digital-human-koubo
Skill34 starsChanged yesterdayMITView on GitHub
用固定的数字人形象(白背心数字人 / 用户本人数字人 / 猫狗角色)做口播视频。生成有两条路线:本地 ComfyUI(Qwen3-TTS 克隆配音 → MiniMax H3 照着配音对口型,Qwen Image 场景图、Music 3 配乐,不花积分;检测到 127.0.0.1:8188 就默认走本地)或云端 Renoise Grok Video 1.5(先报价、用户确认才生成)。先按内容推荐剪辑风格让用户选(小林式解说 / 网红花字口播 / 发布解读 / 保姆级教程 / 多主播多语言),自动套上从 MrBeast、MKBHD、影视飓风、Johnny Harris、Vox、半佛、差评等头部博主拆出来的 48 个包装组件(开场钩子、数字钉子、文字在人身后的景深字、证据截图、地图路线、弹幕、投票、复盘板…),再写稿 → 切段 → 生成 → 逐段回听 → 对齐 → Remotion 剪辑出片 → 默认做封面(16:9 / 9:16 / 3:4)并接成成片首帧。触发:在本地做个口播、本地做口播、做个口播、用我的显卡做口播、本地数字人口播、不花积分做口播、用开源模型做数字人、用我的数字人讲这段、数字人口播、让白背心数字人说、用数字人 Skill、数字人带货 / 解读 / 教程 / 种草视频、做成小林说那样、加花字、加包装 / 加地图 / 加弹幕 / 开场加预告 / 文字放在人身后、做成 MrBeast 那种节奏、有哪些包装手法。不用于:换一个全新形象(先按 references/new-avatar.md 做形象)、冒充真人。
3 other projects use a version of this, 2 of them edited.
Adopted by
Most recently taken up by
- OPCchuhai/OPC-koubotheir own version, first seen Nov 8, 2026
- chessunyan/renoise-skillsedited, first seen Nov 1, 2026
- andyhuo520/digital-human-kouboedited, first seen Nov 1, 2026
Other versions3 projects use a version of this.
Word for word · 0
None found.
Edited · 2
- andyhuo520/digital-human-koubo★ 1.6k95% same
- chessunyan/renoise-skills★ 030% same
Wrote their own version · 1
- OPCchuhai/OPC-koubo★ 13same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repositoryOne other file it gives its agents.
- finance-explainerSkill
The file
Files
数字人口播
形象、声音、提示词、切段规则固定在 persona.json;剪辑风格在 references/style-menu.md。每次照这里做,出来的就是同一个人、同一种风格。
红线
- 云端路线生成花用户的 Renoise credits:create_tasks 之前先报「段数 · 秒数 · 预估 credits · 余额」,等用户在对话里明确同意。先拍第 1 段给用户确认音色,再批量。重拍也要先报价。本地路线不花钱但占 GPU,开跑前同样报「段数 · 秒数 · 预估 GPU 时间」等用户同意。
- 成片标「内容由 AI 数字人演绎」;场景、动物片段、B-roll 角上标「AI 生成」。用户明确要去掉画面标注时照做,但要提醒:公开发布时在平台发布页勾选「AI 生成」声明。
- 用户本人的形象(persona.json → other_hosts.me)只用在用户自己的片子里。
- 「小林式」只学结构和剪辑手法:不用真实创作者的脸、声音、布景和原句。
- 点名评价第三方产品的说法,要有出处或标「网友分析 / 个人体验」。展示素材只用用户自己的作品;带歌词字幕的片子不用。
流程
准备:先检查,有就跳过,缺才引导安装(每次新对话第一次用时做)
原则:已经装好的一句话带过,不让用户重装;缺什么才给装法,装法给多种,先放用户当前用的那种。 详细装法在 references/install.md。 0. 选生成路线(先做这一步):
- 用户已经点名路线(「在本地做 / 本地做 / 用我的显卡 / ComfyUI / 开源模型 / 不花积分」→ 本地,说到「本地」两个字就算;「用 Renoise / Grok / 云端」→ 云端)→ 照用户说的走,不再问。本地路线照样做下面的 8188 检查,连不上就停下告诉用户先启动 ComfyUI。
