技能介绍

要解决什么问题

智能体经常需要把「讲清楚一个产品或流程」落成可观看的视频，而不是只输出文字。传统做法要么让人手剪，要么依赖固定 CLI 模板，很难在无头云端 VM里自动完成录屏、旁白与成片。本技能面向「Markdown 脚本 → 演示/教学视频」这条链路，让 Agent 在有人把关的前提下走完分镜、配置与合成。

技能如何工作

交互从访谈模式开始，而不是一次性塞满参数。Agent 会先确认视频目标、录制模式（浏览器演示 WebReel 或 PPT 风格 Slidev）、人设基调，以及目标 URL 或幻灯片要点。随后起草 storyboard.md 供人审查批准，而不是要求人类从零写 Markdown。

批准后自动生成对应资源：浏览器模式下的 webreel.config.json（含选择器与时间点），或 Slidev 用的 slides.md，并把旁白文本合成为 TTS 音频。生产阶段在无头环境执行 WebReel 录制、Slidev 渲染，再用 ffmpeg 做帧提取与音画合并；组装时会按音频时长推算帧率（FPS = 总帧数 / 音频时长）。成片进入品控（Taste Gate）后再发布到 ClawHub 或社交平台。

适用边界与注意点

依赖系统路径中已安装的 webreel、ffmpeg，以及 edge-tts 或 DashScope 等语音能力；若从 WebP 抽帧还需 Pillow。录制前务必确认目标站点可通过 URL 或本地开发服务访问，否则浏览器自动化会空跑。访谈与分镜批准是设计上的硬环节——跳过审查容易产出与预期人设、节奏不符的成片。