Communitygithub.com

gquthier/autonomous-sop-video

從經過驗證的軟體工作流程中,產製附有旁白、逐步說明的標準作業程序影片,包含真實螢幕截圖、目標按鈕放大、側邊檢查清單、字幕與章節。適用於客戶教學、團隊入職訓練及可重複的操作程序。

autonomous-sop-video 是什麼?

此技能可將觀察到的軟體操作流程,自動轉換為一部完整的標準作業程序(SOP)影片,讓初學者無需猜測即可跟隨操作。它會先從實際需求開始,撰寫簡報文件(BRIEF.md),再透過單一負責的製作者代理(可指定 Claude Code、OpenAI 等)進行協作。技能涵蓋完整的製作流程:擷取螢幕與真實 UI、撰寫教學腳本、使用 ElevenLabs 或環境內建的語音工具生成旁白、按照特定視覺規範(白色背景、藍色強調色)建構場景、生成並嵌入字幕與章節,最後進行驗證與交付。支援的輸出格式包括 MP4、SRT、VTT 字幕、章節中繼資料、可編輯原始檔以及 QA 報告。此技能適用於 Claude Code、Cursor、Codex 等支援代理工具的平台,且內附一個使用合成 UI 的快速入門範例,可用 Python 3.10+、Node.js、FFmpeg 直接在本機執行預覽與渲染。

相容平台~Claude Code✓Codex CLI✓Cursor
npx skills add gquthier/autonomous-sop-video

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

SOP 影片

將觀察到的工作流程轉換為初學者無需猜測即可跟隨的影片。交付可編輯原始檔、MP4、字幕、章節中繼資料以及簡短的證據報告。預設語言為使用者的語言;要求時使用法語。預設外觀為白色、藍色且風格內斂。

從實際請求開始

在提問前,先閱讀現有的簡報與素材。僅解決會改變結果的未知項:任務、觀眾、軟體/版本、旁白模式以及輸出目的地。在製作系列影片前,尊重一次先製作一個試行版本的要求。

在輸出專案中撰寫 BRIEF.md,說明學習者應達成的結果、先備知識、範圍、語言、旁白、授權動作以及交付格式。提出製作/匯出影片的請求即已授權其在本機端進行渲染。請勿添加例行性的審核關卡。公開上傳及真實帳戶變更則需要相應的授權。

指定一位負責的製作者

當可進行委派時,利用 agents/producer.md 指定一位製作者代理。賦予其綁定的檔案所有權、簡報、擷取權限以及驗收標準。協調代理負責審查結果並交付。除非使用者要求平行製作,否則不要將場景拆分給多個代理。

製作者可透過可用的代理執行環境或提供者 CLI,使用經過驗證的模型。請遵循 references/models.md 進行選擇、簡短的動態測試、模型身分識別以及使用證據。切勿發明模型識別碼,或默默地重新命名模糊的請求(例如「O3.5」)。若請求的執行環境不可用,請陳述限制並使用當前代理進行獨立的準備工作;僅在所需模型選擇會阻礙製作時才提問。

