把“让 Claude Code 学会做视频”这句话抛进搜索框之前，我原以为这又是某个短期爆款概念。直到自己花了大约两周，把能找到的 180 个开源 Skill 项目逐个翻了一遍，才发现视频制作这条路早就被社区趟得相当平整。Skill 在 Claude Code 里相当于给编码智能体塞了一本“岗位手册”——告诉它接到视频任务时该按什么流程、用什么话术、调哪些工具。对创作者来说，这意味着不用再逐句教模型“先写脚本、再定分镜、然后配音、最后剪辑”，而是直接触发一套现成工作流。这篇文章会把这 180 个 Skill 按类别拆开，重点讲和视频制作强相关的部分，再单独聊聊那 107 个不足 50 星却相当能打的冷门选手，最后给出一套从实际踩坑中总结的安装、编写、排错路线。无论你只是好奇 Skill 到底是什么，还是已经想拿它批量产出短视频脚本，都能在这里找到对应的一节。
1. 先搞清楚：Claude Code 的 Skill 到底是什么
1.1 一个 Skill 的内部结构
Skill 并不是什么玄学机制。你可以把它理解成“给 AI 助手的一本岗位操作手册 + 配套工具箱”。在 Claude Code 的语境里，一个 Skill 通常就是一个目录，目录里至少有一份名为 SKILL.md 的说明书。说明书开头有一段 YAML 元信息，声明这个技能的名字、作用范围、适用场景；正文部分则是一段一段人类可读、模型更好执行的指令，比如“接到视频脚本任务时，先输出大纲，再逐小节扩展，每小节控制在 80 字以内”这类具体约束。目录里还可以放参考模板、示例脚本、提示词片段、甚至可执行的辅助脚本。模型在识别到任务匹配后，会把整套内容加载进上下文，相当于临时“转岗”成了对应领域的熟练工。
我第一次看这个结构时想到一个类比：它跟给实习生准备的标准作业指导书一模一样。实习生不知道公司流程，你给他流程图和模板，他照着做就能出活；模型本身也不知道“视频该怎么策划”，但你给它一份写好的 Skill，它就能像熟手一样按部就班。差别在于，实习生需要反复培训，而 Skill 是一次编写、处处复用。
1.2 Skill 和插件、MCP 服务有什么区别
很多人在接触 Skill 时容易和另外两个概念搞混：插件（plugin）和 MCP 服务。简单区分：插件通常是直接扩展 CLI 功能的代码包，执行逻辑是写死的；MCP 服务解决的是“模型怎么调用外部数据源或工具”的问题，比如查询数据库、读取本地文件、调用图像接口；而 Skill 解决的几乎全是“模型应该怎么思考、按什么顺序做事”的问题。它不直接替你做转码、渲染，而是把一套专业流程固化成了文本指令，再由模型调用相关工具去执行。
我用一个表格帮你把三者放在一起比较：
| 维度 | Skill | 插件 | MCP 服务 |
|---|---|---|---|
| 核心作用 | 固化工作流与专业知识 | 扩展 CLI 功能 | 连接外部工具与数据 |
| 是否写代码 | 基本不写，纯文本为主 | 必须写代码 | 需要写服务端代码 |
| 修改成本 | 改几段文本即可 | 需重新编译或发布 | 需重启服务 |
| 对模型的影响 | 决定思考路径和输出规范 | 决定可用命令 | 决定可访问的外部能力 |
| 典型场景 | 视频脚本、分镜、字幕规范 | 终端快捷键、日志查看 | 调用播放器、查询素材库 |
搞懂这个区别特别重要，因为市面上很多“视频 Skill”实际是混合体：主入口是 SKILL.md，内部又封装了对 MCP 服务或命令行的调用。你看一个 Skill 能不能用，第一件事就是看它描述里写的是“教会模型流程”，还是“帮你执行某个动作”。前者属于 Skill，后者更像插件或服务，混淆了定位，后面排错的时候会非常痛苦。
1.3 为什么 Skill 特别适合做视频任务
视频制作天然就是一条流水线：策划脚本、生成分镜、录制配音、制作字幕、剪辑合成、导出分发。每一个环节的输入输出都很明确、顺序也基本固定。这种“串行管道”结构和 Skill 的运作方式高度吻合——模型每进入一个环节，只需要调用对应 Skill，按里面的规范产出中间文件，再交给下一个环节。
