範圍:此技能用於建置 16:9 長片。剪輯短片時請勿載入。
備註,2026-08-15,重點在於上下文預算而非正確性。此檔案有 500 行,每一行都與長片剪輯有關。在一場控制變項的 A/B 測試中,針對同一份 24 分鐘的原始素材,其技能樹包含此技能與 youtube-longform 的執行,並未產生第二階段的片段候選搜尋及 CAPTION.md,而是直接從錄音的前 47 秒開始剪輯短片。沒有這些技能的執行則搜尋了整份來源,並同時產出了兩者。這些指導並非錯誤;只是資訊量大,且與 45 秒的垂直短片無關,並排擠了原本沒有保護機制的編輯步驟。scripts/verify_story.py 現在就是那個保護機制。
其方法為共享,這並非矛盾。 short-composer(步驟 1)及 graphics-only-short(階段 4)都引用了下方「一次性遍歷整段錄音」的規劃方法,但它們僅以兩段文字引用,而非載入整個檔案。比較表中的 9:16 欄位是為了標記短片路徑的不同之處,而非此處要遵循的規則。於 2026-08-27 釐清,當時的稽核認為範圍說明與檔案本文互相矛盾。
短片相關技能:skills/ultimate(負責 9:16 版位)及 skills/shorts-multipletform。
Executive Animator 是做什麼的?
skills/broll-scout 決定某個時間點上放什麼。skills/stat-overlay 建置一個圖形。此技能是兩者之間的橋樑:讀取整段錄音,提出該錄音真正值得製作的 5-10 個圖形,針對每個圖形以逐字稿進行驗證,然後在一次批次瀏覽器工作階段中建置並控管它們,而非分散執行十次。
繼承 skills/00-house-rules/SKILL.md 及 skills/stat-overlay/SKILL.md 中的所有規則。 此處沒有任何內容覆蓋創作合約。僅增加了內容輸入、驗證與批次處理。
0. 選擇目標——先決定此項,它會改變階段 5、6 和 7
第 1-4 節對於兩者相同:內容輸入、候選項目、準確性門檻、數量。從階段 5 開始則不同,將垂直影片的指示套用於 16:9 的剪輯會產生 build_longform_composition.py 完全無法使用的圖形。
| 9:16 垂直影片 | 16:9 長片 | |
|---|---|---|
| 由誰使用 | build_composition.py | build_longform_composition.py |
| 圖形形式 | 一個帶有 Alpha 通道的 .mov,合成在底板上 | 一個在 composition.json 中宣告的場景 |
| 創作方式 | 你撰寫的 HyperFrames 複合結構 | 一個 kind 加上欄位;產生器負責撰寫 HTML |
| 詞彙庫 | 373 個區塊的登錄檔 | 14 種內建種類,為封閉集合 |
| 渲染 | --format mov,解析度為複合結構解析度,並附帶一個 mp4 副本 | 每個圖形無需個別渲染——最後一次渲染全部完成 |
| 安全區域 | 內容需在 y=1400 以上,避開字幕區 | 16:9 安全框,字幕關閉 |
| 平台閘道 | --platform instagram_reels | --platform youtube_long |
| 最終解析度 | portrait-4k | landscape-4k |
| 密度 | 每 8-12 秒一個插入 (broll-scout) | 每 20-40 秒 3-6 個場景加一個片尾 |
| 樣稿表 | overlays/ 中的一個獨立的 Reel 專案 | 在合成檔上使用 probe_frames.py --plan --grid |
16:9 路徑沒有創作步驟。 你無需開啟登錄檔、無需撰寫 HTML、也無需為每個候選圖形進行渲染。你只需將每個候選圖形轉換為以下其中一種:
title · chapter · statement · compare · lower_third · endcard — 場景,持續 8-15 秒,它們承載一個讓觀眾閱讀的論點。
converge · overload · steps · swap · countup · beats · surround · photo/clip — 片尾,持續 2-4 秒,每個一個動作,是切換到而非疊加。
skills/motion-language/SKILL.md 擁有該詞彙庫及其每個種類的欄位。build_longform_composition.py 在遇到其他任何內容時會以「未知場景種類」退出,因此無法對應到任何種類的候選圖形將被移除——這通常是正確的,因為這表示該構想純屬裝飾。接著從其階段 4 開始遵循 skills/youtube-longform/SKILL.md。
以下所有內容除非特別說明,否則假設為 9:16。
1. 內容輸入——沒有逐字稿,就沒有計畫
