mcpField
D
davinci-resolve-computer-use-training

davinci-resolve-computer-use-training

github.com/chaiwithjai创意与媒体3161 次安装23 周前更新
代码仓库

关于 davinci-resolve-computer-use-training

davinci-resolve-computer-use-training 是用于逐课练习 DaVinci Resolve 并根据界面操作改进技能的训练技能,面向视频编辑学习与制作流程。它优先使用 Resolve 脚本和预设,并要求记录可审计的作业证据与验证结果。

主要功能

  1. 01按课程制定作业卡与验证项
  2. 02优先使用 Resolve 脚本和预设
  3. 03通过界面操作练习与验证
  4. 04记录截图、状态和失败原因
  5. 05评估课程作业与成片能力

适用场景

  1. 01按课程练习 Resolve 编辑操作
  2. 02验证脚本生成的时间线与导出结果
  3. 03整理作业证据并检查课程覆盖情况

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/chaiwithjai/davinci-resolve-claude-skills --skill davinci-resolve-computer-use-training

安装后在 Claude Code 中输入/davinci-resolve-computer-use-training确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

bin/
resolve-kit
references/
computer-use-journal-template.md
resolve-automation-stack.md
resolve-sdk-notes.md
resolve20-homework-map.md
scripts/
capstone_folder_pipeline.py
create_homework_card.py
deepwiki_capstone_benchmark.py
generate_all_homework_cards.py
install_resolve_kit.py
resolve_common.py
resolve_doctor.py
source_workbook_benchmark.py
stage_edit_decisions.py
stage_folder_timeline.py
validate_timeline.py
workbook_proof_hillclimb.py

详细介绍

DaVinci Resolve 计算机操作培训

使用本技能进行逐课 Resolve 练习,并通过观察到的 UI 行为提升 Resolve 技能。

自动化优先级

默认优先使用 DaVinci Resolve 支持的脚本和预设系统,而非 UI 自动化:

  1. 使用官方 Resolve Python/Lua 脚本 API 进行项目设置、媒体导入、时间线构建、标记、渲染队列工作、预设导入/导出和验证。
  2. 使用已安装的工作区脚本、渲染预设、烧录预设、布局预设、Fusion 宏/模板、PowerGrades/LUT 和可复用项目模板,实现开箱即用的可重复性。
  3. 使用计算机操作用于 UI 作业、截图证据、手动 HITL 验证以及脚本 API 无法暴露的控件。
  4. 在 Resolve 周边使用外部工具,如 ffprobe、ffmpeg、Whisper/Gemini、Rust/Python 剪辑规划器和音视频分析器;将最终决策落实到可编辑的 Resolve 时间线中。

在任何课程或生产剪辑之前,运行或模拟 scripts/resolve_doctor.py,以确认进程状态、脚本路径、Resolve 版本、当前项目/时间线、当前页面、数据库和时间线起始帧。

使用 bin/resolve-kit 进行可重复的本地执行:

  • resolve-kit doctor
  • resolve-kit install
  • resolve-kit stage-folder <folder>
  • resolve-kit validate --project <name> --timeline <name>
  • resolve-kit capstone <folder>

核心循环

对于每一课:

  1. 阅读课程地图条目和引用的 PDF 页码范围。
  2. 创建作业卡片,包含目标、所需媒体/项目、UI 页面、预期产物和验证检查。
  3. 使用 Resolve 脚本进行设置、检查和可重复验证。当目的 specifically 是学习 Resolve 操作或验证 HITL 控件时,使用计算机操作完成 UI 步骤。
  4. 捕获证据:截图/状态笔记、项目/时间线名称、导出文件路径、标记和任何日志。
  5. 记录失败模式:无法访问的控件、错误页面、缺失媒体、UI 歧义、脚本不匹配、渲染/导出失败或质量失败。
  6. 如果课程教授了持久的工作流或发现了错误假设,更新相关的生产技能。

