Happyhorse Expert

工具参数

get_user_info

• 不接收参数；返回账户与余额摘要

list_models

• kind（可选，string）：资源类型 video
• cursor（可选，string）：分页游标

upload_media_from_path

• path（必填，string）：用户授权的本地文件绝对路径
• kind（可选，string）：资源类型 video

generate_video

• model（必填，object）：来自 list_models(kind="video") 的模型引用
• prompt（必填，string）：描述主体、动作、镜头、光线、风格与声音
• durationSeconds（可选，integer）：时长 5/10/15
• count（可选，integer）：候选数量（默认 1）
• size（可选，string）：像素尺寸（仅用支持的枚举值）
• ratio（可选，string）：画幅（仅用支持的枚举值）
• referenceMediaIds（可选，array）：参考媒体 mediaId 列表
• firstFrameMediaId（可选，string）：首帧 mediaId
• lastFrameMediaId（可选，string）：尾帧 mediaId

get_generation_task

• taskId（必填，string）：generate_video 真实返回的 taskId

所有工具的真实返回值以服务端响应为准；本章节参数表是客户端约束说明。

接入 AI-HIVE Connector

本 Skill 通过 AI-HIVE Connector 调用底层模型生成能力。CLI OAuth 模式接入流程：

1. 首次安装：在 WorkBuddy 连接器列表中找到「AI-HIVE」，点击进入
2. 完成授权：点击「连接」会弹出浏览器到 ai-hive.iclip.cn，在该网站登录 AI-HIVE 账户（无账户需先注册），点击授权
3. 回到 WorkBuddy：授权完成后自动返回，Token 在本机保存（用户看不到）
4. 日常使用：用户无需再次操作，直接调用本 Skill 即可
5. 连接过期/失败：在 WorkBuddy 连接器列表中重新找到「AI-HIVE」，点击「重新连接」→ 完成浏览器 OAuth
6. Token 安全：如 Token 疑似泄露，到 ai-hive.iclip.cn → 账户设置 → 撤销所有 Token

能力范围

本 Skill 专注 Happyhorse 模型的 prompt 工程与参数调优，通过 AI-HIVE Connector 的 generate_video 工具完成视频生成。本 Skill 使用以下工具：

• get_user_info：查询当前账户与余额；不接收参数。
• list_models：按 video 列出当前可用模型及价格快照，从中筛选 Happyhorse 对应的 publicModelId。
• upload_media_from_path：上传本地图片/视频并返回 mediaId，用于首帧控制、参考图与角色锚点。
• generate_video：使用选定模型与 prompt 创建视频任务。
• get_generation_task：使用 taskId 查询任务状态与结果。

适用场景

• 用户明确表达使用本 Skill 对应的模型能力或场景需求
• 用户提供素材（图片/视频）需要在该模型擅长的领域生成结果
• 用户希望跨场景复用同一模型能力保持风格一致
• 用户对生成结果的某项特性（文字渲染/真实质感/艺术风格/运镜/动态表现）有明确要求

非适用场景

• 用户要求绕过积分、版权、安全审核或平台限制
• 用户素材涉及明显违法、侵权、欺诈、骚扰、色情、暴力、仇恨或其他敏感内容
• 用户未确认对素材拥有必要权利（第三方作品、商标、人物、肖像）
• 用户只询问创意建议而未要求实际创建任务，此时直接给文字建议，不调用付费工具
• 涉及真实人脸的素材（部分模型平台会拦截）—— 改用卡通/虚拟人物描述
• 涉及未成年人、裸露、暴力、仇恨内容的素材
• 用户希望免费获取结果——本 Skill 调用即按服务端计费，无免费预览