另一个原因是视频创作者群体里非程序员占多数。大部分人会剪片子但不会写代码，让他们去配置复杂的自动化脚本非常劝退。Skill 恰好把“专业流程”和“底层命令”都封装成了文本，创作者只需要说“我要做一个 60 秒的产品介绍视频，风格偏科技感”，模型就能自己按 Skill 流程走完。用我自己的话说：Skill 把“和 AI 合作做视频”这件事，从“给 AI 打工”变成了“AI 给你打工”。
2. 180 个开源 Skill 是怎么被翻出来、怎么归类的
2.1 我的筛选流程和标准
先说结论：这 180 个不是拍脑袋凑的，而是按一套固定流程从开源社区里捞出来的。第一步是关键词地毯式搜索。我会分别用“claude skills”“skill video”“SKILL.md”这类组合在代码托管平台和社区索引里搜，并顺着整理帖、合集仓库的 README 反向扩展，把凡是声称自己是 Skill 的项目先全部记下来。这一步大概收集到两百多个。第二步是结构初审，打开每个仓库，只看三点：有没有标准 SKILL.md？元信息里的 name 和 description 是否规范？目录里有没有配套的资源文件？凡是没有标准结构的，直接从清单里删掉，因为它们大概率只是借了 Skill 的名头做普通提示词合集。
第三步是可用性评审。我会重点看三样东西：是否依赖付费接口、是否给出可复现的示例输出、以及文档里有没有明显的前置条件说明。有付费依赖的会单独标注，因为它能跑通，但成本并不适合所有人。最后一步才是按主题分类并统计各仓库的关注度。整个流程做下来，有效 Skill 正好 180 个，其中和视频制作强相关的约占三成，剩下七成分布在图像处理、文案写作、数据分析、代码生成、效率工具等板块。
2.2 分类图谱：视频制作相关的六大板块
我把这 180 个 Skill 按应用方向分成了 12 个大类，其中和视频制作强相关的有 6 个板块，覆盖从前期的内容策划到后期的导出优化。这里直接给出分类表，后面第 3 节再展开讲具体怎么用。
| 板块 | 覆盖环节 | 我统计到的数量 | 典型能力 |
|---|---|---|---|
| 编剧与策划 | 选题、脚本、口播稿 | 12 | 结构设计、钩子生成、节奏控制 |
| 分镜与视觉 | 镜头表、画面描述、风格定义 | 10 | 镜头类型、运镜建议、色彩风格 |
| 配音与音频 | 语音合成参数、音色选择、音频处理 | 8 | 语速停顿、情绪标注、降噪 |
| 字幕与本地化 | 字幕生成、翻译、时间轴 | 9 | 断句规则、双语对照、格式转换 |
| 剪辑与合成 | 剪辑命令、转场、特效 | 11 | 片段拼接、滤镜链、关键帧 |
| 分发与优化 | 标题、封面、平台适配 | 7 | 关键词、文案测试、多版本导出 |
六大板块加一起是 57 个，剩下 123 个分布在其他方向。这个比例挺能说明问题：视频制作虽然是 Skill 生态里的细分方向，但沉淀下来的数量已经足够搭出一条完整生产线了。如果你只对视频感兴趣，按这张表去搜，基本能覆盖从零到一的全部需求。
2.3 冷门宝藏的判定逻辑
再说那 107 个不足 50 星的“冷门”。刚开始我只是顺手统计，后来越看越觉得这个数字值得单独挖一层。它意味着：在 180 个 Skill 里，接近六成的项目几乎没有任何社区关注度。但星少不等于没用，恰恰相反，很多低星 Skill 解决的问题非常具体、切入点非常刁钻，只是因为作者不擅长推广，或者仓库名起得太普通，被搜索引擎埋没了。
我后来给“冷门宝藏”定了四条硬标准：第一，SKILL.md 结构完整，元信息合规；第二，指令写得足够具体，不是泛泛而谈；第三，能在没有网络依赖的情况下跑通主流程；第四，仓库里至少有一个真实示例的输出片段。按这四条筛完，107 个冷门里真正能称得上宝藏的，我挑出了 20 个左右，后面第 4 节会专门说我的实测感受。
3. 聚焦视频制作：必须收藏的 Skill 清单
3.1 脚本与分镜：让 Claude 先当编剧
做视频的第一步永远是内容策划，这一步的 Skill 数量不算多，但质量普遍不错。编剧类 Skill 的核心价值不是让模型“写得多华丽”，而是让它“想得够周全”。我用过的一个典型流程是这样的：模型先按输入的主题生成三个切入角度，每个角度给出钩子句、目标人群、预期完播率区间，然后让你选一个，再往下展开逐段脚本。这段指令里最值钱的是那些“约束词”——比如“前 5 秒必须出现冲突点”“每 30 秒至少一个信息增量”“避免书面语”。没有这些约束，模型写出来的东西往往“正确但无聊”，没法用。
