Agent Skill 开发实战：跟着口播剪辑学习 AI 工具开发

Agent Skill 开发实战：跟着口播剪辑学习 AI 工具开发

开源地址 ：https://github.com/threelab/claude-mate-skills

先聊聊：这个课程能帮你做什么？

想象一下：你是一个口播博主，录完视频发现里面有好多"嗯、啊、那个、然后…"，还有好几处说错了又重说的。如果手动剪辑，10分钟的视频可能要花20分钟去听、去找、去剪。

但如果有个工具能自动帮你做这些事呢？比如：

1. 自动提取音频- 从视频里把声音扒出来
2. 语音转文字- 告诉你每个字在第几秒说的
3. 标记"废话"- 把语气词、停顿、重复的地方标出来
4. 帮你预览- 给你一个界面，让你看着文字来选择删什么
5. 自动剪辑- 根据你的选择生成新视频

这就是这个课程要带你做的事——开发一个智能的口播视频剪辑工具。

更重要的是，你会学会如何把这些能力打包成一个Agent Skill（智能技能包），让 AI 能理解你的需求并自动完成任务。

这个课程适合谁？

你会学到什么？

通过做这个口播剪辑工具，你会掌握：

技术层面：

• 怎么让电脑听懂人话（调用语音识别 API）
• 怎么让电脑处理视频（FFmpeg 工具）
• 怎么做一个网页界面（前端开发）
• 怎么让网页和服务器对话（前后端交互）

思维层面：

• 怎么把一个复杂问题拆成小步骤
• 怎么设计让用户容易理解的界面
• 怎么定义"规则"让 AI 帮你做决策

课程怎么安排的？

这个项目分成5 个步骤，每个步骤都是独立的，但又一环扣一环：

第1步：搭建项目框架

就像装修房子前先搞清楚户型图。

• 你想让这个工具做什么？（帮我剪口播视频）
• 需要哪些"房间"？（配置区、工具区、界面区）
• 每个"房间"放什么东西？

这一步不写太多代码，主要是搞清楚：我们要做什么、怎么分工。

第2步：定规则和配置

就像开店前先定好"店规"。

• 什么内容该删？（语气词、长停顿）
• 什么内容不能删？（关键信息、完整句子）
• 用户喜欢什么风格？（保守一点还是大胆一点？）

这一步很重要，因为规则定好了，AI 才有判断的依据。

就像你招聘一个剪辑助理，得先告诉他：

"嗯、啊、那个"这样的词可以删；中间停顿超过2秒可以删；但是如果是口误后纠正了，保留后面那句就行。

第3步：让工具干活

就像招聘员工，给他们分配任务。

现在你需要两个"员工"：

这一步我们会学习：

• 怎么"雇佣"这些员工（申请 API Key、配置工具）
• 怎么给他们发指令（写代码调用）
• 他们出错了怎么办（错误处理）

第4步：做一个好用的界面

就像开实体店，得有个柜台让顾客来办事。

现在工具都准备好了，但用户怎么用呢？需要一个界面：

• 用户能选择视频文件
• 用户能看到处理进度
• 用户能看到结果

这一步我们会做一个网页界面，就像你用过的那些在线工具一样。

你会学会：

• 怎么让网页和电脑"说话"（前后端通信）
• 怎么显示"正在处理中…"（状态管理）
• 怎么处理"我想跳过这一步"（流程控制）

第5步：审核页面和发布

就像产品完工，再加点高级功能，然后摆上货架。

最后一步我们要做两个事：

1. 做一个"审核页面"- 让用户看着每一句话，选择删哪些。就像你在 Word 里编辑文章一样，但它还能同步播放视频。
2. 把项目打包好- 让别人也能用你的工具，或者自己以后方便调用。

你会学会：

• 怎么让文字和视频同步播放
• 怎么做"选中/取消"的交互
• 怎么把项目整理好，方便上传分享

用生活中的例子理解整个流程

假设你是一个小饭馆老板（这就是你的角色）：

我们的"口播剪辑工具"就是这个饭馆：

• 厨师= FFmpeg（处理视频）
• 速记员= 火山引擎 API（转写文字）
• 服务员= 前端界面（和用户交互）
• 厨师长= 后端服务器（调度一切）
• 菜谱= 配置文件（规则和偏好）

这样是不是就好理解了？

学习建议

学这个课程的心态：

1. 不要死记硬背- 理解思路比记住代码重要
2. 跟着做- 看完一步就去实践一步
3. 不懂就问- 遇到问题是正常的
4. 先跑起来再优化- 先让工具能用，再想怎么用好

推荐学习顺序：

1. 完整看一遍第1-2步（搞清楚"做什么"和"为什么"）
2. 边看第3-4步边跟着写代码
3. 第5步独立完成，检验学习成果
4. 用真实的口播视频测试一下你的工具！

准备好了吗？

如果你是一个：

• 想提高剪辑效率的口播博主
• 对 AI 工具开发感兴趣的学习者
• 想从零开始做一个完整项目的开发者

那么…

👉开始第1步：搭建项目框架

版权声明：http://mowanyan.com/