Maxhub Sora2

Sora2 内容创作与作品分析 skill，通过 MaxHub API 查询作品、用户、评论、回复、二创/Remix、下载/媒体信息，并支持上传图片、创建视频等创作相关写操作。适合 AI 视频创作工作流、作品复盘、二创传播分析和素材管理。属于 read_write skill；agent 对 create/upload/download 等非只读能力必须按 confirmation 规则确认，普通查询优先走 recipes 与字段流字典。所有请求发送到 https://www.aconfig.cn。

Sora2 数据助手

1. 简介

Sora2 数据查询与视频生成工具，通过 MaxHub API 接入 OpenAI Sora2（sora.chatgpt.com）平台，覆盖作品详情、评论回复、Remix 衍生、视频下载、用户资料、社交关系、Cameo 出镜、首页推荐、用户搜索及视频生成任务等全部能力。专注服务于 Sora2 内容创作者、AI 视频研究者、社媒分析师与自动化工作流场景，帮助用户快速采集 Sora2 数据、提取爆款规律、批量生成 AI 视频内容。

架构亮点：本 Skill 采用三层结构 — Atomic 原子层（端点的标准化封装）+ Recipe 编排层（多步业务场景脚本）+ Reference 详情层（端点 5 区契约）。Agent 可按"目标 → recipes 匹配 → atoms 映射 → reference 详情"四步路径精准调用，杜绝臆造。

2. 详细功能

作品数据

• 查询 Sora2 作品的完整详情，包含作者信息、视频内容、点赞/评论/转发统计、Cameo 出镜信息等
• 支持通过作品 ID 或作品分享链接两种方式查询作品
• 拉取指定作品下的一级评论列表，支持翻页
• 拉取指定评论下的全部二级回复，构建完整评论树
• 查询某个作品的全部 Remix 二创列表，追踪内容传播链路
• 获取作品的无水印视频下载链接，下载受限时自动降级为带水印版本
• 拉取 Sora2 首页的推荐 Feed 流，识别近期热门作品

用户数据

• 按用户名搜索 Sora2 平台用户
• 查询指定用户的完整资料画像，包含昵称、头像、简介、粉丝数、作品数、Cameo 数等
• 拉取指定用户已发布的全部作品列表
• 查看指定用户的关注列表与粉丝列表
• 拉取指定用户的 Cameo 出镜记录，分析其在他人作品中的出镜表现

AI 视频生成

• 上传图片素材，作为后续图生视频任务的输入
• 创建文生视频任务，根据文字 prompt 生成 Sora2 视频
• 创建图生视频任务，基于上传的图片素材生成 Sora2 视频
• 轮询查询视频生成任务的实时状态（排队中、生成中、已完成、失败）
• 获取视频生成任务完成后的最终视频 URL 与元信息

平台热榜

• 拉取 Sora2 全平台 Cameo 出镜热度榜单，识别平台明星用户与高频出镜内容

📋 数据传输与隐私声明（请认真阅读）

1. 第三方传输：您提供的所有 ID、关键词、链接、cookie 等参数都会通过 HTTPS 发送到 https://www.aconfig.cn（MaxHub 数据服务）进行处理。
2. UGC 隐私：拉回的评论 / 弹幕 / 动态 / 私信 / 联系人等内容可能包含个人信息或敏感 UGC，请勿写入未授权的数据库或公开发布。
3. 凭证保护：建议使用独立测试账号、定期轮换 API Key；禁止传入主力生产账号的 cookie 或 session 凭证。
4. 合规责任：使用方需自行确保符合所在地区的数据保护法律（《个人信息保护法》/ GDPR / 平台 ToS 等），平台账号的合规性由使用方承担。

3. 一键安装

鉴权

获取 API Key

请前往 MaxHub 控制台 注册账号并获取 API Key。

配置 API Key

方案 1：OpenClaw 配置

将 MAXHUB_API_KEY 添加到 ~/.openclaw/openclaw.json 中：

json

{ "env": { "MAXHUB_API_KEY": "ak_xxxx..." } }

方案 2：终端环境变量

bash

export MAXHUB_API_KEY="ak_xxxx..."

