| name | skill-omni-creation |
| description | 当用户说「从这个链接/URL生成skill」「把这个网页/教程做成skill」「从这个视频提取步骤」时触发。先用 read_file 读取此 SKILL.md，再按步骤用 bash 调用 scripts/ 下的 Python 脚本完成：爬取网页或下载视频 → 下载图片/抽帧 → 生成标准 Skill Markdown 文件。 |
这个 Skill 做什么
给定一个 URL（网页或视频），读取页面内容、下载相关图片或视频帧，整理成标准 Skill .md 文件，保存到 skills/<slug>/SKILL.md，图片保存到 skills/<slug>/references/。
适用请求：
- "从这个链接生成一个 Skill"
- "把这个教程做成 Skill"
- "从这个视频提取操作步骤"
前置依赖
执行任何脚本前，请先确认以下工具已安装：
Playwright（网页爬取）
playwright install chromium
若未安装，网页爬取会静默降级或跳过，导致 skill 内容为空。
ffmpeg（视频抽帧）
brew install ffmpeg
apt-get install ffmpeg
若未安装，analyze_video.py 会报错退出。安装后请确认可用：
which ffmpeg && ffmpeg -version
yt-dlp（视频下载）
pip install yt-dlp
若 pip 不可用：
brew install yt-dlp
apt-get install yt-dlp
analyze_video.py 和 scrape_page.py 均依赖 yt-dlp 下载视频。安装后确认可用：
python3 -m yt_dlp --version
可用脚本
所有脚本通过 bash 工具调用，不含任何 LLM 调用。
重要：首先调用 skill_tool(skill_name="skill-omni-creation") 获取 skill_directory。
后续所有命令用 cd {skill_directory}/scripts && python3 ... 执行，read_file 也使用绝对路径 {skill_directory}/scripts/work/<slug>/...。
BashTool 没有 cwd 参数，必须在命令里用 cd 切换目录。
scrape_page.py — 爬取网页
cd {skill_directory}/scripts && python3 scrape_page.py "<URL>" <slug>
stage01.json 结构：
{
"url": "...", "slug": "...", "title": "...",
"blocks": [
{"type": "heading", "level": 2, "text": "...", "source": "main"},
{"type": "text", "text": "...", "source": "main"},
{"type": "image", "url": "...", "alt": "...", "source": "main", "path": null}
],
"video_urls": []
}
- 若 URL 是视频平台（B 站/YouTube/Vimeo/小红书），自动跳过爬取，返回
blocks=[] + video_urls=[url]
- 小红书链接（
xhslink.com 短链或 xiaohongshu.com 直链）必须通过 scrape_page.py 处理，不要直接用 fetch_webpage，脚本会自动判断是否为视频帖子
- 若 Playwright 被反爬拦截，返回空 blocks；见「Playwright 失败时的处理」
print_blocks.py — 读取网页内容（替代 read_file 读 JSON）
cd {skill_directory}/scripts && python3 print_blocks.py <slug>
stage01.json 和 stage02.json 过大，read_file 会返回空。必须用这个脚本提取内容。
download_images.py — 下载图片
cd {skill_directory}/scripts && python3 download_images.py <slug>
不要用 read_file 读 stage02.json（文件过大会返回空）。
下载完成后运行 python3 print_blocks.py <slug>，根据每张图片的 alt 文字和前后文字上下文按「图片筛选标准」决定 KEEP/SKIP，将 KEEP 的路径列表传给 save_images.py。
若某张图片的 alt 文字为空或过于泛化（如 "image"、"photo"、"screenshot"、文件名等），则用 read_file 实际查看该图片再决定。
analyze_video.py — 视频抽帧
cd {skill_directory}/scripts && python3 analyze_video.py "<video_url_or_slug>" --title "视频标题"
脚本不调用任何 LLM，只抽取帧图片。分析步骤由 agent 自己完成：用 read_file 分批读取帧图片，用自身视觉能力提取操作步骤。
save_images.py — 保存选定图片
cd {skill_directory}/scripts && python3 save_images.py <slug> '["raw_images/dom_000.jpg", "raw_images/dom_003.png"]'
