企业官网建设流程全解析

做直播带货和知识分享类视频，最耗时间的往往不是“拍摄”本身，而是“准备一套能持续生产的稿子、画面和剪辑流程”。很多团队一个月做十几条视频，结果每条都要人工写文案、找素材、配音、加字幕，做完之后下一批又要重复同样的循环。如果能用 Agent 工具把选题、脚本、分镜、生成、合成这条链路自动化起来，再配合 MinimaxH3 这类长视频生成模型，就能把单条视频的生产时间从“按天计算”压缩到“按分钟计算”。

本文将围绕一套完整方案展开：我会先解释 Agent 工具、skills 技能包、MinimaxH3 长视频生成模型三者分别是什么，再带着你完成一个可以落地的自动化视频生产流水线。内容包括自定义 skills 的编写规范、Agent 编排脚本的实现、视频生成模型接入思路、合成与质检脚本，以及大量排错经验。适合正在做直播带货内容团队、短视频运营、知识付费项目的读者，也适合想学习 Agent 工程化应用的开发者。

1. 方案背景：视频生产的瓶颈在哪里

1.1 传统视频生产流程为什么慢

直播带货和知识分享类视频，表面上只需要“一个人对着镜头讲”，实际上背后是一整套流程。我先按大多数团队的现状拆一下：

1. 选题：运营需要从商品库、用户评论、行业热点里找话题。
2. 写稿：文案根据商品卖点、用户痛点、竞品话术写口播稿。
3. 设计分镜：把口播稿拆成一句一句的镜头脚本，标注画面、字幕、时长。
4. 准备素材：拍摄或找素材，大量团队卡在这一步。
5. 录制：真人出镜，或者用 TTS 配音。
6. 剪辑合成：加字幕、背景音乐、转场、切片。
7. 审核发布：检查内容是否合规、卖点是否准确。

这里面每一步都是耗时点。写稿要 1 小时，分镜要 0.5 小时，准备画面素材可能要半天，剪辑又要 2 小时。如果做的是“日更型”账号，整个团队会被耗死在重复劳动里。

1.2 自动化改造的核心思路

这套方案的核心思路，是让 AI 承担“内容生产”的大部分工作，人类只负责“定义规则、审核结果”。

我们可以把上面的 7 步简化成一条数据流水线：

• 输入：一条商品信息、一个选题方向、一段产品卖点描述。
• 中间产物：口播脚本、分镜列表、每个分镜对应的画面提示词。
• 输出：若干个视频片段，最终合成一条完整的竖屏或横屏视频。

在这个流水线里，Agent 工具负责“理解并执行任务”，skills 技能包负责“沉淀某一步的具体操作方法”，MinimaxH3 模型负责“把文字画面提示词变成真正的视频片段”。三者组合起来，就是一条自动化的视频生产线。

1.3 三个核心概念先搞清楚

• Agent 工具：这里指的是能够自主规划和调用工具的 AI 编程/执行环境，比如 Claude Code、Codex 这类命令行 Agent。它们能读文件、执行命令、调用 API，适合作为流水线的“调度器”。
• skills：可以理解为一套“技能包”。每个 skill 是一个包含 SKILL.md 说明文件和辅助脚本的目录，Agent 在需要时会读取它并按照里面的操作步骤执行。相比普通 prompt，skills 把“怎么做某个任务”沉淀成了可复用、可版本管理的资产。
• MinimaxH3 模型：这是一类面向视频生成的 AI 模型，专门用来根据文字提示词生成视频画面。市面上已经有类似视频生成能力，本文以 MinimaxH3 作为长视频生成模型的代表来演示接入思路。具体接口、参数、版本以你使用的官方文档为准。

结合这几个概念，本文要做的就是：用 Agent 工具作为总指挥，把“选题、写稿、分镜、生成、合成”分别封装成 skills，最后调用 MinimaxH3 模型生成视频片段，自动拼成一条可发布的长视频。

2. 环境准备与版本说明

2.1 运行环境清单

在开始之前，先确认你的开发环境。本文示例以 macOS / Linux 为主，Windows 用户请使用 PowerShell 或 WSL 运行命令。

版本需要根据你的项目实际情况调整。比如你使用的 Agent 工具版本不同，skills 目录的加载路径、命令参数可能会略有差异，本文重点演示配置思路和运行逻辑，遇到不兼容时优先查官方文档。