Happyhorse 擅长什么

Happyhorse 的核心优势是动态表现力与多图参考一致性，擅长从静态图片生成有运动感的视频，并保持多角色外貌不串。

模型规格

三种模态选择

T2V 文生视频 Prompt 指南

1. 风格锚定全局基调（开头第一句）

用一句话锁定视觉基调，让模型从第一帧就明确风格方向。

示例：真人写实+科幻UI，系统公告，电影级别运镜，电影级别分镜，突出场景真实感和情绪张力，8K UHD 全画幅原生超高清。

2. 景别+运镜前置（骨架）

景别决定画面的"呼吸感"，运镜决定"流动感"，必须在描述动作之前确定。

示例：中景，三人环顾寻找声源；全景，金色公告面板照亮的房间；特写手部，珠子还在微微发光。

3. 光影描述（质感关键）

不要只写"光线好"，要具体描述光源方向、色温、阴影关系。

示例：暖黄烛光在殿内缓缓流动，照亮了皇帝的面部轮廓和周围模糊的人影；阳光透过窗户，在古朴的木质家具上投下柔和的光影；明暗对比强烈，逆光剪影。

4. 长视频（大于 10 秒）使用时间戳分镜

示例：[00:00] 中景角色A走入画面环顾四周；[00:03] 特写角色A眼神变化瞳孔微缩；[00:06] 全景场景全貌展示远处角色B出现；[00:10] 近景两人对视气氛紧张。

5. 约束指令要具体

有效约束指向具体问题，不要泛泛而谈。

推荐：禁止出现字幕、禁止出现背景音乐、画面无穿帮漂移、光影统一、口型同步台词、全程画面内无任何水印或 logo。

不推荐：生成高质量的视频。

6. Prompt 长度与视频时长成正比

建议按每增加 1 秒约增加 30-50 字的节奏扩展 Prompt 内容，增量主要放在动作描述和分镜细化上。

I2V 首帧生视频 Prompt 指南

核心原则：简短即正义

首帧图片已承载大量信息（人物外貌、服装、场景环境），Prompt 聚焦于"变化"和"动态"，不重复描述静态信息。

短 Prompt 示例（适合 5-6 秒）：角色沉思内心了然；妹妹将我迷晕在房间里她自己上了花轿；轿子向着庭院外走去走出将军府。

需要精细控制时采用分层结构

分层：基础参数约束（禁止字幕禁止BGM）+ 场景时间（白天）+ 景别运镜（手部特写快速上移至脸部小幅慢推）+ 画面（角色站在玄关手持手机瞳孔一缩脸色瞬间发白）+ 音效（清脆手机提示音微弱震动轻响急促吸气声）。

光影描述避免"光影跳变"

