PaperclipOrg
Claude Agent Skill · by Libtv Labs

Libtv Skill

Install Libtv Skill skill for Claude Code from libtv-labs/libtv-skills.

Install
Terminal · npx
$npx skills add https://github.com/libtv-labs/libtv-skills --skill libtv-skill
Works with Paperclip

How Libtv Skill fits into a Paperclip company.

Libtv Skill drops into any Paperclip agent that handles this kind of work. Assign it to a specialist inside a pre-configured PaperclipOrg company and the skill becomes available on every heartbeat — no prompt engineering, no tool wiring.

S
SaaS FactoryPaired

Pre-configured AI company — 18 agents, 18 skills, one-time purchase.

$27$59
Explore pack
Source file
SKILL.md263 lines
Expand
---name: libtv-skilldescription: agent-im 会话技能 - 通过 liblib.tv 的 AI 能力生成和编辑图片/视频。覆盖场景包括：生成（文生图、文生视频、图生视频、做动画、画一个xxx、来段xxx）、编辑修改（把xxx换成yyy、去掉xxx、加上xxx、改成xxx、调整xxx、局部修改、改镜头）、风格转换（风格迁移、转绘、换风格）、视频续写延长、复刻视频/TVC/宣传片、短剧/短漫剧生成、音乐MV生成、产品广告/展示片制作、分镜/故事板设计、教育视频/短视频制作。当用户提到 liblib、libtv、上传参考图/视频、查看生成进度时也应触发。关键判断：只要用户的请求涉及 AI 图片或视频的创作、生成、编辑、修改，无论措辞如何（如"画只猫"、"做个海报"、"把纸船换成爱心"、"这个视频帮我改一下"、"帮我复刻这段视频"、"用这首歌做个MV"、"一句话生成短剧"），都必须触发此技能。user-invocable: truemetadata:  {    "openclaw":      {        "emoji": "💬",        "requires":          {            "bins": ["python3"],            "env": ["LIBTV_ACCESS_KEY"]          },        "primaryEnv": "LIBTV_ACCESS_KEY"      }  }--- # agent-im 会话（生图 / 生视频） 通过 agent-im 的 OpenAPI 创建会话、发送消息（生图、生视频、编辑视频等）、上传图片/视频文件，并查询会话消息进展。 LibTV 是 LiblibAI 推出的 AI 视频创作平台，同时为人类创作者和 Agent 设计。Agent 通过 Skill 入口理解任务、调用模型并自动编排工作流。 **平台核心能力：**- **生成**：文生图、文生视频、图生视频、视频续写- **编辑**：局部修改、元素替换、镜头调整、风格迁移- **复杂创作**：一句话生成完整短剧（剧本→分镜→成片）、复刻已有视频风格做 TVC/宣传片、用音乐生成 MV、产品展示片制作- **模型**：Seedance 2.0、Kling 3.0/O3、Wan 2.6、NanoBanana、Midjourney、Seedream 5.0 等顶级模型 用户的所有创作和编辑需求都通过发送自然语言消息来完成，Agent 会自主编排工作流。复杂任务（短剧、MV）耗时较长，需耐心轮询。 ## 功能 1. **创建会话 / 发消息** - 创建新会话或向已有会话发送一条消息（如「生一个动漫视频」「把纸船换成爱心」）2. **查询会话进展** - 根据 sessionId 拉取该会话的消息列表，用于轮询生图/生视频结果3. **切换项目** - 将当前 accessKey 绑定的项目切换到新项目，后续 create_session 将使用新 projectUuid4. **上传文件** - 上传图片或视频文件到 OSS，返回可访问的 OSS 地址（编辑已有视频/图片时需要先上传）5. **下载结果** - 将会话中生成的图片/视频批量下载到本地，自动提取 URL 并命名 ## 前置要求 ```bashexport LIBTV_ACCESS_KEY="your-access-key"``` 可选：`OPENAPI_IM_BASE` 或 `IM_BASE_URL`，默认 `https://im.liblib.tv`。 无需安装额外依赖，仅使用 Python 标准库。 ## 使用方法 ### 1. 创建会话 / 发送消息 ```bash# 创建新会话并发送「生一个动漫视频」python3 {baseDir}/scripts/create_session.py "生一个动漫视频" # 向已有会话发送消息python3 {baseDir}/scripts/create_session.py "再生成一张风景图" --session-id SESSION_ID # 只创建/绑定会话，不发消息python3 {baseDir}/scripts/create_session.py``` ### 2. 