手把手教你打造专属技能(Skill)，让AI帮你做动画视频

King
发布于 10小时前
阅读 17

不知道大家有没有发现，最近有一个叫Manim的动画库特别火？它是3Blue1Brown（那个用惊艳动画讲数学的YouTube频道）的创始人GrantSanderson用Python写的数学动画引擎。短短几年，它已经成为技术圈和数学教育领域的"网红工具"——用代码就能做出那

> 不知道大家有没有发现，最近有一个叫 **Manim** 的动画库特别火？

它是 3Blue1Brown（那个用惊艳动画讲数学的 YouTube 频道）的创始人 Grant Sanderson 用 Python 写的数学动画引擎。

短短几年，它已经成为技术圈和数学教育领域的"网红工具"——用代码就能做出那种丝滑流畅、知识点一目了然的教学动画。

但问题也随之而来：Manim 虽然强大，完整的视频制作流程却相当繁琐。

> 从写场景脚本 → 渲染视频 → 配音旁白 → 合成音频 → 添加字幕 → 生成封面... 这一套下来，光是命令行就要敲好几遍，更别说还要调参、调节奏。

那有没有办法，让 AI 一次性把这些流程"封装"起来？你只需要告诉它"我要做一个讲解二次函数顶点式的视频"，它就能自动把脚本、分镜、代码、渲染命令、旁白合成全给你搞定？

**当然可以。这就是 Skill 的用武之地。**

---

## 什么是 Skill？

简单说，**Skill 是 AI 能力的插件化封装**。

想象一下：你的 AI 助手本身是一个通用大脑，但它可以通过加载不同的 Skill 来获得特定领域的"专业技能"。比如：

- 一个"视频制作 Skill"让它学会用 Manim 做动画
- 一个"数据分析 Skill"让它精通 Python/Pandas
- 一个"写作助手 Skill"让它帮你润色文案

每个 Skill 都是一个独立的模块，包含：

1. **描述文件（SKILL.md）**：告诉 AI 这个技能是干什么的、什么时候用、怎么用
2. **工具脚本**：封装好的 Python/Bash 脚本，实现具体功能
3. **使用文档**：给用户看的安装和使用说明

这样一来，AI 就不再是"一个只会聊天的模型"，而是一个**可以不断扩展能力的智能代理**。

---

## 以 Video Skills 为例：一步步教你创建自己的 Skill

接下来，我们以 **manim-video-teacher** 这个 Skill 为例，手把手教你如何从零构建一个视频制作领域的专属 Skill。

### 第一步：确定 Skill 的定位和目标

在动手写代码之前，先想清楚这个 Skill 要解决什么问题。

对于 manim-video-teacher，我们的目标很明确：

> **帮助用户用中文提示词，自动生成完整的 Manim 教学视频。**

具体来说，用户只需要给出一个需求（比如"做一个 60 秒讲解二次函数顶点式的视频"），Skill 就要能产出：

- 📝 教学脚本（引入→定义→机制→示例→总结）
- 🎬 分镜设计（每个镜头的画面目标和动画要点）
- 💻 可直接运行的 Manim 代码
- 🔊 旁白音频（用 TTS 合成）
- 📢 带字幕的最终 MP4 视频
- 🖼️ 封面图

**经验之谈**：Skill 的定位要足够聚焦，不要试图做一个"万能工具"。专注一个场景，把它做到极致，比做一个大而全的东西更实用。

---

### 第二步：设计 Skill 的目录结构

一个规范的 Skill 通常长这样：

```
manim-video-teacher/
├── SKILL.md              # 核心描述文件（AI 用的说明书）
├── README.md             # 用户使用文档
└── scripts/              # 工具脚本集合
    ├── tts_generate.py   # 旁白生成
    ├── concat_audio.py   # 音频拼接
    ├── mux_av.py         # 音视频合成
    ├── make_cover.py     # 封面生成
    └── pipeline.py       # 一键执行全部流程
```

**为什么这样设计？**

- `SKILL.md` 是给 AI 看的，描述这个 Skill 的能力边界和使用方式
- `scripts/` 目录放可执行脚本，AI 可以调用它们完成具体任务
- 用户只需要看 README.md 就能上手

