historical-science-video-prod
自动化生成历史科学类3分钟科普短视频的全流程素材包，包含口播文案、分镜脚本、Veo2提示词、人物形象规范等，适配即梦平台视频生成。
npx skills add anbeime/skill --skill historical-science-video-prod --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 历史科学类科普短视频自动化生成 Skill ## 任务目标 - 本 Skill 用于：自动化生成历史科学类3分钟科普短视频的全流程素材 - 能力包含：口播文案创作、分镜脚本规划、Veo2提示词生成、人物形象设计 - 触发条件：用户需要制作历史科学类科普视频，希望快速获得完整的素材包 ## 前置准备 - 依赖说明：无需额外安装，依赖包已在 dependency 字段中声明 - 输入要求：用户提供科普主题、年代背景、核心科学结论 ## 操作步骤 - 标准流程： 1. **准备输入信息** - 确定科普主题（如"蝴蝶效应的起源"、"青霉素的发现"） - 明确年代背景（如"1961年"、"1928年"） - 提炼核心科学结论（如"初始条件的敏感性"） 2. **执行生成脚本** - 调用 `scripts/generate_video_materials.py` 处理... - 传入参数：--theme、--era、--core_conclusion、--output_dir 3. **查看输出素材** - `output/script.txt` - 3分钟口播文案（约900-1100字） - `output/storyboard.md` - 分镜脚本表（30-35个分镜） - `output/veo2_prompts.txt` - Veo2提示词清单 - `output/character_design.md` - 人物形象规范 - 可选分支： - 当 需要调整风格：在 references/style-guide.md 中修改复古风格参数 - 当 需要优化文案结构：在 references/script-structure.md 中调整时间分配 ## 资源索引 - 必要脚本：见 [scripts/generate_video_materials.py](scripts/generate_video_materials.py)（用途与参数：生成全流程素材包，接收主题、年代、核心结论参数） - 领域参考：见 [references/multi-agent-architecture.md](references/multi-agent-architecture.md)（何时读取：了解多智能体协作体系架构） - 领域参考：见 [references/style-guide.md](references/style-guide.md)（何时读取：调整复古风格参数时） - 领域参考：见 [references/veo2-prompt-template.md](references/veo2-prompt-template.md)（何时读取：了解Veo2提示词标准格式） - 领域参考：见 [references/script-structure.md](reference
- 任务目标
- 前置准备
- 操作步骤
- 资源索引
- 注意事项
- 使用示例
python scripts/generate_video_materials.py \
What does the historical-science-video-prod skill do?
自动化生成历史科学类3分钟科普短视频的全流程素材包，包含口播文案、分镜脚本、Veo2提示词、人物形象规范等，适配即梦平台视频生成。
How do I install it?
Run `npx skills add anbeime/skill --skill historical-science-video-prod --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From anbeime/skill, a repository with 4,714 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.