用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt;运行前请先检查来源。
npx skills add https://github.com/anymouschina/TapCanvas --skill tapcanvas-demo-patterns命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地?可下载 SkillsMP 当前能够提供的文件。
A self-evolution engine for AI agents. Analyzes runtime history to identify improvements and applies protocol-constrained evolution.
设计并构建各类 AI 智能体/助手。适用于用户: (1) 询问“创建 agent / 助手 / 智能体系统” (2) 想理解 agent 架构、agentic 模式或自治式 AI (3) 需要能力设计、子代理、规划或 skills 机制建议 (4) 询问 Claude Code、Cursor 等智能体内部实现 (5) 想为业务/研究/创作/运营等场景构建 agent 关键词:agent, assistant, autonomous, workflow, tool use, multi-step, orchestration
启用 agents-team 协作,双代理完成小说逐章元数据抽取与完整性审校(parser + checker),并写入可续跑的记忆索引。
基于 SOC 职业分类
正在显示 SKILL.md
| name | tapcanvas-demo-patterns |
| description | 把 assets/demo 提炼成运行时可用的视觉连续性方法论:先锁资产/角色/场景/镜头语义,再做扩镜与视频。 |
assets/demo 与对应分析文件的共性规律压缩成运行时方法论。assets/demo / ai-metadata 当作知识源读取。@角色名 命中结果、章节已确认角色图tailFrameUrltapcanvas_storyboard_source_bundle_gettapcanvas_storyboard_continuity_gettapcanvas_flow_get 或当前节点 bundle,确认当前画布状态start_new_scenecontinue_from_confirmed_anchorrepair_continuityexpand_locked_keyframeprepare_video_from_locked_framestapcanvas_flow_patch 创建或改写 chapter-grounded 的视觉节点时,本轮每一个相关视觉节点都必须在同一轮同步写入结构化 data.productionMetadata;禁止先落节点、下一轮再补 metadata。productionMetadata 推荐挂在 companion text / storyboardScript 节点,或显式 patch 到当前章节脚本节点;不要把它埋成只存在于自然语言说明里的隐含判断。推荐结构:
{
"chapterGrounded": true,
"lockedAnchors": {
"character": ["..."],
"scene": ["..."],
"shot": ["..."],
"continuity": ["..."],
"missing": ["..."]
},
"authorityBaseFrame": {
"status": "planned | confirmed",
"source": "selected_reference | tail_frame | existing_flow_anchor | generate_first",
"reason": "..."
}
}
lockedAnchors 不是装饰字段;至少要把角色、场景、镜头、连续性、缺口分开写清。authorityBaseFrame.status 可以先是 planned,但执行态仍应停在“基底帧计划 + 单张 image-like 基底帧节点”。planned 下先落 group + script + pending/needs_confirmation 的关键帧/视频占位节点,但必须把 lockedAnchors.missing 明确写出“基底帧待确认”,且不能把这些节点描述成已出图或已出视频。authorityBaseFrame.status 就必须已经是 confirmed。research
writer