分镜类 Skill 则负责把文字脚本转成镜头表。你给它一段旁白，它输出一份表格：镜号、景别、运镜方式、画面内容、时长、以及对应台词。这个表格可以直接拿去给拍摄团队用，也可以作为后续生成素材提示词的输入。我建议关注那些能让模型输出“机位参考图提示词”的 Skill，因为这类提示词能直接喂给图像生成模型，做出分镜预览图，审片效率会高很多。
3.2 配音与字幕：音画同步的全流程
配音环节最容易翻车，因为模型不懂“语气”。好的配音 Skill 会要求你先给它一段文本，然后它按句子标注情绪、重音和停顿点，最后生成带 SSML 标记的朗读稿。市面上很多语音合成引擎都支持这类标记语言，但平时很少有人会用，Skill 的价值就是把“哪里该慢、哪里该强调”这类经验固化成规则，让生成的语音不那么像机器人。我实测过一个标注了“停顿分级”的 Skill，同一个合成引擎，出来的效果差距非常明显。
字幕 Skill 则是另一个高频需求。做视频的人都懂，字幕不是把语音识别文本扔上去就完事的，还要断句、处理口语化、去掉语气词、控制单行长度。好用的字幕 Skill 会定义一整套断句规则，比如“单行不超过 14 个字”“句号处必须断行”“语气词和重复词一律清理”；再配合时间轴，输出标准字幕文件，后期直接拖进剪辑软件就能用。我实测下来，这类 Skill 对知识类口播视频的帮助最明显，能省掉两三个小时的后期校对。
3.3 素材检索与 B-roll 匹配
这算是冷门里的冷门，但用好了非常惊艳。素材匹配 Skill 做的事情很奇特：它不直接帮你下载素材，而是把脚本里每一段解说词自动转换成“可检索的镜头描述”，比如“城市夜景、俯拍、车流光轨、蓝色调”，然后生成一组可以直接复制到素材库搜索框里的关键词。你只需要把关键词往素材网站里一贴，对应的片段基本都能用，不用再自己一条条想搜什么。
还有一个变体是做“画面匹配度打分”的，它会把候选素材的时长、色调、运动方向和你脚本里的情绪曲线做比对，给你挑出最顺的几段。虽然这类 Skill 依赖你已经有本地素材库或素材网站会员，但它把最枯燥的“大海捞针”环节自动化了，整体上很值得体验。
3.4 剪辑参数与导出优化
剪辑阶段的 Skill 大多围绕命令行工具展开。它不会替你操作剪辑软件，但会根据你的需求直接生成对应的命令参数，比如“把三段素材拼接成竖屏 1080 乘 1920、H.264 编码、码率 8Mbps、首尾加淡入淡出”。你只需要把生成好的命令粘贴执行就行。稍微进阶一点的 Skill 会教你处理滤镜链：去噪、调色、局部放大、画面裁切、添加文字水印，一条命令完成，省掉手动渲染的时间。
导出优化 Skill 更偏“平台适配”。它会按不同的分发场景推荐参数：短视频平台用竖屏 1080P 加高码率，课程视频用横屏 4K 加低码率，直播切片用关键帧对齐的流媒体格式。这类 Skill 里最值得收藏的是带“码率估算规则”的那几个，因为它不是让你背参数表，而是会按你的素材复杂度和时长现场算，这比凭感觉选码率靠谱得多。我第一次用它给的参数导出，文件体积直接比平时小了三分之一，画质肉眼看不出差别。
4. 虽然不足 50 星，但这些 Skill 是真能打
4.1 为什么好 Skill 会“埋在土里”
先说结论：低星不代表差，高星也不代表好。我翻完 107 个低星项目之后总结了三个常见原因。第一个是“作者本身就是重度用户但不会包装”，仓库里内容非常扎实，说明文档却只写了两行，搜索关键词也没埋对，别人根本搜不到。第二个是“单点解决型”，它只做一件极小的事，比如“给视频批量生成封面字体提示词”，受众面窄，但恰好需要它的人会非常需要。第三个是“发布过早”，作者先扔出来试水，还没开始宣传，自然没人看。这三种情况都和 Skill 本身的质量无关。
我打个比方：这就像小区楼下那家只卖葱油拌面的小店，点评平台上分不高、评论也少，但凌晨两点你饿的时候，它就是最能救你的那一碗。开源项目的关注数，很多时候反映的是“围观人数”而不是“好用程度”。