2.2 安装 Agent 工具并确认 skills 机制

本文的编排依赖 Agent 工具，且会用到 skills 技能包机制。下面以 Claude Code 为例进行说明，其他 Agent 工具的 skills 加载方式请参考对应官方文档。

安装完成后，在终端里确认版本：

claude --version

接着创建 skills 目录。Claude Code 支持项目级和用户级 skills，用户级目录通常是：

mkdir -p ~/.claude/skills

项目级目录则建议放到项目根目录下的.claude/skills中：

mkdir -p .claude/skills

你可以在两个目录下分别放置不同的 skills。用户级 skills 可以被多个项目共用，适合放通用能力，比如“生成分镜脚本”“检查视频文件完整性”；项目级 skills 适合放业务相关能力，比如“根据某个商品库生成带货口播”。

2.3 视频生成模型账号与密钥准备

使用 MinimaxH3 这类视频生成模型，通常需要：

1. 注册官方平台账号并完成实名认证。
2. 创建一个 API Key，并保存好密钥。
3. 确认你的账户有足够的调用额度。
4. 阅读官方 API 文档，确认接口地址、请求格式、并发限制。

这里要特别提醒一点：像 MinimaxH3 这样的视频生成模型，一般通过云端 API 提供能力，调用后需要等待几秒到几分钟不等。不要尝试从非官方渠道下载所谓“模型包”，这既不稳定也有安全风险。

准备好 API Key 后，建议先放到环境变量里，不要在代码中硬编码：

export VIDEO_API_KEY="你的密钥" export VIDEO_API_ENDPOINT="https://api.你的服务商.com"

在命令行临时设置环境变量是可以的，生产环境建议使用.env文件配合 python-dotenv 管理，并确保.env文件被.gitignore忽略。

3. skills 机制详解：从 prompt 到可复用技能包

3.1 skills 是什么

如果你是第一次接触 skills，可以把它理解成“给 Agent 看的操作手册”。普通 prompt 是一次性的，你告诉 Agent“帮我写一个口播脚本”，它根据上下文自由发挥；但 skills 不一样，它把一个任务的标准流程、输入格式、输出格式、脚本位置都写清楚，Agent 一旦识别到任务匹配，就会读取 skill 目录中的 SKILL.md，再按里面的步骤执行。

一个典型 skill 目录长这样：

skills/ └── video_script_writer/ ├── SKILL.md ├── scripts/ │ ├── generate_script.py │ └── requirements.txt └── assets/ └── prompt_templates.md

• SKILL.md：核心说明文件，包含技能名称、描述、使用步骤、参数说明。
• scripts/：辅助脚本，负责真正执行任务。
• assets/：存放模板、参考资料。

Agent 在工作时，会扫描 skills 目录，读取每个 SKILL.md 的 description，判断是否与当前任务匹配。一旦匹配，就会使用该 skill。

3.2 SKILL.md 怎么编写

SKILL.md 的文件头通常是 YAML 格式的 frontmatter，包含 name 和 description 两个核心字段。description 非常关键，它决定了 Agent 会不会找到这个技能，所以要写得具体，最好包含触发场景。

--- name: video_script_writer description: 根据商品信息和受众画像生成直播带货口播脚本。适合在需要准备视频文案、直播讲稿、商品介绍内容时使用。 ---

正文部分建议包含：

1. 这个 skill 能做什么。
2. 输入需要哪些字段。
3. 输出是什么格式。
4. 具体执行步骤。
5. 一个最小示例。

这样设计的好处是，Ag ent 不需要“猜”怎么做，而是有一个明确的 SOP 可以参考。即使未来替换 Agent 工具，只要 SKILL.md 写得好，技能包本身是可以迁移复用的。

3.3 skills 与 MCP 工具的关系

MCP（Model Context Protocol）是一种标准化的工具连接协议，解决了“Agent 如何调用外部系统”的问题。skills 和 MCP 工具并不是同一个层次的东西。

简单来说：

• MCP 工具更像是“外设”，提供数据或操作能力，比如查询商品系统、读取数据库、生成图片。
• skills 更像是“操作规程”，告诉 Agent 怎么完成一个复杂任务。
• skill 的内部实现里，可以调用 MCP 工具来获取数据。

举个例子，一个“生成带货视频分镜”的 skill，可能需要先通过 MCP 工具读取商品信息，再用本地脚本生成分镜 JSON。这样 skill 就包了一层业务逻辑，MCP 只负责底层数据连接。