计算机操作规则

  • 每次 UI 会话开始时,为 DaVinci Resolve 调用 get_app_state。
  • 优先使用辅助功能元素点击。仅当 Resolve 画布/工具表面未暴露有用元素时,才使用坐标。
  • 每次有意义的操作后,调用 get_app_state 或使用操作结果来验证 UI 已更改。
  • 如果 Resolve 脚本可以更可靠地完成长时间重复的设置,请勿使用 UI 自动化。使用脚本暂存项目,然后使用计算机操作来学习/编辑/验证交互。
  • 如果 list_apps 或 get_app_state 超时,请勿声称 UI 课程已完成。验证 Resolve 进程和脚本 API,在课程日志中记录桥接失败,并且仅使用脚本暂存练习产物或检查项目。
  • Resolve 脚本 API 的可用性因安装而异。当基于名称的查找不可用时,优先使用基于索引的项目时间线查找,通过 ProjectManager.SaveProject 保存,并且在放置剪辑时始终使用 timeline.GetStartFrame(),以便媒体出现在 Resolve 的 01:00:00:00 时间线原点。
  • 在 training_runs/<book>/<lesson>/journal.md 中保留每课日志。
  • 尽可能将截图或静帧保存在同一文件夹中。

Resolve 脚本编写规则

  • 使用 references/resolve-automation-stack.md 中的本地 SDK 路径。
  • 在导入 DaVinciResolveScript 之前,始终设置 RESOLVE_SCRIPT_API、RESOLVE_SCRIPT_LIB 和 PYTHONPATH/sys.path。
  • 将可复用的脚本安装在用户的 Resolve Scripts 文件夹下,以便可以从 Workspace > Scripts 调用它们。
  • 优先导入渲染、烧录、布局、Fusion 宏和项目模板资产,而不是通过 UI 点击重新创建等效状态。
  • 通过 ProjectManager.SaveProject() 保存。
  • 写入后通过 API 读回项目/时间线进行验证。
  • 除非用户只要求平面渲染,否则永远不要展平交接内容;保留分层轨道、标记、禁用的修复/参考轨道、字幕和 B-roll。

作业卡片 Schema

每节课应生成一张 JSON 或 Markdown 卡片,包含:

  • book
  • lesson_number
  • lesson_title
  • pdf_pages
  • target_resolve_pages
  • homework_objective
  • source_media_needed
  • ui_actions_to_learn
  • automation_candidates
  • expected_artifact
  • validation_checks
  • skill_updates

技能验证

验证 davinci-resolve-claude-skills 时:

  • 检查技能是否引用了正确的 PDF 课程/页码范围。
  • 检查它是否有验证部分。
  • 检查它是否区分了仅 UI 步骤和脚本 API 步骤。
  • 检查是否清楚标记了仅 Studio 功能。
  • 检查它是否处理了先前视频编辑痕迹中发现的失败:音频不良、缺少字幕、时间线被展平、帧偏移、媒体池条目过期、主体出画,以及仅基于转录的跳切。

毕业项目契约

毕业项目必须证明完整工作流:

  • 输入:任何包含摄像机/音频/媒体资产的本地或 T7 文件夹。
  • 输出 1:Instagram 竖版剪辑,目标最长 3 分钟,以讲话者为主,烧录字幕,B-roll,音频处于社交响度范围。
  • 输出 2:YouTube/长视频 16:9 剪辑,最长 12 分钟,故事连贯,音频干净,视觉经过调色。
  • Resolve 交接:分层可编辑时间线、禁用的修复/参考轨道、标记、剪辑决策、B-roll 方案、字幕和渲染验证。
  • 网站桥接:为 chaiwithjai.com/workshops 使用视频故事编写的 markdown 或文案块。

反奖励黑客门槛

永远不要把 Loom 上传、平面渲染、生成的预览或种子时间线算作毕业项目。这些只是分发或脚手架产物。

永远不要把所有课程共用截图算作课程完成。页面可见只能证明应用打开了。它不能证明课程/作业概念已执行。

在称作业或毕业项目完成之前,生成可审计的证明包:

  • homework_coverage_matrix.md/json,覆盖每个已映射的工作簿课程。
  • 每节课的 homework_card.json、journal.md 和 validation_report.md。
  • 每节课的明确状态:
    • manual_ui_verified 仅当 Computer Use 或人工 UI 证据证明 Resolve UI 作业已执行时使用。
    • manual_ui_screenshot_verified 当 Resolve 支持的脚本/菜单在实时应用中导航,并且 macOS 截图证明 UI 状态时使用,因为已知 Computer Use 在这台机器上针对 Resolve 会超时。
    • script_api_verified 当 Resolve 脚本创建并读回产物时使用。
    • capstone_applied_script_verified_ui_blocked 当课程通过脚本应用于毕业项目,但 Computer Use 超时时使用。
    • not_started 当没有证明时使用。
  • 毕业项目验收报告,将课程组与具体的 Resolve 时间线、源剪辑、字幕、音频检查、色彩/视觉检查、渲染和网站文案对应起来。