---

### 第三步：编写核心描述文件 SKILL.md

这是整个 Skill 最关键的文件。它决定了 AI 能否正确理解并使用这个 Skill。

一个好的 SKILL.md 应该包含以下几部分：

#### 1. Skill 元信息

```yaml
---
name: manim-video-teacher
description: 专注于使用 Manim 生成动画教学视频的完整流程与专业建议...
---
```

#### 2. 快速目标

用一两句话说明这个 Skill 能帮用户达成什么。

```markdown
## 快速目标

用用户的中文提示语，产出可执行的 Manim 方案：脚本/分镜/代码/渲染命令...
```

#### 3. 工作流程

告诉 AI 该按什么步骤执行任务：

```markdown
## 工作流程

1. 把用户提示语改写成教学脚本（结构化段落）
2. 为每段脚本给出分镜（画面目标、关键动画、旁白要点）
3. 设计视觉语言（颜色/字号/对齐/高亮规则）
4. 生成 Manim 代码（Scene 结构清晰、变量命名明确）
5. 给出渲染命令与参数建议
6. 用脚本生成旁白音频，并同步产出字幕
7. 用脚本合成视频与音频，必要时嵌入字幕
8. 用脚本生成单独封面图
9. 简要解释关键教学设计选择
```

#### 4. 模板和规范

为了让 AI 输出质量稳定的内容，给出模板是很好的做法：

```markdown
## 教学脚本模板

用短句、可口播的节奏：

1. 引入：问题/现象/动机（1-2 句）
2. 定义：核心概念（1-3 句）
3. 机制：关键步骤或推导（分 2-5 步）
4. 示例：用 1 个具体例子验证
5. 总结：一句话回扣重点
```

#### 5. 代码约定

如果涉及编程，给出代码风格规范：

```markdown
## Manim 代码约定

- 使用 `Scene` 或 `MovingCameraScene`，保持单场景可复用
- 把复杂动画拆成小函数（如 `show_definition()`）
- 用 `VGroup` 组织元素，统一对齐与间距
- 用 `FadeIn/FadeOut/Transform` 传达逻辑过渡
```

#### 6. 脚本调用方式

告诉 AI 如何调用封装好的脚本：

```markdown
可用脚本：

- `scripts/tts_generate.py`：把旁白文本转为音频，可用 `--subs-output subs.srt` 输出字幕
- `scripts/concat_audio.py`：合并多段旁白
- `scripts/mux_av.py`：合成视频与音频，可用 `--subs subs.srt` 嵌入字幕
- `scripts/make_cover.py`：生成 16:9 封面图
- `scripts/pipeline.py`：一键执行语音、合成与封面生成

示例：

```bash
python scripts/pipeline.py \
  --video manim.mp4 \
  --tts-file narration.txt \
  --subs-output subs.srt \
  --cover-title "二次函数顶点式" \
  --cover-subtitle "60 秒掌握" \
  --output output.mp4
```

**核心原则**：SKILL.md 写得越详细、越具体，AI 的输出就越符合预期。它本质上是给 AI 的一份"专业培训手册"。

---

### 第四步：实现工具脚本

Skill 的价值最终要靠脚本落地。对于视频制作场景，我们需要以下几个核心脚本：

#### 1. 旁白生成（tts_generate.py）

用 `edge-tts` 把文字转成语音，同时生成 SRT 字幕：

```python
import argparse
import subprocess
from pathlib import Path

def generate_tts(text_file: Path, output_audio: Path, subs_output: Path = None):
    """调用 edge-tts 生成旁白和字幕"""
    # 读取文本
    text = text_file.read_text(encoding="utf-8")
    
    # 调用 TTS（示例用 edge-tts）
    cmd = [
        "edge-tts",
        "--voice", "zh-CN-XiaoxiaoNeural",
        "--text", text,
        "--write-media", str(output_audio)
    ]
    
    if subs_output:
        cmd.extend(["--write-subtitles", str(subs_output)])
    
    subprocess.run(cmd, check=True)
```

#### 2. 音视频合成（mux_av.py）

用 ffmpeg 把视频、音频、字幕合并成最终成品：