依赖安装

本 Skill 不需要额外脚本依赖，所有调用通过 curl 完成 HTTP 请求即可，无第三方库依赖。

环境变量配置

环境变量	说明	是否必填	获取方式
MAXHUB_API_KEY	MaxHub 数据 API Key	是	MaxHub 控制台

4. 使用指南

🤖 Agent Decision Tree（必读 · 决定调用顺序）

此小节定义 agent 在每次接到用户请求时的标准决策流程。严格按此顺序执行可大幅提升命中率与减少误调用。

1️⃣ 文档加载顺序（按需 · 不要一次性全读）

步骤	何时读	加载文件	估算 token
① 永远先读	接到任何请求时	SKILL.md §0.1（不支持清单）+ §4（本节）	~1K
② 选择 recipe	用户语义清晰时	references/recipes/_index.md（仅索引）	~1.5K
③ 加载 recipe 详情	匹配到具体 recipe 时	references/recipes/<domain>.md 的对应段落	~500/段
④ 加载端点详情	自定义链路或参数不明时	references/<domain>.md 单文件	~3K
⑤ 路径白名单校验	调用前	grep '<endpoint_id>' references/endpoints_whitelist.yaml（禁止整体读）	~50 行
⑥ 跨端点字段路由	链式调用时	references/param-mappings.md § 字段流字典	~1K

2️⃣ Recipe 匹配规则（核心）

1. 加载 references/recipes/_index.md，扫 trigger_keywords 列
2. 最长匹配优先：若用户输入同时命中多个 recipe 的 trigger，选最长 trigger 命中的那个（最具体）
3. 平局询问：若两个 trigger 长度相同且都命中 → 主动询问用户："您是想看 A 还是 B？"
4. 无命中：先查 §0.1 不支持清单 → 不在则进入"自定义链路"流程（步骤 3）

3️⃣ 自定义链路（无现成 Recipe）

1. 读 references/atoms/_index.md，按 chain_role 列定位起点（starter）和终点（terminal）
2. 优先用 ⭐⭐⭐ 首选 标记的端点；不到必要不用 ⭐ 条件 端点
3. 字段流（上游 OUT → 下游 IN）由 param-mappings.md § 字段流字典 决定，禁止自行猜 json_path
4. 链路完成后，可向维护方建议把它编排成新 recipe

4️⃣ 调用前自检（按 risk 分级 · 节省 token）

端点 risk	必做自检	步骤数
risk: low	① 路径在 endpoints_whitelist.yaml	1 步
risk: medium	① 路径 ② method ③ 必填参数 ④ 写入确认	4 步
risk: high	4 步 + 显式向用户确认参数与意图	5 步
risk: critical（restricted）	6 步高风险确认流程（详见 §高风险能力清单）	6 步

旧 SKILL 强制所有调用都做 4 步——现按 risk 等级简化。low 端点（占绝大多数）只校验路径即可。

5️⃣ 错误处理快速决策

现象	行动	重试
404 / 410	§3.1(A) 5 步防臆造自检 → 通过才 STOP；禁止自改路径段重试	0
400 / 422	§3.1(B) 6 步防参数臆造自检 → 通过才修参重试	≤1
401 / 402 / 403	STOP，告知用户去 https://www.aconfig.cn 处理	0
429	读 Retry-After 退避；无该头时指数退避+jitter	≤2
5xx	等 3 秒重试 → 仍失败走端点级"降级/替换"	1
HTTP 200 + code != 0	读 message_zh 报告用户；不重试（业务错误重试无用）	0

6️⃣ 输出契约（与用户对话时）

1. 数据来源声明：每次输出明确告知数据来自 https://www.aconfig.cn 三方接口
2. 缺失字段处理：如某字段链路降级后缺失，显式说明"X 暂不可取"，不要静默省略
3. 不要伪造：用户问的字段若不在响应里 → 说"未返回"，禁止用其他端点拼凑模拟

核心约束（强制遵守）

规则	说明
🔒 只读优先	默认仅用于数据查询；create_video / upload_image 为写入接口，须用户明确确认参数后调用
🚫 禁止臆造路径	仅使用 references/endpoints_whitelist.yaml 中的端点，不得自行拼接、改版本号、加路径段
🧭 优先走编排	优先尝试匹配 recipes/_index.md 中的预编排脚本；命中即按 Atomic Steps 顺序调用，避免临场拼凑
📋 数据流向第三方	所有请求发送至 https://www.aconfig.cn，请使用独立测试账号并定期轮换 API Key
🔑 凭证保护	不暴露 API Key、Cookie、Token 至日志或对话

路由策略：Recipes → Atoms → Reference 三级路径

Agent 接到用户请求后，优先按"先编排、后原子、再详情"的顺序进入文档，避免一上来就读全部 reference。

text

用户输入
   ↓
① 读 recipes/_index.md（轻量索引，~100 行）
   ↓ 匹配 trigger_keywords（命中 → 走 Recipe；未命中 → 步骤 ②）
   ↓
② 读 atoms/_index.md（原子映射表，~30 行核心）
   ↓ 按业务别名找 atom_id → endpoint_id → reference 文件
   ↓
③ 仅在需要 5 区契约（IN/OUT/ERR）时，读对应 reference 文件
   ↓
④ 调用前比对 endpoints_whitelist.yaml 完成 4 步 Pre-call 自检