bash scripts/transcribe.sh VIDEO_UPLOAD/raw/<file>.mov drops/drop-NNN-slug/working
輸出為逐字等級的 JSON,而非摘要。每個候選圖形都錨定在一個詞彙範圍內,因此段落等級的逐字稿會使整個技能變成猜測。如果 working/ 中已有逐字稿,請直接使用——不要重新轉錄。
接著觀看素材。不是整個檔案:python3 scripts/probe_frames.py 是用於合成檔的,因此對於原始素材,請使用 ffmpeg 每約 10 秒擷取靜止畫面並觀看它們。你只需檢查一件事——畫面上已經有什麼內容。一個與講者正在顯示的螢幕錄影重複的圖形,是浪費的版位,而且第一層素材會比你先佔用它。
2. 候選項目遍歷——5-10 個,且每個都附帶引用
撰寫 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": "一個技能做三件事,它命名任務、它包含步驟、它攜帶檔案",
"claim_on_screen": "3 件事:名稱 · 步驟 · 檔案",
"shape": "列表",
"evidence": "spoken",
"block": "grid-card-assemble",
"mechanism": "三個晶片從散落的粒子中組合成一排",
"layout": "centre-stack",
"reason": "他列舉了三件事,而觀眾無法僅靠聽覺記住三件事",
"status": "build"
}],
"rejected": [{
"quote": "這對代理來說是瘋狂的一年",
"proposed": "模型發布時間線",
"reason_rejected": "他從未提及任何日期。這個圖形會是虛構內容"
}]
}
值得製作圖形的形狀,依其在口語中通常出現的順序:數字、比較、三個或以上的列表、包含步驟的流程、前後對比、時間線、沒有對應素材的抽象概念。其他一切都屬於素材的職責。
記錄被拒絕的項目。 與 broll-scout 相同的理由:拒絕記錄可以防止下一次執行時再次提議相同的裝飾性時間線。
在規劃階段(任何內容建置之前)檢查 shape 是否有重複。 如果四個候選圖形都是 stat,那表示錄音並未給你四個統計卡——而是給你一個你不斷重新裁剪的構想。將它們合併為一個包含所有四個數字的圖形,或者移除三個。在此處重新調整計畫;在樣稿表上才發現問題,意味著你建置了四個圖形而後卻要丟棄三個。
3. 準確性門檻——這才是重點
一個圖形是以品牌字體在 4K 解析度下渲染的主張,這使得它看起來像是經過驗證的,無論實際與否。因此,針對每個候選項目:
quote必須與逐字稿完全一致。 複製它,不要憑記憶重新輸入。claim_on_screen可以壓縮引用。但不能擴展它。 刪除詞彙是編輯;添加一個講者從未說過的數字、單位、百分比、日期或專有名詞,則是捏造。如果圖形需要一個事實才能運作,而講者並未說出該事實,那麼這個圖形就無法運作。evidence必須是spoken|cited|unconfirmed其中之一。spoken— 他說出了數字。來源行顯示為他所說。cited— 他引用了外部來源,且你已查證到真實的主要來源。請將來源行放在畫面上。在verify-subagent-factual-claims接受子代理交給你的數字之前,請先載入該技能。unconfirmed— 畫面上必須帶有可見的⚠ unconfirmed標記,否則該候選項目應被移除。只有這兩種結果。切勿悄悄地將其洗成乾淨的統計卡。
- 不要為你必須「穩定化」的主張製作動畫。 如果為了讓句子符合圖形而需要四捨五入、重新界定範圍或使用「大約」,請移除該候選項目。這表示圖形與素材不一致,而素材是人類錄製的內容。
4. 數量——提案 5-10 個,依據時間長度決定最終採用的數量
5-10 個是候選集合的大小,絕非最終會出現在某個剪輯中的數量。broll-scout 的密度規則對於 9:16 具有約束力:大約每 8-12 秒一個插入,而第一層素材會直接佔用其中一些版位。在 16:9 上,這條規則過於密集——預算為每 20-40 秒 3-6 個場景加一個片尾,這大約會使 20-25% 的運行時間帶有圖形。
| 運行時間 | 實際能容納的圖形數量 |
|---|---|
| 30-60 秒短片 | 2-4 |
| 3-5 分鐘長片 | 5-8 |
| 10 分鐘以上 | 8-10,之後停止提案 |
因此,在一個短片中,預計要建置 5-10 個候選項目,並將其中大部分標記為 status: "hold"。這是正確的結果,而非失敗——一個被保留的候選項目是一個已完成的圖形,等待同一段錄音的下一次剪輯使用,而這正是 plan_calendar.py 用來間隔安排的功能。一張空白的鏡頭計畫仍然勝過一張裝飾過度的計畫。
切勿將圖形放在最初 3 秒(鉤子是用臉部吸引觀眾)或跨越收尾線(情感高潮應落在真人身上)。
5. 建置——一個專案,N 個子複合結構
