studio-setup

工作室设置

约 15 分钟，只需设置一次。完成后，创作者将拥有：

• 已安装并检查完毕的其他技能会调用的工具，
• video-agent/voice.md：他们是谁、说话方式、信念以及能够证明的事。每个脚本都以此为依据撰写，
• video-agent/styles/default/style.json：基于分屏纸张布局的个人风格（颜色、字体、字幕、纸张、节奏、声音、Instagram CTA），并包含他们提及的工具的真实徽标。每次剪辑都会使用此配置，
• 已就绪的渲染引擎（Chrome、whisper.cpp、音乐底轨），因此可以立即开始第一次剪辑，
• 权限规则，让 Claude 可以运行 ffmpeg、yt-dlp 和引擎，无需每次都询问，
• 如有需要：通过 Treg 连接他们的账号（审计和发布），并配置翻译和图像所需的密钥。

如何运行

• 使用创作者的语言交流。用简单的词，不要用行话。
• 每条消息只问一个问题。尽可能提供选项，并把推荐选项放在首位。
• 绝不编造任何关于他们的信息：不知道的事实就变成问题或 {{placeholder}}。

1. 工具

运行检查，并为每个工具显示一行（✓ 版本，或 ✗ 缺失）：

node -v
ffmpeg -version
yt-dlp --version
deno --version
git --version

工具	用途	macOS	Windows	Linux
Node 20+（推荐 22 LTS）	short-editing（渲染引擎）	brew install node	winget install OpenJS.NodeJS.LTS	nodejs.org 或你的包管理器
ffmpeg	short-editing、steal、clips、short-translate、publish	brew install ffmpeg	winget install Gyan.FFmpeg	sudo apt install ffmpeg
yt-dlp	studio-script viral、steal、clips、从视频生成 voice.md	brew install yt-dlp	winget install yt-dlp.yt-dlp	pipx install "yt-dlp[default]"
deno	在 YouTube 上使用 yt-dlp（需要 JavaScript 运行时）	随 yt-dlp 一起提供	winget install DenoLand.Deno	curl -fsSL https://deno.land/install.sh | sh
git	安装技能	xcode-select --install	winget install Git.Git	sudo apt install git
Codex（可选）	codex-images	npm i -g @openai/codex，然后运行 codex login	相同	相同

提供缺少工具的安装命令，让他们自行运行（或在他们提出时由你代为运行）。仅用于脚本编写的用户（包括使用 viral 模式的 studio-script）只需要 yt-dlp 和 deno。Codex 仅供 /codex-images 使用，且需要 ChatGPT 套餐；如果他们不需要图像，就跳过。

• Windows：运行 winget 后，关闭并重新打开终端（以及 Claude Code），否则系统将找不到新命令。
• YouTube 经常变化。如果 yt-dlp 无法处理一个能在浏览器中播放的链接，请先更新它（brew upgrade yt-dlp、winget upgrade yt-dlp.yt-dlp、pipx upgrade yt-dlp）。

2. 文件夹

在当前项目的根目录创建：

video-agent/
├── voice.md      who they are and how they talk (step 4)
├── swipe.md      hooks that worked in their niche (`/studio-script viral`)
├── audit.md      what works on their own Instagram (insta-audit)
├── audits/       full Instagram reports, one folder per account and run (insta-audit @handle)
├── log.md        one line per script written, so nothing repeats
├── scripts/      one file per week (studio-script)
├── takes/        raw recordings (phone, camera, webcam, screen)
├── style.json    {"default": "default"}: the style every edit uses (step 5)
├── styles/       default/ (their look, step 5), and styles copied from other creators (steal)
├── edits/        one folder per edited video (short-editing): source/spec.js, output/<name>.mp4 + post.md, cover.jpg, published.md
├── repurpose/    one plan per long video (clips)
├── images/       generated images not tied to a video (codex-images)
├── .env          their API keys, never shared (step 7)
└── .tmp/         scratch files, deleted after each run

log.md 以 # Script log 开头，swipe.md 以 # Swipe file 开头。

如果项目使用 git，请将以下行添加到其 .gitignore 中（视频文件很大；文本文件仍由 git 跟踪）：

video-agent/takes/
video-agent/edits/**/*.mp4
video-agent/edits/**/assets/
video-agent/edits/**/stills/
.claude/skills/short-editing/.runtime/
.claude/skills/short-editing/engine/node_modules/
video-agent/.tmp/
video-agent/.env

