开源电影感镜头Agent Skill：把分镜方案变成结构化输出

这次开源的不是又一堆“包装过的提示词”，而是把 Agent 导演系统里那套真正决定画面质感的“电影感镜头 skill”单独拆了出来。之前用完整导演系统跑整个流程时，分镜镜头模块被夹在工作流中间，想单独复用还要把整套系统拉下来，很不方便。这次拆开之后就清爽了：你只需要一个支持 Agent Skills 的客户端或者 SDK，把 skill 目录放进去，一句话故事进去，出来的就是带景别、运镜、焦段、光线、节奏和情绪走向的镜头方案。

先说清楚这件事的门槛：它不需要本地 GPU、不需要为 skill 单独配显存、也不需要下载什么模型权重。它的运行成本基本等于你调用一回宿主大模型 API 的 token 消耗。如果你已经在用 Claude 这类支持 Agent Skills 的环境，甚至不用写代码就能用起来。如果你想把它接进自己的自动化流程，也有成熟做法：通过宿主 Agent SDK 编程调用，把它做成批量分镜流水线。

这篇文章会按“是什么 → 怎么部署 → 测哪些功能 → 怎么做批量 → 怎么排错”的顺序来写。如果你是 AI 视频创作者、短视频策划、分镜师，或者正在研究怎么给 Agent 开发可复用的 skill，这篇文章可以直接收藏。

1. 核心能力速览

从材料看，这个 skill 与当前热门的 Agent skill 生态一致，属于可复用的结构化技能包。它解决的不是“模型不够聪明”，而是“大多数人不知道一部片子该怎么拆镜头”的问题。如果你生成的视频总是“平铺直叙”，问题往往不在视频模型，而在你喂给模型的分镜和镜头描述太单薄。

2. 适用场景与使用边界

2.1 适合谁用

第一类：AI 视频创作者。用 Runway、可灵、即梦、Sora 这类工具生成视频前，先让 skill 输出完整分镜表，再按镜号逐条生成，能明显减少“抽卡式”生成带来的画面不稳定。

第二类：真人短片或短视频前期策划。写脚本时只靠文字描述很难想象画面，skill 给出的景别、运镜和镜头参数可以当分镜草稿，交给摄影师或后期时效率更高。

第三类：Agent 开发者。如果你在开发视频创作类 Agent，这个 skill 是一个很好的模块化范例：怎么把专业知识（电影镜头语言）变成可复用的技能包，怎么用 SKILL.md 组织规则和示例，怎么让下游脚本稳定消费结构化输出。

2.2 能解决什么问题

• 分镜思路混乱：从“这个场景很感人”变成“近景、手持跟拍、35mm、暖调轮廓光、4 秒后切特写”。
• AI 视频画面平淡：给视频模型提供更具体的镜头指令，减少反复抽卡。
• 批量策划效率低：写 10 条短视频文案之后，可以用脚本批量生成 10 套分镜方案，统一交给后续生成流程。

2.3 不适合什么场景

这个 skill 不负责生成视频画面，也不是一个完整导演系统。它只是“镜头方案设计”这一段。如果你期望它直接把文字变成视频，那方向错了；如果你的场景需要完整的人物、对白、剧本节奏管理，还是要回到 Agent 导演系统里使用。

另外，它不能离线推理。skill 本身只是一堆 Markdown 规则和脚本模板，真正干活的是宿主大模型。如果你所在环境无法访问支持 Agent Skills 的模型服务，这个 skill 就跑不起来。

2.4 合规边界

使用这类镜头设计能力时要特别注意：如果生成的方案之后用于真实拍摄，涉及真实人物肖像、声音、他人创作场景或版权素材，必须提前获得授权。如果用于 AIGC 视频生成，还应遵守对应视频生成平台关于合成内容标识和内容版权的规范。开源 skill 的许可证允许你复制和修改，不等于场景中的内容素材也天然合规。

3. 环境准备与前置条件

这个 skill 对操作系统没有硬性要求，Windows、macOS、Linux 都可以。关键不是系统，而是你有没有一个能加载 Agent Skills 的宿主环境。

