Skillkit
Publish skillSign in

oil-cover

为小红书「AI 工具实操」内容生成稳定、清楚、干净、精致的视频封面的 Claude / Codex Skill。 方向是 真实屏幕证据 + Apple-like 产品视觉 + 清晰标题 + 无人物干净构图，一次性整图生成，不靠本地贴字拼图。 作者：oil 欧呦（@oil-oil）

image

SKILL.md

oil-cover

为小红书 AI 工具实操内容生成稳定、清楚、干净、精致的视频封面。执行模式以用户配置为准；两种模式遵循同一套标题、产物和验收规则。

先检查当前视频已有产物：源视频、审校字幕、标题、画幅和头像配置未变且最终图已经验收时，直接复用。缺哪一版只生成哪一版；只改头像时复用无人物底图。用户选定已有版本后停止其他候选的生成。两种模式均遵守这条恢复规则，不因分析文件格式不同重做已有封面。

API Key 配置入口

需要外部服务凭据时先读API Key 配置与业务读取：复用已有安全入口；本机缺少 Key 时使用随附固定页面，保存后通过业务包装入口读取。内置能力与纯本地流程不要求配置 Key。

两种执行模式

  • 模式一 · 脚本模式（默认）：把活儿交给 generate_oil_cover.py，由脚本调用外部视觉服务完成选帧分析，并生成无人物底图；用户配置启用创作者头像时，再用确定性代码把透明头像合成到右下角。需要 Python、ffmpeg、Pillow 和所选服务的 API Key。下面「默认入口」到「输出说明」描述的都是这一模式。
  • 模式二 · Agent 自主执行：复用宿主视觉与内置生图能力，无需额外服务 Key，由执行的 Agent 自己读 SOP 完成选帧、分析和生图；用户配置启用头像时，再调用项目脚本的头像合成函数。完整流程见 references/agent-native-flow.md。

安装位置与用户配置

不要假设用户名、Skill 安装目录、视频库、脚本、素材镜像或密钥位置。

  • SKILL_DIR：当前这份 SKILL.md 所在目录。
  • 用户配置：${OIL_COVER_CONFIG:-$HOME/.oil-cover/config.json}。它属于本机用户，不进入 Skill 仓库。
  • Skill 内脚本：$SKILL_DIR/scripts/generate_oil_cover.py。若安装包没有脚本，读取配置里的 script_path；两者都不存在时说明安装不完整，不要猜个人目录。
  • Skill 内资产：$SKILL_DIR/assets/。额外素材镜像仅从配置 product_asset_mirror 读取。
  • API key：优先使用 ZENMUX_API_KEY；备用文件仅从 api_key_file 配置或 --api-key-file 读取。不要把 key 或个人绝对路径写进 Skill 仓库。

支持的用户配置：

{
  "mode": "agent-native",
  "creator_name": "optional creator name",
  "script_path": "/optional/path/to/generate_oil_cover.py",
  "video_library_root": "/optional/path/to/video-library",
  "product_asset_mirror": "/optional/path/to/shared-product-assets",
  "api_key_file": "/optional/path/to/zenmux-key",
  "creator_portrait": {
    "enabled": false,
    "path": "/optional/path/to/portrait.png"
  }
}

路径允许使用 ~，读取后必须展开。没有配置 video_library_root 时，所有持久产物默认跟随输入视频。配置后，同一视频的持久资源统一放进 <video_library_root>/<视频标题>/；从导出暂存目录开始处理时，先无覆盖地归位源视频，再生成字幕、封面和 sidecar。

选哪个模式（设一次，以后不问）

每次触发 oil-cover 时按这个顺序决定：

  1. 先读用户配置的 mode 字段。

  2. 已设为 script 或 agent-native → 直接按该模式执行，不再询问。

  3. 未设置（第一次）→ 问用户一次默认想用哪种模式，说明这是一次性设置；拿到答案后更新用户配置，再按选择执行。保留文件里的其他配置键，不要整份覆盖：

    mkdir -p "$(dirname "${OIL_COVER_CONFIG:-$HOME/.oil-cover/config.json}")"
# 合并写入 {"mode":"agent-native"}，或设为 "script"