```python
def mux_video(video_path, audio_path, output_path, subs_path=None):
    """合成视频与音频，可选嵌入字幕"""
    cmd = ["ffmpeg", "-y", "-i", str(video_path), "-i", str(audio_path)]
    
    if subs_path:
        cmd.extend([
            "-i", str(subs_path),
            "-map", "0:v",
            "-map", "1:a",
            "-map", "2:s",
            "-c:v", "copy",
            "-c:a", "aac",
            "-c:s", "mov_text"
        ])
    else:
        cmd.extend(["-c:v", "copy", "-c:a", "aac"])
    
    cmd.extend([str(output_path)])
    subprocess.run(cmd, check=True)
```

#### 3. 封面生成（make_cover.py）

用 Pillow 生成符合 16:9 比例的封面图：

```python
from PIL import Image, ImageDraw, ImageFont

def create_cover(title: str, subtitle: str, output_path: Path):
    """生成 1920x1080 的封面图"""
    img = Image.new("RGB", (1920, 1080), color="#1a1a2e")
    draw = ImageDraw.Draw(img)
    
    # 绘制标题和副标题
    # ...（具体实现省略）
    
    img.save(output_path)
```

#### 4. 一键 pipeline（pipeline.py）

这是最重要的脚本——它把上面所有步骤串联起来，用户只需要一个命令就能跑完整个流程：

```python
def run_pipeline(video, tts_file, cover_title, cover_subtitle, output):
    """一键执行：TTS → 合成 → 封面"""
    # Step 1: 生成旁白和字幕
    audio_path = Path("output/audio.mp3")
    subs_path = Path("output/subs.srt")
    generate_tts(Path(tts_file), audio_path, subs_path)
    
    # Step 2: 生成封面
    cover_path = Path("output/cover.png")
    create_cover(cover_title, cover_subtitle, cover_path)
    
    # Step 3: 合成最终视频
    mux_video(Path(video), audio_path, Path(output), subs_path)
```

**封装技巧**：每个脚本只做一件事，但提供灵活的参数。这样既可以单独使用，也可以被 pipeline 统一调度。

---

### 第五步：制作安装脚本

为了让用户能方便地安装你的 Skill，写一个自动化安装脚本是标准做法：

```bash
#!/usr/bin/env bash
# scripts/install_skill.sh

# 自动检测目标目录（支持 CODEX_HOME、环境变量、本地目录等）
# 复制 Skill 到目标位置
# 打印安装成功信息

# 用法示例：
# ./scripts/install_skill.sh --dest ~/codex/skills
# ./scripts/install_skill.sh --list  # 预览安装位置
```

这个脚本会：

1. 自动识别用户的技能目录（优先使用 `CODEX_HOME`，fallback 到 `~/.codex/skills`）
2. 支持 `--force` 强制覆盖安装
3. 支持 `--list` 预览安装位置（安装前先确认）

---

### 第六步：写好 README.md

README.md 是给**人类用户**看的，要做到：

- 快速上手：给一个最简单的例子
- 依赖说明：列出 Python 版本、ffmpeg 等要求
- 脚本说明：每个脚本是干什么的、怎么用
- 示例演示：给一个完整的运行示例

```markdown
# Manim Video Teacher Skill

一个帮你用 Manim 生成教学视频的 Skill。

## 快速开始

1. 安装依赖：`pip install -r requirements.txt`
2. 运行 pipeline：

```bash
python manim-video-teacher/scripts/pipeline.py \
  --video media/videos/your_scene/1080p60/YourScene.mp4 \
  --tts-file examples/narration.txt \
  --cover-title "二次函数顶点式" \
  --cover-subtitle "60 秒掌握" \
  --output output.mp4
```

---

## 效果演示

当你完成了这个 Skill 之后，用户只需要这样一段提示词：

> "用 Manim 做一个 60 秒讲解二次函数顶点式的视频，画面简洁，讲解节奏适中。"