查询会话进展 ```bash# 查询会话消息列表python3 {baseDir}/scripts/query_session.py SESSION_ID # 增量拉取（只返回 seq 大于 N 的消息）python3 {baseDir}/scripts/query_session.py SESSION_ID --after-seq 5 # 附带项目地址（传入 create_session 返回的 projectUuid，结果中带 projectUrl）python3 {baseDir}/scripts/query_session.py SESSION_ID --project-id PROJECT_UUID``` ### 3. 切换项目 ```bash# 切换当前 accessKey 绑定的项目（后续创建会话将使用新项目）python3 {baseDir}/scripts/change_project.py``` ### 4. 上传文件 当用户提供了参考的文件地址时，进行上传，仅支持图片、视频，文件大小必须在200M以下。 ```bash# 上传图片python3 {baseDir}/scripts/upload_file.py /path/to/image.png # 上传视频python3 {baseDir}/scripts/upload_file.py /path/to/video.mp4``` ### 5. 下载结果 生成完成后，可以将会话中的所有图片/视频批量下载到本地。 ```bash# 从会话自动提取并下载所有结果python3 {baseDir}/scripts/download_results.py SESSION_ID # 指定输出目录python3 {baseDir}/scripts/download_results.py SESSION_ID --output-dir ~/Desktop/my_project # 指定文件名前缀（如 storyboard_01.png, storyboard_02.png ...）python3 {baseDir}/scripts/download_results.py SESSION_ID --prefix "storyboard" # 直接下载指定 URL 列表（不需要 session_id）python3 {baseDir}/scripts/download_results.py --urls URL1 URL2 URL3 --output-dir ./output``` ## 典型工作流 理解这些工作流，才能正确组合上面的脚本完成用户需求。 ### 场景 1：用户要求生成图片/视频（最常见） ```1. create_session.py "用户的描述"  →  拿到 sessionId + projectUuid2. 每隔 8 秒调用 query_session.py SESSION_ID --after-seq 0 轮询3. 检查 messages：当出现 assistant 角色的消息且包含图片/视频 URL → 任务完成4. 自动下载：download_results.py SESSION_ID --output-dir ~/Downloads/项目名 --prefix 有意义的前缀5. 向用户展示：本地文件列表 + projectUrl（画布链接）``` 生成完成后**自动执行下载**，不需要用户额外请求。下载目录和前缀根据任务语义自动命名（如分镜用 `storyboard`，角色设定用 `character` 等）。 ### 场景 2：用户提供图片/视频要求编辑修改（如"把纸船换成爱心"） ```1. upload_file.py /path/to/video.mp4  →  拿到 OSS URL2. create_session.py "把四周的纸船都换成白色的纸爱心 参考视频：{oss_url}"3. 后续同场景 1 的步骤 2-5``` 用户给了文件路径 + 编辑指令 = 先上传文件，再把编辑指令和 OSS URL 一起发送。 ### 场景 3：用户提供参考图/视频要求生成新内容 ```1. upload_file.py /path/to/ref.png  →  拿到 OSS URL2. create_session.py "根据参考图生成xxx，参考图：{oss_url}"3. 后续同场景 1 的步骤 2-5``` ### 场景 4：在已有会话中追加新需求 ```1. create_session.py "新的描述" --session-id SESSION_ID2. 后续同场景 1 的步骤 2-5``` ### 轮询策略 - **间隔**：每 8 秒查询一次- **增量拉取**：首次用 `--after-seq 0`，后续用上次拿到的最大 seq 值- **完成判断**：messages 中出现 assistant 消息且 content 包含结果 URL（图片/视频地址）- **超时**：连续轮询 3 分钟仍无结果，告知用户"生成时间较长，可稍后通过项目画布链接查看"，不再继续轮询- **错误重试**：单次查询失败可重试 1 次，连续 3 次失败则停止并告知用户 ## 输出格式 **create_session** 返回：```json{  "projectUuid": "aa3ba04c5044477cb7a00a9e5bf3b4d0",  "sessionId": "90f05e0c-...",  "projectUrl": "https://www.liblib.tv/canvas?projectId=aa3ba04c5044477cb7a00a9e5bf3b4d0"}``` **query_session** 返回：```json{  "messages": [    {"id": "msg-xxx", "role": "user", "content": "生一个动漫视频"},    {"id": "msg-yyy", "role": "assistant", "content": "..."