16:9 — 完全跳過此節。 沒有需要創作的內容。將種類和欄位寫入
composition.json,然後前往skills/youtube-longform/SKILL.md的階段 4。從這裡到第 7 節結尾的所有內容皆描述垂直複合模型。
依據 skills/stat-overlay/SKILL.md 進行創作——先搜尋登錄檔、透過 /media-use 使用真實標誌、一個暫停的時間軸、fromTo、三層中的 8-10 個元素、內容在 y=1400 以上、持續 5-7 秒。以上規則在此處皆未改變。
兩個動畫技能,它們回答不同的問題。兩者都載入。
/hyperframes-animation— 什麼是動畫。 在創作任何候選項目之前載入它,並從其rules-index.md中組合 2-4 條原子規則。絕不要從空白時間軸開始。只有在真正需要多階段編舞時,才使用藍圖;而對於此技能最常產生的形狀——列表組合、數字累計、前後交換——其 24 個命名的文字動畫效果通常已經命名了你正要手動製作的東西。在一組 5-10 個圖形中,這也是保持該組一致性的關鍵:在規劃階段一次性選定規則詞彙,然後重複使用它。 十個各自發明入場動畫的圖形,看起來會像十個不相關的影片。/hyperframes-keyframes— 如何撰寫補間動畫。 當候選項目需要登錄檔中任何區塊都未涵蓋的動畫時載入它:安全可尋的 2D/3D 關鍵影格、手寫的 GSAP 時間軸、SVG 形變或虛線描繪(getTotalLength()會在內聯的 Lucide 圖示上顯示)、路徑與遮罩操作、FLIP、文字拖尾、深度。這個技能能讓手寫的動畫保持安全可尋,這在 repo 中比任何其他地方都更重要:擷取引擎會非線性地搜尋,而一個只有從頭到尾播放才正確的補間動畫,在一個由十個複合結構組成的 Reel 中將會渲染錯誤。
如果一個候選項目可以僅透過組合規則來建置,就不要開啟關鍵影格技能。如果不行,也不要即興創作補間動畫——開啟它。
多樣性:同一系統,十種不同句式
這兩種失敗看起來截然不同,但兩者都會毀掉整個集合:
- 十個不相關的影片。 不同的字體比例、不同的緩動函數、不同的色彩權重。看起來像是素材庫,因為只有素材庫才會讓不相關的圖形同時出現。
- 同一張卡片重複十次。 一種佈局、一種入場動畫,只有文字改變。看起來像一個模板,觀眾在第三個就會察覺,並在第四個時停止閱讀。
因此,固定系統,變化執行方式。 左欄中的任何內容都不能在整個集合中偏移;右欄中的任何內容都不能重複。
| 所有候選項目中保持不變 | 每個候選項目中各不相同 |
|---|---|
顏色與字體來自 brand/tokens.json | mechanism — 承載該構想的那一個動作 |
| 字體比例(標題 / 內文 / 標籤尺寸) | 佈局:中心堆疊、左錨定、分割、邊緣錨定、滿版出血 |
| 緩動系列與時間簽名 | 入場方向及動畫行進的軸線 |
| 字幕區清空、安全區域、5-7 秒時間帶 | 登錄檔區塊,以及從 /hyperframes-animation 組合的 2-4 條規則 |
| 規則詞彙 — 哪些規則被啟用 | 哪些規則主導,以及其順序 |
| 來源行處理 | 5-7 秒內的密度與節奏 |
在規劃階段以機械方式強制執行:
mechanism在整個集合中必須是唯一的。 一句話,描述動作而非內容:「三個晶片從散落的粒子中組合成一排」是一個機制;「顯示三個工作」只是claim_on_screen的重新陳述。兩個機制互相換句話說的候選項目,實際上是一個候選項目——合併或移除。這個欄位才是真正起作用的那個,因為兩個圖形可以使用不同的區塊,但動畫方式卻完全相同。- 登錄檔區塊不得重複使用兩次,除非是刻意的
--batch系列(請參閱下方的注意事項)。目錄中有 373 個區塊,兩次選用同一個區塊意味著第二次搜尋比第一次更懶惰。應根據每個候選項目自身的shape來搜尋。 layout在整個集合中必須是唯一的,或者至少盡可能接近。如果每個圖形都將其內容置中,那麼這個 Reel 就會有同一種複合結構,只是顏色不同。- 變化節奏。 根據
/hyperframes-creative,一個場景需要 3 種以上的緩動函數,且最慢的補間動畫約為最快的 3 倍——這也適用於整個集合。如果每個候選項目都花 2 秒建置、保持 3 秒、退出 1 秒,那麼無論它們看起來多麼不同,感覺上都會完全一樣。 - 交替情感強度。 一組五個圖形大致需要:一個強而快速的、兩個建置並解決的、一個幾乎不動的安靜低三分之一、一個值得真正複雜度的。五個圖形都以最大強度輸出,會淹沒成一片噪音。
--batch 注意事項,這是本節存在的陷阱。 第 5 節提到相同形狀的候選項目可以共享一個複合結構並渲染為變數行。這確實有效率,但也恰好製造了上述的失敗:批次兄弟圖文在建置上完全相同。因此,批次處理適用於預期外觀完全相同的集合——例如一系列統一的引文或一組統計數據——但對於試圖展示多樣性的集合來說,這是最快讓它們看起來像模板的方法。