脚本会打印每张图片的最终文件名和 SKILL.md 的写入路径，例如：
[save_images] img_00.jpg <- raw_images/dom_002.jpg
[save_images] img_01.png <- raw_images/dom_005.png
[save_images] SKILL_MD_PATH: /Users/xxx/.jiuwenswarm/agent/workspace/skills/exposure_fusion_opencv/SKILL.md
生成 SKILL.md 时，用 write_file 写入 SKILL_MD_PATH 打印出的绝对路径。图片路径为 references/<文件名>，例如 references/img_00.jpg。
图片筛选标准
你正在审核从教程或指南页面提取的图片。
该指南可能涵盖任意主题：软件操作、摄影、烹饪、硬件等。
保留（KEEP）图片的条件：图片直接说明或演示了周围文字所描述的某个步骤、概念或技巧，
能帮助读者理解或复现文字内容。
跳过（SKIP）图片的情况（满足任意一条即跳过）：
- 图片前后既没有章节标题也没有文字上下文 —— 几乎可以确定是文章顶部的装饰性封面/横幅图，
而非教学内容。
- 图片是小图标、独立 Logo、广告或纯装饰性图形。
- 图片是指向其他文章或页面的缩略图或预览图。
- 图片内容明显属于与本指南标题无关的其他主题。
如果图片标记为"来源：子页面"，则适用更严格标准：只有当图片直接、明确地演示了
标题所描述的主任务中的某个步骤时，才保留。子页面图片有疑问时，一律跳过。
同时参考图片内容和上下文（章节标题、前后文字）做出判断。有疑问时，一律跳过。
只输出一个 JSON 字符串数组，每张图片对应一个元素，值只能是 "KEEP" 或 "SKIP"。
示例（3 张图片）：["KEEP", "SKIP", "KEEP"]
输出格式规范（网页）
你正在为 AI 智能体构建一个 Skill 文件，用于学习和执行软件操作任务。
所有输出文字（描述、标题、步骤、说明）必须使用简体中文。
只有 YAML frontmatter 的 key（name、description）和图片路径保持原格式不变。
输入内容：
- TITLE —— 软件任务名称
- BLOCKS —— 按 DOM 顺序排列的内容块列表，每个块的类型为以下之一：
- {"type": "heading", "level": 1-4, "text": "...", "source": "main"|"subpage"}
- {"type": "text", "text": "...", "source": "main"|"subpage"}
- {"type": "image", "path": "references/img_NN.ext", "alt": "...", "source": "main"|"subpage"}
图片块在文字块之间按原始页面位置穿插排列。
source 为 "subpage" 的块适用更严格的相关性过滤。
输出格式（严格遵守）：
name: <snake_case_skill_name>
description: <1-3句中文：描述这个 Skill 的用途和适用场景>
<技能名称（中文）>
Steps
分组规则（从上到下匹配，取第一条符合的）：
- BLOCKS 中存在二级标题块（h2）：
- 每个 h2 → ### 分组标题，每组步骤编号从 1 重新开始。
- 若该 h2 组内存在 h3 块 → 每个 h3 → #### 子节标题，每子节编号从 1 重新开始。
- BLOCKS 中只有三级标题块（h3），没有 h2：
- 每个 h3 → ### 分组标题，每组步骤编号从 1 重新开始。
- 没有 h2 也没有 h3 —— 单一连续流程：
- 平铺格式：一个编号列表，不加 ### 或 #### 标题。
格式示例：
有 h2 + h3（两级分组）：
<h2 标题文字>
<h3 标题文字>
- <动词> <界面元素名>
- ...
<下一个 h3 标题文字>
- ...
<下一个 h2 标题文字>
<h3 标题文字>
- ...
只有 h2（一级分组）：
<h2 标题文字>
- <动词> <界面元素名>
- ...
<下一个 h2 标题文字>
- ...
平铺格式（无 h2 无 h3）：
- <动词> <界面元素名>
- ...
规则：
只输出 Skill Markdown 文件内容，不加任何前言或解释。
输出格式规范（视频）
你正在为 AI 智能体构建一个 Skill Markdown 文件，用于学习和执行视频教程中的操作任务。
所有输出文字（描述、标题、步骤、说明、图片 alt）必须使用简体中文。
只有 YAML frontmatter 的 key（name、description）和图片路径保持原格式不变。
输入内容：
- TITLE —— 视频任务名称
- BLOCKS —— 按时间顺序排列的内容块，每个块类型为以下之一：
- {"type": "text", "text": "..."} — 已从视频中提取的操作步骤（一条步骤一个 block）
- {"type": "image", "path": "references/video_frame_NN.png", "alt": "..."} — 对应时间段的截图
输出格式（严格遵守）：
name: <snake_case_skill_name>
description: "<1-3句中文：描述这个 Skill 的用途和适用场景>"
<技能名称（中文）>
Steps
- <动词> <界面元素名或操作对象>
- ...
