这个Skill全部都是围绕一条主线来开展的，从选题策划到脚本洗稿，再到AI配音、数字人、视频剪辑、字幕、封面、动效，最后到商业诊断，整条短视频制作流水线从头到尾给你拆解成了可以复用的模块。每一个模块就是一个SKILL.md文件，丢进agent里面就能直接跑起来。
我确实是头一回见到有人把内容创作拆解得如此之细。大部分人运用AI做视频的操作路子是这样的，找一个选题，让豆包写一个脚本，丢给剪映剪一下，这就完事了。这作者的做法完全不一样，他把每一个环节都变成了一个独立的Skill，环节跟环节之间借助交接稿契约连接起来，上一个Skill的输出内容就是下一个Skill的输入内容，这样一来整条链路运转下来就是一个完整的视频生产流水线。
拿个例子来说，选题环节有ra-选题这个Skill负责进行选题全生命周期管理工作，从建卡到深化到推荐再到立项路由，路由的意思就是凭借选题类型自动分配到视频工作台还是图文工作台还是文章工作台。选题确定了之后进入到ra-hook选钩子类型，7种钩子乘3大类，还带着前提条件和句型模板，然后进入到ra-video-title生成8到12个两段式候选标题再推荐Top3。这一套流程走下来选题就彻底定下来了，绝对不是那种拍脑袋想个标题就开拍的情况。
接着脚本环节有ra-video-wash-pipeline，这个我认真看了一下，它其实是一个调度器，把下载逐字稿提取洗稿质量检查排入待制作队列串联起来了，相当于你给它一个对标视频的链接，它帮你把整个脚本的骨架拆解出来重新生成一份新的。洗稿这个环节里面又嵌套了ra-人话这个Skill，专门做中文去AI味写作，保留作者判断和事实。这个设计思路挺有意思的，他没有试图去让AI写得更像人，而是把AI写作中那些一眼就能看出来的特征性结构直接禁除掉，禁除掉之后剩下的就是事实和判断，这样一来自然就不AI了。
配音运用的是tts-skill，本地IndexTTS2声音克隆，固定无损参考，禁止云端fallback。这个禁止云端fallback的细节值得提一嘴，很多TTS工具在本地推理失败的时候会偷偷回退到云端API，你以为你在用本地模型其实数据已经上传了，这个Skill直接把这条路彻底堵死，同时还留了一个voice_manifest.json做声音资产的可追溯记录。
数字人这块选用的是HeyGen，heygen-digital-avatar这个Skill专门负责开展Digital Twin的生成以及合成工作，把CLI OAuth认证、圆形裁切布局还有音频确认硬门这些也都涵盖了。音频确认硬门的意思就是说，要是想继续往下走进行合成，就必须得由人工确认音频没问题才行，凭借这样一个设计来避免AI生成的音频带有瑕疵直接被合成进数字人视频里面，要不然到时候返工的成本可就太大了。
视频剪辑这块的Skill密度那是相当大的，有ra-local-talking-head-cut专门负责开展口播粗剪工作，在ASR转写完成之后还会进行剪前校对，让用户去确认语义，并且完成响度切点的质检工作。
有video-use用来做通用对话式的视频编辑工作，转写、剪辑、调色、叠加动画还有烧字幕，一条龙全给包揽下来了。
有ai-jian-koubo负责开展口播视频转录工作，加上AI口误识别功能，还有网页波形审核以及导出FCPXML，这个灵感虽说来自chengfeng的videocut-skills，不过进行了重写并且做了扩展。
还有chengfeng-videocut-skills原版也直接给收录进来了。同一个环节给出了好几个选择，你可以凭借自己的工作流挑着来用。
字幕环节有ra-audio-to-subtitles借助火山Doubao-ASR来生成词级时间戳字幕，同时还带有对齐碎片、连接词以及阅读速度的质检功能。
skill-captions负责开展字幕外观渲染和烧录工作，提供了anchor-dark和anchor-light两套样式，并且支持4K原生重绘。
封面这块就更丰富啦，rn-cover-skill不需要参考图就能直接用标题生成5:2编辑图解风封面，ImageGen每次都会重新设计右侧概念图，脚本负责进行精确排版，editorial-dot-cover用来做点阵编辑风封面，editorial-collage-motion负责做半色调纸张拼贴动效，rn-niulai-style-image则能把实拍画面转成那种粗粝充气人偶3D风格。
动效这块是跟HyperFrames配合着使用的，rn-motion-director充当动效导演，从选题脚本到动效视频概念、视觉隐喻、运动语法全都管，另外还有一个Anti-PPT质量门。