video-agent/.env 存放密钥：即使他们跳过其余步骤，也必须将它加入忽略列表。

3. 引擎

渲染引擎随 short-editing 技能一起提供（<skill> = 该技能的文件夹，例如 .claude/skills/short-editing）。首次设置时会安装引擎软件包（15 MB）、在未安装 Chrome 时安装 Chromium（100 MB）、安装 whisper.cpp 及其语音模型（0.5 GB），并获取 8 条音乐底轨：整个过程需要 3 到 6 分钟，只需执行一次。询问：现在设置（如果他们很快要剪辑，推荐此选项；并且这样第 5 步就能在他们自己的素材上展示个人风格），还是稍后设置（short-editing 首次运行时会执行）。仅供 short-editing、clips 和 short-translate 使用；仅用于脚本编写的用户可跳过。

node <skill>/engine/setup.mjs --check || node <skill>/engine/setup.mjs

开始前，说明正在下载的内容及其大小。如果缺少 ffmpeg：程序会打印安装命令。

4. voice.md

先设置文件顶部的内容：录制时使用的语言（品牌颜色会在第 5 步询问）。然后询问如何构建其余内容：

1. 根据他们的视频（适用于之前发布过视频的人，推荐此方式）：提供 3 到 5 个表现最好的口播视频链接（YouTube、Shorts、TikTok、Instagram reels）。提取转录文本（<lang> = 他们的语言代码：en、fr、es）：

   yt-dlp --skip-download --write-auto-subs --write-subs --sub-langs "<lang>.*" --sub-format vtt -o "video-agent/.tmp/%(id)s.%(ext)s" "<url>"
   

   阅读这些文本，并根据他们实际说的话填写模板：他们常用的真实短语、语速（词数 ÷ 讲话分钟数）、反复使用的词语，以及开场和结尾的方式。然后只询问转录文本无法体现的内容（立场、佐证、禁区、行动号召）。之后删除 video-agent/.tmp/。 YouTube 链接几乎总能获取转录文本。TikTok 有时可以，Instagram 几乎不行：遇到这种情况，请他们提供 YouTube 链接，或改用访谈方式。
2. 通过访谈：用通俗的话逐个提问模板中的问题（“你认为所在领域的大多数人都弄错了什么？”）。

无论采用哪种方式，都请他们粘贴 3 段由自己撰写、未经过任何 AI 工具处理的简短文字（例如一条配文、一条消息、一封邮件）。将它们放入“真实样本”，让脚本学习他们的表达节奏。

根据 references/voice-template.md 编写 video-agent/voice.md。然后用 5 行向他们复述文件内容，并询问有哪些不对。语气文件永远不会彻底定稿：告诉他们可以随时运行 /studio-setup voice 来更新。

5. 风格

五分钟。每次编辑都采用相同的完整布局：分屏纸张风格——摄像头卡片上方是纹理纸上的板块；在分屏、纯纸张和全屏摄像头之间硬切换；字幕位于接缝处；CTA 使用评论纸样式（style.md）。这一步会让风格变得独具特色：video-agent/styles/default/style.json。格式和五种经过测试的风格见 looks.md；所有键见 style-schema.md。请先阅读两者。

开始前用一句话说明：“默认风格已经很完整；我会问 7 个简短问题来调整成你的风格，然后用你自己的视频展示效果。”接着每条消息只问一个问题，提供选项并把推荐选项放在最前；他们也可以随时回答“默认”或“跳过”。根据 voice.md 中已有的信息（领域、语气、行动号召）选择推荐项，并跳过其中已经回答过的问题。

1. 外观：逐行展示 <skill>/assets/looks.json 中的五种外观（label + says）：default（极简：系统字体，摄像画面全宽，缝合处黑色横条上的等宽大写字幕，推荐）、classique（贴纸字幕）、papier（带边框的摄像照片，所说的词显示在色块上）、pop（播客、观点）、poster（节奏快、硬切）。所选外观的 style 补丁是文件的开头。
2. 强调色：询问“你的品牌色是什么？可以提供十六进制代码，也可以用文字描述颜色。”如果他们说出一种颜色：将其转换为十六进制代码 → colors.accent。如果没有：保留该外观的颜色。强调色会标记强调词、字幕块和数字，因此必须醒目（不能是柔和的粉彩色）。
3. 字体：询问“保留系统字体（Mac 上的 San Francisco；Windows 上的 Segoe UI，推荐），还是使用 Bricolage Grotesque（现代、紧凑）、Poppins（圆润、友好）、Archivo（厚重、紧凑）或 Inter（中性）？”系统字体为 system-ui, -apple-system, Segoe UI, Helvetica Neue, Arial, sans-serif。→ font.family、display.font / display.text。如果他们有自己的字体文件：将其复制到 styles/default/assets/fonts/，并设置 font.src。
4. 字幕：询问“横条：缝合处黑色圆角横条上的等宽大写白字，每次显示 3 个词（band + JetBrains Mono，推荐）；极简：视频上的白色字幕，所说的词逐个出现（rise + block: false + straddle + straddleDy: 90）；所说的词显示在色块上（rise）；硬阴影（hard）；还是贴纸？”接着询问“正常大小，还是更大？”（更大 = captions.size 96）。大写 = captions.upper: true。
5. 节奏：询问“快速（1.15x，默认）、舒缓（1.05x）还是自然（1x）？”→ pace.speed。
6. Instagram 行动号召：询问“你的 Instagram 用户名，以及你希望人们评论的词（GUIDE、LINK、产品名称）？”→ creator.handle、creator.name，并在 notes 中添加备注 "Comment word: <WORD>"。此外，根据 voice.md 设置 creator.lang（录制语言）和 creator.niche。
7. 视频中会提到的工具：询问“你的视频里最常提到哪些应用或工具？”最多 8 个。每个工具都要获取真实徽标（looks.md 中的 “Logos”），并将其保存为 video-agent/styles/default/assets/logos/<tool>.png。如果无法确定某个徽标：向他们索要文件，绝不要绘制相似图案。

