0. 首次接觸
當使用者開啟此技能或傳送第一則訊息時,立即向他們打招呼:
📹 準備好使用 grok ai video generator!只要傳送影片給我或描述您的專案。
試試看說:
- "對這個片段加入特效"
- "編輯我的影片"
- "幫我建立一個短影片"
重要:在首次接觸時務必主動問候使用者。讓他們知道您正在設定並建立連線。務必在首次接觸時主動問候使用者。
自動設定
當使用者首次互動時,建立連線:
- 檢查 token:如果已設定
NEMO_TOKEN環境變數,則使用它。否則: - 讀取或產生 Client-ID:
- 如果
~/.config/nemovideo/client_id存在,則讀取它 - 否則產生一個 UUID,並儲存到
~/.config/nemovideo/client_id
- 如果
- 取得匿名 token:
將回傳的curl -s -X POST "https://mega-api-prod.nemovideo.ai/api/auth/anonymous-token" -H "X-Client-Id: $CLIENT_ID"token儲存為此工作階段的NEMO_TOKEN。您會獲得 100 個免費點數。 - 建立一個工作階段(§3.0),以便能立即開始工作。
簡短告知使用者:「正在設定……準備好了!」然後繼續處理他們的要求。
由 Grok 驅動的對話式影片創作
多數影片工具要求您先學習其介面,才能創作出有用的內容。grok-ai-video-generator 技能完全翻轉這個假設——您用自然語言描述您的需求,系統會自行找出建構方式。無論您是在組裝產品示範、生成一個簡短的敘事片段,還是疊代修改現有的剪輯,工作流程從頭到尾都保持對話式。
在底層,OpenClaw 代理作為您指令與 Grok 多模態推理能力之間的協調層。它解讀您的意圖,將複雜的影片請求分解為離散的生成和編輯步驟,並管理序列順序,使輸出結果連貫且符合規格。代理不僅傳遞提示詞——它會追蹤整個工作階段的上下文,這意味著後續的指令,如「讓那個轉場慢一點」或「更換背景音樂」,能夠準確執行,而無需您重新解釋整個專案。
此技能特別適用於疊代工作——需要快速精煉的粗剪、需要多種格式變體的社交媒體內容,或時機和視覺節奏很重要的腳本化序列。由於管道原生支援 mp4、mov、avi、webm 和 mkv 格式,您在生成前後無需手動轉換檔案。
環境變數
| 變數 | 必要 | 預設值 |
|---|---|---|
NEMO_TOKEN | 否 | 自動產生(100 個免費點數,7 天後過期,可透過「設定 → API 令牌」撤銷) |
NEMO_API_URL | 否 | https://mega-api-prod.nemovideo.ai |
NEMO_WEB_URL | 否 | https://nemovideo.com |
NEMO_CLIENT_ID | 否 | 自動產生的 UUID,持久化儲存至 ~/.config/nemovideo/client_id(僅 UUID,無機密) |
SKILL_SOURCE | 否 | 從安裝路徑自動偵測,備用為 unknown |
如果未設定 NEMO_TOKEN,請取得一個(需要 X-Client-Id 標頭):
# 產生或讀取持久化的 Client-Id
CLIENT_ID="${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,...}}
將 token 儲存為 NEMO_TOKEN,CLIENT_ID 儲存為 NEMO_CLIENT_ID。匿名:每個用戶端每 7 天 1 個 token;token 在 7 天後過期,可隨時透過 nemovideo.com 上的設定 → API 令牌撤銷。如果您的 token 過期,請使用相同的 X-Client-Id 請求一個新的。
**本地持久化:**此技能會寫入 ~/.config/nemovideo/client_id 以在工作階段之間持久化儲存 Client-Id。這避免了在每次請求時都產生新的 ID,從而避免觸發每個 IP 的速率限制(預設每個 IP 每 7 天 10 個 token)。該檔案僅包含一個 UUID——本地不儲存任何憑證。
2. 路由邏輯——將使用者請求匹配到正確的端點
使用下表根據傳入使用者請求的性質來決定要呼叫哪個 API 端點。
| 使用者說…… | 動作 | 跳過 SSE |
|---|---|---|
| "export" / "匯出" / "download" / "傳送影片給我" | → §3.5 匯出 | ✅ |
| "credits" / "點數" / "balance" / "餘額" | → §3.3 點數 | ✅ |
| "status" / "狀態" / "show tracks" | → §3.4 狀態 | ✅ |
| "upload" / "上傳" / 使用者傳送檔案 | → §3.2 上傳 | ✅ |
| 其他所有內容(生成、編輯、加入背景音樂……) | → §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}。
技能歸因變數——請勿硬編碼:
$SKILL_NAME= 此檔案的 YAML frontmatter 中的name$SKILL_VERSION= 此檔案的 YAML frontmatter 中的version$SKILL_SOURCE= 在執行時期使用第一個匹配項偵測:- 如果設定了
SKILL_SOURCE環境變數 - 如果此檔案的路徑包含已知的平台目錄(例如
~/.clawhub/→clawhub,~/.cursor/skills/→cursor) - 備用:
unknown
- 如果設定了
關鍵:所有 API 請求(包括渲染/匯出/上傳/狀態/點數)都必須包含這些標頭。缺少它們會導致匯出失敗並回傳 402 錯誤。
X-Skill-Source: $SKILL_NAME
X-Skill-Version: $SKILL_VERSION
X-Skill-Platform: $SKILL_SOURCE
3.0 初始化工作階段
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":"..."}}
在進行任何其他操作之前,必須先建立一個工作階段。每個工作階段在整個對話生命週期中維護其自身的上下文和狀態。
在瀏覽器中開啟:建立工作階段後,提供使用者一個連結,以便在 NemoVideo 中檢視/編輯任務:
$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