3.4 最小可运行 skill 示例

先看一个最简单的技能包，它做的事情是：输入一个商品名称，输出一个 60 秒口播脚本模板。

目录结构：

~/.claude/skills/video_script_writer/ ├── SKILL.md └── scripts/ └── generate_script.py

SKILL.md 内容：

--- name: video_script_writer description: 输入商品名称、卖点和目标用户，生成60秒以内的直播带货口播脚本。适合在准备带货视频文案时使用。 --- # 视频口播脚本生成器 ## 功能 根据商品信息生成结构化的口播脚本，包含开场、痛点、卖点、转化、结尾五个部分。 ## 输入 - product_name: 商品名称 - selling_points: 卖点列表 - target_audience: 目标用户描述 ## 输出 - output/script.md：完整口播脚本 ## 执行步骤 1. 读取输入参数。 2. 运行 `python scripts/generate_script.py --config <config.json>`。 3. 将生成的 script.md 路径返回给用户。

generate_script.py 内容：

#!/usr/bin/env python3 import argparse import json import os import sys from datetime import datetime def load_config(config_path: str) -> dict: with open(config_path, "r", encoding="utf-8") as f: return json.load(f) def generate_script(config: dict) -> str: product_name = config.get("product_name", "示例商品") selling_points = config.get("selling_points", []) audience = config.get("target_audience", "普通消费者") points_text = "\n".join([f"- {point}" for point in selling_points]) lines = [ f"# {product_name} 口播脚本", "", f"适用人群：{audience}", f"生成时间：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}", "", "## 一、开场（0-5秒）", f"各位朋友，今天给大家带来一个『{product_name}』。", "", "## 二、痛点（5-15秒）", "你是不是也遇到过类似的问题？", "", "## 三、卖点（15-40秒）", points_text, "", "## 四、转化（40-50秒）", "今天下单，还有限时优惠。", "", "## 五、结尾（50-60秒）", "点击下方链接，抓紧入手！", ] return "\n".join(lines) def main(): parser = argparse.ArgumentParser() parser.add_argument("--config", required=True, help="配置文件路径") args = parser.parse_args() config = load_config(args.config) script = generate_script(config) output_dir = "output" os.makedirs(output_dir, exist_ok=True) output_path = os.path.join(output_dir, "script.md") with open(output_path, "w", encoding="utf-8") as f: f.write(script) print(f"[video_script_writer] 脚本已生成: {output_path}") if __name__ == "__main__": main()

这是一个最小示例。它不依赖第三方库，任何 Python 3.10 环境都能直接运行。后面实战案例中，我会在这个基础上扩展出更完整的技能包。

4. 完整实战：Agent + skills + MinimaxH3 自动生成带货知识视频

现在我们进入核心实战。目标是在本地搭建一条“视频生产流水线”，输入一个商品配置，最终得到一条完整的长视频文件。

4.1 流水线设计与数据流

先把流程拆成 5 个阶段，每个阶段对应一个 skill：

数据流可以用一句话描述：上一个 skill 的输出，经过解析后成为下一个 skill 的输入。所有中间产物都用 JSON 落盘到output/目录，方便排查和回溯。

4.2 创建项目结构

在任意目录创建项目文件夹：

mkdir -p mini-video-pipeline/.claude/skills cd mini-video-pipeline mkdir -p output

最终目录结构如下：

mini-video-pipeline/ ├── .claude/ │ └── skills/ │ ├── topic_researcher/ │ ├── video_script_writer/ │ ├── storyboard_designer/ │ ├── video_generator/ │ └── video_composer/ ├── config.json ├── pipeline.py └── output/

4.3 编写选题与脚本 Skill

先写第一个技能：topic_researcher。它的作用是输入商品关键词，输出推荐选题。为了演示方便，这里用本地规则生成候选选题，实际项目中你可以让 Agent 调用大模型或外部数据接口。

~/.claude/skills/topic_researcher/SKILL.md：

--- name: topic_researcher description: 根据商品关键词和品类分析潜在选题方向。适合直播带货、知识分享视频开始前的选题调研。 --- # 选题调研 ## 输入 - keyword: 商品关键词 - category: 品类 ## 输出 - output/topics.json：候选选题列表