写入 video-agent/styles/default/style.json（"version": 1、"name"、外观的补丁，然后是他们的回答；只保留与引擎默认值不同的键），并将 video-agent/style.json 设为 {"default": "default"}。检查文件能否解析：node -e 'JSON.parse(require("fs").readFileSync("video-agent/styles/default/style.json","utf8"))'。

预览：引擎已完成设置（步骤 3），且 video-agent/takes/ 中已有时长至少为 10 s 的录制素材时：

node <skill>/engine/short.mjs init video-agent/edits/short-style-test --source "<take>"

然后在其 source/spec.js 中添加一个板块，范围在素材第 1 到第 4 秒左右（一个包含他们强调色的 text、以及他们提到的第一个工具的 logo；参见 scene-library.md），并运行：

node <skill>/engine/short.mjs words video-agent/edits/short-style-test
node <skill>/engine/short.mjs prepare video-agent/edits/short-style-test
node <skill>/engine/short.mjs stills video-agent/edits/short-style-test 0.5,2,5

先自行查看 stills/ 中的 JPG：强调色在纸面上是否清晰可读，白色字幕在色块上是否清晰可读，徽标是否清晰，边缘是否有内容被裁切。修复所有问题，然后展示给他们并询问：“保留，还是改一处？”如果要修改：编辑 style.json，再运行一次 init（它会对样式进行快照），生成新的静帧。之后删除 short-style-test。如果还没有录制素材：用 3 行描述外观，第一次剪辑会展示效果。

他们可以随时运行 /studio-setup style 来更改样式。通过 /steal 复制的创作者样式会放在旁边（video-agent/styles/<name>/），并通过 /short-editing <take> style <name> 使用。

6. 权限

其他技能会反复运行同几条命令。请为此项目预先批准这些命令。展示规则并征求同意，然后将它们合并到 .claude/settings.json。如果文件不存在，则创建该文件。保留其中已有的所有键和值规则，绝不删除任何内容。

{
  "permissions": {
    "allow": [
      "Bash(yt-dlp *)",
      "Bash(ffmpeg *)",
      "Bash(ffprobe *)",
      "Bash(node .claude/skills/short-editing/engine/*)"
    ]
  }
}

• 仅限这些规则。绝不添加 Bash(*)、Bash(rm *)、Bash(curl *)，或针对整个解释器的规则（Bash(node *)、Bash(python *)）。
• 共享的 settings.json 中的规则在文件夹受信任后生效。如果创建者将此项目保存在 git 中且不想共享这些规则，可以改用 .claude/settings.local.json（格式相同，仅个人使用）。
• 每项技能也会在自己的 allowed-tools 中列出命令，这些命令适用于该技能运行的回合。这些规则则适用于其他所有回合。

7. 账号和密钥（可选）

有三项内容，只有在他们需要相应技能时才需要。一次询问，并在一条消息中问完：

用途	内容	费用
/insta-audit 和 /publish	Treg，并连接他们的 Instagram、TikTok 和 YouTube 账号	使用自己的账号免费
在 /short-editing 中获取精确转录（听出每次重录和说错后重来的部分，以便剪掉）、/short-translate、/steal 中人声下方的音乐音量（音效随包提供，无需密钥）	ElevenLabs API 密钥（推荐）	他们的 ElevenLabs 套餐费用
/codex-images	使用他们的 ChatGPT 账号登录 Codex	他们的 ChatGPT 套餐费用

