GZ-L/video-agent

GZ-L-Profil

Letzte erfasste Quellaktivität: 12. Oktober 2026 um 06:00

SkillsMP-Katalog aktualisiert: 26. Oktober 2026 um 11:37

gesammelte Skills: 1

GitHub-Stars: 0
GitHub-Forks: 0

README des Repositorys

README-Quelldatei: README.md

README-Quelldatei lesen

Vollständige README anzeigen

# 视频Agent能力体系 > 淘天AI设计平台 · 多行业视频自动生成 Agent ## 项目概述本项目把视频生成能力构建为**通用底盘 + 行业包**的架构。通用底盘由「引擎 + 两层能力规范 + 横向词典 + 全局硬纪律」组成，管住视听语法与叙事结构；行业包只声明该类目的生产管线、业务形式与资产逻辑，并在需要时对底盘做少量 override。新增行业不改引擎、不改底盘定义。两层能力规范是底盘的核心： - **创作角色规范（creator-role）**：UGC / PGC / OGC 三种创作角色，由 orchestrator 后台路由判定（不向用户明示），管**视听语法**——器材边界、镜头语言允许范围、光线红线、真实感强度、变焦/稳定器禁用等。 - **内容形式规范（content-format）**：展示 / 讲解 / 开箱 / 教程 / 生活 / 氛围 / 品牌共 7 类核心形式，管**叙事结构**——每类形式的镜头骨架与叙事目的。创作角色 × 内容形式共同决定一条视频的底层语法与结构，行业包在其上叠加"这个类目的这个形式具体长什么样"。核心设计原则： - **定义归词典，选择归使用方**：每个概念（镜头术语、节奏模板、开场结尾原型、角色策略）只定义一次，写在唯一事实源里；"谁能用、怎么选"写在使用方（角色/形式/行业包），杜绝双写漂移。 - **引擎极简，底盘统一，行业包轻量**：引擎（orchestrator + video-gen）类目无关；底盘规范全行业共用；行业包只写差异。 - **pipeline.md 驱动**：行业包通过 pipeline.md 声明生产步骤，orchestrator 按声明执行，不硬编码任何行业流程。 - **横向 override 走 patch 钩子**：行业包若要在花字/字幕/节奏/镜头语言/开场/结尾/配乐/音色 8 个横向维度上定制，通过 `_local/` 下的 override patch 钩子增量声明，先读 universal 基线再叠加本地覆盖，绝不复制基线。 - **渐进式上下文 + Gotchas 驱动迭代**：Skill 按需加载；从生产失败中持续积累的 Gotchas 是最高价值内容。 ## 目录结构 ``` video-agent/ ├── SKILL.md ← ★ 包入口（唯一），带 frontmatter ├── README.md ← 你正在看的文件 ├── docs/ │ ├── doc-conventions.md ← 文档命名与格式约定 + 术语表 │ ├── platform-authoring-sop.md ← 平台设计师：改 universal 底盘的 SOP │ └── industry-authoring-sop.md ← 行业设计师：写/改行业包 + 8 维 override 的 SOP │ ├── skills/ │ │ │ │ ── 通用底盘（所有行业共用，类目无关）── │ │ │ ├── universal/ │ │ ├── video-orchestrator/ ← 引擎：总调度（pipeline 驱动 + 角色/形式路由） │ │ │ └── video-orchestrator.md │ │ ├── video-gen/ ← 引擎：视频模型调用与切段拼接 │ │ │ ├── video-gen.md │ │ │ └── references/model-params.md ← 模型参数 + reference_images 角色映射（唯一事实源） │ │ │ │ │ ├── creator-roles/ ← 第一层能力规范：创作角色（视听语法） │ │ │ ├── role-ugc.md │ │ │ ├── role-pgc.md │ │ │ └── role-ogc.md │ │ ├── content-formats/ ← 第二层能力规范：内容形式（叙事结构） │ │ │ ├── display.md 展示型 │ │ │ ├── explain.md 讲解型 │ │ │ ├── unboxing.md 开箱型 │ │ │ ├── tutorial.md 教程型 │ │ │ ├── lifestyle.md 生活型 │ │ │ ├── lifestyle-atoms.md ← 生活型中段分镜原子库（跨行业复用的招牌机制镜头；机制内核+参数槽位+验证注记三段式） │ │ │ ├── mood.md 氛围型 │ │ │ ├── brand.md 品牌型 │ │ │ └── opening-ending-primitives.md ← 开场/结尾原型池（打 roles 标签） │ │ │ │ │ ├── camera-grammar/camera-grammar.md ← 横向词典：镜头语言（景别/运镜/景深/焦段/转场） │ │ ├── rhythm-templates/rhythm-templates.md ← 横向词典：8 个抽象节奏模板 │ │ ├── text-rules/ ← 横向词典：花字 + 字幕视觉规范 │ │ │ ├── huazi-rules.md │ │ │ └── zimu-rules.md │ │ ├── music-style/music-style.md ← 横向词典：配乐执行基线（L1=纯音乐 + L2 三类为顶层检索键；描述→匹配，禁模型生成 BGM） │ │ ├── voice-style/voice-style.md ← 横向词典：音色执行基线 + 活人感红线（声音语速基线 150-170 字/分） │ │ ├── person-triview/person-triview.md ← 人物三视图通用底盘（global-disciplines #14 兜底实现；行业专用版 outfit/portrait-triview 满足即不重复） │ │ ├── asset-matching/ ← 资产匹配基线：portrait/scene 按 UGC/PGC/OGC 的人物气质/场景基调总领标准 │ │ │ ├── portrait-rules.md │ │ │ └── scene-rules.md │ │ └── global-disciplines.md ← 全局硬纪律（跨角色/形式/行业无条件成立） │ │ │ │ ── 行业包（每个类目一个，只写差异）── │ │ │ └── categories/ │ ├── fashion/ ← 时尚服饰（female/male 性别分支，当前 female 落地） │ │ ├── pipeline.md ← ★ 生产管线定义 │ │ ├── gender-rules/ ← 性别规则层（female/male，管体态/姿态/动作性别归属） │ │ ├── product-type-routing/ ← 商品类型路由层（上衣/下装/鞋/帽/套装/裙装 → 镜头映射） │ │ ├── outfit-styling/ ← 穿搭提示词生成 │ │ ├── outfit-triview/ ← 穿搭三视图生成 │ │ ├── storyboard/storyboard.md ← 分镜脚本生成（形式路由） │ │ ├── references/ ← style-*.md 风格规则书 + format-*.md 形式规范 + cinematography-tiers + 开场结尾池 + 道具库 │ │ ├── asset-matching/ ← portrait/scene 行业细化 override（叠加 universal/asset-matching 基线） │ │ └── _local/ ← 8 维 override patch 钩子（music-style 配乐曲风偏好 + voice-style 风格→音色映射均有覆盖，其余维度仅存钩子） │ │ │ └── snack/ ← 零食（业务域：天猫超市） │ ├── pipeline.md │ ├── storyboard/storyboard.md │ ├── references/ ← format-kaixiang（开箱）+ 拍摄分层 + 开场结尾池 + 道具库 + 参考节奏匹配 + 人像三视图 │ ├── asset-matching/ ← portrait/scene 行业细化 override（叠加 universal/asset-matching 基线） │ └── _local/ ← 8 维 override patch 钩子（仅 music-style 有配乐曲风偏好；voice-style 覆盖为空，其余维度仅存钩子） │ └── asset-library/ ← 实体资产层（全行业共享，不按行业切分） ├── negative-prompts/common.md ← 通用负面约束库（video-gen 加载） ├── music/index.json ← 版权音乐共享池索引（行业 _local/music-style 映射后来此筛选） └── voice-samples/index.json ← 音色参考共享池索引（按性别/音质/语速/语言打标；行业 _local/voice-style 映射后来此筛选） ``` ## 底盘分层说明 ### 引擎层（universal/video-orchestrator + video-gen）类目无关，对所有行业完全相同。 | Skill | 职责 | |-------|------| | video-orchestrator | 总调度：解析输入 → 识别类目 → 后台路由创作角色/内容形式 → 加载 pipeline.md → 资产准备 → 确认 → 按步骤编排；未命中类目走通用兜底（非报错） | | video-gen | 视频生成：调用 DSD 2.0（单次 ≤15s），>15s 切段拼接 + 色彩校正，加载负面提示词；reference_images 角色映射见 model-params | ### 能力规范层（两层） | 层 | 目录 | 管什么 | 事实源纪律 | |----|------|--------|-----------| | 创作角色 | `creator-roles/role-{ugc,pgc,ogc}.md` | 视听语法：器材/镜头/光线/真实感/变焦禁用等允许范围 | 由 orchestrator 后台路由，不向用户明示；VOC（买家秀）只是路由到 UGC 的语境之一，不设特殊字段 | | 内容形式 | `content-formats/*.md`（7 类核心 + 开场结尾原型） | 叙事结构：每类形式的镜头骨架与叙事目的 | 行业业务形式（FitCheck/开箱/美妆试色…）是核心形式的行业实例，不新增核心形式除非有独立镜头骨架 + 独立叙事目的 | ### 横向词典层镜头语言、节奏模板、花字、字幕是跨角色跨形式复用的"名词定义"，各自单一事实源： | 维度 | 事实源 | |------|--------| | 镜头语言 | `camera-grammar/camera-grammar.md`（术语定义；允许集在 creator-roles） | | 节奏 | `rhythm-templates/rhythm-templates.md`（8 个抽象模板 R-EVEN/R-HEAD/R-DETAIL/R-MID/R-TAIL/R-BREATH/R-BEAT/R-DOUBLE） | | 花字 | `text-rules/huazi-rules.md` | | 字幕 | `text-rules/zimu-rules.md` | ### 全局硬纪律层 `global-disciplines.md`——跨角色、跨形式、跨行业都无条件成立的质量地板，行业 storyboard 只在其上叠加行业专有纪律。 ## 行业 override 机制（8 维横向 patch）行业包若要在 **花字 / 字幕 / 节奏 / 镜头语言 / 开场 / 结尾 / 配乐 / 音色** 上做定制，不修改 universal 基线，而是在本包 `_local/` 下对应维度写 override patch。加载遵循「基线 + override」两段式：先读 `universal/` 基线，再叠加 `_local/` 同名 patch 的覆盖项。每个行业包统一带一套 7 文件钩子（8 个维度，开场/结尾共用一文件；服饰与零食形态一致）： ``` _local/ ├── text-rules/huazi-rules.md ← 花字 override ├── text-rules/zimu-rules.md ← 字幕 override ├── rhythm-templates/rhythm-templates.md ← 节奏 override ├── camera-grammar/camera-grammar.md ← 镜头语言 override ├── content-formats/opening-ending-primitives.md ← 开场/结尾 override ├── music-style/music-style.md ← 配乐曲风偏好 override └── voice-style/voice-style.md ← 音色映射 override ``` 当前服饰与零食的 8 维 override 覆盖**很轻**：服饰在配乐（曲风偏好）与音色（风格→音色映射）两维有实质覆盖，零食仅配乐维度有曲风偏好，其余维度等价于纯用基线。钩子常驻是为守住统一的扩展入口——未来任一行业需要专属规则时，在对应文件的「覆盖项」里增量声明即可，绝不整篇复制基线。引擎（video-gen / video-orchestrator）无行业定制，不设 `_local` 副本，一律直接共享 universal。 ## 当前已实现的行业 ### fashion（时尚服饰）按 **female / male 性别分支**组织（性别规则层 `gender-rules/gender-rules.md`），当前 **female 分支完整落地**、male 为扩展槽位。**商品类型 → 镜头映射**抽为独立路由层 `product-type-routing/product-type-routing.md`（上衣/下装/鞋/帽/套装/裙装类）。两层正交：性别层管"谁在穿、怎么摆"，商品类型层管"拍什么部位"，storyboard 先按性别分支收窄动作池再叠加品类主体纪律。管线：`资产准备 → 【确认卡片】→ 穿搭生成 → 三视图生成 → 分镜脚本 → 视频生成 → (配乐)` - female 分支 3 个风格规则书覆盖 6 种视觉风格：纯欲/甜美（柔软）、法式（柔软）、潮酷/机能/户外（硬朗） - 12 个业务形式（映射到核心内容形式 + 创作角色）：FitCheck / 生活Vlog / 穿搭分享（UGC）、氛围街拍 / 潮流街拍 / 情绪街拍 / 自然系 / 杂志棚拍 / 态度棚拍 / 商品讲解（PGC）、品牌大片 / 品牌叙事（OGC） - 资产逻辑：淘天影像人物库（必须，无命中兜底 GPT image 2）+ 场景库（优先，无命中不做图片兜底、文字直进分镜）+ 音乐库（>15s 触发）；音色冻结待建库 ### snack（零食 · 业务域：天猫超市）管线精简：无独立穿搭步骤，直接从资产准备进入分镜；但凡画面出现人物（上传人像或人物库命中），必先走人物三视图步骤（`references/portrait-triview.md` 居家便装 T1-T4 模板），满足 global-disciplines #14。 - 1 个业务形式：开箱（kaixiang，路由到 UGC，含结构模板 + 节奏模板 + 10 子品类差异化镜头规则） - 业务红线：真实评价、必含一句不完美、禁品牌口吻/禁强 CTA（由行业包声明并打入 state） - 人物三视图：凡画面出现人物即走 `references/portrait-triview.md`（横版，居家便装默认），作为零食行业对 #14 的专用实现 - 编写/修改指南见 `docs/industry-authoring-sop.md`（全行业统一） ## 给技术同学的对接说明 Agent 平台需实现： 1. **Skill 索引注入**：引擎 Skill 的 name + description 常驻 system prompt。 2. **角色/形式路由**：orchestrator 后台判定 creator_role 与 content_format，写入 state，不向用户明示。 3. **pipeline.md 解析**：识别类目后加载 pipeline.md，解析步骤序列；未命中类目走通用兜底而非报错（仅 `state.pipeline.strict_category = true` 时报错）。 4. **Skill 按需加载**：按 pipeline 声明顺序加载对应 Skill 内容文件；Skill 可能在行业包内或 universal 内。 5. **横向维度加载**：花字/字幕/节奏/镜头语言/开场/结尾按「基线 + `_local/` override」两段式加载。 6. **资产准备**：用户上传则解析沿用；无上传则按 asset-matching 生成描述作为库检索 query。人物走淘天影像人物库（必须，无命中兜底 GPT image 2 最高质量模式），场景走场景库（优先，无命中不做图片兜底、文字直进分镜）。人物兜底、场景文字回落均打日志喂资产库补齐团队。 7. **模型调用**：图像 = GPT image 2（最高质量模式，显式 `quality:"highest"`）；视频 = DSD 2.0（单次 ≤15s，>15s 切段拼接）。参数唯一事实源 `skills/universal/video-gen/references/model-params.md`。 ## 文档与协作编写或修改任何文档前，先按角色读对应 SOP： - 改 universal 底盘（创作角色 / 内容形式 / 横向词典 / 全局纪律）→ 读 `docs/platform-authoring-sop.md` - 写或改行业包（新类目 / 新业务形式 / 8 维 override）→ 读 `docs/industry-authoring-sop.md` - 文档命名、格式约定、术语表 → 见 `docs/doc-conventions.md` 核心格式原则：**查表用表格，描述用段落。** 给 Agent/模型看的规则文档，描述型内容用连贯自然语言段落，表格只用于查表找值（路由映射、参数对照、标签映射）。

README des Repositorys wird geladen…

Skills in diesem Repository

Klassifizierung ausstehend

Skill

Beruf

Beschreibung

Aktualisiert

video-agent

nicht klassifiziert

Generate product videos for e-commerce. Use when the user wants to create a 商品视频 / 穿搭短视频 / 电商短视频 / 零食开箱 / FitCheck / 生活Vlog / 穿搭分享 / 氛围街拍 / 潮流街拍 / 情绪街拍 / 自然系 / 杂志棚拍 / 态度棚拍 / 商品讲解 / 品牌大片 / 品牌叙事 / 开箱 / 类目调度，or any task that turns a product (商品ID或商品图) into a…

Quellsprache: Chinesisch

2026-10-12

Es werden 1 von 1 gesammelten Skills angezeigt.

Mit einem KI-Assistenten installieren

Diesen Prompt kopieren und in den verwendeten KI-Assistenten einfügen.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/GZ-L/video-agent.