基础使用（5 步完成调用）

Step 1 — 检查 API Key

bash

[ -n "${MAXHUB_API_KEY:-}" ] && echo "ok" || echo "missing"

若返回 missing，停止并提示用户配置 MAXHUB_API_KEY。

Step 2 — 优先匹配 Recipe（编排层）

读 references/recipes/_index.md，按用户目标匹配 trigger_keywords：

Recipe 文件	覆盖场景	典型触发词
recipes/post.md	作品全维度分析、评论回复链、Remix 传播图谱、视频下载	帖子分析、评论、回复、二创、下载
recipes/user.md	用户画像、作品列表、社交关系、Cameo 出镜分析	用户分析、粉丝、关注、Cameo
recipes/tools.md	AI 视频生成（文生/图生）、任务轮询、Cameo 热榜	生成视频、文生视频、图生视频、热榜

命中 Recipe → 直接按其 Atomic Steps 顺序执行，跳到 Step 5。

Step 3 — Recipe 未命中：进入原子层

读 references/atoms/_index.md，按业务别名（atom_id）找到对应 endpoint_id：

业务别名	atom_id	端点	用途
查作品	get_post	get_post_detail	作品详情
查评论	list_comments	get_post_comments	一级评论
查回复	list_replies	get_comment_replies	二级回复
查 Remix	list_remix	get_post_remix_list	二创列表
查下载	get_download	get_video_download_info	无水印 URL
查 Feed	get_feed	get_feed	推荐流
搜用户	search_users	search_users	用户名搜索
查用户主页	get_profile	get_user_profile	用户资料
查用户作品	list_user_posts	get_user_posts	用户作品
查关注	list_following	get_user_following	关注列表
查粉丝	list_followers	get_user_followers	粉丝列表
查 Cameo 出镜	list_cameo	get_user_cameo_appearances	出镜记录
上传图片 ⚠️	upload_image	upload_image	写入：图片上传
创建视频 ⚠️	create_video	create_video	写入：AI 视频生成
查任务状态	get_task_status	get_task_status	异步任务进度
查任务详情	get_task_detail	get_task_detail	最终视频 URL
查 Cameo 热榜	get_cameo_board	get_cameo_leaderboard	全平台热榜

Step 4 — 仅按需读 reference 详情层

按 atom 表中 file 字段找对应详情：

Reference 文件	覆盖端点数	5 区结构
references/post.md	6	用途 / USE 边界 / IN（参数表）/ OUT（链式字段）/ ERR（错误处理）
references/user.md	6	同上
references/tools.md	5	同上（含写入端点的 requires_user_confirmation 标记）
references/param-mappings.md	—	中枢索引（全局红线 + 字段流字典 + 错误处理 + 替换矩阵）
references/endpoints_whitelist.yaml	17	路径硬白名单 + Pre-call 4 步自检协议
references/update.md	—	SkillHub / ClawHub / GitHub 三通道更新

Step 5 — 执行并验证

• 调用前比对 endpoints_whitelist.yaml 完成 4 步 Pre-call 自检（路径 → method → 必填 → 写入确认）
• 收到 404 → 必须先做 §3.1 (A) 防路径臆造自检（5 步）
• 收到 400 / 422 → 必须先做 §3.1 (B) 防参数臆造自检（6 步）
• 收到 业务 code != 0 → 读 message_zh 报告用户，不重试

高级使用

链式调用图谱（来自 recipes/）

用户场景	链路	字段流	Recipe 位置
查作品 + 评论 + 回复	get_post → list_comments → list_replies	post_id → comment_id 接力	recipes/post.md
下载作品视频	get_post → get_download	post_id 复用	recipes/post.md
看作品 + 二创	get_post → list_remix	post_id 复用	recipes/post.md
用户名 → 用户作品	search_users → get_profile → list_user_posts	username → user_id	recipes/user.md
文生视频（异步）	create_video → 轮询 get_task_status → get_task_detail	task_id 接力	recipes/tools.md
图生视频（异步）	upload_image → create_video → 轮询 → get_task_detail	image_id → task_id	recipes/tools.md
Cameo 热榜 → 用户主页	get_cameo_board → get_profile	user_id 复用	recipes/tools.md