核心规则：
- YAML frontmatter 必须是输出的第一行内容。
- name 必须根据 TITLE 生成，使用英文小写 snake_case，避免 video、tutorial、skill 等空泛词。
- description 必须是 1-3 句简体中文，并用英文双引号包裹。
- 技能标题必须是简体中文，准确概括 TITLE 对应的任务。
- 只输出 Skill Markdown 文件内容，不加任何前言、解释或代码块。
依据规则：
- 每个步骤都必须有 BLOCKS 中的 text block 作为依据。
- 允许为了去重、合并和提升可读性而改写步骤表述。
- 但不得引入 BLOCKS 中没有出现的信息、工具、参数、平台、结论或建议。
- 任务范围由 TITLE 定义，与主任务无关的步骤一律跳过。
- 如果某个 text block 操作对象不清晰，且无法从相邻 block 判断其含义，则跳过。
【当前：分组版本】若视频只有单一流程可改回平铺版本（见下方注释）
分组规则：
- 若视频涵盖多个明显不同的子功能（例如：基础操作、公式使用、图表制作），
用 ### 标题划分每个子功能，每组步骤编号从 1 重新开始。
- 若视频是单一连续流程，使用平铺编号列表，不加 ### 标题。
- 不要过度分组，只在子功能之间有明确主题切换时才分组。
【平铺版本备用】如需回退，删除上方分组规则，改为以下一条：
- 使用平铺编号列表，不加 ### 或 #### 标题。
步骤规则：
- 每个编号步骤必须是可执行动作，尽量以动词开头。
- 用 粗体 标记关键界面元素、操作对象、工具名称或参数名称。
- 不保留原始时间戳。
- 不输出过细的鼠标移动、等待、浏览、片头片尾、广告、点赞订阅等无关内容。
图片规则：
- 只能引用 BLOCKS 中 path 字段确实存在的图片，不得自行发明或伪造路径。
- path 必须从 block 的 path 字段原样复制。
- 图片语法必须为：
- 图片应放在与其最相关的步骤之后。
- 不要求每个步骤都配图；无明确关联的图片可以跳过。
- 每张图片独占一行，前后各留一个空行。
- 不要连续堆叠多张与同一步骤无明显区别的图片。
合并规则：
- 重复步骤合并：
若多步描述完全相同，或仅措辞略有不同但属于同一操作，只保留一步。
- 微步骤合并：
若连续多步属于同一标准流程，例如选择路径 → 点击 Next → 点击 Install，
可合并为一步，用"并""然后""最后"连接关键动作。
- 选项展示合并：
当连续步骤逐一列举同类选项，例如"点击网页渠道、飞书渠道、Telegram 渠道"，
说明视频在展示可用选项，而不是要求全部选择。
应合并为一条步骤，概述可用选项，并说明本教程实际进入或配置的是哪一个。
- 纯描述前缀合并：
若某个 text block 只描述软件功能，没有具体操作，但与下一步属于同一功能模块，
可合并到下一步，作为上下文前缀。
若与后续步骤无明确关联，则只有在有助于理解任务时才保留；否则跳过。
- 平台泛化：
若步骤中涉及特定平台或系统，但 BLOCKS 中明确提到多个平台，
不要写死为单一平台，应写成"根据操作系统选择对应安装包"，并在括号中列出视频提到的平台。
若 BLOCKS 只提到一个平台，则不要自行补充其他平台。
输出要求：
- 只输出 Skill Markdown 文件内容。
- 不加解释、不加前缀、不加 Markdown 代码块。
Playwright 失败时的处理
若 scrape_page.py 返回空 blocks，使用 web_fetch_webpage 获取页面原始文本，自行提取：
- 主标题
- 按顺序排列的 h2/h3 标题和步骤文字
- 图片 URL（若有）
直接用提取内容生成 SKILL.md，跳过 download_images/save_images 步骤。
执行流程参考
网页路径：
scrape_page.py
→ download_images.py
→ print_blocks.py <slug> # 读 stage02.json，根据图片 alt + 上下文决定 KEEP/SKIP
→ save_images.py（传 KEEP 路径列表） # 同时生成 stage03.json（blocks 含 references/ 路径）
→ print_blocks.py <slug> # 现在读 stage03.json，输出含 path 的最终 blocks
→ write_file 写入 save_images.py 输出的 SKILL_MD_PATH（按「输出格式规范（网页）」，图片路径直接从 blocks 取）
注意：stage01.json / stage02.json 体积较大，直接 read_file 会返回空（被 offload）。
请用以下方式读取内容：
cd {skill_directory}/scripts && python3 print_blocks.py <slug>
ls {skill_directory}/scripts/work/<slug>/raw_images/
看图时用 read_file + 绝对路径：
{skill_directory}/scripts/work/<slug>/raw_images/dom_000.jpg
视频路径：
scrape_page.py → video_urls 非空（或直接识别视频 URL）
→ analyze_video.py <video_url_or_slug> --title "..."
（自动下载，以 1fps 抽帧到 work/<slug>/frames/，打印帧数和批次建议）
→ 脚本输出会打印帧目录的**绝对路径**和每批次的完整文件路径，例如：
批次 1/33: /path/to/scripts/work/<slug>/frames/frame_0001.png → .../frame_0020.png
直接使用输出中打印的绝对路径调用 read_file，不要自行拼接路径
用自身视觉能力分析每批帧图片，提取操作步骤，累积所有步骤
→ write_file 写 skills/<slug>/SKILL.md（按「输出格式规范（视频）」，步骤来自自身分析结果）
网页含嵌入视频：
先走网页路径。若 video_urls 非空，追加视频路径处理，合并步骤后写 SKILL.md。
运行环境
- Python 3.11+，所有 bash 命令必须以
cd {skill_directory}/scripts && 开头（skill_directory 由 skill_tool 返回）
- 依赖：
playwright、beautifulsoup4、Pillow、requests
- 外部工具：
ffmpeg、ffprobe、yt-dlp
- Playwright 需安装 Chromium：
playwright install chromium
- 无需配置 API 环境变量