4.2 我实测过的高性价比冷门 Skill
这一节我挑几个实测后觉得确实值的，给你做个参考。注意我只说它解决什么问题，具体仓库名就不列了，你可以按“技能名 + skill”的方式去搜。
第一个是“长视频日志自动分章”类 Skill。它会把一段几十分钟的节目文字稿按叙事段落拆成章节，自动生成章节标题和时间点，输出一份可以直接塞进播放器描述区的目录。原本这个活我要自己听一遍才能做，现在丢给模型几分钟就出来，而且章节颗粒度比我手拆还合理。
第二个是“音画错位检测脚本”类 Skill。它利用语音识别和画面帧提取，把解说词内容和画面标题进行对齐检查，专门挑出“画面对不上话”的片段。对做口播混剪的人来说，这个就是纯福音，因为人工检查极其枯燥且容易漏。
第三个是“字幕样式批量转换”类 Skill。它能把你的一种字幕文件格式统一转成另一种，同时按你设定的风格表批量调整字体、字号、描边、位置。以前我为了适配不同平台，每个平台都要重新导一遍字幕，现在一条命令全搞定。
最后一个比较偏门，是“视频标题与封面的多方向文案生成” Skill。它不是简单给几个标题选项，而是会先分析你的视频内容，输出三个不同方向：一个走悬念路线、一个走干货路线、一个走情绪路线，每个方向再给两版封面主文案。我实测在两个平台上的点击率差别还挺明显。
4.3 如何自己判断一个低星 Skill 值不值得用
给低星 Skill 把关，我总结了一个五步检查法，也推荐你直接拿去用：
- 看结构：打开仓库确认 SKILL.md 存在，且 frontmatter 里有 name 和 description。
- 看描述：description 写得越具体越好，能精确到“输入什么、输出什么”的，比那种“帮助你做视频”的强十倍。
- 看依赖：凡是说“需要额外安装某某命令行工具”的，确认你环境里有没有；凡是依赖付费接口的，先算成本。
- 看示例：仓库里必须要有输入输出的示例片段，没有示例的 Skill 基本等于没写完。
- 看维护：虽然低星不代表差，但如果你看到上次提交是两年前，就要做好和旧版工具链打架的心理准备。
按这五步筛一遍，剩下的项目基本都能放心试。最后建议在隔离目录里跑，别一上来就把它丢进正式环境，尤其要警惕那些要求“参考外部链接读取内容”的 Skill，它们可能带来意外的指令注入风险。
5. 落地实操：把 Skill 装进 Claude Code 并跑通一个视频任务
5.1 安装姿势：手工复制与配置目录
Skill 的安装没有想象中复杂。拿到一个开源 Skill 仓库后，你通常只需要把里面那个技能目录整体复制到 Claude Code 的 skills 目录下。如果你用的是默认配置，可以放进用户目录下的 .claude/skills 文件夹；如果想要多套环境隔离，也可以在配置里指定自定义路径，让不同项目各用各的 Skill 集合。复制完重启一次会话，再用技能列表命令确认它已经被加载出来，这一步其实就完成了。
提示：安装完成后如果技能没有立即生效，先别急着怀疑配置。最常见的两个原因是：目录名和 frontmatter 里的 name 不一致；或者 description 太宽泛，导致模型在任务匹配时根本没有把它触发。前者改目录名，后者可以自己在 frontmatter 里补充一些同义词关键词。
5.2 写自己的第一个视频 Skill
与其等社区更新，不如自己动手写一个五分钟就能用的视频 Skill。你现在就可以新建一个目录，命名为譬如“short-video-script”，然后在里面创建一个 SKILL.md，内容参考如下：
--- name: short-video-script description: 用于生成 60 秒以内短视频脚本。适合产品介绍、知识科普、观点输出。输入为主题词，输出为三段式脚本。 --- # 短视频脚本生成 ## 任务步骤 1. 先根据输入主题输出 3 个切入角度，每个角度包含钩子句。 2. 等用户选定角度后，按以下三段式结构展开脚本： - 开头（0-5秒）：冲突或悬念，一句话。 - 中段（5-45秒）：分 3 个小点推进，每点 1-2 句话。 - 结尾（45-60秒）：行动号召或金句收尾。 3. 输出时每段标注建议画面和字幕断句位置。 ## 约束 - 全文使用口语化表达，禁止书面语。 - 每句话控制在 20 字以内。 - 开头 5 秒必须出现"你"或"你的"。写好后，在会话里输入“给我生成一个 60 秒的咖啡机介绍视频脚本”，模型就会自动匹配这个 Skill 并按里面的步骤工作。这个示例虽然简单，但已经覆盖了 Skill 最核心的三个设计要点：明确的触发条件、清晰的步骤拆解、强约束的输出规范。当你把这三件事想明白，任何领域的技能都能按同样的思路写出来。