}  ],  "projectUrl": "https://www.liblib.tv/canvas?projectId=..."}```（`projectUrl` 仅在传入 `--project-id` 时存在） **change_project** 返回：```json{  "projectUuid": "新项目UUID",  "projectUrl": "https://www.liblib.tv/canvas?projectId=新项目UUID"}``` **upload_file** 返回：```json{  "url": "https://libtv-res.liblib.art/claw/{projectUuid}/{uuid}.png"}``` **download_results** 返回：```json{  "output_dir": "/Users/xxx/Downloads/libtv_results",  "downloaded": ["/Users/xxx/Downloads/libtv_results/01.png", "..."],  "total": 9}``` ## 最终向用户展示时（OpenClaw） - **视频地址**：来自 `query_session` 返回的 `messages` 中 assistant 消息的 content 或结果里的视频/图片 URL，即「返回的结果」。- **项目地址**：使用 `create_session` 返回的 `projectUrl`，或自行拼接 `https://www.liblib.tv/canvas?projectId=` + `projectUuid`。查询进展时若传入 `--project-id PROJECT_UUID`，`query_session` 会直接返回 `projectUrl`，便于一并展示。 在任务完成时，同时给出：**视频/图片结果链接** + **项目画布链接（projectUrl）**。过程中，不要给出 **项目画布链接（projectUrl）**。 ## 核心原则：用户侧不做创作，只做传话 你（用户侧 Agent）的职责是**搬运工**，不是创作者。后端有专门的 Agent 负责理解需求、拆解分镜、编排工作流、选模型、写 prompt。你要做的只有三件事： 1. **上传**：用户给了本地文件 → `upload_file.py` 拿到 OSS URL2. **传话**：把用户的原始描述 + OSS URL 原封不动发给 `create_session.py`3. **取件**：轮询结果 → 下载到本地 → 展示给用户 **绝对不要做的事：**- 不要替用户扩写、润色、翻译 prompt（用户说"帮我推演分镜"，就直接传"帮我推演分镜"，不要自己先写个分镜表再逐条发）- 不要自行拆解任务步骤（如把"生成9张分镜图"拆成9次独立请求）- 不要自行编排镜头描述、剧情推演、风格分析- 不要在消息中添加自己编的 prompt（如"超写实风格，电影级光影，8K分辨率"之类的描述词） 后端 Agent 对模型能力、参数配置、prompt 工程远比用户侧更专业。用户侧越俎代庖只会降低生成质量，换个弱模型更是灾难。 **正确示例：**```用户说：「帮我推演后续的故事，来个分镜大爆炸，帮我出一个16:9的九宫格的图。新建一个任务。」用户给了参考图：/path/to/ref.png → upload_file.py /path/to/ref.png  →  拿到 oss_url→ create_session.py "帮我推演后续的故事，来个分镜大爆炸，帮我出一个16:9的九宫格的图。参考图：{oss_url}"→ 轮询 → 下载 → 展示``` **错误示例：**```❌ 用户侧自己先写了个九宫格分镜表（对峙、交锋、危机...）❌ 然后把自己编的描述发给后端❌ 或者拆成9次 create_session 分别发送``` ## 注意事项 - 鉴权方式为请求头 `Authorization: Bearer <LIBTV_ACCESS_KEY>`- 创建会话时若不传 `message`，仅创建/绑定会话，不会调用 SendMessage- 查询会话时可用 `--after-seq` 做增量拉取，便于轮询新消息（含 assistant 回复与生图/生视频结果）- 项目画布地址固定为：`https://www.liblib.tv/canvas?projectId=` + projectUuid- 切换项目后，Redis 缓存会更新，下次 create_session 将使用新的 projectUuid- 上传文件仅支持图片（image/*）和视频（video/*）类型，其他类型会被拒绝，文件大小须在 200MB 以下- 上传返回的 OSS 地址格式为 `https://libtv-res.liblib.art/claw/{projectUuid}/{uuid}{ext}`- 生成过程中只告知用户"正在生成中"，不要提前给出 projectUrl；任务完成后再同时给出：**结果链接（图片/视频 URL）** + **项目画布链接（projectUrl）**