AI 就能自动：

1. 生成教学脚本（引入→定义→机制→示例→总结）
2. 写出完整的 Manim 代码
3. 渲染出动画视频
4. 用 TTS 生成旁白和字幕
5. 合成最终带字幕的 MP4
6. 生成一张 16:9 封面图

整个过程，用户不需要懂 Manim、不需要会 ffmpeg、不需要写任何代码——**这就是 Skill 的魔力**。

---

## 总结：创建 Skill 的核心要点

| 步骤 | 关键动作 |
|------|----------|
| 1. 定位 | 聚焦一个具体场景，不要贪大求全 |
| 2. 结构 | 规范目录结构（SKILL.md + scripts/） |
| 3. 描述 | SKILL.md 写得足够详细、具体 |
| 4. 脚本 | 每个脚本做一件事，但可组合使用 |
| 5. 安装 | 提供自动化安装脚本 |
| 6. 文档 | README.md 让用户能快速上手 |

---

## 写在最后

Manim 让我们看到了"用代码做动画"的无限可能。而 Skill 机制，则把这种可能性扩展到了**用自然语言指挥 AI 完成一整套复杂流程**。

> 如果你也有某个领域的专业技能想要"AI 化"，不妨试试把它封装成一个 Skill。

也许下一个爆款，就是你做的。

**Happy Coding! 🎬**

---

*最后，欢迎大佬一起来优化：github.com/lispking/video-skills*

不知道大家有没有发现，最近有一个叫 Manim 的动画库特别火？

它是 3Blue1Brown（那个用惊艳动画讲数学的 YouTube 频道）的创始人 Grant Sanderson 用 Python 写的数学动画引擎。

短短几年，它已经成为技术圈和数学教育领域的"网红工具"——用代码就能做出那种丝滑流畅、知识点一目了然的教学动画。

但问题也随之而来：Manim 虽然强大，完整的视频制作流程却相当繁琐。

从写场景脚本 → 渲染视频 → 配音旁白 → 合成音频 → 添加字幕 → 生成封面... 这一套下来，光是命令行就要敲好几遍，更别说还要调参、调节奏。

当然可以。这就是 Skill 的用武之地。

什么是 Skill？

简单说，Skill 是 AI 能力的插件化封装。

想象一下：你的 AI 助手本身是一个通用大脑，但它可以通过加载不同的 Skill 来获得特定领域的"专业技能"。比如：

一个"视频制作 Skill"让它学会用 Manim 做动画
一个"数据分析 Skill"让它精通 Python/Pandas
一个"写作助手 Skill"让它帮你润色文案

每个 Skill 都是一个独立的模块，包含：

描述文件（SKILL.md）：告诉 AI 这个技能是干什么的、什么时候用、怎么用
工具脚本：封装好的 Python/Bash 脚本，实现具体功能
使用文档：给用户看的安装和使用说明

这样一来，AI 就不再是"一个只会聊天的模型"，而是一个可以不断扩展能力的智能代理。

以 Video Skills 为例：一步步教你创建自己的 Skill

接下来，我们以 manim-video-teacher 这个 Skill 为例，手把手教你如何从零构建一个视频制作领域的专属 Skill。

第一步：确定 Skill 的定位和目标

在动手写代码之前，先想清楚这个 Skill 要解决什么问题。

对于 manim-video-teacher，我们的目标很明确：

帮助用户用中文提示词，自动生成完整的 Manim 教学视频。

具体来说，用户只需要给出一个需求（比如"做一个 60 秒讲解二次函数顶点式的视频"），Skill 就要能产出：

📝 教学脚本（引入→定义→机制→示例→总结）
🎬 分镜设计（每个镜头的画面目标和动画要点）
💻 可直接运行的 Manim 代码
🔊 旁白音频（用 TTS 合成）
📢 带字幕的最终 MP4 视频
🖼️ 封面图

