尧图网站建设 
拆解 narrator-ai-cli-skill 的 SKILL.md强制确认、语言链与防幻觉的 Agent 规则设计【免费下载链接】narrator-ai-cli-skillAI 解说大师 — Agent skill封装 narrator-ai-cli 供 Claude/Codex 等工具调用项目地址: https://gitcode.com/gh_mirrors/na/narrator-ai-cli-skillnarrator-ai-cli-skill是一个让 AI AgentClaude、Codex 等自动制作电影解说 / 短剧解说视频的 Agent 技能文件。它把narrator-ai-cli命令行封装成一份说明书搜片 → 选模板 → 选 BGM → 选配音 → 生成文案 → 合成视频全流程自动化。这篇文章拆解它的核心文件 SKILL.md看看一份给 AI 看的规则手册是如何通过强制确认、语言链与防幻觉三类规则把不可控的大模型变成可靠的生产工具。一、先建立心智模型CLI 是手脚Skill 是大脑 角色是什么能否单独使用CLInarrator-ai-cli一套可执行的命令✅ 可以在终端手动敲SkillSKILL.md教 AI 怎么用这些命令的说明书❌ 必须配合 CLI技能由 SKILL.md和references/ 目录共同组成详见 README_CN.md主文件负责决策流 强制规则四份参考文档资源、工作流、Magic Video、轮询与错误码负责细节查阅。 这种主文件管决策、子文件管细节的分层结构本身就是 Agent Skill 设计的最佳实践——避免主文件膨胀同时让 AI 按需取用。二、Agent Rules为什么强制确认是全文最值钱的段落打开 SKILL.md 第 68–81 行你会看到Agent Rules (mandatory — apply across all steps)所有步骤都必须遵守分为Always永远做和Never绝不做两组。强制确认永远先问再做绝不自动选择 Confirm before acting. Every resource (source, BGM, dubbing, template) and every magic-video submission requires explicit user approval. Never auto-select, never auto-submit.规则背后的原因很现实积分消耗不可逆。比如magic-video视觉模板按 30 积分/分钟计费AI 一旦自作主张提交钱就花出去了。所以规则要求展示完整请求参数 → 得到用户确认 → 才能提交每一次都算references/magic-video.md 再次强调。更细的确认设计出现在会话开场SKILL.md先介绍内置素材库——约 100 部电影免上传避免用户走了弯路一次只问一个问题按决策顺序推进素材 → 工作流路径 → 模式 → BGM → 配音 → 模板文档甚至写明了反模式把解说模式和制作路线塞进同一条消息提问会让用户在错误的层级做决策。这是新手最容易忽略的点AI 的聪明恰恰是它最危险的地方。规则把聪明关进了确认流程里。防幻觉只信数据绝不编造同一段规则里有一条专门针对大模型的幻觉毛病Source data, never invent.Constructconfirmed_movie_jsonfrommaterial listfields ortask search-movieoutput. If neither yields it, ask the user — do not fabricate.配套细节同样防幻觉file_id必须来自file list/material listNever guessmaterial list没有搜索参数那就分页拉全量直到total耗尽再用grep -i在 JSON 上程序化搜索绝不信任终端里可能被截断的显示references/resources.md。简单说AI 可以查不可以想当然。轮询纪律while 循环 双保险熔断references/operations.md 规定任务轮询必须用每 5 秒一次的while循环禁止固定次数的for循环并给出两个熔断器连续 1 分钟解析失败就退出、总时长 1 小时硬上限。连macOS 的 zsh 里$status是只读变量这种坑都提前写进规则了——这份文档是踩坑踩出来的。三、语言链一个参数错整条视频错 ⚠️规则第四条是Honor the language chain语言链配音语言 → 文案任务的language参数 → magic-video 的所有文本参数三者必须一致。为什么单独立规因为模板的文本默认值硬编码为中文。如果用户选了英文配音、做英文解说视频而 AI 偷懒提交了中文默认的本故事纯属虚构 请勿模仿成片就会在英文视频里冒出中文字幕。references/magic-video.md 给出了标准动作场景正确做法中文解说保留中文默认免责文案即可非中文解说必须翻译每个文本参数如This story is purely fictional. Do not imitate.并先给用户确认文档还要求即使用户没提语言这条规则也照样生效——不要把这三步当作独立步骤。一条链路三处一致这就是语言链的全部设计。四、失败处理暴露错误而不是自愈 ️Never列表里有一条很有意思Auto-switch paths after a failure.…Never infer a path switch on the agents own initiative.