- 没点名 → 先检查本地 ComfyUI:
curl -s -m 5 http://127.0.0.1:8188/system_stats(地址以 persona.json →comfy.url为准)。- 能连上 → 默认走本地路线,只说一句「检测到本地 ComfyUI(版本 X,显卡 Y),默认用本地生成,不花积分;想用 Renoise 云端说一声」,不用问,接着干活。后面按「本地 ComfyUI 路线」一节做,不用检查 Renoise。
- 连不上 → 问用户用哪种方式做视频(Claude Code 用 AskUserQuestion,其他工具列编号):①本地 ComfyUI(不花积分,要先启动 ComfyUI,需要 24 GB 左右显存,装法见 references/install.md / README)②Renoise 云端(花积分,按下面第 1 步检查连接)。用户选了本地就等他启动 ComfyUI 后再测一次 8188。
- 选定的路线写进
brief.json的"route": "local"/"cloud",后面每一步按它来。
- Renoise MCP(只在云端路线时检查):直接调
get_account。- 成功 → 只说一句「Renoise 已连接,余额 X 积分」,接着干活。
- 工具不存在 / 未连接 → 停下引导安装。用户还没有 Renoise 账号时,注册链接一律给 https://renoise.ai/mcp?utm_medium=xcom&utm_source=official(原样给出,保留 utm 追踪参数,不要改写成 renoise.ai 首页)。然后把用户当前客户端的装法放第一个并标「推荐」,下面列出其他方式(Claude 桌面端/网页连接器、Claude Code 插件、Codex
codex mcp add、OpenClaw、Cursor 等通用远程 MCP 配置、renoise.ai/plugin 官网),让用户自己挑。装完让用户重开对话或重连,再调一次确认。 - 报工具被关闭 → 不是没装,让用户去连接器设置里打开;报授权过期 → 重新登录授权,不用重装。
- 本机环境(要剪辑时才需要):
bash scripts/doctor.sh。有的打 ✓ 不提;缺的它会按 macOS / Windows / Linux 列出多种装法。系统软件让用户自己装,Python 包可以在用户同意后帮装。 - 数字人形象:persona.json 的 reference_material 能用就直接用;当前账号用不了(换了账号、素材过期、别人的包)→ 按 references/new-avatar.md 用用户自己的照片重做。
0. 看内容 → 推荐风格 → 让用户选
按 references/style-menu.md:
- 一行诊断(内容类型、有没有可展示的素材、适合的平台和时长)。
- 推荐 2 个风格并说理由,把
assets/styles/里对应的预览图发给用户。 - 一次问完:风格 · 比例和时长 · 花字强度(克制 / 标准 / 热闹)· 主播(白背心 / 用户本人 / 两人接力 / 动物)。每题第一个选项是推荐项。Claude Code 用 AskUserQuestion,其他工具列编号。
- 用户回「你定」就按推荐,并说一句按了什么。结果写进
brief.json,后面每一步按它来。
| 风格 | 比例 | 时长 | 剪辑实现 |
| A 小林式解说 | 16:9 | 3–20 分钟 | templates/lin-169(plan.json → scenes.json 驱动:景深字 / 题板+主播小窗 / B-roll / 公式逐项长出 / 算例 / 图表,见 references/lin-style.md) |
| B 网红花字口播 | 9:16 | 30–120 秒 | templates/huazi-916(edit.json 驱动,三档花字) |
| C 发布解读 | 16:9 | 30–90 秒 | 参考实现 templates/reference/launch-169 |
| D 保姆级教程 | 16:9 | 3–8 分钟 | 参考实现 templates/reference/tutorial-169 |
| E 多主播多语言 | 16:9 | 3–7 分钟 | 参考实现 templates/reference/multihost-169 |
1. 写稿 → script.json
按选定风格的稿子写法(style-menu.md 里每种都有)。每段一句或两句,10 秒左右(约 40–55 字,Grok 中文约 5.4 字/秒),标 shot:full(全屏出镜)/ pip(画中画讲解)/ vlog(随意自拍口吻)/ depth(要做「文字在人身后」的段:中景、头顶两侧留背景)。英文缩写、网址写成好念的样子;字幕要显示原写法时在那段加 "sub": {"SKILL 点 M D": "SKILL.md"}(align.py 按念法对齐、字幕换回写法)。外语段直接写目标语言的台词。
