BigPengSays oil-cover
为小红书 AI 工具实操内容生成稳定、清楚、干净、精致的视频封面。默认使用配置的脚本完成选帧、提示词生成和外置生图。
两种执行模式
- 模式一 · 脚本模式（默认）：把活儿交给
generate_oil_cover.py，由脚本用 ZenMux 上的 Gemini 选帧分析、调gpt-image-2生成无人物底图；用户配置启用创作者头像时，再用确定性代码把透明头像合成到右下角。需要 Python + ffmpeg + Pillow + ZenMux key。下面「默认入口」到「输出说明」描述的都是这一模式。 - 模式二 · Agent 自主执行：不调外部 Gemini、不需要 ZenMux key，由执行的 Agent 自己读 SOP 完成选帧、分析和生图；用户配置启用头像时，再调用项目脚本的头像合成函数。完整流程见
references/agent-native-flow.md。
安装位置与用户配置
不要假设用户名、Skill 安装目录、视频库、脚本、素材镜像或密钥位置。
SKILL_DIR：当前这份SKILL.md所在目录。- 用户配置：
${OIL_COVER_CONFIG:-$HOME/.oil-cover/config.json}。它属于本机用户，不进入 Skill 仓库。 - Skill 内脚本：
$SKILL_DIR/scripts/generate_oil_cover.py。若安装包没有脚本，读取配置里的script_path；两者都不存在时说明安装不完整，不要猜个人目录。 - Skill 内资产：
$SKILL_DIR/assets/。额外素材镜像仅从配置product_asset_mirror读取。 - API key：优先使用
ZENMUX_API_KEY；备用文件仅从api_key_file配置或--api-key-file读取。不要把 key 或个人绝对路径写进 Skill 仓库。
支持的用户配置：
{
"mode": "agent-native",
"creator_name": "optional creator name",
"script_path": "/optional/path/to/generate_oil_cover.py",
"video_library_root": "/optional/path/to/video-library",
"product_asset_mirror": "/optional/path/to/shared-product-assets",
"api_key_file": "/optional/path/to/zenmux-key",
"creator_portrait": {
"enabled": false,
"path": "/optional/path/to/portrait.png"
}
}
路径允许使用 ~，读取后必须展开。没有配置 video_library_root 时，所有持久产物默认跟随输入视频。配置后，同一视频的持久资源统一放进 <video_library_root>/<视频标题>/；从导出暂存目录开始处理时，先无覆盖地归位源视频，再生成字幕、封面和 sidecar。
选哪个模式（设一次，以后不问）
每次触发 oil-cover 时按这个顺序决定：
先读用户配置的
mode字段。已设为
script或agent-native→ 直接按该模式执行，不再询问。未设置（第一次）→ 问用户一次默认想用哪种模式，说明这是一次性设置；拿到答案后更新用户配置，再按选择执行。保留文件里的其他配置键，不要整份覆盖：
mkdir -p "$(dirname "${OIL_COVER_CONFIG:-$HOME/.oil-cover/config.json}")" # 合并写入 {"mode":"agent-native"}，或设为 "script"用户随时可说「切换 / 改成 X 模式」覆盖默认（重写该文件），或在单次任务里临时指定某模式而不改默认偏好。
前提与回退：模式二要求执行 Agent 具备多模态视觉 + 支持参考图的生图工具（在 Codex 里就是 .system/imagegen 的内置 image_gen 工具）；Claude Code 当前没有内置生图工具。若 mode=agent-native 但当前环境跑不了生图这一步，说明情况并给两条路——去 Codex 跑，或本次临时回退脚本模式——不要静默失败，也不要擅自改掉用户的默认偏好。
走模式二时，先完整读 references/agent-native-flow.md 和 references/cover-rules.md，按 SOP 执行，忽略下面所有针对脚本的参数与说明。
封面标题提炼（执行者职责）
封面主标题由执行本 skill 的 Agent 在跑脚本之前自己提炼，不交给脚本里的分析模型做，避免它理解错内容：