3.1 宿主环境选择

目前有两种主流方式：

• 客户端方式：使用支持 Agent Skills 的桌面客户端，比如 Claude Desktop。把 skill 目录放进客户端指定的 skills 目录即可，之后对话中触发。
• SDK/API 方式：在 Python 或 Node.js 项目中引入 Agent SDK，通过代码指定启用哪些 skill，然后发送任务指令。

如果你做一次性测试，客户端方式最简单；如果你要接自动化或批量任务，直接走 SDK 方式。

3.2 前置清单

这里有一个常见误区：有人以为开源了“电影感 skill”就意味着本地能跑一个不需要联网的电影模型。不是的。它是一套结构化规则 + 示例 + 输出模板，推理能力来自你所用的宿主模型。选宿主模型时，建议优先选指令遵循能力强的模型，否则 skill 里的规则会被“弱化”，输出分镜的质量会打折。

4. 安装部署与启动方式

4.1 获取项目文件

先到开源仓库获取电影感镜头 skill 的源码。可以用 git 克隆，也可以直接下载发行版压缩包。这里不粘贴具体仓库地址，避免链接失效，你可以在 GitHub 上搜索项目标题或者作者主页找到它。

# 通用示例，请将 <仓库地址> 替换为实际地址 git clone <仓库地址> movie-skill cd movie-skill

如果下载的是压缩包，解压后应该能看到完整的 skill 目录结构。

4.2 目录结构说明

典型的 Agent Skill 目录结构如下，不同的 skill 会包含不同的资源文件，但核心一定是SKILL.md：

movie-skill/ ├── SKILL.md ├── assets/ │ ├── shot_size_rules.md │ ├── camera_movement_rules.md │ ├── lighting_rules.md │ └── lens_parameter_rules.md ├── templates/ │ ├── scene_breakdown.md │ └── storyboard_table.md └── scripts/ └── export_storyboard.py

以上结构用于说明常见 Skill 组织方式，具体文件以你拉取的仓库为准。其中SKILL.md是技能的入口描述文件，宿主 Agent 会优先解析它来理解这个技能什么时候该被触发、能做什么。

4.3 安装到客户端

以桌面客户端方式为例。将整个movie-skill目录复制到客户端的 skills 目录下。不同客户端路径略有不同，常见路径如下：

# macOS / Linux 示例 mkdir -p ~/.claude/skills cp -r movie-skill ~/.claude/skills/cine-lens-skill # Windows 示例（PowerShell） New-Item -ItemType Directory -Force -Path $env:USERPROFILE\.claude\skills Copy-Item -Recurse .\movie-skill $env:USERPROFILE\.claude\skills\cine-lens-skill

复制完成后，重启客户端，让 skill 列表重新加载。之后新建对话，输入类似“用电影感镜头 skill 帮我把这个故事拆成分镜”这样的指令，客户端就会在内部启用这个技能。

4.4 安装到 SDK 项目

如果走代码集成，直接在你的项目里保留 skill 目录，然后在 SDK 配置中注册这个技能即可。下面是通用伪代码，具体方法名以你使用的 SDK 文档为准：

from agent_sdk import AgentClient # 根据实际SDK调整 client = AgentClient( api_key="your_api_key", project_dir="./my_project", skills_dir=["./movie-skill"], )

注册成功后，后续发送给 Agent 的请求就会带有这个技能的能力。这里的AgentClient是通用示例，不是某个具体 SDK 的真实类名。请务必替换成你使用的 Agent SDK 文档中对应的客户端名称。

4.5 验证安装是否成功

最简单的验证方式：给一段常见故事，让它输出分镜表。例如：

深夜便利店门口，主角买完咖啡后转身，在路灯下看见一个多年未见的老朋友。

如果返回内容包含镜号、景别、运镜、焦段、光线、情绪等结构化字段，说明 skill 已成功加载。如果回答像是普通对话而没有分镜结构，优先检查 skill 目录是否被识别、SKILL.md中的name和description是否规范。