  4. 用户随时可说「切换 / 改成 X 模式」覆盖默认（重写该文件），或在单次任务里临时指定某模式而不改默认偏好。

前提与回退：模式二要求执行 Agent 具备多模态视觉 + 支持参考图的生图工具，通过当前宿主实际提供的工具判断，不根据宿主品牌推断。若 mode=agent-native 但当前环境跑不了生图这一步，说明情况并给两条路——使用具备所需能力的宿主，或在已授权的服务范围内临时使用脚本模式——不要静默失败，也不要擅自改掉用户的默认偏好。

走模式二时，先完整读 references/agent-native-flow.md 和 references/cover-rules.md，按 SOP 执行，忽略下面所有针对脚本的参数与说明。

封面标题提炼（执行者职责）

封面主标题由执行本 skill 的 Agent 在跑脚本之前自己提炼，不交给脚本里的分析模型做，避免它理解错内容：

  • 用户已经指定封面标题，或要求“封面也用文件名”时，直接锁定原文，只做视觉断行；只有未指定时才按下述方法提炼。视频文件名、封面标题、发布标题分别记录，不能互相覆盖。平台发布标题的长度限制不用于缩短封面标题。
  • 视频标题只是主题输入，封面主标题不必和它一模一样。要突出这条视频最有分量的重点：结论、评价、对比、数字。
  • 有字幕或文稿时（.srt/.ass/.txt，或视频旁的同名字幕文件）先通读一遍再提炼。.ass/.srt 先抽成纯文本（去掉时间轴和样式标记）。优先借用视频里的原话强词（例如口播里的「目前最强」「指哪打哪」这类明确判断），忠于内容，不夸大、不编造评价。
  • 没有字幕、文稿或用户补充时，才退回视频标题本身做克制的精简。
  • 提炼结果通过 --title 传给脚本；抽好的纯文本字幕通过 --subtitle 传入，供分析模型选帧、写副标题和点缀使用。分析模型会把 --title 当作已定稿的封面主标题，只做断行和排版，不再改写。

默认入口

将实际存在的生成脚本绝对路径记为 OIL_COVER_SCRIPT。默认运行以下命令；有字幕时额外添加 --subtitle "<实际纯文本字幕路径>"，没有字幕时省略该参数：

node "$SKILL_DIR/scripts/credential-ui/src/profile.ts" run default -- python3 "$OIL_COVER_SCRIPT" \
  --video "<视频路径>" \
  --title "<提炼后的封面主标题>" \
  --topic "<补充背景>"

如果用户提供的是截图或已选关键帧：

node "$SKILL_DIR/scripts/credential-ui/src/profile.ts" run default -- python3 "$OIL_COVER_SCRIPT" \
  --image "<截图或关键帧路径>" \
  --logo "<可选 Logo 路径>" \
  --title "<标题或主题>" \
  --topic "<补充背景>"

默认不传 --aspect，脚本会并行生成小红书 3:4 竖屏版、通用/B 站首页主封面 4:3 横屏版和 B 站个人空间伴随版 16:9 横屏版。发布 B 站时默认上传 _4x3.png，平台再同步生成个人空间 16:9 版本。只重跑单个画幅时使用 --aspect 3x4、--aspect 4x3 或 --aspect 16x9。