~/.claude/skills/topic_researcher/scripts/research.py：

#!/usr/bin/env python3 import argparse import json import os import sys from datetime import datetime def build_topic_pool(keyword: str, category: str) -> list: return [ {"title": f"{keyword}到底怎么选？一看就懂的选购指南", "type": "选购"}, {"title": f"用了3个月{keyword}，说说真实体验", "type": "体验"}, {"title": f"直播间都在推的{keyword}，真的值得买吗？", "type": "测评"}, {"title": f"3个关于{keyword}的认知误区，你中招了吗？", "type": "误区"}, ] def main(): parser = argparse.ArgumentParser() parser.add_argument("--config", required=True) args = parser.parse_args() with open(args.config, "r", encoding="utf-8") as f: config = json.load(f) keyword = config.get("keyword", "示例商品") category = config.get("category", "百货") topics = build_topic_pool(keyword, category) output_dir = "output" os.makedirs(output_dir, exist_ok=True) output_path = os.path.join(output_dir, "topics.json") with open(output_path, "w", encoding="utf-8") as f: json.dump({"topics": topics, "generated_at": datetime.now().isoformat()}, f, ensure_ascii=False, indent=2) print(f"[topic_researcher] 已生成选题: {output_path}") for t in topics: print(f" - {t['title']}") if __name__ == "__main__": main()

接下来是脚本撰写技能 video_script_writer。这个技能在上文最小示例的基础上做增强：支持从 topics.json 中读取选题，把选题标题作为脚本主题，并且预留了大模型调用接口。

~/.claude/skills/video_script_writer/SKILL.md：

--- name: video_script_writer description: 根据商品信息和选题标题生成直播带货知识分享口播脚本。适合在需要准备视频文案、直播讲稿、商品介绍内容时使用。 --- # 视频口播脚本生成器 ## 功能 根据商品信息和选题生成结构化口播脚本，包含开场、痛点、知识分享、卖点、转化、结尾。 ## 输入 - topic: 选题标题 - product_name: 商品名称 - selling_points: 卖点列表 - target_audience: 目标用户描述 ## 输出 - output/script.md：完整口播脚本 ## 执行步骤 1. 读取输入参数。 2. 运行 `python scripts/generate_script.py --config <config_json>`。 3. 将生成的 script.md 路径返回给用户。

~/.claude/skills/video_script_writer/scripts/generate_script.py：

#!/usr/bin/env python3 import argparse import json import os import sys from datetime import datetime def generate_script(config: dict) -> str: topic = config.get("topic", "如何选购优质商品") product_name = config.get("product_name", "示例商品") selling_points = config.get("selling_points", ["卖点1", "卖点2"]) audience = config.get("target_audience", "普通消费者") points_text = "\n".join([f"{i+1}. {point}" for i, point in enumerate(selling_points)]) lines = [ f"# {topic}", "", f"目标用户：{audience}", f"生成时间：{datetime.now().strftime('%Y-%m-%d %H:%M:%S')}", "", "## 一、开场（0-5秒）", "大家好，欢迎来到直播间。今天分享一个很实用的话题：" + topic + "。", "", "## 二、痛点（5-15秒）", "很多朋友在选购时都很纠结，担心买贵、买错、买完后悔。", "", "## 三、知识分享（15-40秒）", "其实只要抓住3个关键点，就能少走很多弯路。", "", points_text, "", "## 四、产品引入（40-50秒）", f"我手里这款『{product_name}』，就正好满足这些条件。", "", "## 五、转化与结尾（50-60秒）", "如果觉得有用，点个关注，更多选购技巧持续分享。", ] return "\n".join(lines) def main(): parser = argparse.ArgumentParser() parser.add_argument("--config", required=True) args = parser.parse_args() with open(args.config, "r", encoding="utf-8") as f: config = json.load(f) script = generate_script(config) output_dir = "output" os.makedirs(output_dir, exist_ok=True) output_path = os.path.join(output_dir, "script.md") with open(output_path, "w", encoding="utf-8") as f: f.write(script) print(f"[video_script_writer] 脚本已生成: {output_path}") if __name__ == "__main__": main()

4.4 编写分镜与视频生成 Skill

分镜设计 stage 的作用，是把口播脚本拆成一句一句的镜头单位，并为每个镜头生成一个视频画面提示词。

~/.claude/skills/storyboard_designer/SKILL.md：

--- name: storyboard_designer description: 将口播脚本拆分为分镜列表，并为每个分镜生成视频画面提示词。适合在视频生成前准备分镜脚本时使用。 --- # 分镜设计 ## 功能 读取口播脚本，按段落拆分成镜头单位，输出分镜 JSON。 ## 输出 - output/storyboard.json：分镜列表