虽然图片已定义基础光影，但 Prompt 中的光影描述能指导模型在动态过程中维持和演变光影效果。

R2V 参考图生视频 Prompt 指南

1. 开篇建立"图号-角色"映射

写法A（角色名+图号）：夏风禾是图1，父亲是图2，后妈是图3，场景是图4。

写法B（直接在分镜中引用，推荐）：[00:00] 近景图2对着图3质问。

2. 时间戳分镜编排多角色交互

示例：[00:00] 近景图2正要开口说话；[00:02] 近景图3大步踏出一步扑通跪在大殿正中；[00:04] 近景图3抬起头目光坚定。

3. 音效和台词标注

台词标注格式：图号台词情绪具体台词内容。

示例：图1台词震惊妈你疯了；图2台词激动我是疯了只有疯子才会给你们当牛做马三十年；BGM/音效围裙被丢到地上的声音。

4. 场景参考图的使用

将场景图作为独立参考图在开头声明，分镜中只引用角色图。示例：场景是图4，[00:00] 中景图1内图2对着图3质问。

景别选择速查

常见误区与修正

误区一：I2V 中重复描述图片已有信息。修正：Prompt 应聚焦于"变化"和"动态"，不重复静态信息。

误区二：T2V 短视频使用分镜结构。修正：4-6 秒视频不需要时间戳分镜，一段连贯叙事更适合短时长，分镜建议 8 秒以上再使用。

误区三：R2V 缺少图号映射表。修正：务必在开头建立图号-角色映射，不能直接写"图2对着图3质问"。

误区四：约束指令过于笼统。修正：有效约束应指向具体问题，如"画面无穿帮漂移"、"口型同步台词"、"全程无字幕"。

调用流程

1. get_user_info 检查余额。
2. list_models(kind=video) 获取 Happyhorse 模型对象（含 publicModelId 与 pricingSnapshot）。
3. 分析用户需求选择模态：T2V（文生）/ I2V（首帧）/ R2V（多图角色）。
4. 如需参考图，upload_media_from_path 逐张上传得到 mediaId。
5. 按模态组装 prompt（参见上方对应模态指南）。
6. generate_video 提交任务，get_generation_task 跟踪到 completed。

输入检查

• 明确模态（T2V / I2V / R2V）。
• 参考图仅使用用户主动选择的文件。
• 时长仅使用服务端支持的枚举值（3-15 秒取整）。
• 画幅使用服务端支持的枚举值。
• I2V 时 Prompt 聚焦变化与动态，不重复静态信息。
• R2V 时必须在开头建立图号-角色映射。

生成后建议

• 尝试不同模态（I2V 不理想可改 T2V 或 R2V）。
• 调整景别（特写/近景/中景/全景/远景）。
• 增减参考图数量。
• 调整时长（短视频用连贯叙事，长视频用时间戳分镜）。
• 添加或修改约束指令。

事实与合规边界

1. 只使用 list_models 真实返回的 publicModelId 与 pricingSnapshot。
2. 不虚构商品信息、不制造虚假代言。
3. 不擅自改变参考图中人物的外观或身份特征。
4. 涉及真人时须确认用户拥有合法授权，不制造公众人物虚假内容。
5. 对未成年人、裸露、暴力内容采取保守判断。
6. Token 只在 AI-HIVE Connector 凭证设置中填写。

费用授权

• generate_video 调用即按服务端计费扣费。
• 失败、被拒绝或余额不足时不重试扣费。
• 用户修改模型、prompt、时长、画幅或参考素材后必须重新调用。

状态与错误处理

• pending / processing：返回工具真实状态或进度，无进度数字时不自行估算。
• completed：返回所有可用视频链接、缩略图与工具明确给出的部分失败信息。
• failed：保留可安全展示的 errorCode / errorCategory / retryable。
• 超时或网络不明：拿到 taskId 时只查询原任务，不重复创建。
• 鉴权失败（401/403）：提示用户重新连接 AI-HIVE Connector。

常见错误指引

调用示例

示例 1：典型办公场景

用户表达：用一张本地商品图，生成一张 1:1 的夏季促销海报，要求海报上写"夏季新品 5 折起"。

AI 行为：

1. 调用 get_user_info 检查余额与可用模型
2. 调用 list_models(kind="image") 获取本模型对应的 publicModelId 与 pricingSnapshot
3. 调用 upload_media_from_path 上传参考图，得到 mediaId
4. 调用 generate_image，prompt 包含场景描述与文字渲染要求
5. 调用 get_generation_task(taskId) 跟踪到 completed
6. 输出图片 URL + 参数摘要 + 后续建议

示例 2：批量对比场景

用户表达：用同一商品图，分别生成 3 张不同风格候选。

AI 行为：调用 generate_image 设置 count: 3，按 3 个候选分别输出，对比呈现。

English Example

User: "Generate a 1:1 summer sale poster from my local product image with text 'Summer Sale 50% Off'."

AI flow: run get_user_info for balance, call list_models(kind="image") to fetch the model's publicModelId and pricingSnapshot, upload the reference image via upload_media_from_path to get mediaId, call generate_image with prompt describing scene + text rendering requirement, track with get_generation_task(taskId) until completed, return image URL + parameter summary + follow-up suggestions. Never ask the user to paste a Token into chat.

输出模板

成功：taskId + 模型与参数 + 视频 URL 列表 + 下一步建议

失败：错误码 + 错误分类 + 原因摘要 + 下一步建议

部分失败：成功视频完整呈现 + 失败子任务错误码与 prompt 概要 + 不补写