mcpbeat

AI Short Drama Agent Skill

精细化 AI 短剧 IP 创作技能(v0.6.0)。三阶段架构:Phase 1 创作(剧本+ref图,反复迭代)→ Phase 1.5 分镜图(每 grid 1-4 张候选静态图 = 视频首帧,工业级核心层)→ Phase 2 出片(按集解锁,4 模自动选)。v0.6.0 关键升级:① ref 库工艺偏置铁律(现代摩天楼易拟物,古建筑必出 chibi 人体,前期 IP 设计阶段就要避坑)② 即梦 5.0 失败模式 + 敏感词清单(3 类 fail 区分 / prompt 1500 字硬上限 / 反派词替换表 / 暧昧词清单)③ 分镜图 8 段 prompt 模板(CHARACTER/BACKGROUND/ACTION/SCENE/CAMERA/LIGHT/TEXT/STYLE)+ NOT humans 子句必加。沿用 v0.3.0 升级:Phase 1.5 分镜图层、4 模视频、ref 5-8 最优。v0.2.0:bash → Python subprocess、36 grid × 4-10s 变奏、红果必爆 7 招、工业级 ref 库 80-150 张、单 prompt 300-500 字。务必触发:用户提到短剧、微短剧、竖屏剧、AI 短剧、AI 漫剧、剧本创作、分镜、即梦/Seedance 出片、红果/番茄/抖音 IP 改编、爽剧、重生、穿越、赘婿、追妻、神医相师、AI 漫剧奇观、或"帮我做一部短剧"类请求。

85k tokens
context cost
the whole folder, loaded on every use
48
files
ships runnable scripts
0
copies elsewhere
how many repositories repackaged it
199
stars on the repo
on the repository, not the skill itself

Install

one command, takes just this skill from the repository
npx skills add https://github.com/A-cat-with-carrots/OnlyShot --skill ai-short-drama

The instruction itself

49 sections, as written by the author

AI 短剧精细化 IP 创作 v0.6.0

v0.6.0 changelog(2026-05-16)

> SD-002《城市恋综》EP01 36 grid × 3 轮(v2.5/v2.6/v2.7)跑 + 全审反推。从「16/36 灾难级一致性破损」修到「0 灾难 / 60% ≥4 分」+ 沉淀 2 个工业级 SOP。

关键升级

  • references/storyboard-frame-industrial.md v0.3.0:分镜图工艺 SOP
  • 8 段 prompt 模板(CHARACTER/BACKGROUND/ACTION/SCENE/CAMERA/LIGHT/TEXT/STYLE)
  • NOT humans 子句必加:每个主角单独 Xxx body IS [arch] architecture NOT a human wearing X NOT a human with headpiece
  • ref 库工艺偏置铁律:现代摩天楼易拟物 / 古建筑必出 chibi 人体
  • 多角色 SOP:1 主角 ref + N 文字 silhouette + bokeh blur
  • 戏剧光词库(25+ 关键词)+ 红果级首帧 10 条 checklist
  • 11 节完整文档(含 EP01 v2.7 实测验证 grid13/21/22 全 5/5)
  • references/jimeng-failure-modes.md v0.1.0(新):即梦 5.0 失败模式 + 敏感词全清单
  • 3 类 fail 完全区分:InvalidNode(字数超) / generation failed(审核) / 无 image_url(网络)
  • prompt 字数硬上限:1500 字符(实测分布表)
  • 反派词替换表:sinister/menacingly/dark intent → moody/leaning/quiet
  • 暧昧词清单:blush/cheeks/extreme close-up → rose tint/medium shot
  • 并发 vs 串行限流:长 prompt + 并发 = fail,长 prompt 必单跑
  • 4 个 grid 实战诊断 case + 工艺校验 checklist
  • scripts/生成分镜图.py--no-fingerprint flag
  • 防 02_IP简报.md 的 ref 风格视觉指纹(neutral / flat / NOT cinematic)污染分镜图 dramatic 光
  • max_workers 8 → 4(降并发防限流)
  • timeout 300 → 420s + 重试 2 次(防长 prompt 超时)

最大教训

ref 工艺是分镜图工艺的上游。
ref 不纯(chibi 人体),分镜图加 NOT humans 也救不回来。
前期 IP 设计阶段就要避坑:选玻璃塔 / 简单几何,避复杂古建筑。

v0.3.0 changelog(2026-05-08)

