AI图鉴

AI图鉴首页 › AI 资讯 › Skill不就是prompt吗?我拿它做了一段南京新街口微缩景观动画

Skill不就是prompt吗?我拿它做了一段南京新街口微缩景观动画

来源:掘金 · 发布时间:10-29 · 由 AI图鉴每小时自动聚合

SKILL.md 里的正文,确实还是写给模型看的提示词。给它换个文件名,不会让模型多长一个脑子。 我用 Skill 做了一段南京新街口的微缩动画。对我有用的部分,是把参考图怎么用、什么时候停下来给我看

SKILL.md 里的正文,确实还是写给模型看的提示词。给它换个文件名,不会让模型多长一个脑子。

我用 Skill 做了一段南京新街口的微缩动画。对我有用的部分,是把参考图怎么用、什么时候停下来给我看、哪些脚本可以复用,保存在一套能再次调用的文件里。下次换主题,不用从聊天记录里捞那句“对,就按这个画”。

- 微缩景观动画 Skill传送门: memphis-mini-world

- Skill 设计助手传送门: skill-designer

skill-designer 怎么用,和 Claude 官方的有什么区别?

memphis-mini-world 是拿来做动画的,skill-designer 则帮助设计 Skill 本身。

比如,我知道自己要做微缩动画,却未必知道该怎么写一份能反复使用的说明。哪些内容放入口?哪些另外存?要不要先问需求?能不能让 AI 跳过样帧直接出片?skill-designer 会帮助梳理这些问题。

它介绍了五种常见写法:封装工具或框架规范、套模板生成、按清单审查、先问需求再行动,以及按步骤执行。几种写法可以组合。我这次就用了 Pipeline、Generator 和 Reviewer,分别管制作顺序、可复用的输出结构和检查清单。

我用的是 Pi-Bolt,把解压后的 skill-designer 目录放进 ~/.agents/skills/,用 /reload 刷新,然后就可以调用。下面是这个工具里的示例,换其他工具时,安装位置和命令要看各自说明:

/skill:skill-designer

帮我设计一个微缩景观动画 Skill,支持文字和参考图。

先分析参考,制作同一动画的四张样帧,等我确认后再渲染全片。

请说明适合组合哪些设计模式,以及 SKILL.md、参考文档、模板和脚本怎么分工。

也可以把已有 Skill 交给它,检查触发描述是否清楚、流程有没有漏掉确认环节。它还附了测试提示和预期结果,不过没有配套的自动评测脚本。

Anthropic 官方的 skill-creator 覆盖得更广。我核对了官方当前的说明,它除了帮助写 Skill,还提供测试、评审、修改和触发描述优化的流程与配套工具。

两者有重叠,官方版也讲文件结构和渐进式披露。对我来说,skill-designer 适合先把写法想明白;需要系统比较修改前后的效果时,可以接着用官方 skill-creator。官方部分评测依赖 Claude CLI 或子代理,换个工具运行前还得检查环境。

这次新街口制作里,我用了 skill-designer 的组织方法,没有运行官方 skill-creator 的那套对照评测。两件事别混在一起。

我做出来的,是这样一条片子

20 秒,1080×1080,60fps。镜头跟着一辆珊瑚红的小车,经过中山像,再往另一段街区走。外面留着暖白边,片头从中间慢慢展开。

风格起点是这条微缩景观动画参考帖。我把整理后的规范叫作“孟菲斯微缩世界”:平面色块、靛色描边、硬边投影,窗口边缘散成颗粒,下面的双语图注不跟镜头走。

画面采用 2D 和 2.5D 插画表达。Agent 写 Canvas 绘图程序和声音脚本,我提供参考、提要求、看样帧,再决定要不要改。最后用 ffmpeg 编码成视频。

整个过程改了好几轮。楼画得太像模型,雕像一度有点吓人,车还开进过行人过街区。

提示词能说清楚的事,为什么还要存成 Skill?