经验之谈：Skill 的定位要足够聚焦，不要试图做一个"万能工具"。专注一个场景，把它做到极致，比做一个大而全的东西更实用。

第二步：设计 Skill 的目录结构

一个规范的 Skill 通常长这样：

manim-video-teacher/
├── SKILL.md              # 核心描述文件（AI 用的说明书）
├── README.md             # 用户使用文档
└── scripts/              # 工具脚本集合
    ├── tts_generate.py   # 旁白生成
    ├── concat_audio.py   # 音频拼接
    ├── mux_av.py         # 音视频合成
    ├── make_cover.py     # 封面生成
    └── pipeline.py       # 一键执行全部流程

为什么这样设计？

SKILL.md 是给 AI 看的，描述这个 Skill 的能力边界和使用方式
scripts/ 目录放可执行脚本，AI 可以调用它们完成具体任务
用户只需要看 README.md 就能上手

第三步：编写核心描述文件 SKILL.md

这是整个 Skill 最关键的文件。它决定了 AI 能否正确理解并使用这个 Skill。

一个好的 SKILL.md 应该包含以下几部分：

1. Skill 元信息

---
name: manim-video-teacher
description: 专注于使用 Manim 生成动画教学视频的完整流程与专业建议...
---

2. 快速目标

用一两句话说明这个 Skill 能帮用户达成什么。

## 快速目标

用用户的中文提示语，产出可执行的 Manim 方案：脚本/分镜/代码/渲染命令...

3. 工作流程

告诉 AI 该按什么步骤执行任务：

## 工作流程

1. 把用户提示语改写成教学脚本（结构化段落）
2. 为每段脚本给出分镜（画面目标、关键动画、旁白要点）
3. 设计视觉语言（颜色/字号/对齐/高亮规则）
4. 生成 Manim 代码（Scene 结构清晰、变量命名明确）
5. 给出渲染命令与参数建议
6. 用脚本生成旁白音频，并同步产出字幕
7. 用脚本合成视频与音频，必要时嵌入字幕
8. 用脚本生成单独封面图
9. 简要解释关键教学设计选择

4. 模板和规范

为了让 AI 输出质量稳定的内容，给出模板是很好的做法：

## 教学脚本模板

用短句、可口播的节奏：

1. 引入：问题/现象/动机（1-2 句）
2. 定义：核心概念（1-3 句）
3. 机制：关键步骤或推导（分 2-5 步）
4. 示例：用 1 个具体例子验证
5. 总结：一句话回扣重点

5. 代码约定

如果涉及编程，给出代码风格规范：

## Manim 代码约定

- 使用 `Scene` 或 `MovingCameraScene`，保持单场景可复用
- 把复杂动画拆成小函数（如 `show_definition()`）
- 用 `VGroup` 组织元素，统一对齐与间距
- 用 `FadeIn/FadeOut/Transform` 传达逻辑过渡

6. 脚本调用方式

告诉 AI 如何调用封装好的脚本：

可用脚本：

- `scripts/tts_generate.py`：把旁白文本转为音频，可用 `--subs-output subs.srt` 输出字幕
- `scripts/concat_audio.py`：合并多段旁白
- `scripts/mux_av.py`：合成视频与音频，可用 `--subs subs.srt` 嵌入字幕
- `scripts/make_cover.py`：生成 16:9 封面图
- `scripts/pipeline.py`：一键执行语音、合成与封面生成