> SD-001 实战 + 工业级方法论调研沉淀。新增 Phase 1.5 分镜图层 + 4 模视频生成。

关键升级

  • Phase 1.5 分镜图层(工业级 5 步流程核心)
  • scripts/生成分镜图.py:每 grid 1-4 张候选关键帧(text2image)
  • 分镜图 = 视频首帧(image2video / frames2video 输入)
  • 修改成本 3 积分/张 vs 视频 55 积分/段 = 18 倍便宜
  • 视频构图 = 静态图(不再随机)
  • 4 模视频生成(auto 按文件存在自动选)
  • image2video:分镜图首帧 + 动作 prompt(默认主用 80%)
  • frames2video:首帧 + 尾帧锁定(关键爆点 10%)
  • multiframe2video:2-20 关键帧一镜到底(复杂动作 5%)
  • multimodal2video:9 image + 3 video + 3 audio fallback(5%)
  • ref 5-8 最优(不塞 9 → 注意力分散)
  • @ 指令显式职责语法(@图片1 作为角色参考 / @视频1 参考运镜)
  • 关键 grid 首尾帧(爆点/反派/心声/卡点必锁)

文档新增

  • references/storyboard-frames-craft.md(分镜图工艺 + 4 模选择)

脚本新增 / 改

  • scripts/生成分镜图.py(新,Step 3)
  • scripts/生成分集视频.py(改,支持 4 模 auto 选)
  • assets/templates/分镜.json(新增 video_mode / first_frame_path / last_frame_path / multiframe_paths 字段)

v0.2.0 changelog(2026-05-08)

> SD-001「重生穿越为哮天犬」实战沉淀。13 个失败模式 → 13 个修复 + 工业级标准。

关键修复

  • scripts/生成分集视频.py(替代 bash):subprocess args list 直接调 dreamina,避 bash eval 在中文/特殊字符 prompt 下 quoting 出错(旧 bug 导致 multimodal2video 任务被 server 静默丢弃,list_task 假活 30+ 分钟)
  • scripts/ref完备性检查.py:生视频前强制扫所有 (@xxx_ref.png) 引用,本地缺失就 exit 1
  • scripts/派生分集文件.py:从分镜.json 一键派生即梦批量包.md / 镜头清单.md
  • regex 修复:含全角中文 stop 字符(r'@([^\s),)]+_ref\.png)'
  • multimodal2video stuck 自动检测:提交后 check queue_status == 'Generating',否则 fallback 到 list_task 找回 submit_id

节奏升级

  • 36 grid × 4-10s 变奏 替代 60 grid × 3s 死板(multimodal2video 最低 4s,3s 不合法)
  • 红果必爆 7 招(详 references/v21-97-percent-rules.md
  • 时长分布:4s × 11 + 5s × 14 + 6s × 5 + 7s × 3 + 8-10s × 3 = 36 段 / ~190s

素材标准升级

  • ref 库目标 80-150 张(vs v0.1.x 22 张)
  • 单 prompt 300-500 字(vs v0.1.x 100-200 字)
  • ref 分层:① master 风格 ② 角色基础多角度 ③ 角色表情库 ④ 关键动作 ⑤ 场景多角度 ⑥ 道具细节

文档

  • 新增 references/troubleshooting.md(13 失败模式 + 解法)
  • 新增 references/v21-97-percent-rules.md(7 招 + 24 集校准模板)
  • references/storyboard-craft.md 为 36 grid 4-10s 变奏
  • references/jimeng-cli-guide.md 加 v0.2.0 升级 + 网页端可见性

