SKILLEMALL.ai

AC ai-video-shot-sequence

Создание последовательных кадров (Shot Sequence), построение полной нарративной дуги сцены. Применимо: от сценария до готового фильма, расширение отдельных раскадровок в ритмичные, эмоциональные и нарративно напряженные последовательности кадров. Ключевые слова: последовательность кадров, дизайн раскадровки, нарративный ритм, стыковка кадров, готовый фильм, кривая ритма, ритм планов, дизайн последовательности, sequence, шаблон последовательности, кривая эмоций, стыковка кадров, нарративное напряжение. Используйте, когда пользователь упоминает "как расставить кадры для этой сцены", "как спроектировать ритм этой сцены", "как стыковать кадры", "последовательность раскадровок", "нарративный ритм", "sequence кадров". Этот навык основан на cinematic-storyboard-generator (каркас из семи элементов) и фокусируется на дизайне на уровне последовательности, а не на дизайне отдельных кадров.

машинный переводПоказать оригиналСкрыть оригинал«设计连贯的镜头序列(Shot Sequence),构建场景的完整叙事弧线。适用于:从剧本到成片阶段,将单帧分镜扩展为有节奏、有情绪、有叙事张…»

设计连贯的镜头序列(Shot Sequence),构建场景的完整叙事弧线。适用于:从剧本到成片阶段,将单帧分镜扩展为有节奏、有情绪、有叙事张力的镜头序列。触发关键词:镜头序列, 分镜设计, 叙事节奏, 镜头衔接, 成片, 节奏曲线, 景别节奏, 序列设计, sequence, 序列模板, 情绪曲线, 镜头衔接, 叙事张力。当用户提到"这个场景怎么排镜头"、"这场戏的节奏怎么设计"、"镜头怎么衔接"、"分镜序列"、"叙事节奏"、"镜头sequence"时使用。本技能建立在 cinematic-storyboard-generator(七要素框架)基础之上,专注于序列层面的设计而非单帧设计。

ClawHub Agent Skills автор: beermanzz v1.0.0 MIT-0 4 файла тело ≈ 938 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Создание последовательных кадров (Shot Sequence), построение полной нарративной дуги сцены.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ГенераторМедиа и видеоИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 938 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 297 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 20 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (3 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This is a markdown-only creative skill for planning AI video shot sequences, with no executable behavior or hidden access.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.