这个Anti-PPT质量门的思路我特别认同，很多AI生成的动效视频其实就是PPT换了层皮罢了，文字飞来飞去，图片淡入淡出，看着挺花哨实际上还是静态的。而Anti-PPT质量门就是专门用来检测这种问题的。
除了内容创作这条主线，仓库里头还有22个来自dontbesilent的dbs商业工具箱，遵循着CC BY-NC 4.0许可。
这22个Skill覆盖了内容诊断、传播心理分析、对标分析、目标清晰化、概念拆解、执行力诊断等等方面。
dbs-ai-check跟ra-人话配对起来用，一个负责写作的时候去AI味，另一个负责写完之后检测AI痕迹。
dbs-hook跟ra-hook配对，ra-hook负责选钩子类型，dbs-hook则用来诊断执行质量。
dbs-resonate借助传播心理学框架来检查内容能不能打中观众。
这些工具箱的Skill可不是孤立存在的，它们被编织进了内容创作的主流程里面充当质量卡点。
运用这套Skill加上Codex、HyperFrames、HeyGen还有IndexTTS2，过去一个月总投入不到10小时，就在抖音涨粉2k并且接到了头一个商单。
10个小时涨2000粉接商单，这个数字放在抖音生态里算不上炸裂，但要是你理解这10个小时里真正花在创作上的时间到底有多少，就会觉得这个效率比挺有意思的。
传统方式去做短视频，选题、写脚本、拍摄、剪辑、加字幕、做封面整个一条龙弄下来，一个人去干起码得花上一整天的时间，才能产出一个视频。
选用这套流水线之后，拍摄环节让数字人给替代掉了，剪辑环节借助AI实现了自动化，配音也依靠TTS给替代了，那么人真正需要去做的其实就是选题判断以及内容审核，同时这两个环节恰好也是AI做不好的。
我顺手去查看了一下这些Skill的出处，绝大部分属于原创开发出来的，还有一小部分则是借助外部开源项目改编而来的。
ian-xiaohei-illustrations直接就把原作者Ian的小黑配图给收录进来了，MIT许可那边也没有去对角色IP进行改动。
video-use则是取自Browser Use的video-use项目。
editorial-collage-motion的灵感源自Vikash Kumar的Arcads Collage Motion Skill，不过把底层渲染方案给替换掉了，改成了选用本地的FFmpeg和HyperFrames。
chengfeng-videocut-skills来源于chengfeng的AI产品自由。
这种处理方式可以说是相当务实了，要是现成的轮子能直接用那就用起来，要是用不了那就干脆重写，既不去重复造轮子，同时也不去将就凑合。
通用安装则选用npx skills add，并且支持AISet，要是手动安装的话直接cp到对应目录就行。
单个Skill能够进行单独安装，没必要一次性把57个全装上。
这一点设计得算是比较合理的了，你并不需要把全部57个Skill都跑起来，比方说你只做图文根本不需要数字人，那么heygen那个Skill不装也就行了。
我个人相对比较关注的，其实是ra-人话和dbs-ai-check这两个Skill搭配起来的组合。
ra-人话在写作环节就把AI写作的典型特征结构给禁掉了，等写完之后dbs-ai-check再去扫一遍对残留的AI痕迹进行检测。
这个思路跟我们做去AI味的思路高度一致，先从结构层面把AI指纹给消除掉，然后再从检测层面进行验证。
ra-复盘这个Skill同样值得说道说道，它负责开展内容复盘工作，取数之后对爆款进行分级，R级和M级两种，接着进行归因，把经验沉淀到资产库里，并且对选题卡进行回写。
这种闭环设计意味着，每制作完成一个视频，相关的数据反馈都会重新回流到选题环节当中去，进而对下一个选题决策产生影响，做得越多的话，选题就会变得越发精准。
许多从事内容创作的人所欠缺的，恰恰正是这么一个反馈闭环，内容发布出去也就完事了，效果到底好还是不好完全凭借主观感觉，压根就不存在系统性的数据回流机制。
对整体进行评估下来，这个仓库给我带来了极为深刻的体会，那就是它绝对不是单纯意义上的一个工具箱，而是一套已经过实战验证的工作流体系。
57个Skill绝不是随意堆砌而成的，每一个Skill在整条流水线当中都占据着十分明确的位置，并且存在着上下游的紧密关联。
这种凭借自身实际需求出发去构建工具、随后再进行开源的路径，相比起那种纯粹为了开源而开源的项目来说，确实要扎实许多。
要是你目前正借助agent开展内容创作工作，又或者是想要搭建起专属的AI视频生产流水线，那么这个仓库非常值得花上一些时间去深入研究一番。
完全没必要一上来就把57个全都安装上，不妨先从选题以及脚本环节的几个Skill开始尝试，等到彻底跑通了之后，再逐步往下游环节进行扩展。
以上便是全部内容，既然都已经看到这里了，要是对你有所启发的话，不妨顺手点个赞支持一下吧。