- 视频标题只是主题输入，封面主标题不必和它一模一样。要突出这条视频最有分量的重点：结论、评价、对比、数字。
- 有字幕或文稿时（
.srt/.ass/.txt，或视频旁的同名字幕文件）先通读一遍再提炼。.ass/.srt先抽成纯文本（去掉时间轴和样式标记）。优先借用视频里的原话强词（例如口播里的「目前最强」「指哪打哪」这类明确判断），忠于内容，不夸大、不编造评价。 - 没有字幕、文稿或用户补充时，才退回视频标题本身做克制的精简。
- 提炼结果通过
--title传给脚本；抽好的纯文本字幕通过--subtitle传入，供分析模型选帧、写副标题和点缀使用。分析模型会把--title当作已定稿的封面主标题，只做断行和排版，不再改写。
默认入口
默认运行：
python3 "$OIL_COVER_SCRIPT" \
--video "<视频路径>" \
--title "<提炼后的封面主标题>" \
--subtitle "<纯文本字幕/文稿路径，有则必传>" \
--topic "<补充背景>"
如果用户提供的是截图或已选关键帧：
python3 "$OIL_COVER_SCRIPT" \
--image "<截图或关键帧路径>" \
--logo "<可选 Logo 路径>" \
--title "<标题或主题>" \
--topic "<补充背景>"
默认不传 --aspect，脚本会并行生成小红书 3:4 竖屏版、通用/B 站首页主封面 4:3 横屏版和 B 站个人空间伴随版 16:9 横屏版。发布 B 站时默认上传 _4x3.png，平台再同步生成个人空间 16:9 版本。只重跑单个画幅时使用 --aspect 3x4、--aspect 4x3 或 --aspect 16x9。
进阶参数
--subtitle <脚本/字幕/转录文件>：把上下文喂给 Gemini，帮助判断主题、标题措辞和证据选择。有完整文稿时优先加上。--logo <Logo 路径>：可多次传入多个产品 Logo 作为参考资产。- 如果标题、字幕、视频画面或截图能明确判断主产品有 Logo，但
references/product-assets.md暂时没有对应资产，先联网寻找官方或可信来源的透明 PNG，归档到$SKILL_DIR/assets/product-logos/；配置了product_asset_mirror时再同步到镜像目录。通过--logo传给脚本，高频复用的产品同步补充到product-assets.md和脚本的自动匹配表。 - 取帧策略是「本地预筛」：脚本用 ffmpeg 低分辨率扫描整段视频，对每帧算清晰度(拉普拉斯方差)、亮度、内容度，硬过滤掉黑屏/纯白/纯色/loading/模糊帧，再按时间分桶取每段最清晰的一帧，产出若干真实高清候选交给分析模型按语义挑最佳帧。全程不调模型选帧、不上传整段视频。这是唯一的自动取帧路径，没有旧的「视频选帧」/均匀盲采兜底——预筛若失败会直接报错，不会静默降级。
--frame-count <N>：本地预筛产出多少个候选帧供分析模型挑选，默认 8。候选越多模型选择越好，但分析请求越大。--scan-fps <N>：本地预筛扫描的采样帧率，默认 0=自动（≤5 分钟视频用 2fps，更长用 1fps）。想抓更细的瞬间可调高。--candidate-seconds 1,8,24.5：手动指定取帧时间点，跳过本地预筛。已经知道哪几秒是关键画面时用。--aspect all|both|3x4|4x3|16x9：默认all并行生成三版；both为兼容旧调用，只生成3:4和4:3；单独重跑时只生成指定画幅。--bilibili-size <尺寸>：B 站个人空间16:9伴随版的 API 尺寸，默认1280x720；B 站默认上传源仍是4:3主封面。- 副标题默认放开。如需禁用副标题、让外层只剩主标题，传
--no-allow-subtitle。 - 创作者头像由本地代码在生图后合成，不作为 Gemini 或
gpt-image-2的参考图上传。是否启用及素材路径来自用户配置；公开 Skill 默认关闭。默认布局参数为：3:4 宽约 55%、顶部约 58%、向右越界约 6%；4:3 宽约 38%、顶部约 40%、向右越界约 3%；16:9 宽约 32%、顶部约 40%、右侧内收约 2%。 - 用户明确要求无人物封面时传
--no-default-creator-portrait。配置启用头像时默认保留；未配置时保持无人物。
排查与验证：
--dry-run：不调任何 API，只准备本地文件和 prompt，用于核对路径、规则文件和素材是否就位。--skip-generate：只跑 Gemini 分析和写 prompt，不调用图片 API。用来看 Gemini 选了哪一帧、标题怎么断行、prompt 写成什么样。--generation-only：用/images/generations而非/images/edits，屏幕帧和 Logo 参考图不上传给图片 API；头像启用时始终只在本地合成。
