长文转短视频分镜

当用户有一篇已写好的长文（公众号推文、博客、测评稿、教程、报告、小红书长帖、技术文档），想做成短视频时触发。产出带时间轴的镜头清单，每个镜头包含画面描述、中文提示词、英文提示词、配音文案、屏幕字幕五要素，可直接投喂可灵、即梦、Sora、Veo、Runway 等文生视频模型。内置九项硬伤体检，自动检查配音字数是否超出时长、画面是否误让模型渲染中文、提示词是否遗漏统一风格前缀、单镜头是否过长。自带经验沉淀机制，每次完成的教训会累积下来变为新检查项。适用于抖音、视频号、小红书、B站、YouTube Shorts 等竖版短视频场景。触发词包括「把这个做成视频」「写视频提示词」「出分镜」「做短视频脚本」「长文转视频」「」「AI 视频脚本」「口播稿」「分镜头」「storyboard」「text to video」。不用于纯图片海报生成，不用于已有时长精确的剪辑工程。

把一篇长文压缩成 30 到 90 秒的竖版短视频脚本。

这个 skill 替用户做三件他们自己做不好的事。一是把文章结构改成镜头结构，二是把中文意思翻译成视频模型听得懂的话，三是把每次踩过的坑记住，下次自动拦住。

第 0 步，先读记忆

动笔之前必须先看一下过去攒下的经验，这一步不能跳：

bash

avs learn digest
# 没装 CLI 就跑 python3 scripts/learn.py digest

输出里的每一条都要遵守。特别留意「画面禁用词」，那些是过去真实翻过车的东西。

顺便问一句这次有没有新增偏好，比如客户指定要某套配色或某种口播风格，有就先 learn.py add 进去再开工。

核心判断

文章按「论证」组织，视频按「信息块」组织。直接把段落搬进镜头会得到一堆同一个机位的口播画面，观众三秒就划走。第一步一定是重排，不是摘抄。

镜头数控制在 6 到 9 个。少于 6 个讲不完，多于 9 个观众记不住。单个镜头 4 到 8 秒，钩子镜头不超过 5 秒。

每个镜头只承载一个信息点。一个镜头里塞两个观点，等于这个镜头作废。

工作流

第一步，提炼主线

读完全文，用一句话写出这篇文章最想让人记住的那件事。不是标题，是读完之后的认知转变。

提炼不出来，说明这篇文章不适合做视频，直接告诉用户并说明原因，不要硬拆。这是唯一的提前终止条件，触发就停。

主线定下来后列出支撑它的证据点，每个证据点对应候选镜头。证据点超过 9 个就合并同类，不要靠删掉重要论据来凑镜头数。

第二步，排镜头

按这个骨架排，这是长文转视频唯一稳定的结构：

位置	作用	建议时长
镜头 1	钩子，制造悬念或给出反常事实	3 到 5 秒
中间 4 到 6 个	痛点和转折，交替推进	每个 5 到 8 秒
最后 1 个	收束加行动引导	5 到 8 秒

钩子不要用「今天聊聊某某」这种介绍式开头。用文章里最反直觉的那个事实，或者最有画面感的那个动作。

需要脚手架时先让它生成一个骨架，省去排版时间：

bash

avs init 文章.md --duration 60
# 没装 CLI 就跑脚本
python3 scripts/init_storyboard.py 文章.md --duration 60

avs 是随这个技能一起分发的命令行工具，装在 avs_cli 包里，avs init 会转发到 scripts/init_storyboard.py。它会读文章的小标题作为候选镜头主题，按钩子短、中段平均、收尾略长的规则切好时间轴。骨架里的 TODO 必须逐个填实，不允许批量编造。

镜头类型不够用时查 references/shot-patterns.md，里面有九种常见镜头的画面公式和翻车点。

第三步，写五件套

每个镜头必须写全这五项，缺一项这个镜头就没法直接投喂：

markdown

## 镜头 N｜镜头名（起止秒）

画面：给剪辑和设计看的一句话，说明这个镜头里发生了什么动作
中文提示词：给模型看的画面描述，只写看得见的东西
英文提示词：同一画面描述的英文版本
配音：口播原文，要能直接念出来
字幕：叠在屏幕上的短句，通常不超过 15 字

镜头语言从中英对照词表 references/prompt-patterns.md 里取，景别、运镜、光线这些词决定画面质感。

写提示词时重点处理这三件事：

1. 只写看得见的东西。模型不理解「性价比高」「效率提升」，它能理解「五个窗口逐个关闭收拢成一把钥匙」。把抽象概念翻译成一个具体动作或物体，这是整个 skill 最值钱的一步。
2. 中英文都给。同一画面给两版，命中率差别很大，让用户都跑一遍挑好的。
3. 每个镜头都原样带上全局风格前缀，否则七个镜头会像七部不同的片子。

