LibTV把导演的手艺装进了Skill商店，我拿三支片子验了验

这个七月我在纽约。有天下午在中央公园的长椅上歇脚，一只松鼠蹦上来，扒着我的星巴克冰咖啡，嘴都快够到吸管了。我拍下了这张照片。

这家伙也太像皮克斯电影里的角色了。搁以前，这个念头发个朋友圈就结束了。这次我把照片丢给一个Agent，就是那种你说目标、它自己拆任务自己干活的AI，附了一句话：帮我把松鼠偷抢我饮料喝的场景做成30秒的皮克斯动画。

21分钟后，我拿到了成片。

干活的是LibTV Agent。LibTV本身老读者不陌生，哩布哩布家的专业视频创作平台，3月上线第一天涌进来10万创作者，5月我写过它的团队版。这两个月它一直在憋一个大的：把画布上那套专业创作能力，整个交给一个能对话的Agent。而且这个Agent的能力说实话给了我一些预期之外的惊喜（甚至内容剪辑和加字幕都能动动嘴完成）。

今天，LibTV Agent正式上线，官网：https://www.liblib.tv/

一只松鼠的21分钟

我在Skill商店选了「皮克斯动画广告」。Skill可以理解成一份写给AI的工作说明书，一位导演拍这类片子的步骤和讲究都写在里面。选Skill、传照片、一句话，需求就发出去了。

Agent认出了松鼠、绿吸管冰饮料、米白托特包，只问我一个问题：横屏还是竖屏。然后给出四个角色方案，我选了戴迷你墨镜的纽约街头松鼠。

我得说，这个松鼠形象姿态还真挺符合我对街头遇见的纽约人的刻板印象的...而且，似乎也和《疯狂动物城》里的动物形象的品质感很接近。

真正让我坐直了看的是它的工作方式。饮料、托特包、长椅，每样东西先单独生成一张「资产定妆照」，叫锚点，生成后停下来等我检查，满意才往下走。场景因此变得可控：后面18个镜头里每个元素长什么样，都在这一步定死，而且每一步都有我的判断在里面。

然后是故事大纲和分镜草图：一格一格的铅笔线稿，每格标着运镜，第一镜是「极端大特写，荷兰角15度倾斜」，把画面故意斜着放、看着莫名紧张的那种拍法。

这个画面我眼熟。上个月我在LA的奥斯卡电影博物馆，隔着玻璃拍过《杀人回忆》的一整面分镜手稿墙，一格铅笔小画配一行运镜标注，希区柯克那代导演甚至认为分镜画完电影就已经拍完了。没想到一个月后，同一种文档出现在我的画布上，这次是AI画给我的。做的时候可以不看，事后翻出来读，等于上了一堂导演课。

两段视频并行生成，配爵士BGM合成。原图里的绿吸管、托特包、连长椅上的金属铭牌都在，星巴克logo在道具定妆照里还原到能直接进广告，参考图的保真度不含糊。合成还有个内置时间线剪辑器，双轨道、字幕、转场都在里面，剪辑不用出平台。

它在卖什么

先说清这是个什么Agent。过去一年做视频Agent的产品不少，共同的毛病是：生成15秒的漂亮画面很轻松，但一支片子从来不是生成一次就结束的，故事要变成剧本，镜头要编排，角色不能变脸，画面要能返工。大部分Agent做完第一步就把烂摊子还给你，LibTV的做法是把这些活全接下来，一路干到成片交付，专业流程一步没省，只是不再需要你亲手执行。

它分三层：底下是几十个图像视频音频模型，中间是画布，每个镜头都是能单独重跑的节点，最上面是Skill商店，也就是那句主张：Pick a LibTV Skill，选一个Skill，等于请一位专业的AI导演。

商店里每个Skill都有创作者署名和使用人数，我截稿时韦斯安德森电影美学119人在用，古典武侠、女频短剧、拉片复刻都有人上架。广告导演和短剧团队把验证过的工作方法写成文件挂在架上，你调用，他们建自己的AI Studio。 官方还给Skill创作者准备了1000万激励金：一条通过验收的成片Skill按评级给500到2000块，后面还有按真实使用量的长期分成。

这事我熟。今年四月我开源了女娲.skill（GitHub 26k star），把任何人的思维方式蒸馏成一份SKILL.md文件让AI调用。我一直相信方法论可以写成文件，文件可以被AI执行。 LibTV把同样的逻辑搬到了视频领域，那我最该干的事，就是用它给女娲拍一支宣传片。

给女娲拍片：这次我自带剧本

设定我想了很久：一家「女娲人物蒸馏馆」，大师们被蒸馏成发光胶囊，收藏在前台身后的编号墙里；顾客取号借走一位，拧开胶囊，薄荷绿的学者鬼魂升起来，盘腿悬浮在头顶给你指点。这个设定只有一个Skill配得上：韦斯安德森电影美学。