核心架构:2 Phase

┌─ Phase 1:创作(成本低,反复迭代)─────────────────┐
│  阶段 0:市场情报扫描                              │
│  阶段 1:IP 简报(5 子步)                         │
│  阶段 2:故事架构(4 子步)                        │
│  阶段 3:设定圣经(4 子步)                        │
│  阶段 3.5:ref 图自动生成(dreamina CLI)          │
│  阶段 5:批判 refine                              │
└──────────────────────────────────────────────────┘
                      ↓
┌─ Phase 1.5:分镜图(v0.3.0 工业级核心)⭐ 新增 ─────┐
│  ⚠️ 写 prompt 前必读:                            │
│   - storyboard-frame-industrial.md §5(8 段模板)  │
│   - jimeng-failure-modes.md §1+§2(字数+敏感词)   │
│  对每一集独立运行:                               │
│  3A:写该集分镜.json(v0.3.0 字段:video_mode +    │
│       first_frame_path + last_frame_path)         │
│  3B:python scripts/ref完备性检查.py              │
│  3C:python scripts/生成分镜图.py(每 grid 1-4    │
│       张候选关键帧 = 视频首帧)                    │
│  3D:人工选图(grid01_候选3.png → grid01.png)    │
│  3E:关键 grid(爆点/反派/心声)生首尾帧           │
│       (gridXX_首.png + gridXX_尾.png)           │
└──────────────────────────────────────────────────┘
                      ↓
┌─ Phase 2:出片(成本高,按集解锁)────────────────┐
│  4.A:python scripts/生成分集视频.py              │
│       auto 模式按文件存在自动选 4 模:             │
│       - frames2video(首尾帧锁定)                │
│       - image2video(分镜图首帧 + 动作)          │
│       - multiframe2video(2-20 帧一镜到底)       │
│       - multimodal2video(fallback 多 ref)       │
│  4.B:用户在剪映拼接 + 配音 + BGM + 字幕           │
└──────────────────────────────────────────────────┘

为什么这么拆

  • 剧本 / ref 不满意 → Phase 1 反复改,不烧视频钱
  • 分镜图 = 视频首帧 → Phase 1.5 静态图先确认(3 积分/张),不满意改 prompt 重生 → 视频构图固定(不再随机)
  • 修改成本:分镜图 3 积分 vs 视频段 55 积分 = 18 倍便宜,省视频试错 50%+
  • 视频出片成本高 → Phase 2 按集解锁,每集都让用户验收
  • AI 短剧的真正成本不是创作,是出片。用 Phase 1 + 1.5 把构图打磨到位,Phase 2 才值得花钱

触发条件

下列任意一个都触发:

  • 用户说"做/写/帮我做 ... 短剧"
  • 提到红果/番茄/抖音/快手 IP 改编
  • 提到即梦/Seedance/可灵/Vidu 出片,并谈到剧本
  • 提到分镜、storyboard、shot list、镜头脚本
  • 提到爽剧、虐剧、追妻、复仇、重生、穿越、赘婿、奶奶觉醒、神医相师、AI 漫剧奇观

不触发的反例:

  • 用户已有完整剧本,只想改某句台词 → 直接改
  • 用户问"短剧行业前景如何" → 普通问答
  • 用户问"什么是 AI 短剧" → 普通问答

默认参数(v0.6.0)

| 项 | 默认值 | 来源 |

|----|--------|------|

| 单集时长 | 180-195s | 红果实测最优(不严卡 180)|

| 集数 | 24 集(精华)/ 72 集(常规) | 24 集省成本 + 紧凑爆点 |

| 单集分镜数 | 36 grid × 4-10s 变奏 | multimodal2video 最低 4s,变奏防机械感 |

| 时长变奏分布 | 4s×11 + 5s×14 + 6s×5 + 7s×3 + 8-10s×3 | v2.1 红果必爆铁律 |

| 视频比例 | 9:16 竖屏 | 红果/抖音/快手统一 |

| 视频模式 | multimodal2video(全能参考) | Seedance 2.0 Fast VIP,多 ref 输入最稳 |

| 字幕 | (中文括号包 + AIGC 标识)| 红果强制 |

| ref 库目标 | 80-150 张(工业级)| 含动作/表情/场景多角度/道具细节 |

| 单 prompt 字数 | 300-500 字 | 含动作物理 + 表情拆帧 + 灯光 + 字幕规格 |

| 平台 | 红果(默认)+ 抖音(次选)| 月活 3 亿 + 引流 |

| 流派 | 互动选 | 红果纯爽 / 精品悬疑 / 漫剧奇观 / 沙雕轻喜 / 年代爽剧 |

| 付费模式 | 互动选 | 免费(广告)/ 付费(解锁)|

| ref 图生成 | dreamina text2image 4-grid(多角度) | Phase 1 阶段 3.5 |

| 视频出片 | dreamina multimodal2video(含视觉指纹自动 append)| Phase 2 阶段 4.C |

| 跑视频前预检 | 必跑 python scripts/ref完备性检查.py | 防 ref 漏 → AI 自由生成 → 一致性破 |

每次启动都要问用户是否调整这些。

关于 AI 优势(用户提示,不强推但要点出):