~/.claude/skills/storyboard_designer/scripts/build_storyboard.py：

#!/usr/bin/env python3 import argparse import json import os import sys import re def split_script(script_path: str) -> list: with open(script_path, "r", encoding="utf-8") as f: content = f.read() blocks = re.findall(r"##\s+[^ ]+\s+（[^）]+）\s*\n(.*?)(?=\n##|\Z)", content, re.S) if not blocks: lines = [line.strip() for line in content.splitlines() if line.strip()] blocks = lines return blocks def build_prompt_for_block(block: str, index: int) -> str: block = block.strip().replace("\n", " ") return ( f"直播带货视频镜头{index + 1}，画面需要配合口播内容展示相关场景。" f"口播内容：{block[:80]}。" f"风格：专业、明亮、适合短视频平台。" ) def main(): parser = argparse.ArgumentParser() parser.add_argument("--script", required=True) args = parser.parse_args() blocks = split_script(args.script) storyboard = [] for i, block in enumerate(blocks): storyboard.append({ "id": i + 1, "narration": block.strip(), "prompt": build_prompt_for_block(block, i), "duration": 5, }) output_dir = "output" os.makedirs(output_dir, exist_ok=True) output_path = os.path.join(output_dir, "storyboard.json") with open(output_path, "w", encoding="utf-8") as f: json.dump({"shots": storyboard}, f, ensure_ascii=False, indent=2) print(f"[storyboard_designer] 已生成分镜: {output_path}") print(f"共 {len(storyboard)} 个镜头") if __name__ == "__main__": main()

接下来是视频生成技能 video_generator。这个 skill 负责调用 MinimaxH3 模型或任意视频生成模型，为每个分镜生成一个短视频片段。这里的示例代码会给出通用请求结构，但接口路径、鉴权方式、字段名一定要以你使用的官方文档为准，不要直接复制到生产环境。

~/.claude/skills/video_generator/SKILL.md：

--- name: video_generator description: 根据分镜列表调用视频生成模型生成短视频片段。适合在长视频自动化生产中生成画面素材时使用。 --- # 视频片段生成器 ## 功能 读取 storyboard.json，逐条调用视频生成模型接口，生成并保存视频片段。 ## 输入 - storyboard.json：分镜列表 - api_key：模型服务密钥 - endpoint：模型接口地址 ## 输出 - output/clips/：视频片段文件目录

~/.claude/skills/video_generator/scripts/generate_video.py：

#!/usr/bin/env python3 import argparse import json import os import sys import time import urllib.request def generate_single_clip( prompt: str, duration: int, api_key: str, endpoint: str, model_name: str, ) -> str: """ 调用视频生成模型，生成单个视频片段。 示例代码使用通用 JSON 请求结构，具体字段以官方文档为准。 """ request_body = { "model": model_name, "prompt": prompt, "duration_seconds": duration, } req = urllib.request.Request( endpoint, data=json.dumps(request_body).encode("utf-8"), headers={ "Authorization": f"Bearer {api_key}", "Content-Type": "application/json", }, method="POST", ) with urllib.request.urlopen(req, timeout=180) as resp: result = json.loads(resp.read().decode("utf-8")) # 注意：这里假设接口返回里包含视频文件地址，字段名请按官方文档调整 video_url = result.get("video_url") or result.get("data", {}).get("video_url") if not video_url: raise RuntimeError(f"视频生成接口响应中没有找到 video_url，响应内容：{str(result)[:500]}") return video_url def download_video(url: str, save_path: str) -> None: req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"}) with urllib.request.urlopen(req, timeout=180) as resp, open(save_path, "wb") as f: f.write(resp.read()) def main(): parser = argparse.ArgumentParser() parser.add_argument("--storyboard", required=True) parser.add_argument("--api-key", default=os.environ.get("VIDEO_API_KEY", "")) parser.add_argument("--endpoint", default=os.environ.get("VIDEO_API_ENDPOINT", "")) parser.add_argument("--model", default="minimax-h3") args = parser.parse_args() if not args.api_key or not args.endpoint: print("请设置 VIDEO_API_KEY 和 VIDEO_API_ENDPOINT 环境变量") sys.exit(1) with open(args.storyboard, "r", encoding="utf-8") as f: storyboard = json.load(f) shots = storyboard.get("shots", []) output_dir = "output/clips" os.makedirs(output_dir, exist_ok=True) for shot in shots: shot_id = shot["id"] prompt = shot["prompt"] duration = shot.get("duration", 5) save_path = os.path.join(output_dir, f"clip_{shot_id:03d}.mp4") if os.path.exists(save_path) and os.path.getsize(save_path) > 0: print(f"[video_generator] 片段 {shot_id} 已存在，跳过: {save_path}") continue print(f"[video_generator] 正在生成片段 {shot_id}/{len(shots)} ...") try: video_url = generate_single_clip(prompt, duration, args.api_key, args.endpoint, args.model) download_video(video_url, save_path) print(f" 已保存: {save_path}") except Exception as e: print(f" 生成片段 {shot_id} 失败: {e}") print(" 继续下一个片段，稍后可对缺失片段进行重试。") # 控制请求频率，避免超出接口限流 time.sleep(2) print("[video_generator] 视频片段生成完毕") print(f"已生成目录: {os.path.abspath(output_dir)}") if __name__ == "__main__": main()