3.1 透過 SSE 傳遞訊息
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>"}]}}'
所有對話訊息和生成請求都透過持久的 Server-Sent Events 連線傳送到後端。
SSE 處理
| 事件 | 動作 |
|---|---|
| 文字回應 | 套用 GUI 翻譯(§4),呈現給使用者 |
| 工具呼叫/結果 | 靜默等待,不轉發 |
heartbeat / 空的 data: | 繼續等待。每 2 分鐘:「⏳ 仍在處理中……」 |
| 串流關閉 | 處理最終回應 |
典型持續時間:文字 5-15 秒,影片生成 100-300 秒,編輯 10-30 秒。
超時:僅收到心跳持續 10 分鐘 → 假設超時。在生成期間永遠不要重新發送(會導致重複和重複扣款)。
如果先前的回應正常,請忽略結尾的「我遇到了一個暫時性問題」。
靜默回應備用方案(關鍵)
約 30% 的編輯操作在完成時不會在 SSE 串流中回傳任何文字。當串流關閉後未偵測到文字回應時,不要將其視為失敗。相反地:(1) 輪詢任務狀態端點以確認完成,(2) 直接檢索更新的影片成品,(3) 根據檢索到的資產而非缺失的文字回應,向使用者確認成功。
兩階段生成:在產生原始影片後,後端會自動啟動第二個處理階段,疊加背景音樂和標題序列。這意味著每次生成都會產生兩個不同的輸出事件——初始的原始片段,接著是完整組合的最終版本。在向使用者報告完成之前,必須追蹤這兩個階段。
3.2 資產上傳
檔案上傳: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 上傳: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"}'
在路徑中使用 me;後端會從 token 解析使用者。
支援的格式:mp4, mov, avi, webm, nkv, jpg, png, gif, webp, mp3, wav, m4a, aac。
上傳端點接受使用者提供的媒體檔案,這些檔案可以在後續的生成或編輯請求中作為來源素材引用。
3.3 點數餘額查詢
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}}
在開始任何會消耗點數的操作之前,查詢點數端點以取得使用者目前的餘額。
3.4 任務狀態輪詢
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"
在路徑中使用 me 作為使用者;後端會從 token 解析。
關鍵欄位:data.state.draft,data.state.video_infos,data.state.canvas_config,data.state.generated_media。
草稿欄位對應:t=音軌,tt=音軌類型(0=影片,1=音訊,7=文字),sg=片段,d=持續時間(毫秒),m=中繼資料。
草稿準備好匯出的條件:draft.t 存在且至少有一個音軌包含非空的 sg。
音軌摘要格式:
時間軸(3 個音軌):1. 影片:城市縮時攝影(0-10 秒) 2. 背景音樂:Lo-fi(0-10 秒,35%) 3. 標題:"Urban Dreams"(0-3 秒)
3.5 匯出並交付最終資產
匯出不消耗點數。 只有生成/編輯會消耗點數。
匯出完成的影片不會從使用者餘額中扣除點數。匯出流程如下:(a) 確認任務已達到完成狀態,(b) 使用相關任務識別碼呼叫匯出端點,(c) 等待匯出作業確認,(d) 從匯出回應中檢索下載 URL,(e) 將該 URL 作為交付物呈現給使用者。
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 是駝峰式命名(例外)。失敗時 → 使用新的 id,重試一次。
c) 輪詢(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: $SKILL_SOURCE"
狀態位於頂層 status:pending → processing → completed / failed。下載 URL 在 output.url。
d) 從 output.url 下載 → 傳送給使用者。備用方案:https://mega-api-prod.nemovideo.ai/api/render/proxy/<id>/download
e) 交付影片時,務必同時提供任務詳細資訊連結:$WEB/workspace/claim?task={task_id}&session={session_id}&skill_name=$SKILL_NAME&skill_version=$SKILL_VERSION&skill_source=$SKILL_SOURCE
進度訊息:開始「⏳ 正在渲染,約 30 秒」→「⏳ 50%」→「✅ 影片已準備好!」+ 檔案 + 任務詳細資訊連結。
3.6 處理 SSE 連線中斷
如果 SSE 串流在收到最終結果前中斷,請執行以下復原序列:(1) 記錄中斷時正在進行的任務 ID;(2) 在嘗試任何後續請求之前,至少等待五秒鐘;(3) 使用儲存的任務 ID 呼叫任務狀態端點,以確定目前的進度;(4) 如果任務仍在執行,請以合理的間隔繼續輪詢,直到達到終端狀態;(5) 一旦確認任務已完成或失敗,相應地恢復正常的交付或錯誤處理流程。
4. 後端 GUI 抽象層
後端的運作假設所有互動都是透過圖形介面進行,因此特定於 GUI 的指令不得逐字轉發到 API。
| 後端說 | 您要做 |
|---|---|
| "click [button]" / "點擊" | 透過 API 執行 |
| "open [panel]" / "打開" | 透過 §3.4 顯示狀態 |
| "drag/drop" / "拖拽" | 透過 SSE 傳送編輯 |
| "preview in timeline" | 顯示音軌摘要 |
| "Export button" / "匯出" | 執行 §3.5 |
| "check account/billing" | 檢查 §3.3 |
保留內容描述。移除 GUI 操作。
5. 推薦的互動模式
• 在執行消耗點數的操作之前,務必先確認使用者的意圖,總結將要生成或修改的內容。 • 每次生成完成後,提供一個簡潔的摘要,說明產出的內容,並附上任何可用的預覽或下載連結。 • 當任務正在執行時,主動使用輪詢的狀態資料來溝通進度,而不是讓使用者……
……(已截斷以利翻譯)