AI 生视频真正的护城河 = 真人难拍的奇观(修仙 / 末世 / 西游 / 玄幻 / 异能)。如果用户题材是奶奶觉醒 / 都市追妻这种真人易拍的,告诉用户:"虽然 AI 也能做,但 AI 真正优势在漫剧奇观流。要不要考虑切换流派?"——给 1 次提示,用户决定。


Phase 1:创作(5 阶段 + 阶段 3.5)

阶段 0:市场情报扫描(4 子步)

0.1 联网搜当下 Top 5 剧名

搜索 1:红果短剧 排行榜 <YYYY-MM>
搜索 2:番茄小说 改编 IP <近 30 天>
搜索 3:抖音短剧 <用户题材关键词> 热度
搜索 4:DataEye 短剧观察 / QuestMobile 月报
搜索 5:短剧 平台 审核 <当前年> 红线

0.2 真读 1-2 部爆款的业界拆解(核心)

WebFetch 1-2 部爆款的剧情解说 / 业界拆解文章。优先源:woshipm / 36 氪 / 腾讯新闻 / 21 经济网。

如果全部 403 → fallback 到内置 references/red-fruit-data.md

0.3 给用户 3 选项菜单(不要直接出报告)

让用户挑差异化角度。

0.4 写入 01_市场情报.md

详见 references/market-pulse.md


阶段 1:IP 定位(5 子步)

1.1 流派选择(关键)

5 选项让用户挑:A 红果纯爽流 / B 精品悬疑流 / C 漫剧奇观流 / D 沙雕轻喜流 / E 年代爽剧流。

v0.1.2 新增提示:在选项 C 旁加注:「真人难拍 = AI 优势。如果你计划用 AI 出片,C 是最有性价比的选择,因为修仙/末世/玄幻类真人剧组成本极高,AI 直接生」。但不强推,让用户判断。

详见 references/genre-flavors.md

1.2 题材原型(1 主 + 1 副)

详见 references/archetype-catalog.md

1.3 核心钩子(草拟 3 版让用户挑)

1.4 重复爽点公式(草拟 2 版让用户挑)

1.5 写入 02_IP简报.md

详见 references/ip-strategy.md


阶段 2:故事架构(4 子步)

2.1 三幕结构骨架

2.2 关键反转节点(让用户挑)

2.3 72 集大纲(先给关键 25 集让用户确认)

2.4 写 03_完整剧本.md + 04_节奏地图.json

详见 references/story-architecture.md


阶段 3:设定圣经(4 子步)

3.1 角色清单(≤ 6 人)

3.2 5 特写镜头人格锚定

3.3 视觉母题 + 反差点 + 服装表 + 即梦 ref prompt

3.4 写 3 份圣经

05_角色圣经.md + 06_场景圣经.md + 07_道具圣经.md

详见 references/character-design.md


阶段 3.5:ref 图自动生成(v0.1.2 新增,关键)

这是 Phase 1 的最后一步,也是 Phase 2 的前置依赖

3.5.1 检测 dreamina CLI

which dreamina && dreamina --version

如果未装 → 引导安装:

curl -fsSL https://jimeng.jianying.com/cli | bash

详细装机指引见 references/jimeng-cli-guide.md

3.5.2 检测登录态

dreamina user_credit

如果未登 → 引导:dreamina login(浏览器授权)

如果余额不足 → 提示用户充值(不能继续)

3.5.3 提取 ref prompt

读 3 份圣经末尾的「即梦角色/场景/道具参考图生成包」段,提取所有 prompt:

  • N 个角色 → N 张角色 ref(9:16 半身像)
  • M 个场景 → M 张场景四宫格
  • K 个道具 → K 张道具三视图

预计 N+M+K 张图,每张 2k 分辨率约 ¥0.5-1,总成本约 ¥5-15

3.5.4 批量调用 dreamina text2image

每张图独立提交:

dreamina text2image \
  --prompt="<从 05_角色圣经.md 提取>" \
  --ratio=9:16 \
  --resolution_type=2k \
  --download_dir="<项目>/ref图/角色/" \
  --poll=60

落到项目子目录:

SD-XXX_<拼音>/
├── ref图/
│   ├── 角色/
│   │   ├── 周翠英_ref.png
│   │   └── ...
│   ├── 场景/
│   │   └── scene_01_四宫格.png
│   └── 道具/
│       └── prop_01_三视图.png

或用项目自带脚本:scripts/生成参考图.sh

3.5.5 检验 + 用户确认

ref 图生成后必须让用户看一眼

  • 角色脸型对吗?
  • 服装颜色对吗?
  • 场景整体氛围对吗?