做这一条片子时,当然可以一直在对话里补要求。可下次做水乡,我还得重新解释哪些风格不能变、参考图怎么处理,以及“先让我看图”的具体意思。

例如,照片和插画参考承担的任务不同。新街口实景图提供道路、交通岛和地标的位置关系,风格截图决定楼和车怎么画。我只要求雕像保留站姿,没有要求它把照片里的材质和面部阴影一起搬过来。街区密度、楼的体量和立面细节都可以重新组织,坐标也明确标成示意。

如果只说“参考这几张图”,AI 很容易同时参考了我想要和不想要的部分。

还有这条写在主文件里的要求:

Do NOT render the full video until the user explicitly approves the current four-frame preview.

意思是先给同一动画的四张实际样帧,我明确同意当前版本以后,才出全片。时长、画幅和音乐方向有默认值,不必每次先填一份技术问卷;关键要求冲突、图片打不开时再问。

这个流程用的是 skill-designer 里的 Pipeline。Generator 帮我固定场景配置和项目结构,具体场景仍由 Agent 写代码;Reviewer 负责把造型、运动和输出规格列进检查项。

只把“必须等我确认”写进文档,还不能保证 Agent 永远不跳步。这次也配了程序校验:出片前核对批准记录和对应版本,画面改了就重新看样帧。哪些规则需要代码检查,得在制作时继续补。

渐进式披露,就是用到哪儿读到哪儿

这个词听着像一门管理课。我在 Pi-Bolt 里用到的机制很直白。

模型先看到 Skill 的名称、描述和路径。判断当前任务适合它,再读取 SKILL.md;我也可以用 /skill:名称 明确调用。入口里还会告诉它,进行到某一步时该读哪些详细资料。

以这套动画 Skill 为例,目录大致是:

memphis-mini-world/

├── SKILL.md

├── references/ 画风、参考图处理、运动、音频和验收规范

├── assets/ 配置模板、审阅模板、认可的造型示例

└── scripts/ 校验、导出、断点恢复和媒体检查工具

刚开始看雕像应该怎么画,就读风格说明和造型示例。写人车运动时,再读运行规则和安全检查。等我同意出片,才需要看声音制作、编码和断点恢复的细节。

入口可以这样指路。下面是简化示例:

开始设计时,读取 references/style-guide.md 和 references/visual-calibration.md。

有参考图时,读取 references/reference-images.md,并实际查看图片。

编写绘图程序前,读取 references/canvas-runtime.md。

确认后制作全片时,读取 references/production-workflow.md。

拆文件还不够,入口得写清楚读取时机。把资料全扔进 references,然后期待 AI 自己悟出顺序,多少有点为难它。

这和 Pipeline 管的是两回事。渐进式披露管资料何时加载,Pipeline 管步骤顺序和确认条件。脚本则通过工具运行,负责固定的检查与导出,不必每次把整份源码都读进模型上下文。

所以 Skill 里可以有提示词,也可以带模板、图片和可执行脚本。它仍然依赖宿主工具提供读文件、运行程序等能力,装上一个文件夹,不会自动获得这些权限。

新街口的要求,是边做边补齐的

我把最终要求整理成了下面这版。它合并了多轮反馈,并非最开始一次就输入了这么完整的一段:

/skill:memphis-mini-world

制作南京新街口·中山像的20秒微缩景观动画,1080×1080,60fps。

实景图参考路网和地标关系,所有元素按插画截图的风格重新设计。

镜头从街道一端局部开场,跟随珊瑚红小车经过中山像,再前往另一端。

视角抬高、拉远一些,但不要从整座沙盘的全景开始。

商业中心要有连续多排街区和次级街巷。

雕像保持参考图的站姿,整段不动。

安排红灯礼让行人和白鸽起飞的小剧情。

片头从中心向四周逐渐展开。

先给同一动画的4张样帧和拼图,确认后再生成全片。

Agent 写好场景配置和绘图程序后,从同一套实现里导出样帧。这次的四个审阅时刻是 1.8、6.1、10.7 和 17.6 秒,用来看沿街路线和不同街段。

早期画面像在十字路口边摆了一圈小楼,镜头也接近固定全景。我想要商业中心的密度,后来才补上前后多排建筑和次级道路,让跟车镜头一路能看到新的街段。

楼的画法也走过弯路。小窗、窗台、檐口越加越多,车上还有斜风挡、轮毂和灯组,逐渐长成了另一种低多边形模型。最后删掉这些细节,楼改成大片同色系立面和少量大窗,车保留纯色车身、浅色直立驾驶舱和小实心轮。