5. 功能测试与效果验证

5.1 基础分镜生成测试

测试目的：确认 skill 能正确把一句场景描述扩写成完整的电影感分镜方案。

操作步骤：

1. 输入一段 1 到 2 句话的场景描述。
2. 要求输出分镜表。
3. 检查输出是否包含以下字段：镜号、景别、运镜、焦段、光线、画面内容、参考情绪或节奏。

输入示例：

雨夜的天桥下，一个穿红裙子的女孩蹲在路边逗流浪猫。

预期输出（结构示例）：

判断标准：

• 分镜表结构完整，镜号连续。
• 每个镜头的景别、运镜、光线和情绪之间有逻辑关系。
• 镜头数量合理，一般短场景 3 到 6 个镜头，不会出现一个镜头讲完整场的“流水账”。

常见失败原因：

• 输出仍然是普通文案，没有分镜结构：可能是触发器未生效，检查描述中是否包含技能名。
• 分镜之间动作不连续：宿主模型长上下文能力不足，可减少一次输入的文本量，让模型逐镜扩写。

5.2 风格化镜头定制测试

测试目的：验证 skill 能否根据导演风格或视觉参考调整镜头方案。

操作步骤：

1. 输入同一个故事，但在指令中增加风格约束，例如“伪纪录片手持风格”“赛博朋克夜景”“王家卫式霓虹情绪”。
2. 对比两次输出的镜头参数差异。

输入示例：

用伪纪录片手持风格，把我刚才那个透明玻璃幕墙办公室里的会议场景拆成分镜。

预期结果：

• 景别切换更随意，出现大量中近景和面部特写。
• 运镜以手持跟拍、轻晃为主，焦段可能集中在 30mm 到 50mm。
• 光线描述更倾向于自然窗光、荧光灯混合色温。

判断标准：

• 不同风格约束下，输出的运镜和光线规则出现了可辨识差异。
• 如果两次输出几乎一样，要么是 skill 的风格模板覆盖不足，要么是宿主模型没有遵循额外指令。

5.3 多轮细化测试

测试目的：验证 skill 是否支持在已有分镜基础上继续细化，而不是每次重新生成。

操作步骤：

1. 先生成一版 3 镜头的分镜表。
2. 继续提出细化要求，例如“把第 2 镜改为过肩镜头，并加入前景遮挡”。
3. 观察输出是否只针对第 2 镜修改，其他镜头保持不变。

判断标准：

• 输出应保留第 1、3 镜头内容，只调整第 2 镜。
• 如果宿主模型把整份分镜推倒重来，说明会话记忆或指令遵循能力不足，可以改用更明确的“仅修改第 X 镜”表述。

5.4 与 Agent 导演系统协同测试

这个 skill 被拆出来的初衷就是为了在导演系统之外独立复用，但同样可以“返回”系统内使用。测试时可以在完整导演系统环境中调用这个 skill，也可以单独调试后把输出结果喂给下游视频生成模块。

建议测试链路：

1. 用电影感镜头 skill 生成分镜表。
2. 将分镜表拆成单镜头描述。
3. 把每个镜头描述交给图生视频或文生视频模型。
4. 对比“直接给一句整场景提示词”和“按分镜逐镜生成”的画面对应关系。

从实际生产经验看，后者通常更容易得到稳定画面，因为每个镜头的描述更具体、更一致。但这个结论也会受视频模型能力影响，需要按你使用的模型来验证。

5.5 批量生成测试

测试目的：确认 skill 能批量处理多个故事，输出统一结构的分镜。

操作步骤：

1. 准备 5 到 10 条短故事。
2. 编写脚本，循环调用宿主 Agent 并携带 skill 指令。
3. 设置统一输出格式，如 JSON 或 Markdown 表格。
4. 统计成功率和耗时。

判断标准：

• 所有输出都应符合统一 schema。
• 单条失败不影响整个队列继续运行。
• 失败任务应有日志记录，方便重试。

6. 接口 API 与批量任务

6.1 skill 本身不提供 HTTP 接口

一个常见的疑问是“这个 skill 支持 API 吗”。准确说法是：skill 不会独立起一个 Web 服务，也不会有类似/generate这样的专用接口。它的接口能力来自宿主 Agent 环境。你通过宿主 Agent SDK 发送一个包含“调用电影感镜头 skill”意图的请求，宿主会在内部完成技能选择和执行，最后把结果返回给你。