2. 切段 + 报价
python3 scripts/build_tasks.py script.json tasks.json --purpose "teaching a beginner tutorial step by step"
→ 打印段数、秒数、预估 credits。full 段 720p(17/秒),pip 段 480p(10/秒)。主播要裁成半身 / 放大显示、或者 pip 段的主播卡并不小时,所有出镜段一律 720p(--all-720p):480p 原片只有 400×736,裁半身再铺满大卡会放大 2 倍以上,明显发糊(vibe-knowledge 介绍片因此重拍 4 段,多花 680 积分)。拿 estimate_cost 核一次,报给用户等确认。用户本人或动物主播用 persona.json → other_hosts 里的提示词模板。
3. 生成
tasks.json 每 10 个一批 create_tasks → wait_tasks。要进场景(直播间、门店、街景)时先用 GPT Image 2.5 合成开场画面(人物参考图 + 场景描述,2k 约 23 积分),再把这张图当 Grok 的参考图。
4. 下载(Renoise 美国 CDN 很慢,必须这样下)
download_results 拿链接 → 整理成 urls.txt(每行 <taskId>.<ext> <url>)→ python3 scripts/rangedl.py:每个文件 6 段 Range 并发、断点续传、下完 ffmpeg 解码校验。
5. 回听 + 抽帧 + 拼接
python3 scripts/assemble.py script.json ids.json --out 成片_完整版.mp4(ids.json = {段 id: taskId}):whisper 逐段转写比对文稿、只保留到说完后 0.25 秒、拼接、loudnorm -16。剪辑用 cut/joined.mov:拼接前已把每段音频补齐到和画面等长,避免几十段拼下来声音累积落后口型;拼完会打印画面和声音的时长,两者必须一致。改过某段后用 --rejoin 只重新拼。
- whisper
--prompt 原文会让个别段漏掉前半句,用中性提示「以下是普通话的句子。」。外语段按语言转写;日韩阿拉伯语不要加-ml 1(会把多字节字符截断成乱码)。 - 每段抽 4 帧看一眼:Grok 横屏口播偶尔自己烧字幕(提示词写了也挡不住),有就重拍那段。
- Grok 有时漏念开头的语气词:没影响意思就按实际口播改字幕,别为这个重拍。
- 念错字(不是漏语气词)要当场修,不能交给用户去听:
- 查:
python3 scripts/misread_check.py script.json,按停顿切句、不带原文逐句转写,列出可疑字。不能拿带原文提示的转写判断读音:它会把念错的字纠正回去(「通胀」念成 tōng zhèng,带原文照样判全对)。同音字会误报,可疑处听一下确认。 - 修(0 积分、保口型):
python3 scripts/patch_words.py script.json patch.json --ref <2–3 段干净原声> --synth-only→ 填克隆句时间 → 再跑 →assemble.py --rejoin。只把错的那一句换成 MiMo 克隆音,长度拉到和原句一样,切在停顿上。换整句比只换两个字自然。 - 别整片换音色:口型跟的是原声,整片换掉会到处对不上;也别先提 OmniHuman 重做口型(全片约 5,000 积分)。
- 口型实在差太多,再报价重拍那一段。
- 查:
- 开头第一个字最容易被吞或念歪(例:「一个知识点」→「几个知识地点」),写稿时第一段开头别放关键名词,或者先垫一个短词。
6. 对齐 + 剪辑
python3 scripts/align.py script.json --out <工程>/src/tl.json 出逐字时间轴,然后按 brief.json 的风格剪:
- B 花字口播:
bash scripts/new_edit.sh huazi-916 <工程>→ 写src/edit.json(关键词、表情、卡片、作品展示、号召,字段见 references/huazi.md)→python3 scripts/huazi_sfx.py <工程>/src(音效排进人声停顿,卡片跟着音效出现)→python3 scripts/check_edit.py <工程>/src→ 抽帧 → 渲染 →python3 scripts/export_mix.py out/raw.mp4 成片_无封面.mp4 --voice public/voice.wav。 - A 小林式:
bash scripts/new_edit.sh lin-169 <工程>,按references/lin-style.md做:lin_subs.py出字幕(数字用 disp.txt 显示成阿拉伯数字)。- 写