进阶参数

  • --subtitle <脚本/字幕/转录文件>：把上下文喂给 Gemini，帮助判断主题、标题措辞和证据选择。有完整文稿时优先加上。
  • --logo <Logo 路径>：可多次传入多个产品 Logo 作为参考资产。
  • 自动 Logo 匹配只把 --title 和 --topic 当作主产品依据。只要其中任一存在，就不再扫描字幕寻找 Logo，避免把口播里的次要产品错当成主产品。
  • 主产品没有可信 Logo 资产时保持无外置 Logo，不拿字幕中的其他品牌代替，也不让生图模型发明近似标识；此时用准确产品名和真实界面建立识别。
  • 如果标题、字幕、视频画面或截图能明确判断主产品有 Logo，但 references/product-assets.md 暂时没有对应资产，先联网寻找官方或可信来源的透明 PNG，归档到 $SKILL_DIR/assets/product-logos/；配置了 product_asset_mirror 时再同步到镜像目录。通过 --logo 传给脚本，高频复用的产品同步补充到 product-assets.md 和脚本的自动匹配表。
  • 取帧策略是「本地预筛」：脚本用 ffmpeg 低分辨率扫描整段视频，对每帧算清晰度(拉普拉斯方差)、亮度、内容度，硬过滤掉黑屏/纯白/纯色/loading/模糊帧，再按时间分桶取每段最清晰的一帧，产出若干真实高清候选交给分析模型按语义挑最佳帧。全程不调模型选帧、不上传整段视频。这是唯一的自动取帧路径，没有旧的「视频选帧」/均匀盲采兜底——预筛若失败会直接报错，不会静默降级。
  • --frame-count <N>：本地预筛产出多少个候选帧供分析模型挑选，默认 8。候选越多模型选择越好，但分析请求越大。
  • --scan-fps <N>：本地预筛扫描的采样帧率，默认 0=自动（≤5 分钟视频用 2fps，更长用 1fps）。想抓更细的瞬间可调高。
  • --candidate-seconds 1,8,24.5：手动指定取帧时间点，跳过本地预筛。已经知道哪几秒是关键画面时用。
  • --aspect all|both|3x4|4x3|16x9：默认 all 并行生成三版；both 为兼容旧调用，只生成 3:4 和 4:3；单独重跑时只生成指定画幅。
  • --bilibili-size <尺寸>：B 站个人空间 16:9 伴随版的 API 尺寸，默认 1280x720；B 站默认上传源仍是 4:3 主封面。
  • 副标题默认放开。如需禁用副标题、让外层只剩主标题，传 --no-allow-subtitle。
  • 创作者头像由本地代码在生图后合成，不作为 Gemini 或 gpt-image-2 的参考图上传。是否启用及素材路径来自用户配置；公开 Skill 默认关闭。默认布局参数为：3:4 宽约 55%、顶部约 58%、向右越界约 6%；4:3 宽约 38%、顶部约 40%、向右越界约 3%；16:9 宽约 32%、顶部约 40%、右侧内收约 2%。
  • 用户明确要求无人物封面时传 --no-default-creator-portrait。配置启用头像时默认保留；未配置时保持无人物。

排查与验证：

  • --dry-run：不调任何 API，只准备本地文件和 prompt，用于核对路径、规则文件和素材是否就位。
  • --skip-generate：只跑 Gemini 分析和写 prompt，不调用图片 API。用来看 Gemini 选了哪一帧、标题怎么断行、prompt 写成什么样。
  • --generation-only：用 /images/generations 而非 /images/edits，屏幕帧和 Logo 参考图不上传给图片 API；头像启用时始终只在本地合成。

脚本职责

  • 脚本路径：优先 $SKILL_DIR/scripts/generate_oil_cover.py，否则使用用户配置 script_path
  • 默认分析模型：google/gemini-3.5-flash
  • 默认生图模型：openai/gpt-image-2
  • 默认规则文件：references/cover-rules.md
  • 默认输出位置：视频（或图片）所在目录。最终封面命名 <视频名>_3x4.png、<视频名>_4x3.png、<视频名>_16x9.png，直接落在影片旁边方便查找；分析、prompt、原始响应等中间产物收进 <视频名>.oil-cover/ 子目录。传 --output-root 可改到别处。

