Song Creation

Multi-agent song creation workflow using 拾光's agent architecture (writer → musician → programmer). Use when the user says '创作一首歌', '写一首歌', '做首歌', '写首歌', '创作一首音乐', or any song/music creation request. This skill covers: 1) spawning 墨白 writer agent for lyrics, 2) spawning 和弦 musician agent for music design (style, BPM, key, arrangement), 3) spawning 引擎 programmer agent with ComfyUI AceStep workflow for audio synthesis.

拾光协作架构

text

青  →  拾光 ◒  →  writer(墨白✍️)  →  歌词
               →  musician(和弦🎵) →  音乐方案
               →  programmer(引擎⚙️) →  ComfyUI 合成

拾光是总工程师，拆解任务分配给各子会话，然后整合结果呈现给青。

⚠️ 不依赖预先配置的 agent

墨白、和弦、引擎的名字只是角色描述，不是预注册的 agent。 实际执行是通过 sessions_spawn 创建全新的子会话， 并给每个子会话注入对应的角色描述（「你叫墨白，你是文字精灵...」）。

这意味着：

• 任何 OpenClaw 实例都可以用，不需要配置 AGENTS.md
• 不需要预先创建特定名字的 agent
• 只有一个 agent 也能跑——主 agent 自己依次执行写词→编曲→合成， 或者 spawn 子会话按角色执行都可以
• 只需要满足硬件条件（能跑 ComfyUI + AceStep）

工作流

Step 1: 确定需求

了解用户想要的风格/主题/情绪方向。可自由发挥，也可基于用户提供的方向。不需要每个都问，估摸着来。

Step 2: 召唤墨白 ✍️ 写词

方式：sessions_spawn 启动子 agent 参数：

• label: writer-lyrics
• model: custom-integrate-api-nvidia-com/deepseek-ai/deepseek-v4-pro（NVIDIA API 版）
• context: isolated

任务模板：

text

你叫墨白 ✍️，是拾光团队的文字精灵，世间一切文字归你管。

**任务**：写一首歌词，[风格/主题/情绪提示]。

写一首完整的歌词，包含：歌名、主歌（至少2段）、副歌、桥段（可选）。
歌词要有画面感和情绪层次。

**格式要求**：

歌名：《XXXX》

[主歌1] xxxx

[主歌2] xxxx

[副歌] xxxx

[桥段] xxxx

text

完成后直接输出歌词，不要多余解释。

Step 3: 召唤和弦 🎵 编曲

接收墨白的歌词输出，传给和弦。

方式：sessions_spawn 启动子 agent 参数：

• label: musician-melody
• model: custom-integrate-api-nvidia-com/deepseek-ai/deepseek-v4-pro（NVIDIA API 版）
• context: isolated

任务模板（包含完整歌词）：

text

你叫和弦 🎵，是拾光团队的旋律织造者。

墨白写了《XXXX》的歌词：

[完整歌词]

请给出完整的音乐设计方案：
1. **Style Tags（英文，供 AceStep 使用）**
2. **调性 & BPM**
3. **情感基调**
4. **编曲方案**：分段落乐器编排
5. **编曲强度曲线**
6. **AceStep 参数建议**：温度、top_p、CFG
7. **建议时长 duration（秒）**

完成后直接输出方案。

Step 4: 召唤引擎 ⚙️ 合成

方式：sessions_spawn 启动 programmer 子 agent

参数：

• label: engine-comfyui
• model: deepseek/deepseek-v4-flash（不需 NVIDIA API）
• context: isolated

任务模板中必须包含的内容：

markdown

你是引擎 ⚙️，拾光团队的程序员。

**⚠️ 必须：先读操作手册再动手！**
```bash
cat ~/.openclaw/workspace/tools/comfyui操作手册.md

任务：用 ComfyUI + AceStep 生成歌曲《XXX》

参数

• 工作流：~/ai/ComfyUI/user/default/workflows/api工作流/audio_ace_step1_5_xl_sft.json
• tags: [和弦设计的 Style Tags]
• 调性：[Key]
• BPM：[BPM]
• 时长：[duration]s（建议 185s 稳定上限）
• 温度：[temperature]
• top_p：[top_p]
• cfg_scale：[cfg]（用 7 最稳定）
• 语言：zh

歌词（注意：不含歌名行！）

直接给 [主歌1] 开始的内容。

text

### Step 5: 呈现结果

按格式输出：

Style Tags 曲风标签

歌词 [完整歌词]

参数

• 调性：[Key] | BPM：[BPM] | 时长：[duration]s
• 温度：[temp] | top_p：[top_p] | CFG：[cfg] | Seed：[seed]
• 编曲：[instruments summary]

MEDIA:/path/to/output.mp3

text

## ComfyUI 合成细节

### 工作流
- **主力**：`audio_ace_step1_5_xl_sft.json`（SFT 版，50 步，音质好，支持长音频）
- 替代：`audio_ace_step1_5_xl_turbo.json`（Turbo 版，更快但音质略差）

### 启动 ComfyUI
```bash
# ✅ 正确方式（必须用此脚本）
bash /home/qsh/ai/run_comfyui.sh