防臆造自检清单（强制前置步骤）

收到 404 时（A）：

1. 路径白名单逐字符比对 → 不在清单中 STOP
2. Method 比对 → 不等 STOP
3. 参数键名比对 → 有清单外参数 STOP
4. 资源 ID 来源溯源 → Agent 编造的 STOP
5. 全通过才判定"上游资源不存在"

收到 400 / 422 时（B）：

1. 参数名严格比对（大小写 / 缩写 / 复数）
2. 必填项齐全 + oneOf 二选一逻辑
3. 类型与格式严格匹配（pattern / enum）
4. 传参方式正确（query vs body）
5. 没有 IN 表外的臆造参数
6. 全通过才按 message_zh 排查

异步任务最佳实践（仅适用 create_video）

• 轮询间隔：5–10 秒一次
• 状态语义：pending / running 不视为失败，必须继续轮询
• 轮询上限：建议 10 分钟封顶；超时后把 task_id 返回用户
• 推荐：宿主 Agent 支持子会话时，spawn 子会话专职轮询，主会话保持响应

SKILL 版本更新

触发条件	推荐操作
合法路径持续 404 / 410	skillhub upgrade maxhub-sora2（国内）或 clawhub upgrade maxhub-sora2（国际）
用户问"版本是多少"	当前版本 v3.7.2，访问 https://skillhub.cn/skills/maxhub-sora2
多端点连续 410	skillhub upgrade maxhub-sora2 --force
401 / 402 / 403	不是版本问题，去 https://www.aconfig.cn 处理

常用命令速查表

场景	命令
查 API Key	[ -n "${MAXHUB_API_KEY:-}" ] && echo "ok" || echo "missing"
查作品详情	curl -H "$maxhub_auth_header" "https://www.aconfig.cn/api/v1/sora2/get_post_detail?post_id=s_xxx"
查作品评论	curl -H "$maxhub_auth_header" "https://www.aconfig.cn/api/v1/sora2/get_post_comments?post_id=s_xxx"
查任务状态（轮询）	curl -H "$maxhub_auth_header" "https://www.aconfig.cn/api/v1/sora2/get_task_status?task_id=xxx"
检查 SKILL 更新	skillhub info maxhub-sora2 或 clawhub info maxhub-sora2

📌 端到端使用示例（agent 快速上手）

用户输入：「帮我看 Sora2 某个 post_id 的二创列表」

Agent 执行步骤：

1. 匹配 recipe：读 references/recipes/_index.md → 找到 trigger 命中 → 选最长匹配的 recipe
2. 加载 recipe 详情：读 references/recipes/<domain>.md 中对应段落，拿到 Inputs / Atomic Steps / Output
3. 路径校验：对每个 atom 的 endpoint_id，grep 一下 endpoints_whitelist.yaml 确认存在
4. risk: low 的端点直接调用，risk: medium+ 先与用户确认
5. 链式传递：上游响应的 json_path 字段（如 $.data.bvid）按 recipe 的 extract 列绑定为变量，传给下游端点
6. 错误处理：按 §错误处理决策表行动；不要自改路径或瞎加参数
7. 输出：组装结果给用户，标明数据来自三方接口；缺失字段显式说"未取到"

反例（agent 不要这么做）：

• ❌ 全文加载 endpoints_whitelist.yaml（大文件，浪费上下文）
• ❌ 看到 404 就改路径段重试（会被防臆造规则阻断）
• ❌ 把没在响应里的字段编一个值返回给用户
• ❌ 链式调用时忽略 recipe 的 extract 列，自己猜 json_path

5. 使用场景

场景一：Sora2 内容创作者寻找爆款规律

• 角色：Sora2 内容创作者
• 需求：想分析近期 Sora2 平台的热门作品有哪些共同特征，寻找下一个 Remix 灵感
• 使用方式：匹配 recipes/post.md 中的 trending_post_analysis Recipe → 自动按 get_feed → get_post 链路执行
• 预期收益：通过 Feed + 详情链路快速锁定高 totalScore 作品，提炼可复用的提示词模板

场景二：AI 视频研究者批量采集 Cameo 数据

• 角色：AI 视频领域研究者
• 需求：需要全平台 Cameo 出镜热榜及上榜用户的完整出镜记录，分析 Cameo 传播规律
• 使用方式：匹配 recipes/tools.md 中的 cameo_full_dataset Recipe → 按 get_cameo_board → list_cameo 批量执行
• 预期收益：一次调用矩阵覆盖全平台 Top Cameo 用户，构建完整的 Cameo 数据集