脚本负责用 ffmpeg 本地扫描+评分预筛出若干高清候选帧（默认策略，无需调模型），把候选交给视觉模型分析、由模型按语义选出最佳封面帧并生成封面方案和提示词、保存 sidecar、并行调用所选图片服务、生成无人物底图。用户配置启用头像时，再用 Pillow 把透明头像按画幅参数合成到右下角；头像不会进入 视觉或图片 API 的参考图列表。底图保存在 <视频名>.oil-cover/<画幅>.generated-base.png，合成记录保存在 portrait_composite.json，最终封面写到影片目录。本地预筛的打分明细写在 <视频名>.oil-cover/frame_selection_local.json。

何时读取参考文件

  • 走模式二（Agent 自主执行）时，先完整读 references/agent-native-flow.md（流程 SOP）和 references/cover-rules.md（视觉规范）。
  • 日常生成封面时（模式一），不需要手动读取完整视觉规范；脚本会把 references/cover-rules.md 传给 Gemini。
  • 修改视觉规则、排查提示词遗漏、评审模型输出质量或调整脚本 guard 时，读取 references/cover-rules.md。
  • 判断产品 Logo 或产品资产时，读取 references/product-assets.md。
  • 新增产品 Logo、排查资产缺失或判断可信来源时，读取 references/product-assets.md 并按里面的补充规则执行。
  • 如果用户要求复刻特定冲击型科技封面风格，读取 references/impact-tech-cover-style.md。

不可违反

  • 生图模型必须一次性生成完整无人物底图，包括真实屏幕证据、标题、产品标识、点缀和风格化效果；仅在配置启用头像时预留右下角安全区。
  • 本地后处理只允许执行一项：配置启用头像时，把配置的透明头像按固定参数 alpha 合成到右下角。不要本地贴字、贴 Logo、拼其他图片、重排、裁切改版或视觉修补。
  • 源截图、重建 UI 和生图底图不保留人物、人脸、头像、摄像头气泡和真人画中画；配置启用头像时，最终封面只允许出现这一张代码合成的头像，否则最终封面保持无人物。
  • 绝对不要把历史案例或上一次任务里的产品名、模型名、关键词、品牌色和点缀带入当前封面。所有外层文字和点缀都必须来自当前视频、当前标题、当前字幕、当前截图或当前用户补充信息。
  • 外置产品 Logo 必须对应当前主标题或用户显式传入的参考资产；字幕里的次要品牌不能替代主产品，没有匹配资产时不放外置 Logo。
  • 默认同时交付 3:4、4:3 和 16:9 三版；单独重跑时只生成指定画幅。
  • 每次生图前保存 .prompt.md sidecar；生成后保留 cover_plan.md 和最终图片。脚本模式保留脚本输出的 manifest.final.json、analysis.json 和原始响应；自主模式按 SOP 保留 analysis.md 和工具实际返回的记录，不伪造内部字段。
  • 返工前按 references/cover-rules.md 区分事实或交付错误与审美偏好；只重做失败画幅。替换最终图片前，将仍可用的旧图片和对应 sidecar 成套保存在视频自己的工作目录中，候选通过检查后再切换，避免用户选择旧版时无法恢复。
  • 写 analysis.json、cover_plan.md、.prompt.md、生成记录以及本 skill 自身的参考文档时，只描述当前这一版的最终状态，不要塞编辑历史元数据（「更新于 X」「第 N 版」「原 X 现改为 Y」「本次修正了 Z」这类），不要把文档写成或改成 changelog；返工重跑时直接覆盖成新版本，而不是在文档里追加一段修改历史。
  • 不要把 API Key 写进提示词、sidecar、日志或最终回复。

输出说明

完成后说明：

  • 最终图片路径
  • 对应 .prompt.md sidecar 路径
  • analysis.json 和 cover_plan.md 路径
  • 使用的参考帧、Logo 或素材
  • 头像合成素材、参数和 portrait_composite.json 路径；说明头像未作为生图参考图上传
  • 是否需要按 --aspect 3x4、--aspect 4x3 或 --aspect 16x9 重跑某一版