plan.json,示例见templates/lin-169/plan.example.json,时间写「@s07:两千」。 - 跑
lin_scenes.py --face生成 scenes.json,并自动量主播脸的位置给小窗用。 - B-roll 用 Wan 3.0 生成(先报价,每段约 60 积分),景深字段跑
cutout_video.py抠像。 - 渲染。每个场景抽开头和中点两帧检查,重点看小窗有没有挡住内容、有没有空板。
- 只做纯图表、不出镜的财经长片,仍可用 finance-explainer 的引擎。
- C / D / E:
bash scripts/new_edit.sh reference/<目录> <工程>,换 tl.json,按段重写 Scene(templates/reference/README.md)。 - 包装(每种风格都做):按
references/packaging-presets.json里这个风格的默认包装排——开场 30 秒按 open 顺序、正文保证 stimulus_every_s 秒内有一个新视觉事件、讲到 per_beat 里那类内容就用对应组件、recurring 全片挂着。组件写进pack数组(字段见 references/packaging.md),手法依据见 references/packaging-playbook.md。用户点名要的手法(「加地图」「开场加预告」「加弹幕」「换成 MrBeast 那种」)在默认基础上加减。用户问「有哪些包装」先发assets/packaging/图鉴.jpg。景深字(文字在人身后)要先跑scripts/cutout_video.py抠像,见 references/packaging.md。 - 音效和人声要分开(每种风格都一样):音效只放在人声停顿里,前后各留至少 0.2 秒没有人声;所有音效同一响度、比人声大一点;各段人声同一响度(
assemble.py默认已做);导出只加固定增益,不用动态loudnorm。花字模板用huazi_sfx.py+export_mix.py(见 references/huazi.md「音效」);其他模板手排音效时也按这个标准,交付前用huazi_sfx.py --check的思路量一遍每个音效前后的静音。 - 声音:数字人视频轨一定
muted,人声单独铺一条;多段 Grok 原声用python3 scripts/voicefx/unify.py <输出目录> <片段…>统一频谱 + 同一个小房间混响(复用旧段时加--ref 旧片段目录,场景/动物片段加--scene)。BGM 压在人声下约 20 dB。- 音效:
python3 scripts/lin_sfx.py <工程>/src/scenes.json --out audio按场景自动排音效(earshot 音效库:切画面 whoosh、景深字和结果「碰」、卡片 pop、结论 bell)。音效要高出人声和音乐 8–10 dB,用earshot timeline --cues复查。 - BGM:用
earshot rank从曲库挑。 - 混音和导出:
python3 scripts/lin_mix.py做人声链 + BGM 循环避让人声 + 音效,出 −16 LUFS 的 mix.wav;加--speed 1.1出 1.1 倍成片(BGM 保持原速)。 - 音画同步:交付前在开头、中段、结尾各测一处声音偏移,要小于 10 ms。Remotion 渲染出来的声音整体晚约 42.7 毫秒(AAC 编码多出 2048 个采样),
export_mix.py --voice会量出来并裁掉。
- 音效:
- 抽帧检查一定看过渡的中间帧和零间隔衔接处(上一条的尾巴会盖住下一条)。
7. 封面 + 首帧(默认做,不用问)
平台默认拿视频第一帧当封面,所以每条片子都做封面,并把它接在成片最前面。交付的主文件就是带封面首帧的版本。
- 写
cover.json(字段见 references/cover.md):- 小字栏目名
- 钩子标题 ≤8 字
- 红色强调句 ≤6 字
- 一句副标题
- ≤3 个标签
- 链接或号召
- 主播帧
- ≤2 张证据卡(官方截图、作品)
python3 scripts/make_cover.py cover.json --candidates抽 12 帧拼成候选图。挑一帧笑着、眼睛睁开、没在说话或嘴型好看的,时间写进host.t。python3 scripts/make_cover.py cover.json生成cover/cover_16x9.jpg(横屏),按 ratios 还会出cover_9x16.jpg(竖屏)和cover_3x4.jpg(小红书)。看一眼thumb_*.jpg,540px 宽时标题要读得清,文字不能压到卡片。python3 scripts/cover_first.py 成片.mp4 cover/cover_<比例>.jpg 交付.mp4:封面停 0.5 秒后硬切进正片,声音整体后推 0.5 秒。抽 0 秒、0.45 秒、0.55 秒三帧确认。不带封面的版本另存为_无封面.mp4。