某一步失败时这个 API 有 18 个错误码见 references/operations.mdAI 不允许自己聪明地换条路径只能把错误原样摆出来让用户三选一重试 / 换路径 / 放弃。原因同样是成本与责任归属——换路径意味着不同的积分消耗。另一条防字段混用的规则同样典型下游任务要的是.task_order_num形如generate_writing_xxxxx的前缀字符串绝不能提交 32 位十六进制的.task_id或计费侧的script_xxxxx否则报10001 任务关联记录数据异常。三个长得很像的字段规则里用表格逐一标注了 ✅ / ❌references/workflows.md。五、两条工作流路径与路径不对称陷阱Fast Path原创文案Standard Path二创文案流程素材 → fast-writing → fast-clip-data → 合成素材 → 学习风格 → 生成文案 → clip-data → 合成特点更快、更便宜默认推荐解说质量更高模仿参考风格合成时的order_num取自fast-clip-data的task_order_numgenerate-writing的task_order_num注意最后一行的路径不对称references/workflows.md标准路径下如果误用 clip-data 自己的task_order_num会直接报10001 任务关联记录信息缺失。这类两条路径规则相反的坑全靠规则文档显式写死AI 才不会举一反三翻车。六、给新手的 4 点收获 规则比功能重要一份好的 Agent Skill价值大头不在能做什么而在绝不做哪些事确认、不编造、不自作主张。永远/绝不双列表Always Never 的结构让 AI 和人类都能一眼看懂边界。把踩坑写进文档错误码、字段陷阱、shell 兼容坑都是可复用的记忆。分层组织主文件放决策流细节拆进references/通过索引表按需引用。想自己动手体验把仓库 clone 到 Agent 的技能目录即可git clone https://gitcode.com/gh_mirrors/na/narrator-ai-cli-skill安装后只需一句帮我做一个飞驰人生的电影解说视频剩下的确认与执行就交给这套规则约束下的 AI 了。【免费下载链接】narrator-ai-cli-skillAI 解说大师 — Agent skill封装 narrator-ai-cli 供 Claude/Codex 等工具调用项目地址: https://gitcode.com/gh_mirrors/na/narrator-ai-cli-skill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 拆解 narrator-ai-cli-skill 的 SKILL.md：强制确认、语言链与防幻觉的 Agent 规则设计
拆解 narrator-ai-cli-skill 的 SKILL.md强制确认、语言链与防幻觉的 Agent 规则设计【免费下载链接】narrator-ai-cli-skillAI 解说大师 — Agent skill封装 narrator-ai-cli 供 Claude/Codex 等工具调用项目地址: https://gitcode.com/gh_mirrors/na/narrator-ai-cli-skillnarrator-ai-cli-skill是一个让 AI AgentClaude、Codex 等自动制作电影解说 / 短剧解说视频的 Agent 技能文件。它把narrator-ai-cli命令行封装成一份说明书搜片 → 选模板 → 选 BGM → 选配音 → 生成文案 → 合成视频全流程自动化。这篇文章拆解它的核心文件 SKILL.md看看一份给 AI 看的规则手册是如何通过强制确认、语言链与防幻觉三类规则把不可控的大模型变成可靠的生产工具。一、先建立心智模型CLI 是手脚Skill 是大脑 角色是什么能否单独使用CLInarrator-ai-cli一套可执行的命令✅ 可以在终端手动敲SkillSKILL.md教 AI 怎么用这些命令的说明书❌ 必须配合 CLI技能由 SKILL.md和references/ 目录共同组成详见 README_CN.md主文件负责决策流 强制规则四份参考文档资源、工作流、Magic Video、轮询与错误码负责细节查阅。 这种主文件管决策、子文件管细节的分层结构本身就是 Agent Skill 设计的最佳实践——避免主文件膨胀同时让 AI 按需取用。二、Agent Rules为什么强制确认是全文最值钱的段落打开 SKILL.md 第 68–81 行你会看到Agent Rules (mandatory — apply across all steps)所有步骤都必须遵守分为Always永远做和Never绝不做两组。强制确认永远先问再做绝不自动选择 Confirm before acting. Every resource (source, BGM, dubbing, template) and every magic-video submission requires explicit user approval. Never auto-select, never auto-submit.规则背后的原因很现实积分消耗不可逆。比如magic-video视觉模板按 30 积分/分钟计费AI 一旦自作主张提交钱就花出去了。所以规则要求展示完整请求参数 → 得到用户确认 → 才能提交每一次都算references/magic-video.md 再次强调。