场景三：自媒体团队批量生成 AI 视频

• 角色：自媒体内容运营
• 需求：根据脚本批量生成 Sora2 视频用于多账号矩阵分发
• 使用方式：匹配 recipes/tools.md 中的 text_to_video_async Recipe → 串行 create_video → 子会话轮询 get_task_status → get_task_detail
• 预期收益：异步任务最佳实践确保不阻塞主会话，写入端点防重复扣配额，视频生产效率提升 5–10 倍

场景四：社媒分析师追踪 Remix 传播链

• 角色：社媒数据分析师
• 需求：跟踪某个爆款作品的全部 Remix 二创及其作者，绘制传播图谱
• 使用方式：匹配 recipes/post.md 中的 remix_chain_analysis Recipe → get_post → list_remix → get_profile 三步走
• 预期收益：完整的内容传播链分析，识别 KOL 二创节点

6. 项目架构

目录结构（Atoms + Recipes + Reference 三层）

text

maxhub-sora2/
├── SKILL.md                            # Skill 定义与使用文档（本文件）
├── README.md                           # 英文项目说明
├── README_CN.md                        # 中文项目说明
├── _meta.json                          # 版本元信息（version: 3.7.2）
└── references/
    ├── atoms/                          # ⚛️ 原子层（标准化端点封装）
    │   └── _index.md                   #   17 端点 × 业务别名映射表（atom_id / chain_role / idempotent / write_op）
    ├── recipes/                        # 📜 编排层（多步业务场景脚本）
    │   ├── _index.md                   #   全部 Recipe 索引（trigger_keywords + 文件路径）
    │   ├── post.md                     #   作品域 Recipes（详情/评论/Remix/下载等）
    │   ├── user.md                     #   用户域 Recipes（画像/社交/Cameo 出镜）
    │   └── tools.md                    #   工具域 Recipes（视频生成/任务轮询/热榜）
    ├── post.md                         # 📖 Reference 详情：作品域 6 端点（5 区契约）
    ├── user.md                         # 📖 Reference 详情：用户域 6 端点
    ├── tools.md                        # 📖 Reference 详情：工具域 5 端点（含写入）
    ├── param-mappings.md               # 🔗 中枢索引（全局红线 + 字段流字典 + 错误处理 + 替换矩阵）
    ├── endpoints_whitelist.yaml        # 🛡️ 17 端点路径硬白名单 + Pre-call 4 步自检协议
    └── update.md                       # 🔄 SKILL 更新机制（SkillHub / ClawHub / GitHub）

技术栈

组件	技术	说明
调用方式	curl + Bearer Token	HTTP GET 请求，参数通过 query string 传递
数据接口	MaxHub API	https://www.aconfig.cn/api/v1/sora2/*，通过 MAXHUB_API_KEY 鉴权
原子层	atoms/_index.md	端点封装为 atom，含业务别名 + 链路角色 + 幂等性 + 写入标记
编排层	recipes/*.md	多步业务脚本，含 trigger_keywords + Atomic Steps + 字段流绑定 + on_err
路径校验	YAML 硬白名单	endpoints_whitelist.yaml 提供 17 端点的逐字符校验 + 4 步 Pre-call 协议
错误处理	决策表 + 自检清单	HTTP 状态码权威定义 + 防臆造自检（A/B 双轨）+ 重试策略矩阵
输出格式	JSON Standard MaxHub Response	{code, message, message_zh, data, cache_url}
更新通道	SkillHub / ClawHub / GitHub	国内 ⭐⭐⭐ SkillHub（腾讯云 CDN）/ 国际 ⭐⭐⭐ ClawHub / 降级 GitHub

API 覆盖范围

领域	端点数	原子数	Recipes 数	Reference 文件
作品（Posts）	6	6	5+	post.md
用户（Users）	6	6	4+	user.md
工具与 Cameo（Tools）	5	5	5+	tools.md
合计	17	17	14	—

关键设计理念

• 三层架构：Atomic 原子层（端点标准化）+ Recipe 编排层（业务场景脚本）+ Reference 详情层（5 区契约），Agent 按"目标 → recipes → atoms → reference"四步精准定位
• 防臆造四道闸：白名单（endpoints_whitelist.yaml）→ 强标记（Full path）→ 禁止规则（Forbidden）→ 错误反馈（STOP）
• Agent 友好 7 大原则：结构胜于叙述、明确指令优于建议、单一来源、词法稳定性、低 token 密度、边界显式声明、错误处理是契约
• 链式调用图谱：字段流字典 + Recipe Atomic Steps + 跨 reference 链路三层联动，杜绝 Agent 编造字段名
• 错误处理契约：HTTP 状态码权威定义 + §3.1 防臆造自检清单（A: 5 步 / B: 6 步）+ 重试策略矩阵 + 端点替换矩阵