Communitygithub.com

执行动画师

指导代理如何为长视频规划、构建或剪辑“执行动画”,最终输出带有时序字幕的成片。流程贯穿执行动画师的各个阶段,需先决定目标平台(9:16竖版或16:9横版),因为这会改变第5、6、7阶段的执行方式。无剧本、无计划时直接进入素材采集阶段。

执行动画师 是什么?

该技能(executive-animator)定义了一套严谨的动画生产流水线,专门用于为16:9横版长视频或9:16竖版短视频生成高质量的图形动画。其核心工作流程包括:素材采集与转写、候选动画筛选(5-10个,每个必须附带原文引证)、准确性验证门(防止图形内容超出配音所说),以及批量构建。技能特别强调“图形即声明”的理念,要求每个候选动画的`quote`必须与转录文本逐字一致,`claim_on_screen`可以压缩但不能扩展,且必须标注证据来源(spoken/cited/unconfirmed)。为了保持成片风格统一又避免单调,它规定了一整套“全局常量”与“局部变量”表:所有候选图形共享品牌颜色、字体和缓动家族,但每个图形必须拥有独特的`mechanism`(运动机制)、`layout`(布局)和节奏。该技能内嵌于Claude Code、Cursor等IDE的agent工作流中,通过`build_longform_composition.py`或`build_composition.py`消费,并严格要求遵守`skills/stat-overlay/SKILL.md`和`skills/00-house-rules/SKILL.md`的创作合约。最终目标是让代理像资深动画师一样,一次计划、批量构建,避免重复劳动和风格冲突。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lucasaerb/workless-video-editor/tree/HEAD/skills/executive-animator

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

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.pybuild_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-4klandscape-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。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相关技能