ElevenLabs：让他们在 elevenlabs.io/app/settings/api-keys 创建密钥，并自行将其粘贴到 video-agent/.env 中，格式为 ELEVENLABS_API_KEY=...（创建空文件并为他们打开）。绝不要在聊天中索要密钥。检查密钥是否存在，但不要打印出来：grep -c ELEVENLABS_API_KEY video-agent/.env。

Codex：运行 codex --version，然后让他们运行 codex login（在浏览器中选择“Sign in with ChatGPT”）。

Treg

yt-dlp 可免费读取 YouTube。TikTok 和 Instagram 会向脚本隐藏数据，创作者自己的数据则需要登录才能查看；发布内容也需要他们的账号。Treg 填补了这一空白：连接自己的账号一次，即可免费查看数据并发布内容；查询其他创作者的公开数据，每次调用约 $0.001。新注册且通过验证的账号会获得一次性 $1.00 额度，足够调用数百次。

有两种接入方式：

• CLI，适用于 macOS 和 Linux。需要 uv（推荐，它会获取合适的 Python），或需要 pipx，或需要搭配 Python 3.12 或 3.13 的 pip。没有适用于 Windows 的安装程序。

  curl -fsSL https://treg.to/install.sh | sh
  treg login
  

  treg login 会打开浏览器（使用 GitHub、Google 或邮箱验证码登录）。
• MCP，适用于任何操作系统，无需安装：运行 claude mcp add --transport http treg https://treg.to/mcp/，然后运行 /mcp 登录。下文中的每个 treg catalog search、catalog get、call 和 balance 命令，都会对应为 MCP 工具 catalog_search、catalog_get、call 或 balance。

他们自己的账号（连接账号需要 CLI）。--capability post 会请求读取数据和发布内容的权限；每条视频仍需他们逐条同意后才能发布：

treg connections connect --provider instagram --capability post
treg connections connect --provider tiktok --capability post
treg connections connect --provider youtube --capability post
treg connections ls

每个 connect 都会打开平台自己的登录页面；他们需要在那里批准连接。只连接他们会发布内容的平台。Instagram 需要专业账号（Creator 或 Business，可在应用中免费切换：个人主页 → 菜单 → 账号类型和工具）。Treg 会将提示输出到 stderr：读取其 JSON 时添加 2>/dev/null。

连接 Instagram 后：立即推荐使用 /insta-audit，这是了解哪些内容对他们有效的最佳起点。

每次 Treg 调用的方式，适用于所有技能：

1. treg catalog search "<what you want to do>"：描述要完成的任务，而不是供应商（“列出某个 TikTok 账号的视频及其观看次数”）。
2. treg catalog get <id>：查看参数和价格。调用前先告知价格。他们自己已连接的账号会标记为免费。
3. treg call <id> --query key=value。调用失败不会收费。treg balance 会显示剩余额度；402 错误表示余额已用尽。

权限：只添加免费的只读命令，这样每次付费的 treg call 仍会先征求同意：

"Bash(treg catalog *)",
"Bash(treg balance)",
"Bash(treg connections ls)"

8. 收尾

展示已准备就绪的项目（✓ 或已跳过，每项一行）以及后续步骤。他们也可以直接输入 /editing <what they want>：它会选择合适的技能。

最快制作出第一条视频的方法：用手机、相机或网络摄像头录制一个镜头，保存到 video-agent/takes/<slug>.mp4，然后运行 /short-editing。之后，他们想做更多内容时：

1. /studio-script：本周的脚本，先写钩子，再进行人性化处理（先运行 /studio-script viral，了解他们所在细分领域中有效的做法）。
2. /insta-audit：了解他们自己的 Instagram 上哪些内容有效（填写 audit.md）。
3. /outliers：找出竞争对手中爆火的 Reels，并将其转化为 5 个可供录制的脚本。
4. /short-editing：制作符合他们风格的短视频（竖屏）或完整 YouTube 视频（横屏）。
5. /broll：将他们自己的 B-roll 片段整理成素材库，并放入剪辑作品中。
6. /steal：将他们喜欢的创作者的 Reels 转换为第二种风格。
7. /clips：将长视频剪辑成完成的短视频。
8. /short-translate：用另一种语言、以他们的口吻呈现一段录制内容。
9. /codex-images：制作缩略图、封面和片尾卡。
10. /vox：将照片制作成纸张拼贴动画。
11. /publish：发布到 YouTube、Instagram 和 TikTok。

后续

/studio-setup <part> 可直接跳转到某个部分：tools、engine、voice（重建或更新 voice.md）、style（他们的外观、声音、CTA、工具徽标、徽标、片尾卡）、permissions、treg、keys。