这里的“生成结果分片重试”“跳过已存在文件”都是有实际工程意义的。视频生成接口是异步且昂贵的，网络抖动会导致个别片段失败，所以脚本必须支持断点续跑。

4.5 编写合成与质检 Skill

生成完视频片段后，最后一步是把所有片段拼接成一条长视频，并做基础质检。这里依赖 ffmpeg，并且校验片段文件是否存在、大小是否合理。

~/.claude/skills/video_composer/SKILL.md：

--- name: video_composer description: 将多个视频片段按顺序拼接为长视频，并检查输出文件完整性。适合在视频生成后的合成阶段使用。 --- # 视频合成器 ## 功能 读取分镜列表，使用 ffmpeg 拼接视频片段，输出最终长视频。 ## 输出 - output/final_video.mp4：拼接后的完整视频

~/.claude/skills/video_composer/scripts/compose.py：

#!/usr/bin/env python3 import argparse import json import os import subprocess import sys def check_clips(shots: list, clips_dir: str) -> tuple: missing = [] existing = [] for shot in shots: clip_path = os.path.join(clips_dir, f"clip_{shot['id']:03d}.mp4") if not os.path.exists(clip_path) or os.path.getsize(clip_path) < 1024: missing.append(shot["id"]) else: existing.append(clip_path) return existing, missing def compose_video(clip_paths: list, output_path: str) -> None: os.makedirs(os.path.dirname(output_path), exist_ok=True) list_file = "output/clips_list.txt" with open(list_file, "w", encoding="utf-8") as f: for clip_path in clip_paths: f.write(f"file '{clip_path}'\n") cmd = [ "ffmpeg", "-y", "-f", "concat", "-safe", "0", "-i", list_file, "-c:v", "libx264", "-c:a", "aac", output_path, ] result = subprocess.run(cmd, capture_output=True, text=True) if result.returncode != 0: print(result.stderr[-2000:]) raise RuntimeError("ffmpeg 合成失败") print(f"[video_composer] 已生成长视频: {output_path}") def main(): parser = argparse.ArgumentParser() parser.add_argument("--storyboard", required=True) parser.add_argument("--clips-dir", default="output/clips") parser.add_argument("--output", default="output/final_video.mp4") args = parser.parse_args() with open(args.storyboard, "r", encoding="utf-8") as f: storyboard = json.load(f) shots = storyboard.get("shots", []) existing, missing = check_clips(shots, args.clips_dir) if missing: print(f"[video_composer] 缺少片段: {missing}") print("请先重新生成缺失片段，再执行合成。") sys.exit(1) compose_video(existing, args.output) final_size = os.path.getsize(args.output) print(f"[video_composer] 最终视频大小: {final_size / 1024 / 1024:.2f} MB") if __name__ == "__main__": main()

4.6 编写 Agent 编排入口

到这里，5 个 skill 已经写完。现在需要一个总入口来把它们串起来。这个入口脚本读取配置，依次调用各个 skill 的脚本，完成整条流水线。

项目根目录下创建config.json：

{ "keyword": "智能保温杯", "category": "家居生活", "product_name": "智能保温杯 Pro", "selling_points": [ "316L 不锈钢内胆，食品级材质", "智能温度显示，触摸杯盖即亮", "12 小时长效保温，适合办公场景" ], "target_audience": "办公室白领、经常喝热饮的人群" }