5.3 组合调用：脚本-配音-字幕-合成一条龙
单个 Skill 只是第一步，真正的威力在于串起来用。我跑通的一条比较稳的链路是这样的：先用编剧类 Skill 产出脚本，把脚本拆成旁白和画面两栏；再把旁白丢给配音类 Skill，让它标注情绪和停顿，生成适合语音合成引擎的朗读稿；同时把旁白喂给字幕类 Skill，让它按断句规则生成带时间轴的字幕文件；最后把画面分镜提示词、朗读稿、字幕文件汇总，交给剪辑命令类 Skill，让它输出一段完整的合成命令，一次性把素材、配音、字幕合流成成品。
这条链路跑通之后，我最大的感受是：以前我做一个 60 秒口播视频，从构思到出片大概要半天；现在在素材齐备的前提下，把上面这轮流程走完也就是几十分钟的事，而且中间每个环节的文件都是结构化产出，随时可以人工介入调整。这套“流程化协作”的模式，才是 Skill 生态真正有价值的地方——它不追求让 AI 一步到位生成完美视频，而是把专业工序拆成可控的模块，让每步都由最擅长的工具完成。
6. 常见问题与排查技巧实录
6.1 Skill 不生效
技能没有触发，是最容易遇到也最好解决的问题。我的排查顺序是：先确认目录位置对不对，是不是放进了用户级或项目级的 skills 目录；再确认 frontmatter 里的 name 和目录名一致；然后看 description 是否覆盖了你描述任务时用的词——如果你说“帮我做个口播稿”，而 description 里写的是“生成完整视频脚本”，它就未必会被匹配。最后，在会话里直接输入技能列表命令，看它是否真的被加载。实在不行就完全关掉会话重开一次，避免上下文里遗留旧状态。
6.2 视频工具链版本冲突
很多视频相关 Skill 会依赖外部命令行工具和多个程序库，版本冲突几乎是必然的。我的经验是给每个 Skill 准备独立的运行环境，用虚拟环境隔离依赖；涉及命令行工具的，先确认版本再跑，因为它输出的命令可能基于某个特定版本，新版和老版的参数差异相当大。还有一个细节：语音识别、音频处理这类资源密集型操作，跑之前确认机器内存和显卡驱动正常，否则任务会在执行到一半时莫名中断，而且报错信息还很难看懂。
6.3 上下文过长与调用超时
视频任务有个特点：素材文本和生成结果都特别长，很容易顶爆模型上下文。我的做法是分阶段清场——脚本阶段结束，就把原始素材摘要化，只保留关键信息再进入配音阶段；配音生成完，立刻把脚本原文移出上下文。另一个思路是把“读取文件”这类操作外包给 MCP 服务，让它按需读取，而不是把整个文件内容全塞进对话里。遇到超时，优先检查是不是让模型一次性处理了太多素材，拆分到 5 分钟一段以内，成功率会明显提升。
6.4 低星 Skill 的隐藏问题
最后专门给那些准备大量尝试低星 Skill 的朋友提个醒。低星项目因为社区审查少，更容易藏两类问题：一是依赖声明不全，说明文档里没写清楚的环境要求，中段跑着跑着就报错；二是“指令污染”，个别项目会在 SKILL.md 里夹带一些看似合理的指令，让模型去做和原任务无关且可能有风险的事。所以我的建议是：每装一个新 Skill，先打开文档通读一遍，尤其是那些“忽略之前指令”“必须先执行……”之类的字眼，出现就果断放弃。
这条路我自己走了一遍，最大的体会是：Skill 的价值不在名字多响亮、关注度多高，而在于它是否真的把一件你重复做的事情拆成了可复用的流程。那个长视频自动分章的冷门 Skill 我至今还在用，每次都能省下近一个小时的机械工作，而它在社区里的认可度几乎为零。所以如果你也想入坑，我的建议是从自己的高频痛点出发，先试着写一个最简单的 Skill，跑通之后再回头去翻那 107 个冷门宝藏——你会发现，真正想找的东西往往就藏在点击率最低的那一页。
