zhenyu CLI 智能体调用指南
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_cb80f343/zhenyu-cli-guide。
技能介绍
问题背景
MoneyPrinterTurbo 能力分散在 WebUI、旧版 cli.py 和各类脚本里时,AI Agent 很难稳定调用:stdout 混入表格和 loguru 日志、成败只能靠猜输出有没有内容,删除任务还会卡在 input() 确认。zhenyu 把视频生成、任务管理、配置与枚举收口成统一 CLI,并为机器调用约定了 --json 语义。
技能在讲什么
文档的核心是心智模型与流程,而不是背命令表:
- 每个子命令加
--json时,stdout 为单行 JSON,exit code与ok字段表示成败;失败体带hint提示下一步。 - 推荐 health → generate/do → tasks show/retry 三步,接入前先
health查 python、配置、LLM Key、ffmpeg、数字人等项。 - 调用方式三选一:仓库根目录下的
zhenyu.bat、直接python zhenyu_cli.py(Agent 常用)、或先serve再通过 HTTP RPC 的POST /run远程执行。 do是关键词规则解析(毫秒级、不跑 LLM),模糊语义应改generate;跨进程看任务需config set app.enable_redis true;tasks delete必须带--yes。
边界与注意点
必须在含 zhenyu_cli.py 的仓库根执行,否则 storage/、resource/ 相对路径会错。默认任务后端是 MemoryState,另一进程或 WebUI 可能看不到同一任务。config set 对已在跑的 WebUI/serve 要重启才加载。RPC 串行加锁,且不能嵌套执行 serve 自身。
使用场景
- 自动化流水线在生成竖屏短视频前,先跑 health 确认 ffmpeg 与 LLM Key 再调用 do
- 编排多个远程节点时,通过 zhenyu serve 的 POST /run 执行 tasks list --json 统一查任务
- 批量选题前用 voice list 枚举 Azure/SiliconFlow 等 provider 的可用女声再传给 generate
- Agent 发现 do 解析为空时,改走 generate --video-subject 并重试失败任务 tasks retry
适合人员
- 在 MoneyPrinterTurbo 仓库里用 Python 直接调 zhenyu_cli.py、需要稳定 JSON 与退出码的 Agent 开发者
- 负责短视频批产运维、要先自检环境再重跑历史任务的后端工程师
- 用 Cursor/自定义 Agent 远程编排视频能力、控制端没有本地 zhenyu 进程的集成工程师
- 从 WebUI 迁到 CLI 后要在多进程间共享任务列表、需配置 Redis 状态后端的维护者