本地 ComfyUI 路线(不花 Renoise 积分,替换第 2–5 步)
准备阶段第 0 步选了本地路线时走这条(用户点名本地,或没点名但 8188 能连上)。先配音再出画面:Qwen3-TTS 克隆配音 → MiniMax H3 参考生视频(配音当 <Audio 1> fully_copy,口型跟着配音走)→ 把原配音合回画面。配置在 persona.json → comfy,流程 JSON 在 comfy/。
- 检查:ComfyUI 能连上(
curl -s 127.0.0.1:8188/system_stats),有 Qwen3-TTS 节点包和 H3 ref2va 模型 + 4 步 Lightning LoRA。主播要有voice_ref(12–20 秒干声 + 逐字文本)。 - 估时:
python scripts/comfy_batch.py script.json --stage plan(用~/.venvs/comfy-mcp/bin/python,要 PyAV)。不花钱但占 GPU:10 秒一段约 8 分钟(RTX 3090,672×1216,4 步),报给用户。- 主播和画幅:不写
"host"默认用annie。9:16 竖屏的片子给comfy_batch.py每个阶段都加--ratio 9:16(或只在某段写"ratio": "9:16"):annie会换用竖屏形象图assets/host_annie_vertical.png(672×1216,演播室中景);ella本来就是竖屏自拍特写,只能出 9:16。
- 主播和画幅:不写
- 配音:
--stage tts。每段配完自动用 SenseVoice 不带原文回听,准确率 < 90% 打 ⚠;念错就在 script.json 那段加"seed": 新数再跑(只重配这一段)。单段超过 14 秒报错:拆短台词。先让用户听第 1 段确认音色。 - 出画面:
--stage video(长任务放后台跑)。完成的段记在gen/state.json,中断后重跑自动跳过;台词改了只重做那段。 - 检查:每段抽帧看口型(停顿处闭嘴、结尾闭嘴)和人脸。
- 拼接:
python3 scripts/assemble.py script.json ids.json --src 'gen/{id}.mp4',后面第 6、7 步照常(2026-11-12 在 WSL Ubuntu 上跑通:assemble → align → huazi-916 渲染 → 封面 → 首帧)。WSL 里先source ~/.venvs/koubo/bin/activate(numpy / pillow / playwright / av 都装在这里)。配音本来就照稿念,misread_check/patch_words一般用不上;voicefx/unify.py只需轻处理。
- 提示词是 H3 Ref2VA 格式(persona.json → comfy.prompt_template),每段存在
gen/prompts/<id>.txt。 - 进场景(直播间、门店、街景):先
python scripts/comfy_scene.py scenes.json --out scene(Qwen Image 2.1,comfy/qwen_t2i.api.json,形象照当参考图合成开场画面;纯文生图可加--enhance开提示词增强,每张约 25–50 秒,首张含加载最多约 5 分钟),再在 script.json 那几段加"ref": "scene/<id>.png",H3 就用这张图当参考。用场景图时提示词改用主播的look_person(只写人物、不写布景),否则look里的默认演播室会把背景拉回去(2026-11-12 实测:暖白直播间被画成深蓝墙);新主播记得补这个字段。四视图、贴纸四宫格也用它出。 - B-roll:
python scripts/comfy_broll.py broll.json --out <工程>/public/broll [--stage plan](H3 文生 / 图生视频,5 秒一段约 5–6 分钟,--mp 0.4更快;带招牌的街景会出乱码字,写成招牌虚化)。字段见脚本文件头。 - 景深字抠像:
cutout_video.py在非 macOS 上自动走 ComfyUI BiRefNet;量脸:lin_scenes.py --face自动用face_center.py(mediapipe)。 - BGM:
python scripts/comfy_music.py --out <工程>/public/music/bgm.mp3 [--caption "…"] [--seed 8](MiniMax Music 3,纯音乐,60 秒约 1 分钟出)。模型会提前收尾:lyrics 里[Instrumental]标签越多越长(5 个约 37 秒),比成片短也没关系,lin_mix.py 会循环。出完用earshot describe bgm.mp3听一下:voice 类别分数要低(没有人声),看 genre/mood 对不对。 - earshot:模型放本地文件夹时,
EARSHOT_CLAP/EARSHOT_AST/EARSHOT_HOME/EARSHOT_OFFLINE=1要写在~/.bashrc的「非交互就 return」那行之前,否则脚本里读不到,earshot 会去连 Hugging Face 卡住。lin_sfx.py只用kit init/render,不需要这两个模型。 - 交付和画质(本地路线默认这样交):H3 原片是 1216×672,直接按 1080p 渲染(
--crf=14,合成帧率设成和原片一样的 24fps,不补帧、不二次压缩),主文件交_无封面.mp4+ 单独的封面 jpg。不主动做本地超分:超分和美颜让用户在剪映 / CapCut 里一步做完,更快、皮肤也更自然;带封面首帧的版本(cover_first.py会按 CRF 18 再压一次)照常另存一份,用户要直接发布时用。- 用户点名要本地超分时才跑 SeedVR2(模板
utility_seedvr2_3b_int8_upscale_video,模型seedvr2_3b_int8_convrot+seedvr2_ema_vae_fp16),先报 GPU 时间等同意:2026-11-14 实测 RTX 3090 上 2 倍超分每 3 秒(72 帧)约 6 分钟,47 秒的片子共约 1 小时 50 分钟。 - 做法:每段切成约 3 秒的小块、相邻块重叠 6 帧,拼接时交叉淡化;
color_correction_method用lab(默认none会偏红、对比变重);成片用npx remotion render … --scale=2出 4K,否则超分的像素放不下。 - 这个模板是一步出图,没有细节强度可调:超分会给皮肤加毛孔和小斑点,显得不自然。要压就把超分画面和 lanczos 放大的原片按 50% 混合(ffmpeg
blend,不占 GPU),代价是发丝锐度也让掉一部分。
- 用户点名要本地超分时才跑 SeedVR2(模板
参考
- references/install.md:Renoise MCP 和本机环境的多种装法(只在缺的时候用)
- references/style-menu.md:五种风格、内容诊断、怎么问用户、brief.json
- references/packaging.md:47 个包装组件的用法和参数(pack 写法、9:16 自动适配)
- references/packaging-playbook.md:头部博主实测结论(节奏、开场公式、字幕、声音、号召、红线),完整报告在 references/research/
- references/packaging-presets.json:五种风格各自的默认包装
- references/huazi.md:花字模板 edit.json 字段、九种卡片、三档强度、写法习惯、音效排布(只放人声停顿里)
- scripts/huazi_sfx.py:花字口播排音效(停顿里、同响度、比人声大一点);scripts/export_mix.py:固定增益导出 + 对回音画同步
- references/lin-style.md:A 小林式的画面语法、13 种场景、流水线、B-roll 提示词、音效档位、踩过的坑
- scripts:
- lin_scenes.py:plan.json 转 scenes.json,自动量脸
- lin_subs.py:字幕
- lin_sfx.py:earshot 音效
- lin_mix.py:混音、变速导出
- misread_check.py:查念错
- patch_words.py:只换念错的句子,保住口型
- persona.json:白背心数字人 + 其他主播(用户本人、橘猫店长、柴犬主播)、提示词模板、动作库、多语言实测
- references/voice.md:换声音(MiMo 克隆 / 音色设计)
- references/new-avatar.md:从一张照片做新形象
- references/edit-styles.md:各剪辑工程的入口文件和声音统一做法
- references/cover.md:封面 cover.json 字段、三种比例的版式、首帧接法
- assets/styles/:五种风格的预览图(给用户选的时候发)
- assets/packaging/:包装组件图鉴(47 格总览 + 每个组件一张)
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
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.