不对 → 改 prompt → 重跑(成本低,单图重跑约 ¥1)

OK → 标记 项目元数据.jsonref_done = true,进阶段 5 批判。


阶段 5:批判 refine(4 子步)

5.1 6 维度自评 + 反套路检测 + 平台审核扫描

5.2 命中 → 必改 → 在原文件打补丁 → 09_修订记录.md

5.3 大改 → 自动归档 归档/v1.X_<日期>/

Phase 1 完成判定

  • 6 维度总分 ≥ 50/60
  • 反套路一级黑名单 0 处命中
  • 平台审核全过
  • ref 图全部 OK
  • 用户确认"可以出片"

详见 references/critic-checklist.md


Phase 2:出片(按集解锁)

前置条件:Phase 1 完成 + ref 图齐 + 用户明确说"开始出片"。

每集独立运行 4.A → 4.D。

阶段 4.A:选要出片的集

Phase 1 已完成 ✅。准备进 Phase 2 按集出片。

成本提醒:每集 60 段视频,约 ¥X-XX(按当前 dreamina 单价计算)。

要先出哪一集?建议顺序:

1. 第 1 集(开篇,最关键,先出测试 ref 图效果是否符合预期)
2. 第 8 集(一卡 / 一爆,付费短剧首付费点)
3. 第 27 集(二卡)
4. 第 50 集(三卡 / 终极反转)
5. 第 72 集(结局)
6. ...

挑 1 集开始。出完该集,确认效果再决定下一集。

默认建议:先出第 1 集试水,看 ref 图在视频里效果如何。如果不好 → 回阶段 3.5 改 ref → 重出第 1 集。第 1 集 OK 后再批量出后续。

阶段 4.B:写该集分镜 + 剧本 + 即梦批量包

如果该集 分集/第XX集_<集名>/ 还不存在 → 按 references/scripting-craft.md(剧本)+ references/storyboard-frame-industrial.md(分镜图 8 段 prompt + ref 工艺偏置)+ references/jimeng-failure-modes.md(敏感词 / 字数上限 / 并发限流)写:

  • 剧本.md
  • 分镜.json(60 grid)
  • 镜头清单.md
  • 即梦批量包.md(60 段 prompt)

阶段 4.C:dreamina image2video 自动出片

分集/第XX集_<集名>/即梦批量包.md 的 60 段 prompt,逐段调用 dreamina image2video

dreamina image2video \
  --image="ref图/角色/周翠英_ref.png" \
  --prompt="<段 N 的 prompt>" \
  --duration=3 \
  --ratio=9:16 \
  --download_dir="分集/第XX集/视频段/" \
  --poll=60

每段约 5-15 秒生成(dreamina 服务端排队)。60 段约 30-90 分钟。

或用项目自带脚本:scripts/生成分集视频.sh <集编号>

视频段落落到:

分集/第01集_<集名>/
├── 剧本.md
├── 分镜.json
├── 镜头清单.md
├── 即梦批量包.md
└── 视频段/
    ├── 段01.mp4
    ├── 段02.mp4
    ├── ...
    └── 段60.mp4

阶段 4.D:剪映拼接(手动)

skill 不调剪映,但给完整指引:

  • 在剪映新建 9:16 / 1080×1920 / 30fps 项目
  • 按段 1-60 顺序导入
  • 段间过渡:「叠化 0.3s」(爽点段用「白闪 0.2s」)
  • 配音:剪映 TTS 或真人
  • BGM:按 02_IP简报.md 的关键词在剪映音乐库搜
  • 字幕:所有对白上字幕,字号 60,黑边白字
  • AIGC 标识(红果 2026 强制):片头片尾各 5s
  • 输出 MP4 H.264 / 1080P

Phase 2 单集完成判定

  • 60 段视频齐
  • 用户在剪映看过初剪片
  • 用户说"OK 这集可以"
  • 标记 项目元数据.jsonepisodes_video_done.append(集号)