如果 Computer Use 超时,不要说 UI 作业已完成。记录超时,并继续使用支持的 Resolve 脚本以取得实际进展。

DeepWiki 基准门禁

在声称一个综合项目遵循了课程内容之前,先对照仓库 docs/wiki/ 下的本地 DeepWiki 进行基准测试,并在产物缺乏练习册要求的能力时如实判定为不通过。

必需的综合项目能力组:

  • 剪辑:语义 A-roll 主线、用 B-roll 覆盖跳切、多机位/同步机位策略、主体安全的竖屏重构图、校对字幕。
  • Fairlight:源/处理后/音乐/音效轨道、清理顺序证明(Clip EQ -> De-Hummer -> Gate -> Noise Reduction -> Leveler)、对白下方的音乐闪避、LUFS/dBTP 验证。
  • 调色:基于示波器的一级校正、命名节点顺序(Normalize -> Balance -> Enhance -> Skin/Secondaries)、跨机位镜头匹配、鲜艳但不过度压暗的交付。
  • Fusion/图形:Text+ 或 Fusion 字幕/下三分之一系统、可复用的标题/转场包装宏/模板、独立轨道上的可编辑图形。
  • 交付:独立的 Instagram 和 YouTube 时间线、预设/验证、项目导出,以及可由人编辑的交接。

状态规则:

  • 仅当 Resolve 产物或导出的审计证明该能力时,才为 PASS。
  • 仅当该能力存在但缺乏练习册级证明或可编辑性时,才为 PARTIAL。
  • 当产物使用扁平/渲染的捷径、仅截图证明,或省略工作流时,为 FAIL。

将基准写入 resolve_kit/status/deepwiki_capstone_benchmark_*.md/json,并让它驱动下一轮修复。低于 85/100 的综合项目不具备发布条件,且不得描述为课程完成。

源练习册基准门禁

当用户询问作品是否遵循课程内容时,DeepWiki 并不足够。源练习册基准必须使用 references/resolve20-homework-map.md 以及从 Blackmagic 练习册导出的本地 PDF 文本(或配置的 RESOLVE_PDF_TEXT_DIR),针对全部 52 个已映射练习册课程运行。

规则:

  • 将每个已映射课程评分为 PASS、PARTIAL 或 FAIL。
  • PASS 要求针对该课程的实际工具或工作流提供练习册级/原生 Resolve 证据。
  • PARTIAL 仅允许用于相邻的制作证据,且这些证据无法证明原生练习册工作流。
  • 对于省略的课程、预渲染的捷径、仅显示页面可见性的截图,或用资产而非 Resolve 工作流表示的功能,必须为 FAIL。
  • 如果源练习册得分低于 85/100,不得称作业或综合项目已完成。
  • 如果用户要求完成所有作业,即使高级/无关课程对综合项目不必要,仍应判定为不通过,除非有单独的课程产物证明它们;不要仅因为它们对综合项目不必要就标记为 N/A。

将源练习册基准写入 resolve_kit/status/source_workbook_capstone_benchmark_*.md/json,并在尝试任何进一步的爬山之前报告得分。

源自练习册的质量标准

在全部 52 个已映射课程中,将以下检查带入每一个制作综合项目:

  • 剪辑:在语义节拍上剪切,保持音频连续性,用 B-roll 覆盖跳切,并暴露标记以供 HITL 审阅。
  • 音频:通过审计和试听选择最佳源,在电平调整前清理隆隆声/嗡鸣/噪声,在对白下方闪避音乐,并验证响度。
  • 调色:在风格化之前平衡和匹配机位;对于 Chai With Jai,目标为鲜艳的广播/纪录片色彩,且不压暗阴影。
  • Fusion/图形:字幕、标题、下三分之一、转场包装和参考叠加层必须保持可编辑并位于独立轨道上。
  • 交付:生成独立的 Instagram 和 YouTube 时间线,验证宽高比、安全区、字幕、音频和渲染回放。
  • 自动化:优先使用 Resolve API、宏、预设和模板;仅将 Computer Use 用于 UI 证明。

参考

  • references/resolve20-homework-map.md 用于完整的书籍/课程地图。
  • references/computer-use-journal-template.md 用于每课日志。
  • references/resolve-automation-stack.md 用于受支持的 Resolve 脚本、预设、宏和 Computer Use 层级。

评论

支持 Markdown