| name | laohan-luping |
| description | 口播稿转录屏脚本（CLI+浏览器），自动生成ffmpeg录制脚本并输出MP4。Use when 用户说"录屏""录制教程""录视频""录一段""screen record""补录""口播稿转录屏""浏览器录屏""录网页"或提到录制Claude Code画面或浏览器操作。 |
| version | 1.2.0 |
录屏自动化：口播稿 → 录屏脚本 → MP4
输入一篇口播稿（或录屏指示），自动生成 bash 录屏脚本。脚本编排 CLI 操作（tmux+Claude Code）和浏览器操作（Playwright headed），ffmpeg 录物理屏幕，输出 1080p MP4。
核心理念
口播稿即脚本蓝图。 每段口播对应一个屏幕操作（CLI 命令/浏览器导航/静态等待），从口播稿里提取出操作序列和时长，填入录制模板。
看到什么录什么。 ffmpeg 录物理屏幕，tmux 前台显示终端，Playwright headed 显示浏览器。两种"演员"按口播稿交替出场。
录屏是素材，不是生产。 录制过程中的临时文件全部自动清理，只保留最终 MP4。
工作流
1. 输入口播稿
接收用户提供的：
- 口播稿文件路径（
script.md）
- 或录屏指示文件路径（
录屏指示.md）
- 或直接描述要录制什么
如果用户提供了口播稿但没有录屏指示 → 根据口播稿内容自动推断每段对应的操作。
如果用户提供了录屏指示 → 直接用指示里的操作序列。
2. 解析口播稿→操作序列
从口播稿/录屏指示中提取。操作分为三种类型：
CLI 操作（tmux + Claude Code）：
| 口播段落 | 屏幕操作 | 脚本动作 |
|---|
| "说「抓今天的AI精选」" | 执行命令 | send_cmd "抓今天的AI精选" |
| "说「帮我写口播稿」" | 执行命令 | send_cmd "帮我写口播稿" |
| "展示 output/ 文件夹" | 查看命令 | send_cmd "ls output/" |
浏览器操作（Playwright headed）：
| 口播段落 | 屏幕操作 | 脚本动作 |
|---|
| "打开 GitHub 项目页" | 导航到 URL | browser_goto "https://github.com/..." |
| "看一下 README" | 页面滚动 | browser_scroll 500 |
| "点击安装文档" | 点击链接 | browser_click "a[href='docs']" |
| "展示项目截图" | 静态展示 | browser_wait 3000 |
静态操作（纯等待）：
| 口播段落 | 屏幕操作 | 脚本动作 |
|---|
| 开场白/过渡/结尾 | 静态画面 | sleep N |
提取规则：
-
引号里的内容（「」或""）→ 直接作为 send_cmd 的参数
-
提到 URL / GitHub / 网站 / 文档 → 浏览器操作
-
提到终端/命令/CLI → CLI 操作
-
纯叙述段落 → 按口播时长估算 sleep 秒数（正常语速约 3 字/秒）
-
CLI 命令需要等 Claude 完成的 → 加 wait_for_claude
-
浏览器页面需要阅读时间的 → 加 browser_wait
-
完成条件： 生成结构化的操作列表，每条含类型（cli/browser/static）、内容、等待方式、标签
3. 环境检测
which ffmpeg && which tmux && which node
ffmpeg -f avfoundation -list_devices true -i "" 2>&1 | grep "Capture screen"
node -e "require('playwright')" 2>/dev/null && echo "playwright OK" || echo "playwright missing"
- 缺工具 → 提示安装
- 多屏幕 → 让用户确认索引
- 缺 Playwright →
npm install playwright
- 完成条件： 确认屏幕索引 + Playwright 可用（如需浏览器段）
4. 生成录制脚本
基于 scripts/record_template.sh 模板生成。模板包含：
- ffmpeg 录屏启动/停止
- tmux 会话管理（CLI 段）
- Playwright 浏览器控制（浏览器段）
send_cmd()、wait_for_claude()、browser_*() 函数- 1080p 转码 + 临时文件清理
填充内容：
- CLI 段：命令序列块（send_cmd + wait_for_claude）
- 浏览器段：导航 JSON 文件（
browser_actions.json）
- 切换时机：口播稿段落顺序决定 CLI/浏览器交替
如果只有 CLI 段 → 纯 CLI 模式（不启动浏览器）。
如果只有浏览器段 → 纯浏览器模式（不启动 tmux）。
两者都有 → 混合模式。
生成脚本写到用户指定目录（或当前目录），文件名格式：record_<教程名>.sh
5. 交付+指导
输出：
- 生成的
record_xxx.sh 脚本（含 browser_actions.json 如有浏览器段）
- 运行命令：
bash record_xxx.sh
- 提醒：
- 终端全屏（Cmd+Enter）
- 开勿扰模式
- 按回车后别碰键盘鼠标
- Gate 确认框按回车继续
不自动执行脚本 — 录屏需要用户手动在终端启动。
操作规则
- 口播稿驱动 — 每个操作都能追溯到口播稿的某一段
- 不自动执行录屏脚本 — 涉及屏幕接管，必须用户手动运行
- 屏幕索引需确认 — 不同机器配置不同，不能硬编码
- CLI/浏览器交替自然 — 切换时加短暂 sleep（1-2s），模拟自然切换
- 浏览器滚动模拟真人 — 分段滚动 200-400px，间隔 500-800ms
- 静态段落用 sleep — 开场/过渡/结尾等无操作段落，按口播字数÷3估算秒数
- 临时文件全部清理 — Claude 工作目录 + raw 文件 + browser JSON，只保留最终 MP4
不适用场景
- 录制桌面应用（非终端非浏览器） → 用 OBS
- 带声音解说 → 需额外配置音频输入
- 实时直播 → 这是录制方案不是直播方案
- 需要登录态的浏览器操作 → 用 opencli Browser Bridge
浏览器操作 JSON 格式
{
"viewport": { "width": 1920, "height": 1080 },
"steps": [
{ "action": "goto", "url": "https://github.com/xxx", "label": "打开项目页" },
{ "action": "wait", "ms": 3000 },
{ "action": "scroll", "pixels": 600, "smooth": true },
{ "action": "wait", "ms": 2000 },
{ "action": "click", "selector": "a[href='/xxx/docs']", "label": "点击文档" },
{ "action": "wait", "ms": 3000 }
]
}
支持的 action：goto、wait、scroll、click。
踩坑速查
| 问题 | 原因 | 解决 |
|---|
| 录错屏幕 | 多显示器索引不对 | ffmpeg -list_devices 确认 |
| tmux 里 claude 立即退出 | 网络/初始化偶发问题 | 重跑 |
| 画面静止 | claude 等待输入 | 手动按回车 |
| 视频太大 | CRF 值太低 | 改 -crf 23 |
| 命令没发完 | 超时 | 增大 max_wait |
| 浏览器窗口尺寸不对 | viewport 不匹配 | JSON 里设 viewport |
| Playwright 启动失败 | 未安装 | npm install playwright |
