用 Codex + Skills 搭建本地视频自动化工作流
本文介绍了一种基于 Codex 和 Skills(如 WhisperX、FFmpeg、Video-Use)的本地视频自动化处理方案。通过编写 AGENTS.md 规范,指导 Codex 完成视频字幕生成、中英双语翻译、水印添加及最终渲染,避免了从零构建复杂的 Agent Pipeline,适合内容创作者和 AI Coding 爱好者快速搭建高效的视频处理流。
本文介绍了一种基于 Codex 和 Skills(如 WhisperX、FFmpeg、Video-Use)的本地视频自动化处理方案。通过编写 AGENTS.md 规范,指导 Codex 完成视频字幕生成、中英双语翻译、水印添加及最终渲染,避免了从零构建复杂的 Agent Pipeline,适合内容创作者和 AI Coding 爱好者快速搭建高效的视频处理流。
Thorsten Ball 分享了 2026 年 10 月他与 AI Agent 协作的工作方法:使用最新最强的模型,不必担心代码库积累 slop;提示时描述 What 而非 How;让 agent 贯通整个软件开发生命周期(运行、部署、看日志、处理 bug 报告),并为其提供定制工具;通过盲测实验评估 agent 对代码库知识的利用;不要手动管理上下文,让 compaction 工作;请求不可反驳的证明(端到端演示、前后对比数据);拥抱异步工作流,给 agent 更大任务;利用定时唤醒等自动化功能;只审查高影响范围的代码。这些实践展示了 agent 驱动开发的新范式。
本文介绍如何用 Claude Code(Opus 5.5)实现视频自动化剪辑:将原始 MP4 或文章丢入本地文件夹,让 AI 一次性完成去水词、加字幕、绘制解说动效并合成导出 MP4。与传统扩散模型 AI 视频工具不同,该方法采用可编程视频渲染路线,通过 HTML Canvas + Playwright + FFmpeg + F5-TTS 用代码逐帧画出视频。作者分享了三个实操诀窍:用交付清单代替复杂提示词、截图投喂视觉参考、丢案例库网址进行逆向工程并沉淀为 SOP。文中还拆解了完整的工程级渲染管线,包括分镜对齐、本地语音克隆、字级音画同步与自动化视觉 QA,并附上可直接复用的完整 Prompt 模板及适用场景边界建议。
作者分享入职大厂两个月从事 Agent 开发与后端维护的 AI 编程工作流。介绍了常用 Skill(grill、implement、ponytail、handoff 等)与简短 Prompt(第一性原理、对抗性审查、消融实验、奥卡姆剃刀、高内聚低耦合),指出随着模型能力增强,过重的 Workflow 反而成为噪声,应使用方法论式思维快捷键。同时分享了日常开发流程:grill 需求对齐、沉淀 Spec、任务拆分并行开发、交叉审查;重点讲解如何构建 Agent 友好的端到端测试环境(CLI、MCP、浏览器自动化),以及 Review AI 代码的实践。最后总结当前瓶颈在 Review 速度,Harness 需随模型迭代做减法。
作者征集了大家用 Coding Agent 做视频剪辑的实践经验。共识是:直接让模型自由发挥剪出的成片像幻灯片,因为视频的审美和节奏极其主观,难以用泛泛提示词量化。跑通的分工是:把规则明确、易验收的机械工作(粗剪、切停顿、生成字幕、多平台切版)交给 Agent,而选片取舍与关键卡点由人把关。技术路线上,让 Agent 生成和修改时间线工程文件,视频合成交给专业剪辑引擎。实用技巧包括样片测试法(先截取样本调参再批量应用)和优先在口播类标准化内容中落地。
作者分享了一套 AI 生成 2D 游戏角色动画的高成功率工作流。相比直接用 AI 生成 Sprite 常遇到的武器变形、动作不稳定等问题,该方案让各工具各司其职:先准备角色原图,用 Seedance 2.0 Mini 参考图生成包含 Idle/Walk/Run/Attack 四个动作的视频(成本不到 1 美金),再用 Codex + FFmpeg 拆帧,人工筛选每个动作最佳的 12 帧,最后通过 generate2dsprite Skill 自动合成游戏可用的 Sprite Sheet,导入 Godot/Unity 使用。视频模型对连续人体动作的理解明显比直接生成 Sprite 稳定,尤其适合带武器的复杂角色。
文章提出三个核心判断:装了 skill 不等于会被调用(Vercel 测试显示默认配置下 56% 的用例中 skill 未被触发,需显式指令);Codex 兼容性不能靠猜,官方插件市场、npx skills CLI、git clone 三条安装路径可靠性递减;装多了会互相冲突。随后详细推荐 10 个通用 skill:superpowers、mattpocock/skills、addyosmani/agent-skills、ok-skills、graphify、archify、last30days、taste-skill、Anthropic-Cybersecurity-Skills 和用于环境校验的 agnix,并给出安装路径取舍建议与避坑清单,强调效率提升在于正确的工具链配置而非盲目堆砌插件。
作者 Nick 分享了他如何用 Astra(在 Codex 中)制作 ChatGPT 官方 Instagram 内容。他把素材拖入 Codex,通过自制的 UGC Video 插件描述故事和节奏,Astra 通过转录和帧分析自主选择镜头、剪辑、加字幕并用 FFmpeg 合成,还会用子代理循环审查输出,比如让模糊遮罩跟随滚动文本。长视频可以自动剪出短视频片段,动效设计则通过提供代码库上下文、先定静帧再动画化完成。整个流程只需约 30 分钟拍摄加零散 10 分钟审查即可当天产出成品视频。
本文是使用 Codex 从零搭建多 Agent 数字员工团队的教程。作者提出按工作职责划分 Agent 的方案:为内容创作、项目管理、财务等长期职责分别建立岗位 Agent,每个 Agent 拥有独立的文件夹,保存职责、规则、Skill 和工作流程。文章详细区分了项目与 Agent 的概念,介绍了以 Main Agent 作为数字总经理进行任务路由的使用方式,并给出判断是否需要新建 Agent 的标准。随后通过完整的目录结构示例,逐步讲解根目录规则、Main Agent、内容创作 Agent 的 AGENTS.md 配置方法,以及如何挂载长文写作 Skill,帮助读者构建可持续运转的个人数字员工体系。
作者以截图美化工具 RicoScreenshot 为案例,完整拆解了 Vibe Coding 的六步工作流:读懂项目、建立视觉规范、规划功能、开发实现、视觉交互调整、测试上线。文章强调每个环节做正确的事:先用 AGENTS.md 让 AI 理解项目架构,用 DESIGN.md 统一视觉规则,用 TODO.md 管理需求和进度;开发阶段一次只做一个功能,并重视亲自使用后的体验判断。该流程基于开源项目 image-beautifier 二次开发,纯前端实现,适合作为新手的第一次完整项目练习。
本文介绍了规范驱动开发(SDD)工作流,旨在解决 AI 编程中常见的“左右脑互搏”问题。作者分析了问题根源,包括上下文注意力衰减、历史决策丢失和缺乏统一规则,并提出了 SDD 的解决方案。文章详细阐述了 SDD 的核心概念、最简开发流程、规范分类与管理方法,并推荐了开源的 agents-spec Skill 工具,帮助开发者自动化规范审计和目录治理,提升 AI 编码效率。