我把女娲的介绍和四幕剧本粘进对话框，然后看着它变成一个剧组。它按剧本给5个角色各设计了多套造型让我挑，确认后再补成正/侧/背的白底三视图，连半透明的鬼魂都有自己的定妆照；4个场景各出4张候选让我选。

13镜分镜表出来我笑了：每个段落交界处它都自动排了「急摇转场」，韦斯安德森的签名动作，我一个字没提。

落版字卡那一镜，它标注「后期叠加，不烧进生成画面」。它知道视频模型渲染文字不可靠。这种细节，像是真在片场干过活的人才会顺手写下的。

中途我说想加少量英文台词，它给6个镜头各补了一句。前台服务员那句是"Capsule No. 7,431. Distillation complete."，编号精确到个位，冷面得很韦斯。

有个镜头我不满意：门面大全景太静。我点开这个5秒镜头的节点重写提示词，让两位门童镜像走位开门，重生成只花135积分，另外12个镜头一根毛没动。这类产品真正值钱的地方之一，就是返工的颗粒度。

这套操作靠的是画布的两种视图：故事板视图像资产陈列室，锚点、文档、视频分栏摆开，适合验收；工作流视图是全片几十个节点的连线图，改哪个镜头就点开哪个节点。

收尾最有全能管家感：我说「帮我叠加落版字卡和字幕」，它两步走，先ASR自动识别6句台词烧成字幕，再生成腮红粉字卡背景让我四选一合进片尾。合成界面本身也带基础剪辑，裁剪、字幕、转场都能手动微调。

最终交付70秒，BGM复古管弦。从一段文字介绍到一支韦斯安德森风格的宣传片，一个晚上，它会出现在女娲仓库的README里。

把我这趟纽约做成Skill

最后验证生态的另一半：普通人能不能把自己的方法上架。

我传了7张实拍照片：渡轮上的自由女神、halal餐车前的背影、剧院区霓虹、楼宇峡谷的粉紫晚霞。告诉它我住在时代广场附近，天天泡在最吵的地方，有天专门坐渡轮出去看自由女神。要一支40秒的影像诗，心情是「这个城市很吵，但从渡轮上回头看它的时候很安静」，旁白要伍迪艾伦的味道。

它写的旁白里有一句「风很大，帽子快飞走了」，是它从我那张渡轮上按住帽子的照片里自己读出来的。

成片41秒。中途我补了个要求，所有画面统一成16:9横屏，它认出有四个分镜是竖屏照片生成的，只重做这四个，横屏的两个和旁白BGM原样沿用，重新合成。

最后他给我交付了下面这个影片

然后我说了句「帮我把以上对话总结成skill」。它把这一晚的方法提炼成一个叫「城市影像诗-照片转短片」的个人Skill：简介、使用场景、输出内容自动填好，正文里写了情绪叙事轴、三维素材解构、旁白五段式，第一句居然是理论——「影像诗的核心不是记录事件，而是传递情绪体验」。

这个Skill现在躺在我的账户里，可以反复调用。像我这样长期旅居的人，往后每天丢几张照片进去，就能收一支能直接发社交平台的vlog短片。 写了一年多SKILL.md的人看到这一幕是有点感慨的：方法论文件正在变成跨平台的通用资产。

顺带一提，LibTV还有官方CLI，一行指令就能让它进入你的Agent工作流。想试的话，把这句话发给你自己的coding agent就行：

请帮我安装 LibTV CLI Skill：https://liblibai-web-static.liblib.cloud/cli/1.1.1/libtv-cli-skill.zip

有一件事它替不了你：创意。松鼠那条成立，是因为真有一只松鼠抢过我的咖啡。Skill给你的是执行创意的完整工艺，创意还是你的事。 反过来说，有想法没手艺这个借口，往后不太好使了。

最后

2025年初我在即刻上纠结过要不要坚持做视频，写过一句：「难道视频剪辑对我而言是件很痛苦的事吗？那我不妨想想怎么把这件事变成一个有趣的可以乐在其中的事。」

一年半过去，我没变成剪辑高手，也不需要了。导演们把手艺写成Skill，我挑一个，把故事讲给它听。这个七月我刚好在这件事的两边都站过：女娲那边我是写方法论文件的人，到了LibTV我反过来变成调用别人方法论的了。写方法的人有署名、有使用人数，用方法的人省下学习成本，供需两头都通了。

谢谢你看到这里，不过比起看文章，我觉得你去给自己做个有趣的动画，给自己的产品制作个商业级的宣传片，你会更能感受到现在专业级的AI视频Agent产品到底已经达到什么地步了。

传送门https://www.liblib.tv/