示例：

```bash
python scripts/pipeline.py \
  --video manim.mp4 \
  --tts-file narration.txt \
  --subs-output subs.srt \
  --cover-title "二次函数顶点式" \
  --cover-subtitle "60 秒掌握" \
  --output output.mp4

核心原则：SKILL.md 写得越详细、越具体，AI 的输出就越符合预期。它本质上是给 AI 的一份"专业培训手册"。

第四步：实现工具脚本

Skill 的价值最终要靠脚本落地。对于视频制作场景，我们需要以下几个核心脚本：

1. 旁白生成（tts_generate.py）

用 edge-tts 把文字转成语音，同时生成 SRT 字幕：

import argparse
import subprocess
from pathlib import Path

def generate_tts(text_file: Path, output_audio: Path, subs_output: Path = None):
    """调用 edge-tts 生成旁白和字幕"""
    # 读取文本
    text = text_file.read_text(encoding="utf-8")

    # 调用 TTS（示例用 edge-tts）
    cmd = [
        "edge-tts",
        "--voice", "zh-CN-XiaoxiaoNeural",
        "--text", text,
        "--write-media", str(output_audio)
    ]

    if subs_output:
        cmd.extend(["--write-subtitles", str(subs_output)])

    subprocess.run(cmd, check=True)

2. 音视频合成（mux_av.py）

用 ffmpeg 把视频、音频、字幕合并成最终成品：

def mux_video(video_path, audio_path, output_path, subs_path=None):
    """合成视频与音频，可选嵌入字幕"""
    cmd = ["ffmpeg", "-y", "-i", str(video_path), "-i", str(audio_path)]

    if subs_path:
        cmd.extend([
            "-i", str(subs_path),
            "-map", "0:v",
            "-map", "1:a",
            "-map", "2:s",
            "-c:v", "copy",
            "-c:a", "aac",
            "-c:s", "mov_text"
        ])
    else:
        cmd.extend(["-c:v", "copy", "-c:a", "aac"])

    cmd.extend([str(output_path)])
    subprocess.run(cmd, check=True)

3. 封面生成（make_cover.py）

用 Pillow 生成符合 16:9 比例的封面图：

from PIL import Image, ImageDraw, ImageFont

def create_cover(title: str, subtitle: str, output_path: Path):
    """生成 1920x1080 的封面图"""
    img = Image.new("RGB", (1920, 1080), color="#1a1a2e")
    draw = ImageDraw.Draw(img)

    # 绘制标题和副标题
    # ...（具体实现省略）

    img.save(output_path)

4. 一键 pipeline（pipeline.py）

这是最重要的脚本——它把上面所有步骤串联起来，用户只需要一个命令就能跑完整个流程：

def run_pipeline(video, tts_file, cover_title, cover_subtitle, output):
    """一键执行：TTS → 合成 → 封面"""
    # Step 1: 生成旁白和字幕
    audio_path = Path("output/audio.mp3")
    subs_path = Path("output/subs.srt")
    generate_tts(Path(tts_file), audio_path, subs_path)

    # Step 2: 生成封面
    cover_path = Path("output/cover.png")
    create_cover(cover_title, cover_subtitle, cover_path)

    # Step 3: 合成最终视频
    mux_video(Path(video), audio_path, Path(output), subs_path)

封装技巧：每个脚本只做一件事，但提供灵活的参数。这样既可以单独使用，也可以被 pipeline 统一调度。

第五步：制作安装脚本

为了让用户能方便地安装你的 Skill，写一个自动化安装脚本是标准做法：

#!/usr/bin/env bash
# scripts/install_skill.sh

# 自动检测目标目录（支持 CODEX_HOME、环境变量、本地目录等）
# 复制 Skill 到目标位置
# 打印安装成功信息

# 用法示例：
# ./scripts/install_skill.sh --dest ~/codex/skills
# ./scripts/install_skill.sh --list  # 预览安装位置

这个脚本会：

自动识别用户的技能目录（优先使用 CODEX_HOME，fallback 到 ~/.codex/skills）
支持 --force 强制覆盖安装
支持 --list 预览安装位置（安装前先确认）

第六步：写好 README.md

README.md 是给人类用户看的，要做到：

快速上手：给一个最简单的例子
依赖说明：列出 Python 版本、ffmpeg 等要求
脚本说明：每个脚本是干什么的、怎么用
示例演示：给一个完整的运行示例

# Manim Video Teacher Skill

一个帮你用 Manim 生成教学视频的 Skill。

## 快速开始

1. 安装依赖：`pip install -r requirements.txt`
2. 运行 pipeline：

```bash
python manim-video-teacher/scripts/pipeline.py \
  --video media/videos/your_scene/1080p60/YourScene.mp4 \
  --tts-file examples/narration.txt \
  --cover-title "二次函数顶点式" \
  --cover-subtitle "60 秒掌握" \
  --output output.mp4

效果演示