脚本职责
- 脚本路径：优先
$SKILL_DIR/scripts/generate_oil_cover.py，否则使用用户配置script_path - 默认分析模型：
google/gemini-3.5-flash - 默认生图模型：
openai/gpt-image-2 - 默认规则文件：
references/cover-rules.md - 默认输出位置：视频（或图片）所在目录。最终封面命名
<视频名>_3x4.png、<视频名>_4x3.png、<视频名>_16x9.png，直接落在影片旁边方便查找；分析、prompt、原始响应等中间产物收进<视频名>.oil-cover/子目录。传--output-root可改到别处。
脚本负责用 ffmpeg 本地扫描+评分预筛出若干高清候选帧（默认策略，无需调模型），把候选交给 Gemini 多模态分析、由它按语义选出最佳封面帧并生成封面方案和提示词、保存 sidecar、并行调用 Zenmux 图片 API、生成无人物底图。用户配置启用头像时，再用 Pillow 把透明头像按画幅参数合成到右下角；头像不会进入 Gemini 或图片 API 的参考图列表。底图保存在 <视频名>.oil-cover/<画幅>.generated-base.png，合成记录保存在 portrait_composite.json，最终封面写到影片目录。本地预筛的打分明细写在 <视频名>.oil-cover/frame_selection_local.json。
何时读取参考文件
- 走模式二（Agent 自主执行）时，先完整读
references/agent-native-flow.md（流程 SOP）和references/cover-rules.md（视觉规范）。 - 日常生成封面时（模式一），不需要手动读取完整视觉规范；脚本会把
references/cover-rules.md传给 Gemini。 - 修改视觉规则、排查提示词遗漏、评审模型输出质量或调整脚本 guard 时，读取
references/cover-rules.md。 - 判断产品 Logo 或产品资产时，读取
references/product-assets.md。 - 新增产品 Logo、排查资产缺失或判断可信来源时，读取
references/product-assets.md并按里面的补充规则执行。 - 如果用户要求复刻特定冲击型科技封面风格，读取
references/impact-tech-cover-style.md。
不可违反
- 只有用户明确提到
oil-cover、$oil-cover、使用 oil-cover或指定这个 Skill 时，才使用本 Skill。 - 生图模型必须一次性生成完整无人物底图，包括真实屏幕证据、标题、产品标识、点缀和风格化效果；仅在配置启用头像时预留右下角安全区。
- 本地后处理只允许执行一项：配置启用头像时，把配置的透明头像按固定参数 alpha 合成到右下角。不要本地贴字、贴 Logo、拼其他图片、重排、裁切改版或视觉修补。
- 源截图、重建 UI 和生图底图不保留人物、人脸、头像、摄像头气泡和真人画中画；配置启用头像时，最终封面只允许出现这一张代码合成的头像，否则最终封面保持无人物。
- 绝对不要把历史案例或上一次任务里的产品名、模型名、关键词、品牌色和点缀带入当前封面。所有外层文字和点缀都必须来自当前视频、当前标题、当前字幕、当前截图或当前用户补充信息。
- 默认同时交付
3:4、4:3和16:9三版；单独重跑时只生成指定画幅。 - 每次生图前必须保存
.prompt.mdsidecar；生成后必须保留manifest.final.json、analysis.json、cover_plan.md、API 原始响应和最终图片。 - 写
analysis.json、cover_plan.md、.prompt.md、生成记录以及本 skill 自身的参考文档时，只描述当前这一版的最终状态，不要塞编辑历史元数据（「更新于 X」「第 N 版」「原 X 现改为 Y」「本次修正了 Z」这类），不要把文档写成或改成 changelog；返工重跑时直接覆盖成新版本，而不是在文档里追加一段修改历史。 - 不要把 Zenmux API key 写进提示词、sidecar、日志或最终回复。
输出说明
完成后说明：
- 最终图片路径
- 对应
.prompt.mdsidecar 路径 analysis.json和cover_plan.md路径- 使用的参考帧、Logo 或素材
- 头像合成素材、参数和
portrait_composite.json路径；说明头像未作为生图参考图上传 - 是否需要按
--aspect 3x4、--aspect 4x3或--aspect 16x9重跑某一版