所以在本文语境下，“接口能力”指的是：你能以编程方式把这个 skill 接入自己的项目。

6.2 通用 SDK 调用示例

下面是一个 Python 通用模板，逻辑上是“读取一个故事列表，逐个调用技能生成分镜，并将结果保存为 Markdown 文件”。代码中所有类和函数都是占位示例，需替换为你实际使用的 SDK。

import os import json import time from pathlib import Path from agent_sdk import AgentClient # 替换为你使用的SDK客户端 client = AgentClient( api_key=os.getenv("AGENT_API_KEY"), skills_dir=["./movie-skill"], ) stories = [ "雨夜天桥下，红裙子女孩蹲在路边逗流浪猫。", "旧工厂里，一名少年推开铁门，看见废弃舞台上的钢琴。", "海边黄昏，两个刚刚吵完架的恋人背对背坐在沙滩上。", ] output_dir = Path("./storyboards") output_dir.mkdir(exist_ok=True) for idx, story in enumerate(stories): prompt = f"使用电影感镜头 skill，把下面这句话拆成分镜表：{story}" try: result = client.chat( message=prompt, temperature=0.7, ) text = result.text output_file = output_dir / f"story_{idx:03d}.md" output_file.write_text(text, encoding="utf-8") print(f"[OK] {idx} 已完成，输出路径 {output_file}") except Exception as e: print(f"[FAIL] {idx} 失败：{e}") print("批量任务结束")

这段代码的要点：

• skills_dir指向电影感镜头 skill 所在目录。
• 每次循环发送的任务都包含技能触发词和具体故事。
• 成功结果写入以序号命名的 Markdown 文件。
• 失败时打印错误信息，方便后续重试。

6.3 批量任务工程化建议

如果只是 10 条以内的小批量任务，上面的同步循环就够用。但如果要做 100 条以上的批量分镜生成，建议加上以下机制：

• 任务队列：用一个 JSON 文件记录待处理列表和已处理列表，避免程序中断后从头再来。
• 限速重试：多数 Agent API 有频率限制，连续请求过快会触发限流。遇到限流错误时退避重试。
• 结果校验：保存前检查返回文本是否包含“镜号”或“景别”等关键词，防止生成空内容覆盖旧文件。
• 结构化输出：如果最终要接入视频生成系统，建议让 skill 输出 JSON schema，方便程序解析。

JSON 输出示例：

{ "scene": "雨夜天桥下", "shots": [ { "shot_number": 1, "shot_size": "全景", "movement": "固定", "lens": "35mm", "lighting": "霓虹灯光", "content": "天桥下雨水反光，女孩背对镜头蹲着" } ] }

实际是否支持 JSON 输出，取决于 skill 内的模板设计。如果仓库里自带 JSON 模板，优先按它的字段定义对接；如果没有，可以在调用时在提示词里追加一句“输出为 JSON 格式”。

7. 资源占用与性能观察

这个 skill 的运行特点决定了它的资源占用和常见的 AI 视频类项目完全不同。

7.1 本地资源占用

本地几乎没有可感知的磁盘压力和内存压力。整个 skill 通常是几百 KB 到几 MB 的 Markdown、模板和脚本文件。它不加载模型，不占用显存。所以不存在“4G 显存能不能跑”这类问题。

真正消耗资源的是宿主 LLM API。每次生成一段 3 到 6 镜头的分镜表，token 消耗主要取决于两段：输入的规则描述（skill 加载后这部分会占用上下文）和输出的分镜表长度。

7.2 性能观察要点

建议重点观察以下指标：

• 单次任务耗时：从发送到返回，通常受宿主模型响应速度影响。
• 输出 token 数：可以通过宿主 API 的用量字段查看。如果输出分镜不完整，可能是输出 token 上限被截断。
• 上下文消耗：如果长时间在一个会话里做多轮细化，上下文会越占越多。建议每完成一个场景就开新会话。

