agentleFS
dotacloverdotaclover/clover-skills/tutorial-series-plan/SKILL.md

tutorial-series-plan

Skill0 starsChanged 3 days agoMITView on GitHub

Plan a tutorial or course video series from a single topic — define audience and promise, split into episodes with one goal each, and write each episode as a beats list (card/demo interleaving) with shot-by-shot narration. Use when the user wants a course outline, episode plan, storyboard, beats file or narration script before any footage exists.

The file

Files
SKILL.md

系列教程的策划与分镜

从「一个主题」到「一集可以开工的 beats.json」。这一段不碰素材、不碰 ffmpeg,只产出文字。

判断这一集能不能开做,只有一个标准:看完之后,观众手上多了什么。答不出就回去重想。

立项

先从当前加载的 SKILL.md 所在位置确定技能目录;下列 <技能目录> 指该实际安装目录,不假定项目包含任何特定仓库结构。

python "<技能目录>/scripts/init_project.py" --root <项目目录> --title "系列名" --preset 16:9 --episodes 6

可选 --profile <配置.json>:字符串字段 brand、instructor、fixed_open、fixed_close、font。不提供时使用中性台词与通用视觉,不附带作者人设。现有文件保留,不覆盖;配置只应用于新建文件。

--preset 是画布,跟着分发平台走,不是跟着审美走:

平台preset
B 站 / YouTube / 课程后台16:9
抖音 / 视频号 / 小红书视频9:16
小红书图文 / 方图封面4:5、1:1

同一个系列不要混画布。要竖屏版就整集竖屏重做分镜——竖屏一屏能放的信息量不到横屏一半,台词和卡片都得重写,不是缩放。

生成后填 series.json:受众基础、一句话承诺、固定开头结尾、分集表。每集必须有 goal(一句话目标)。

分集

  • 集数由「几个成果」决定,不由时长决定。每集交付一个能看见的东西。
  • 5–10 集为宜。少于 5 集讲不透,多于 10 集活不到最后。
  • 每集 3–6 分钟。超过 8 分钟要拆。
  • 集与集之间留钩子:这一集结尾明说下一集做什么,不要"敬请期待"。
  • 第一集必须给结果,不能是"先讲讲什么是 XX"。观众不会等到第二集才看到价值。

分集表格式:

集号标题一句话目标手上的成果状态
EP01大模型和智能体差在哪分清模型产品和智能体一次对照实验done
EP02把第一份成果做出来从原始记录到可交付文档一份 Wordplanned

分镜

每集写成 beats:卡片段和实拍段交替。字段定义见 tutorial-video-assemble 的 references/beats契约.md——那份是唯一权威,这里只讲怎么写。

每集骨架

片头卡 → 钩子(15 秒内给结果)
→ 正文:card 讲一个点 → demo 演一个证据 → card 收口
→ 对照卡(把两边放一起看)
→ 收尾卡(回扣开头)
→ 作业黑板
→ 结束卡(下一集钩子 + 固定结束语)

写法

  1. card 与 demo 必须交替。连讲三张卡,观众会走;连放三段实拍,观众不知道在看什么。
  2. 单段台词 40–90 字(8–18 秒)。超过 100 字必拆。
  3. 对着画面写,不对着概念写:

    别这么写这么写
    它具备文档生成能力它生成了一份 Word,三页,右边直接开了预览
    效率提升明显这几步你平时自己干,一步都省不掉
    模型具有局限性记录里没写的负责人,它标了"未明确",没编名字
  4. 开场 15 秒给结果。第一句话就是"这件事做完了长什么样"。
  5. 每个 demo 段写清三件事:看哪一段(start/end)、压多少倍速、这段要证明什么。
  6. 压速要主动交代。台词里说"这段我压了三倍速,真实跑了两分钟",比让观众自己发现你偷快进可信得多。
  7. 估算时长:中文口播约 5.5 字/秒(+8% 语速)。80 字 ≈ 14.5 秒,加 0.9 秒尾部停顿 ≈ 15.4 秒。
  8. 一集总时长 = 所有槽位之和,配音时长由 TTS 实测决定,这里的估算是为了排结构,不是为了对表。

台词稿格式

分镜表给用户过的时候用这张表:

段类型画面台词预估
c01卡片头卡大模型和智能体,到底差在哪6s
d1实拍DeepSeek 输入框,1.0x先给 DeepSeek3s
w3实拍WorkBuddy 执行过程,2.6x它先读文件,再挑工具……25s

分镜和台词先给用户过一遍再动手做素材。 这一步返工最便宜。

别做的事

  • 不要替用户编人设。固定开头结尾按用户给的口径,不加"十年经验""AI 专家"这类标签。
  • 不要写没拍到的功能。"它能自动发邮件"——没录就不写;要么改成"下一集给你看"。
  • 不要编数据。台词里出现的字节数、页数、耗时,必须是真跑出来的。
  • 不要写书面语。"基于以上分析可以得出结论"念出来是灾难,改成"所以你看"。

相关

  • 卡片怎么做:svg-lecture-deck
  • 怎么录、怎么配音、怎么出片:tutorial-video-assemble

三个技能各自自包含(画布令牌、脚本都在各自目录里),只装这一个也能立项出 beats.json。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.