工作流(共四步)
- 实景拍摄:先进行一段实景拍摄,提前构思好创意(例如,拍摄浇花的镜头)。
- 截取画面:从拍摄中选取一帧想要制作特效的画面。
- 生成特效:将刚才截取的画面提交给 Gen-3,作为首帧或尾帧,结合提示词生成特效视频(例如,快速变大的植物)。
- 视频编辑:使用视频编辑工具(如 Pr、剪映),将 Gen-3 生成的特效视频与实景视频融合在一起。
Anthropic 开源 knowledge-work-plugins 项目,提供 111 个无代码智能体技能包。该体系基于 Markdown 和 JSON 构建标准化模块,支持渐进式披露与 MCP 工具集成,标志提示词工程向软件工程化转型。内置 marketing 与 productivity 等插件展示了结构化输入及分层记忆范式,支持语义路由与轻量化定制。尽管存在多插件上下文竞争及云端连接器限制内网访问等问题,仍为智能体工作流提供了可复用的模块化规范。
oh-my-hermes 是为 Hermes 智能体设计的工程作业层插件,旨在解决复杂编码任务中的调度与验证难题。该工具通过模型路由、任务拆解及严格证据门禁,将自然语言转化为专业交付流,实测可降低约 85% 成本并大幅缩短耗时。其核心特性包括 12 类任务回退链、基于 Git Worktree 的安全并行执行、四态状态追踪及评审制长期记忆机制,有效防止上下文污染与虚假完成。尽管在超大仓库处理上仍有局限,但显著提升了开源模型的工程交付确定性。
Google 工程经理开源项目 agent-skills 通过结构化 SKILL.md 规范约束 AI 编码智能体,解决其生成代码缺乏工程纪律的问题。该项目覆盖定义、计划、构建等六大研发阶段,内置 25 个专业技能与反偷懒机制,强制 AI 遵循测试驱动及质量门禁标准。支持 Claude Code、Cursor 等主流工具集成,推荐从规格定义、TDD 及代码评审三步最小闭环起步,将无序补全转化为可预测的工程化构建,提升 AI 代码的生产级交付能力。
围绕《Runway 结合实景拍摄 制作逼真的视频特效》展开交流,未登录用户可浏览评论,登录后可参与讨论。