更细的确认设计出现在会话开场SKILL.md先介绍内置素材库——约 100 部电影免上传避免用户走了弯路一次只问一个问题按决策顺序推进素材 → 工作流路径 → 模式 → BGM → 配音 → 模板文档甚至写明了反模式把解说模式和制作路线塞进同一条消息提问会让用户在错误的层级做决策。这是新手最容易忽略的点AI 的聪明恰恰是它最危险的地方。规则把聪明关进了确认流程里。防幻觉只信数据绝不编造同一段规则里有一条专门针对大模型的幻觉毛病Source data, never invent.Constructconfirmed_movie_jsonfrommaterial listfields ortask search-movieoutput. If neither yields it, ask the user — do not fabricate.配套细节同样防幻觉file_id必须来自file list/material listNever guessmaterial list没有搜索参数那就分页拉全量直到total耗尽再用grep -i在 JSON 上程序化搜索绝不信任终端里可能被截断的显示references/resources.md。简单说AI 可以查不可以想当然。轮询纪律while 循环 双保险熔断references/operations.md 规定任务轮询必须用每 5 秒一次的while循环禁止固定次数的for循环并给出两个熔断器连续 1 分钟解析失败就退出、总时长 1 小时硬上限。连macOS 的 zsh 里$status是只读变量这种坑都提前写进规则了——这份文档是踩坑踩出来的。三、语言链一个参数错整条视频错 ⚠️规则第四条是Honor the language chain语言链配音语言 → 文案任务的language参数 → magic-video 的所有文本参数三者必须一致。为什么单独立规因为模板的文本默认值硬编码为中文。如果用户选了英文配音、做英文解说视频而 AI 偷懒提交了中文默认的本故事纯属虚构 请勿模仿成片就会在英文视频里冒出中文字幕。references/magic-video.md 给出了标准动作场景正确做法中文解说保留中文默认免责文案即可非中文解说必须翻译每个文本参数如This story is purely fictional. Do not imitate.并先给用户确认文档还要求即使用户没提语言这条规则也照样生效——不要把这三步当作独立步骤。一条链路三处一致这就是语言链的全部设计。四、失败处理暴露错误而不是自愈 ️Never列表里有一条很有意思Auto-switch paths after a failure.…Never infer a path switch on the agents own initiative.某一步失败时这个 API 有 18 个错误码见 references/operations.mdAI 不允许自己聪明地换条路径只能把错误原样摆出来让用户三选一重试 / 换路径 / 放弃。原因同样是成本与责任归属——换路径意味着不同的积分消耗。另一条防字段混用的规则同样典型下游任务要的是.task_order_num形如generate_writing_xxxxx的前缀字符串绝不能提交 32 位十六进制的.task_id或计费侧的script_xxxxx否则报10001 任务关联记录数据异常。三个长得很像的字段规则里用表格逐一标注了 ✅ / ❌references/workflows.md。五、两条工作流路径与路径不对称陷阱Fast Path原创文案Standard Path二创文案流程素材 → fast-writing → fast-clip-data → 合成素材 → 学习风格 → 生成文案 → clip-data → 合成特点更快、更便宜默认推荐解说质量更高模仿参考风格合成时的order_num取自fast-clip-data的task_order_numgenerate-writing的task_order_num注意最后一行的路径不对称references/workflows.md标准路径下如果误用 clip-data 自己的task_order_num会直接报10001 任务关联记录信息缺失。这类两条路径规则相反的坑全靠规则文档显式写死AI 才不会举一反三翻车。六、给新手的 4 点收获 规则比功能重要一份好的 Agent Skill价值大头不在能做什么而在绝不做哪些事确认、不编造、不自作主张。永远/绝不双列表Always Never 的结构让 AI 和人类都能一眼看懂边界。把踩坑写进文档错误码、字段陷阱、shell 兼容坑都是可复用的记忆。分层组织主文件放决策流细节拆进references/通过索引表按需引用。想自己动手体验把仓库 clone 到 Agent 的技能目录即可git clone https://gitcode.com/gh_mirrors/na/narrator-ai-cli-skill安装后只需一句帮我做一个飞驰人生的电影解说视频剩下的确认与执行就交给这套规则约束下的 AI 了。【免费下载链接】narrator-ai-cli-skillAI 解说大师 — Agent skill封装 narrator-ai-cli 供 Claude/Codex 等工具调用项目地址: https://gitcode.com/gh_mirrors/na/narrator-ai-cli-skill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考