创建pipeline.py：

#!/usr/bin/env python3 import argparse import json import os import subprocess import sys from datetime import datetime SKILLS_DIR = os.path.expanduser("~/.claude/skills") def run_script(script_path: str, *args: str) -> None: if not os.path.exists(script_path): print(f"[pipeline] 脚本不存在: {script_path}") sys.exit(1) print(f"\n[pipeline] 执行: {script_path}") result = subprocess.run( [sys.executable, script_path, *args], capture_output=True, text=True, ) print(result.stdout) if result.returncode != 0: print(result.stderr[-2000:]) sys.exit(result.returncode) def main() -> None: parser = argparse.ArgumentParser() parser.add_argument("--config", default="config.json") args = parser.parse_args() with open(args.config, "r", encoding="utf-8") as f: config = json.load(f) output_dir = "output" os.makedirs(output_dir, exist_ok=True) # 阶段1：生成选题 run_script( os.path.join(SKILLS_DIR, "topic_researcher", "scripts", "research.py"), "--config", args.config, ) # 新建带选题的配置，供脚本撰写使用 script_config = dict(config) script_config["topic"] = "智能保温杯到底怎么选？看完少花冤枉钱" temp_config = os.path.join(output_dir, "script_config.json") with open(temp_config, "w", encoding="utf-8") as f: json.dump(script_config, f, ensure_ascii=False, indent=2) # 阶段2：生成脚本 run_script( os.path.join(SKILLS_DIR, "video_script_writer", "scripts", "generate_script.py"), "--config", temp_config, ) # 阶段3：生成分镜 run_script( os.path.join(SKILLS_DIR, "storyboard_designer", "scripts", "build_storyboard.py"), "--script", os.path.join(output_dir, "script.md"), ) # 阶段4：生成视频片段 run_script( os.path.join(SKILLS_DIR, "video_generator", "scripts", "generate_video.py"), "--storyboard", os.path.join(output_dir, "storyboard.json"), ) # 阶段5：合成长视频 run_script( os.path.join(SKILLS_DIR, "video_composer", "scripts", "compose.py"), "--storyboard", os.path.join(output_dir, "storyboard.json"), "--output", os.path.join(output_dir, "final_video.mp4"), ) print("\n[pipeline] 流水线执行完成") print(f"最终视频位置: {os.path.abspath(os.path.join(output_dir, 'final_video.mp4'))}") if __name__ == "__main__": main()

这里需要注意，pipeline.py中阶段 1 生成的选题，实际生产里可能会包含多个候选，你可以让 Agent 自动选择最优的，也可以手工指定。为了保持示例简单，我在脚本中直接固定了选题标题，真实项目中建议由 Agent 读取 topics.json 后再决定。

4.7 运行与验证

运行完整流水线：

export VIDEO_API_KEY="你的密钥" export VIDEO_API_ENDPOINT="https://你的视频服务商接口地址" python pipeline.py --config config.json

预期执行过程如下：

[pipeline] 执行: ~/.claude/skills/topic_researcher/scripts/research.py [topic_researcher] 已生成选题: output/topics.json - 智能保温杯到底怎么选？一看就懂的选购指南 [pipeline] 执行: ~/.claude/skills/video_script_writer/scripts/generate_script.py [video_script_writer] 脚本已生成: output/script.md [pipeline] 执行: ~/.claude/skills/storyboard_designer/scripts/build_storyboard.py [storyboard_designer] 已生成分镜: output/storyboard.json 共 6 个镜头 [pipeline] 执行: ~/.claude/skills/video_generator/scripts/generate_video.py [video_generator] 正在生成片段 1/6 ... [video_generator] 正在生成片段 2/6 ... ... [pipeline] 执行: ~/.claude/skills/video_composer/scripts/compose.py [video_composer] 已生成长视频: output/final_video.mp4 [pipeline] 流水线执行完成 最终视频位置: /Users/xxx/mini-video-pipeline/output/final_video.mp4

如果某个环节失败，不要急着把整个流程重跑。我在脚本里特意加了“跳过已存在片段”的逻辑，它允许你在修正问题后重新执行 pipeline.py，已经生成好的片段不会被覆盖，节省 API 调用成本。

5. 常见问题与排查思路

在实际使用这套方案时，比较容易踩到下面这些坑。

这里挑几个典型问题展开说一下。

5.1 视频生成接口的返回结构不一致

不同的视频生成服务商接口差异很大，有的返回一个 task_id 需要轮询，有的直接返回视频下载地址，还有的会返回一个任务状态，需要你之后主动查询。我建议在正式接入前，先手动发一条测试请求，确认响应 JSON 的真实结构，再修改generate_single_clip函数中的解析逻辑。