然后进 4.A 选下一集。


⭐ v0.6.0 视觉一致性 SOP(必读)

> v0.6.0 update:原 v0.1.4 8 条 SOP 已被 SD-002 三轮实战推翻 / 拆分到 3 个工业级文档。新手只看这一节 + 3 个 references 即可。

分镜图 prompt 工艺references/storyboard-frame-industrial.md

  • 8 段模板(CHARACTER/BACKGROUND/ACTION/SCENE/CAMERA/LIGHT/TEXT/STYLE)
  • 1 主角 ref + N silhouette 多角色 SOP
  • 戏剧光词库 + 红果级首帧 10 条 checklist
  • ref 库工艺偏置(现代摩天楼易拟物 / 古建筑必出 chibi 人体)

ref 图 prompt 工艺references/ref-prompt-industrial.md

  • 6 段 identity block(IDENTITY/BODY/FACE/ATTIRE/LAYOUT/STYLE)
  • 视觉指纹放 prompt 开头前 200 token
  • 拟物化 IP「IS the object NOT humanoid」必加
  • 4 视图标签水印陷阱

即梦 5.0 故障排查 + 敏感词references/jimeng-failure-modes.md

  • 3 类 fail 区分:InvalidNode / generation failed / 无 image_url
  • prompt 字数硬上限:1500 字符(v0.6.0 实测条件下)
  • 反派词 / 暧昧词 / 中文敏感词替换表
  • 长 prompt 必单跑(不要并发 4+)

v0.1.4 老 SOP 被推翻的 3 条(必须知道):

  • ❌ 老 SOP「scripts 自动 append 视觉指纹」 → v0.6.0 用 --no-fingerprint 关闭(ref 风格词会污染分镜图 dramatic 光)
  • ❌ 老 SOP「4 distinct angles」 → 只在 ref 阶段适用,不要写进分镜图 prompt
  • ❌ 老 SOP「改 prompt 后必删旧图重生」 → 仍然成立,但脚本会自动 skip 已存在的;改 prompt 后必须手动删旧文件再跑

详见 references/visual-consistency-sop.md(v0.1.4 老文档已大幅瘦身,只保留成本 / 流程部分)。


项目目录位置规则(v0.1.2)

skill 创建短剧项目时,项目根目录按以下顺序确定:

  • 用户明确指定路径 → 用指定路径
  • 当前 cwd 是短剧工作区(含 aiForShortDrama / short-drama / 短剧 等关键词,或已存在 SD-XXX_*/ 子目录)→ 直接在 cwd 下创 SD-XXX_<拼音>/
  • 当前 cwd 是用户主目录或通用工作区 → 默认建议 D:\hrdai\aiForShortDrama\SD-XXX_<拼音>/(用户的标准短剧工作区,本机已建)
  • 都不是 → 询问用户路径,不要自作主张

默认创作工作区D:\hrdai\aiForShortDrama\

每次新建短剧项目都落到这个目录下,便于集中管理 + 复用 ref 图 / 角色资产。


项目文件结构(v0.1.2)

D:\hrdai\aiForShortDrama\                       ← 用户标准短剧工作区
├── 即梦 CLI 体验指南.pdf                       ← 用户参考文档
├── README.md                                    ← 工作区 README
│
├── SD-001_<拼音>/                              ← 第 1 部短剧
│   ├── README.md                                ← 项目首页
│   ├── 项目元数据.json
│   │
│   ├── 01_市场情报.md
│   ├── 02_IP简报.md
│   ├── 03_完整剧本.md
│   ├── 04_节奏地图.json
│   ├── 05_角色圣经.md
│   ├── 06_场景圣经.md
│   ├── 07_道具圣经.md
│   │
│   ├── ref图/                                   ← 阶段 3.5
│   │   ├── 角色/
│   │   │   ├── <角色>_ref.png
│   │   │   └── ...
│   │   ├── 场景/scene_01_四宫格.png
│   │   └── 道具/prop_01_三视图.png
│   │
│   ├── 分集/                                    ← Phase 2 按集解锁
│   │   ├── 第01集_<集名>/
│   │   │   ├── 剧本.md
│   │   │   ├── 分镜.json
│   │   │   ├── 镜头清单.md
│   │   │   ├── 即梦批量包.md
│   │   │   └── 视频段/                          ← 阶段 4.C 产出
│   │   │       ├── 段01.mp4
│   │   │       └── ...
│   │   └── 第08集_<集名>/...
│   │
│   ├── 08_自我批判.md
│   ├── 09_修订记录.md
│   │
│   └── 归档/                                    ← 大改前 snapshot
│       └── v1.0_<日期>/
│
├── SD-002_<拼音>/                              ← 第 2 部短剧
│   └── ...
│
└── SD-003_<拼音>/                              ← 第 N 部