若無委派工具,請在當前代理中執行相同的製作者角色,並說明情況。agents/openai.yaml 描述的是探索流程;它不會自動建立背景代理或選擇模型。

製作影片

  1. 觀察程序。 閱讀 references/capture-and-audio.md。使用允許的瀏覽器/原生擷取工具、已連線的工作階段、提供的錄製檔或經過驗證的公開文件。記錄確切的螢幕、按鈕文字、原生圖片尺寸、擷取日期、UI 版本,以及該動作是否實際被執行。切勿為真實產品發明 UI。
  2. 撰寫教學腳本。 每個節拍對應一個動作或決策:該去哪裡、點擊什麼、檢查什麼、成功的樣子為何。提供必要的先備知識以及常見的阻斷情況。避免敘述影片無法顯示的點擊動作。為每個可操作的步驟及每個變更的模態視窗/分頁,加入一個具指示性的螢幕截圖;當這樣更清晰時,可重複使用螢幕並進行新的裁切。
  3. 先建立或選定聲音。 選擇 ElevenLabs、經授權的提供/錄製聲音,或環境中可用的旁白工具。在安排場景前,先測量實際音訊長度。在系列影片中保持聲音/模型/設定一致。保留自然的停頓,並加入足夠的停留時間以檢查按鈕。當使用者已選擇自己的錄音時,切勿默默地生成語音。
  4. 建構視覺序列。 遵循 references/production.md。使用下方可執行的入門範例,或改編已核准的專案。白色 #FFFFFF 背景,藍色 #1565D8 標題/強調色,海軍藍 #102A43 文字。大尺寸螢幕截圖佔據左側;簡短的動作檢查清單保持在右側。將相機移至實際的按鈕座標,保持相關標籤可見,並使用單一游標/光暈。僅在能增進理解時才加入說明面板。
  5. 加入字幕與章節。 使字幕與測量到的語音同步,並分割成易讀的提示。不要讓提示跨越其場景。章節必須使用與渲染影片相同的時間軸;交付文字/VTT 章節並將其嵌入 MP4。播放器的章節 UI 各不相同,因此請保留側載檔案。
  6. 驗證並交付。 執行清單驗證器與渲染器檢查,檢查每個場景,觀看關鍵的點擊轉場,並分別驗證匯出的 MP4。報告實際的限制與已採取的實際動作。檔案存在並不代表它能播放或構圖正確。

可執行的入門範例

含括的示範使用合成 UI,並在螢幕上明確標示,且沒有旁白。它是一個技術範例,並非關於真實應用程式的證據。

需求:Python 3.10+、與所選 HyperFrames 版本相容的 Node.js、FFmpeg/ffprobe,以及渲染器支援的 Chrome。npx 會在首次使用時下載鎖定的渲染器;GSAP 會在編譯期間從其宣告的 CDN 擷取。本機預覽/渲染不需要 ElevenLabs 帳戶。如果相依性檢查失敗,請使用當前的渲染器文件。

從此技能目錄執行:

python3 scripts/sop.py init /path/to/new-sop
cd /path/to/new-sop
node build.mjs
npm run check
npm run preview -- --background
npm run render -- --quality delivery --output renders/video.mp4 --workers 1

如需 GPU 編碼,請在支援時加上 --gpu。入門範例會鎖定一個經過測試的渲染器版本以確保可重現性;在變更前請驗證升級。如果已安裝 HyperFrames 技能,請使用其當前的合成與驗證指引。此套件包含基本合約,且可在沒有私人技能目錄的情況下運作。

設定 SKILL_DIR 為此技能的安裝目錄,然後執行:

python3 "$SKILL_DIR/scripts/sop.py" validate sop.json --probe
python3 "$SKILL_DIR/scripts/sop.py" chapters sop.json --output delivery
python3 "$SKILL_DIR/scripts/sop.py" embed renders/video.mp4 delivery/chapters.ffmetadata delivery/video.mp4

init 會拒絕非空的目的地。embed 會拒絕覆蓋現有輸出,並在不重新編碼的情況下複製串流。請參閱 references/manifest.md 了解欄位與時間設定。輔助程式不會生成語音、登入網站或上傳檔案。

驗收標準

  • 學習者能夠找到每個描述的按鈕並看到產生的狀態,或清楚陳明的未執行/範例狀態。
  • 在實際匯出的像素中,螢幕資料已匿名化。公開來源僅包含經核准的素材;切勿捆綁私人的原始擷取、憑證、Cookie 或工作階段檔案。
  • 小尺寸 UI 文字在預期的觀看尺寸下保持可讀;放大時保留上下文。檢查清單/字幕無重疊,也無未說明的閒置時間。
  • 音訊無截斷的語音、突兀的剪切、遺漏的片段或聲音不穩定的變化。使用一致的測量響度並檢查峰值。
  • 字幕與章節符合最終的影片長度。最後一個畫面顯示有用的結果/檢查清單,而非意外的黑畫面。
  • 交付內容包含 MP4、SRT、VTT、章節文字/VTT、可編輯原始檔、螢幕截圖來源、模型/語音使用證據(若可用),以及一份說明實際測試項目的 QA 報告。

如果擷取、旁白、渲染或發佈受阻,請完成獨立、已授權的工作,並陳述確切缺少的能力。請勿將分鏡圖、合成螢幕或無聲預覽描述為完成的旁白 SOP。

相關技能