5.2 长视频应该一次生成还是分片拼接

当前主流的视频生成模型对单次生成时长通常有限制，一次性生成几十秒的长视频容易失败。更稳妥的做法是：每个分镜只生成 5 到 10 秒的短视频片段，最后用 ffmpeg 拼接。这样即使中间某个片段失败，重新生成的成本也低。

5.3 片段拼接后音画不同步

如果每个片段都带独立的配音或背景音乐，拼接后很容易出现节奏错乱。建议在合成阶段只保留主音轨，或者在上游统一控制生成参数，让每个片段都是“带有统一风格音轨”的素材。最省事的方案是生成时关闭片段自带音频，最后统一加一条背景音乐。

6. 最佳实践与工程建议

6.1 skills 的命名与版本管理

skills 会越写越多，建议从一开始就做好规划：

• 每个 skill 只做一件事，名字使用“动词_对象”结构，例如build_storyboard、generate_video。
• SKILL.md 的 description 必须写清楚“什么时候用”，这是 Agent 判断是否加载技能的依据。
• 用 Git 管理 skills 目录，版本发生变化时打 tag，方便回滚。
• 公共技能放到用户级目录，业务技能放到项目级目录。

6.2 不要把密钥写进 skill

skills 目录可能会被分享或提交到代码仓库，所以 API Key、数据库密码绝不能写进 SKILL.md 或脚本里。统一使用环境变量：

export VIDEO_API_KEY="xxx" export VIDEO_API_ENDPOINT="https://xxx"

如果你使用.env文件，记得加入.gitignore。

6.3 视频生成的成本控制

视频生成模型按秒计费时，成本不可忽视。以下几个建议可以帮你省钱：

1. 先小批量测试：先拿一个分镜测试整个链路，确认没问题再批量生成。
2. 断点续跑：每个片段生成后立即落盘，已经存在的文件跳过。
3. 失败重试要有上限：连续失败 3 次就暂停，避免浪费额度。
4. 缓存分镜结果：分镜 JSON 不需要每次重新生成，脚本稳定后直接复用。

6.4 内容审核与合规

直播带货和知识分享视频有内容合规要求。自动化生产确实提高了效率，但也放大了风险，因为模型不会主动判断一句话是否违规。建议在流水线中加入审核环节：

• 口播脚本生成后，检查是否存在夸大宣传、绝对化用语、医疗功效类敏感词。
• 视频生成后，人工抽检画面与口播是否匹配。
• 广告法禁止的表述（如“最”“第一”“100%”）要提前做词表过滤。
• 涉及保健品、金融、医疗等行业时，不要完全依赖自动化，必须人工审核。

6.5 日志与可追溯性

自动化流水线的最大问题是“出了问题不好定位”。建议在每个 skill 的脚本里都输出格式化的日志，并把中间产物 JSON 完整落盘。我在前面脚本中把输出目录固定为output/，你可以进一步按日期分子目录：

output/ └── 2025-01-01/ ├── topics.json ├── script.md ├── storyboard.json ├── clips/ └── final_video.mp4

这样每次生产的视频链路都有完整留痕。

7. 总结与下一步学习方向

到这里，一套完整的“Agent 工具 + skills + MinimaxH3 模型自动生成长视频”方案已经落地。你学会了：

1. 如何理解 Agent 工具和 skills 技能包的协作关系。
2. 如何编写一个规范的自定义 skill，包括 SKILL.md 和辅助脚本。
3. 如何把视频生产流程拆成选题、脚本、分镜、生成、合成五个阶段。
4. 如何接入 MinimaxH3 视频生成模型，并做好异常处理和断点续跑。
5. 如何在生产环境中做成本控制、内容审核和日志管理。

这套流水线的第一版并不完美，但它最大的价值是把“可复用的视频生产能力”沉淀下来了。以后无论换商品、换选题、换账号，都只需要修改config.json，然后重新执行pipeline.py，剩下的事情交给 Agent。

下一步，建议你先不要急着把所有环节都接上模型。先把“脚本→分镜→视频片段生成”这一小段打通，用最小的成本验证视频生成效果。然后再逐步补充素材管理、异步任务队列、多平台发布等能力。也可以继续学习 MCP 协议，把你的商品系统、素材库、审核系统接入进来，让这套视频流水线离真正的商业生产更近一步。

如果本文对你有帮助，可以收藏备用，后面做自动化视频生产时照着配就行。