7.3 如何降低运行成本

• 批量任务中，避免在每轮请求里重复粘贴整个 SKILL.md 内容，让宿主机制自动加载技能，否则 token 消耗会直接翻倍。
• 长故事先压缩为三五句核心描述，再让 skill 做镜头扩写，而不是一次性把大段剧本塞进去。
• 不要求输出的分镜表过长，短场景 3 到 5 个镜头足够测试。真正的拍摄方案可以后期人工细化。

8. 常见问题与排查方法

以上问题清单覆盖了从安装到批量调用最常见的几类情况。实际使用时，优先看日志，优先确认“技能是否真的被加载”，因为大多数问题都出在这一步。

9. 最佳实践与使用建议

9.1 先小参数验证再批量

第一次拿到 skill，不要立刻投喂几十条文案。先用 3 条短故事，输出 3 份分镜表，检查结构是否稳定、是否贴合电影感需求。稳定之后再扩大批量。

9.2 把 SKILL.md 当作版本管理资产

Skill 的核心就是提示词和规则文本，这部分属于可版本控制的资产。建议把它放进 Git 仓库，每次调整镜头规则或模板都记录 diff，方便对比哪个版本的分镜效果更好。

9.3 分目录管理输入与输出

批量项目建议使用这种目录结构：

project/ ├── inputs/ │ ├── batch_01.json │ └── batch_02.json ├── outputs/ │ ├── storyboards/ │ └── logs/ └── config.yaml

故事输入放在inputs，分镜输出放在outputs/storyboards，日志单独放logs。避免把中间产物和最终产物混在一起。

9.4 批量任务必须加日志

批量脚本里加一行print不够，建议把每一条任务的输入摘要、耗时、结果状态、返回报文都写入日志文件。出问题时能快速定位是第几条、什么原因。

示例日志字段：

{ "task_id": "story_007", "status": "success", "latency_ms": 8234, "output_tokens": 512, "error": null }

9.5 接口服务隔离与安全

如果你通过 Agent SDK 对外提供分镜生成服务，不要让接口无限制暴露在公网。建议加上简单的 IP 白名单或 Token 鉴权，防止接口被刷，产生不可控的 API 费用。

9.6 素材授权合规

这条必须单独强调：不要把真实人物照片、他人视频画面、未授权商业素材混进分镜和后续 AIGC 生成流程。涉及肖像、品牌、音乐、场景版权时，先拿到授权。开源代码可以复用，但内容素材的合规边界和开源协议是两回事。

9.7 后续扩展方向

如果你用着顺手，可以继续往里加内容：

• 扩充风格镜头库，例如“讲台词时的正反打惯例”“动作戏的快速切镜规则”。
• 加入美术参考图目录，让 skill 在生成分镜时附带色彩参考倾向。
• 设计 JSON Schema 输出，直接对接 Blender 或虚幻引擎的分镜工具。
• 把批量脚本改成异步队列，接入 RabbitMQ 或 Redis Queue，跑更大规模的前置分镜流水线。

10. 总结与下一步

这个项目最值得尝试的点，是它把“电影感”从抽象感觉变成了结构化输出。你不需要先成为摄影指导，也能在几秒钟内拿到一套有景别、运镜、焦段、光线逻辑的分镜方案。它的门槛远比一个视频生成模型低，因为真正的大头计算都在宿主 API 里，本地只负责组织和传递规则。

拿到项目后，第一步先跑通基础分镜生成。找一句真实想做的故事，按本文第 5 章的测试方法验证输出质量。这一步跑通了，你再看批量任务和 API 集成。

最容易踩的坑有三个：一是技能目录路径放错导致客户端不识别；二是宿主模型太弱导致 skill 规则被“无视”；三是批量任务没有加日志和重试，中途断了只能从头开始。这三类问题在本文第 8 章都有对应排查方式。

下一步有两个方向可以选择：如果你是内容创作者，先把 skill 接入你的视频生成工作流，对比有分镜和无分镜的画面对应效果；如果你是 Agent 开发者，可以把这套 skill 作为范例，研究怎么把你在某个领域的专业经验同样封装成可复用、可批量、可接口调用的技能包。