雕像保留站姿和长外套轮廓,去掉尖锐侧脸和碎片明暗,才没那么诡异。AI 对细节的热情,有时需要人工劝退。

后来我给 Skill 补了对象级检查。除了看配色,还要把建筑、车和人物放大,分别核对轮廓、比例和细节密度。

动态问题则更具体。主车停下来让行人了,对向车却没接入同一套礼让时序。当时只检查车车间距,漏掉了人车,结果它照常开了过去。

修复后,绘图和安全检查使用同一套角色轨迹,同时检查双向车流、车身占用的范围,以及行人走完后的缓冲时间。20 秒、60fps 对应 1200 个时间点,批准前就能遍历这些时间点做几何计算,不必先渲染整部视频。

片头还有个乌龙。原来的展开在 1.4 秒已经结束,预览却从 1.8 秒开始,我当然只能看到一张完整画面。后来把播放起点改为第 0 帧,并把这条片子的展开延长到约 2.6 秒。

四张静态图可以看构图,播放起点和过街过程还得另外查。我说“车辆,建筑,行人可以了”,也只代表认可这些造型。后面修改片头时,就不用顺手把车和楼再画一遍;整版出片要等另外的明确批准。

从出片到下一次使用

最终画面采用确定性 frame(i),也就是由帧号决定画面。同一个帧号重复计算,像素应该相同。这样跳着检查、重新加载页面,或者中断后继续,都能核对是不是原来那套画面。

frame(300);

frame(720);

frame(300);

两次第 300 帧需要得到相同的 RGBA 摘要,相当于给像素做一次指纹比对。

正式导出得到 1200 帧,再合成五声音阶轻音乐、街道底声、脚步和鸽翼声,编码为 H.264 和 AAC 的 MP4。导出途中遇到过后台 PNG 回调慢、标签导航中断,后来改用同一现有 Chrome 标签内的同步 PNG 编码,从核验过的 480 帧断点继续。

最终四张批准样帧的原始像素摘要保持一致,成片完成了全部 1200 帧的解码检查。响度、峰值和声音事件同步也能测量。不过这些数值回答不了音乐好不好听、镜头看久了会不会无聊,仍然需要看片和试听。

新街口先用项目内脚本完成,随后我才要求 Agent 把经验写回 Skill,升级到 v1.1.0。新版记录局部确认和整版批准,也把视觉、声音计划、生产版本分开。仅修复导出工具时,可以核验已有帧后继续;改了画面或剧情,就需要重新确认。

新增脚手架通过了 20 项 Python 测试和 10 项 Node 测试,覆盖审批、路径限制、本地接收、断点核验和碰撞反例。但它还没换一个新主题跑完真实 Chrome 端到端制作,具体场景和声音仍需 Agent 编写。不能因为新街口出了片,就宣布所有城市都能一键生成。

我以后可以这样调用它:

/skill:memphis-mini-world 江南水乡的早市,乌篷船从石桥下经过,沿岸有人买花。

画风和制作流程会沿用,新场景仍然要看样帧,不能拿新街口的批准去通行。

回到题目,我愿意把反复做的任务整理成 Skill,因为这次返工留下的规则和工具,下次还能用。只做一次的简单任务,我会直接写提示词。至于一份 Skill 是否真的比原来的办法好,可以像官方 skill-creator 那样拿任务做对照;光看目录多整齐、SKILL.md 写了多少行,我判断不了。

- 微缩景观动画 Skill传送门: memphis-mini-world

- Skill 设计助手传送门: skill-designer

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(juejin.cn)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 597 款 AI 工具分类导航 · 每日 AI 热门项目与动态