# ❌ 禁止手动拼 python 路径
# ❌ 禁止加 --gpu-only

工作流节点结构

Node	类型	作用
94	TextEncodeAceStepAudio1.5	文本编码（歌词/tags/参数入口）
98	EmptyAceStep1.5LatentAudio	控制音频时长
104	UNETLoader	主模型（acestep_v1.5_xl_sft）
105	DualCLIPLoader	CLIP 模型
106	VAELoader	VAE 模型
107	SaveAudioMP3	输出 MP3
110	VAEDecodeAudioTiled	VAE 分块解码（已配置，无需修改）

关键字段说明 (Node 94)

字段	说明	必须设置	禁止操作
tags	风格标签（英文）	✅	—
lyrics	歌词正文	✅	不能含歌名行
bpm	速度	✅	—
keyscale	调性	✅	—
duration	时长（元数据）	✅	—
temperature	温度	✅	—
top_p	Top-P	✅	—
cfg_scale	CFG 强度	✅	—
language	语言	✅	—
seed	种子	✅	直接用 int
clip	CLIP 引用	❌	保持 ["105", 0] 不动
timesignature	拍号	❌	保持默认 "4"
generate_audio_codes	—	❌	保持默认 True
top_k	—	❌	保持默认 0
min_p	—	❌	保持默认 0

Node 98

python

wf["98"]["inputs"]["seconds"] = 185  # 实际控制生成时长

输出文件名

python

# ✅ 正确格式
wf["107"]["inputs"]["filename_prefix"] = "YYYYMMDD/audio/歌曲名"
# ❌ 错误格式: "audio/YYYYMMDD/歌曲名"

⚠️ 歌词清理规则

lyrics 字段传给 AceStep 后会被直接唱出来。必须去掉 歌名：《XXX》 前缀！

python

# ✅ 正确：直接从 [主歌1] 开始
lyrics = """[主歌1]
xxxx"""

# ❌ 错误：歌名会被当歌词唱
lyrics = """歌名：《剑饮长风》

[主歌1]
xxxx"""

⚠️ Parameter modification rules

• 只改需要改的字段，不要碰其他字段
• clip 字段是节点引用 ["105", 0]，绝不能改
• seed 字段可以设为随机整数：n["seed"] = random.randint(0, 999999999)
• 提交失败时检查 node_errors，它会明确指出哪个节点出错

稳定参数（已验证，RX 7900 XT, 20GB VRAM）

参数	值
Steps	50（工作流 KSampler 默认）
cfg_scale	7
duration	185s
VAE	VAEDecodeAudioTiled（工作流自带）
seed	随机

崩溃恢复

bash

# 先彻底清理残留进程
pkill -f "python.*main.py"
# 再重新启动
bash /home/qsh/ai/run_comfyui.sh

输出文件管理

python

# 1. 从 ComfyUI output 移出
shutil.move(src, dst)
# 2. 删除源目录（如果空）
os.rmdir(comfyui_output_dir)

• ComfyUI 输出目录：~/ai/ComfyUI/output/
• 最终归档：~/.openclaw/workspace/output/YYYYMMDD/audio/

模型分配

优先级：NVIDIA API 免费模型优先，长时间无响应才切 deepseek/deepseek-v4-flash

Agent	模型	说明
墨白 ✍️	custom-integrate-api-nvidia-com/deepseek-ai/deepseek-v4-pro	NVIDIA 免费
和弦 🎵	custom-integrate-api-nvidia-com/deepseek-ai/deepseek-v4-pro	NVIDIA 免费
引擎 ⚙️	deepseek/deepseek-v4-flash	默认付费 API

引擎 ⚙️ 操作规范

每次 spawn 引擎时，必须在任务模板中包含：

1. 先让他读 tools/comfyui操作手册.md
2. 用 bash /home/qsh/ai/run_comfyui.sh 启动 ComfyUI
3. 歌词不能带歌名行
4. 不能修改 clip 等节点引用字段

详细操作手册：tools/comfyui操作手册.md