 左列中的任何内容都不能在集合中漂移;右列中的任何内容都不能重复。
| 所有候选图形中保持常量 | 每个候选图形中保持独特 |
|---|---|
来自 brand/tokens.json 的颜色和类型 | mechanism — 承载想法的那一个运动 |
| 字号比例(标题/正文/标签尺寸) | 布局:居中堆叠、左对齐、分割、边缘对齐、全出血 |
| 缓动族和时序签名 | 进入方向以及运动所在的轴 |
| 字幕带清除、安全区域、5-7秒时长 | 注册表块,以及从 /hyperframes-animation 组合出的2-4条规则 |
| 规则词汇表 — 哪些规则生效 | 其中哪些规则主导,以及以什么顺序 |
| 来源行处理 | 5-7秒内的密度和节奏 |
在计划时机械地强制执行:
mechanism在集合中唯一。 一个句子,描述运动而非内容:“三个芯片从散射粒子中组装成一行”是一个机制;“显示三个任务”则是对claim_on_screen的复述。两个机制互相释义的候选图形是一个候选图形 — 合并或裁剪。这个字段才是真正起作用的,因为两个图形可以使用不同的块但仍然运动方式相同。- 没有注册表块使用两次,除非是有意的
--batch系列(见下面的警告)。目录中有373个块,两次使用同一个意味着第二次搜索比第一次更懒。从候选图形自己的shape开始,为每个候选图形搜索。 layout在集合中唯一,或者在五个槽位允许的情况下尽可能接近唯一。如果每个图形都居中显示其内容,那么reel就只是颜色不同的一个合成。- 变化节奏。 根据
/hyperframes-creative,单个场景需要3个以上缓动,最慢补间约为最快补间的3倍 — 这同样适用于整个集合。如果每个候选图形都构建2秒、保持3秒、退出1秒,那么无论它们看起来多么不同,都会感觉相同。 - 交替基调。 一组五个图形大致需要:一个快速有力、两个构建并解决、一个安静的几乎不动的lower_third、一个值得真正复杂度的。五个都以最大强度呈现的图形会扁平化为噪音。
--batch 警告,这是本节存在的陷阱。 第5节说相同形状的候选图形可以共享一个合成并渲染为可变行。这是一个真正的效率提升,但它也正好制造了上述失败:批次兄弟是构建即相同。因此,批次适用于本意就是相同的集合。