项目元数据.json 关键字段

{
  "project_id": "SD-001",
  "project_name": "<>",
  "skill_version": "v0.1.2",
  "version": "v1.0",
  "phase": "Phase1_创作 | Phase1_完成 | Phase2_出片 | 完成",
  "stage_progress": {
    "0_市场": "completed",
    "1_IP": "completed",
    "2_故事": "completed",
    "3_设定": "completed",
    "3.5_ref图": "completed",
    "5_批判": "completed",
    "Phase2": "in_progress"
  },
  "ref_done": true,
  "episodes_video_done": [1, 8],
  "next_action": "出第 27 集(二卡)"
}

与用户交互的规矩

  • 每个阶段拆 3-5 子步,每子步给选项菜单让用户挑(A/B/C),不是给完整文档让用户看完
  • 每次开始时主动做市场情报扫描 + WebFetch 真读爆款
  • 如果用户题材落在衰退期 / 红海,要诚实告诉用户并给替代方向
  • 如果用户没指定流派 / 集数 / 付费,要问
  • AI 出片提示:如果用户题材落在真人易拍范围(奶奶 / 婆媳 / 追妻),给一次"漫剧奇观流是 AI 优势"提示,但不强推
  • Phase 1 → Phase 2 必须有明确切换确认:用户说"开始出片"才能进 Phase 2
  • Phase 2 必须按集解锁,不能一次出多集
  • 每次大改前自动归档

dreamina CLI 集成

详见 references/jimeng-cli-guide.md。要点:

  • 安装:curl -fsSL https://jimeng.jianying.com/cli | bash(Mac/Linux/Windows Git Bash)
  • 登录:dreamina login(浏览器授权)
  • 查余额:dreamina user_credit
  • 文生图:dreamina text2image --prompt=... --ratio=9:16 --resolution_type=2k --poll=60
  • 图生视频:dreamina image2video --image=... --prompt=... --duration=3 --poll=60
  • 异步查询:dreamina query_result --submit_id=<ID>

skill 通过 Bash 工具直接调 dreamina 命令,不需要 API key 管理。


启动指令

用户可能这样触发:

  • "做一部 ... 短剧"
  • "帮我写一个 ... 题材的爽剧"
  • "我有个想法:..."
  • "改编 ... 这本小说成短剧"

启动后第一句话回应模板:

收到。本技能 2 阶段架构:

Phase 1 创作(成本低,反复迭代)
  - 市场情报 + IP 简报 + 故事架构 + 设定圣经 + ref 图自动生成 + 批判
  - dreamina text2image 生 ref 图,成本约 ¥5-15

Phase 2 出片(成本高,按集解锁)
  - dreamina image2video 单集 60 段,按集生成

先 Phase 1,跟你 5 阶段互动确认。3 个最关键问题:

1. 流派:A 红果纯爽 / B 精品悬疑 / C 漫剧奇观(AI 优势)/ D 沙雕轻喜 / E 年代爽剧
2. 集数:默认 70,要改吗?
3. 付费:免费(广告)/ 付费(解锁,第 8 集首付费)

回答后启动阶段 0。

收尾交付

Phase 1 完成时给一份「创作完成清单」:

✅ 《XXX》Phase 1 创作完成

📋 IP 信息
- 流派、集数、平台、对标、钩子、爽点公式

📊 创作产出
- 9 个编号文件(市场情报 → 自我批判)
- N 张 ref 图(角色 / 场景 / 道具)
- 72 集大纲 + 节奏地图

🎬 下一步
准备进 Phase 2?告诉我先出哪一集(建议第 1 集试水)。

Phase 2 每集完成时给一份「该集出片完成清单」。

Other skills for the same job

different authors, same section of the catalogue
Legacy Circuit Mockups
by github
vendor ×1

Generate breadboard circuit mockups and visual diagrams using HTML5 Canvas drawing techniques. Use when asked to create circuit layouts, visualize electronic component placements, draw breadboard diagrams, mockup 6502 builds, generate retro computer schematics, or design vintage electronics projects. Supports 555 timers, W65C02S microprocessors, 28C256 EEPROMs, W65C22 VIA chips, 7400-series logic gates, LEDs, resistors, capacitors, switches, buttons, crystals, and wires.