第四步，统一风格

全片用一个全局风格前缀。用户没指定时默认这套中性方案：

text

竖屏 9:16，电影级打光，干净的极简科技风，柔光，低饱和，画面稳定无闪烁

同时给一组全局负向提示词，每次一起提交：

text

变形文字，乱码字符，水印，商标 logo，画面闪烁，过度饱和，廉价广告风

第五步，体检

产出后必须跑检查脚本，不凭感觉交稿：

bash

avs check 分镜.md
avs check 分镜.md --strict   # 提醒也算失败

脚本查九项硬伤和五类提醒。硬伤必须改到清零才能交付：

代号	含义
E1	缺必备字段
E2	配音字数超出该镜头时长能念完的范围
E3	画面描述里出现需要模型渲染的文字
E4	镜头数不在 6 到 9 之间
E5	时间轴断档、重叠或起点不为零
E6	提示词没带全局风格前缀
E7	英文提示词里混入了中文
E8	命中历史沉淀的画面禁用词
E9	字段还留着 TODO 占位符

E8 是这套工具自我进化的地方。经验文件里记过的禁用词会自动变成新的检查项，不用改代码。

提醒项包括画面出现金额百分比、提示词过短或过长、字幕超过 15 字、单镜头超过 8 秒、配音量相对画面过空。提醒默认不影响退出码，加 --strict 后算失败。

第六步，交付

默认交付 Markdown。用户另有要求再导出别的形式，不要自作主张生成网页或海报。

发布注意事项里必须提醒三件事，视频里不放外链、界面类镜头录屏前核对当前版本、不可独立验证的数字只进配音不进画面。

第七步，回写经验

每完成一条片子，把这次学到的东西写回去。这一步决定了下次能不能更准，不允许跳过。

至少回写两到三条，重点记这四类：

bash

# 用户明确否决过的表达
avs learn add --category 画面 --text "涉及餐饮的画面不要给食物特写" --why "客户嫌廉价"

# 某个模型渲染失败的具体元素，会被体检自动拦截
avs learn add --avoid "沙漏" --why "该模型渲染沙漏必崩"

# 稳定的用户偏好
avs learn add --category 用户偏好 --text "配乐偏克制，不要情绪煽动型"

learn.py promote <id> 把项目级经验提升为全局经验，跨项目复用。

learn.py show 会统计每条经验的命中次数。同一条经验出现三次以上，就应该升级成这个 SKILL.md 里的硬规则，而不是继续留在经验文件里。改完 SKILL.md 记得把 version 递增。

硬经验，照做就能少踩坑

画面里不要出现任何需要模型渲染的文字。 文生视频模型渲染中文基本必废，出来的是乱码。凡是「写着某某」「打印出一行」这类描述一律删掉，改成「字幕」字段交给后期叠加。

不要出现具体金额和百分比。 一是触发审计风险，二是模型会渲染错。价格信息只在配音里说。

商标和品牌 logo 要规避。 涉及第三方商业品牌的热点文，用通用物件代替，比如用一张通用小票代替某个快餐的包装。

配音语速按每秒 4.5 个汉字估算。 8 秒的镜头最多 36 字。写超了砍字或加时长，写少了画面太空观众会觉得拖，这两种情况脚本都会报警。

同一个元素要跨镜头保持一致。 文章里反复出现的核心物件，全片用同一个颜色同一个形态描述，不要这个镜头叫卡片、下个镜头叫面板。

产品界面类镜头必须核对当前版本。 提示词里写按钮名称之前先确认界面没改版，录出来和提示词对不上是最常见的翻车点。

文件说明

文件	用途
scripts/init_storyboard.py	从长文生成带时间轴的分镜骨架
scripts/check_storyboard.py	体检，支持多文件、--strict、--json
scripts/learn.py	经验沉淀，add / show / digest / promote / forget
scripts/storyboard_lib.py	解析与校验公共库
references/shot-patterns.md	九种镜头类型的画面公式
references/prompt-patterns.md	镜头语言中英对照词表

关于 avs 命令

这个技能还配了一个命令行工具 avs，用来把它装进各种 Agent。用户可能通过 pipx install 或一键脚本装过，也可能直接复制目录。

• avs install 会把本技能复制进 WorkBuddy、Claude Code、Cursor、Codex CLI 等 Agent 的 skills 目录，自动检测本机装了哪些
• avs init / avs check / avs learn 会转发到上面 scripts/ 里的对应脚本，作用完全一样，只是不用记路径
• 各平台的目录配置在同级的 adapters.json，新增平台只改配置

对本 skill 的影响：无论用户怎么装，本文件（SKILL.md）和 scripts/、references/ 的相对位置不变。所以上面所有命令里的相对路径写法始终成立，不需要关心自己被装到了哪里。

如果用户说「装到 Cursor 里」或「给 Claude Code 也装一份」，告诉他运行 avs install --agent cursor 即可，不要手动复制目录。路径对不上时用 avs install --dir <路径> 兜底。

交付与经验存放

交付一个 Markdown 文件给用户，格式照上文第三步的五件套代码块组织即可。这个 skill 不附带成品示例文件，避免把某个具体项目的品牌和口吻带进每一次使用。

经验文件不放在技能包内。全局在 ~/.workbuddy/avs/learnings.jsonl，项目级在当前目录 .avs/learnings.jsonl，这样升级技能包不会冲掉已经攒下来的东西。