37k tokens
Hyperframes Keyframes
by aiskillstore
×1

> Use when a HyperFrames composition needs seek-safe 2D/3D keyframes, GSAP timelines, CSS keyframes, Anime.js, WAAPI, FLIP, paths, masks, SVG morph/draw, text trails, 3D depth, or `hyperframes keyframes` diagnostics. Don't use for broad scene strategy, brand design, media sourcing, captions, or general video planning.

17k tokens
Anydesign
by uxKero
×1

Analyze images, websites, and Figma files to extract their design and generate a `design.md` with token system, component inventory, and reconstruction notes. Use this skill whenever the user wants to understand, document, replicate, or audit the design of something visual: a screenshot, a URL, a Figma link, a Pinterest reference, a mockup, a competitor's site, a component, a dashboard, a landing page. Also when they ask 'extract the design system from X', 'document the style of Y', 'analyze this visually', 'convert this image into tokens', 'help me replicate this design', 'what palette does this site use', 'how is this built'. Also for single elements: 'copy this navbar', 'recreate this illustration', 'give me a prompt to regenerate this graphic' — element mode outputs a focused element.md, with token-grounded image-model prompts when the element is visual art. If the user brings any visual source and wants to understand it at a design level — this skill should activate.

728k tokens scripts
Brandkit
by lornshrimp
×1

Premium brand-kit image generation skill for creating high-end brand-guidelines boards, logo systems, identity decks, and visual-world presentations. Trained for minimalist, cinematic, editorial, dark-tech, luxury, cultural, security, gaming, developer-tool, and consumer-app brand systems. Optimized for intentional logo concepting, refined composition, sparse typography, strong symbolic meaning, premium mockups, art-directed imagery, and flexible grid layouts.

4k tokens
Imagegen Frontend Mobile
by lornshrimp
×1

Elite mobile app image-generation skill for creating premium, app-native screen concepts and flows. Designed for iOS, Android, and cross-platform mobile products. Prioritizes clean hierarchy, comfortably readable text, strong multi-screen consistency, controlled color palettes, non-generic creative direction, textured surfaces, image-led composition, tasteful custom iconography, and clean phone mockup framing. By default, screens should be shown inside a subtle premium iPhone or similar phone mockup with a visible frame, while the main focus stays on the app content itself. This skill generates images only. It does not write code.

10k tokens
Perf Web Optimization
by christophacham
×1

Optimize web performance: bundle size, images, caching, lazy loading, and overall page speed. Use when site is slow, reducing bundle size, fixing layout shifts, improving Time to Interactive, or optimizing for Lighthouse scores. Triggers on: web performance, bundle size, page speed, slow site, lazy loading. Do NOT use for Core Web Vitals-specific fixes (use core-web-vitals), running Lighthouse audits (use perf-lighthouse), or Astro-specific optimization (use perf-astro).

4k tokens
Brandkit
by nexu-io

| Premium brand-kit image generation skill for creating high-end brand-guidelines boards, logo systems, identity decks, and visual-world presentations. Trained for minimalist, cinematic, editorial, dark-tech, luxury, cultural, security, gaming, developer-tool, and consumer-app brand systems. Optimized for intentional logo concepting, refined composition, sparse typography, strong symbolic meaning, premium mockups, art-directed imagery, and flexible grid layouts.

4k tokens
Gsap Performance
by nexu-io

| Official GSAP skill for performance — prefer transforms, avoid layout thrashing, will-change, batching. Use when optimizing GSAP animations, reducing jank, or when the user asks about animation performance, FPS, or smooth 60fps.

1k tokens

How to use it

Copy the folder

Take a-cat-with-carrots/ai-short-drama from the repository into ~/.claude/skills for personal use, or into .claude/skills inside a project.

Check the name does not clash

The agent identifies a skill by the name field in its header. Two skills with the same name cannot sit side by side — one of them will be ignored.