让 AI Agent 替你拍片:一次用 OpenClaw 驱动 LibTV 完成短视频的全流程复盘

从零开始，用 AI Agent 把一份脚本变成 8 个可用的视频镜头。本文是一篇实操复盘，也是一份 LibTV CLI 避坑指南。文末有开源 Skill，开箱即用。

传统短视频制作流程是：写脚本 → 找演员 → 拍摄 → 剪辑。但如果有一个 AI Agent 可以直接在 LibTV 画布上完成从脚本到视频生成的全过程呢？

这篇文章记录了我用 OpenClaw（AI Agent）+ LibTV CLI 完成一支真人剧情短视频的全过程，从画布搭建到踩坑复盘。更重要的——我把整个工作流沉淀成了一个开源的 OpenClaw Skill，可以一键复用。

第一步：从场景库到分镜脚本

素材是一份业务场景库，里面收录了数十个真实的工作场景，每个场景对应一个视频选题。

AI Agent 读取完整场景库后，选择了其中一个场景——两个同行朋友在下班后的烧烤摊聊天，一个抱怨辛苦成交但收益不对等，另一个顺势介绍了更好的资源承接方式。

脚本的核心原则：

• 不先讲产品，先讲真实处境
• 一条视频只植入一个信息点
• 对话要像朋友聊天，不要像广告

最终敲定脚本 8 个镜头，总长 60-70 秒，两个角色（34 岁/30 岁男性），场景是户外烧烤摊。

第二步：用 LibTV CLI 搭建项目画布

LibTV CLI 的核心能力是让 AI Agent 直接操作 LibTV 的无限画布——创建节点、连接引用、触发模型生成。

2.1 创建项目和画布

libtv workspace create "项目名"libtv project create "项目画布" --workspace <workspaceId>libtv project use <projectUuid>

画布结构按四区布局：

2.2 节点操作关键语法

LibTV CLI 的节点操作有一些和常规 CLI 不同的设计：

创建节点：

libtv node create "节点名" -t text    # 文本节点libtv node create "节点名" -t image   # 图片节点libtv node create "节点名" -t video   # 视频节点

写入内容（文本节点）：

libtv node <nodeKey> -u content='["第一行","第二行"]'# 注意：content 必须是 JSON 数组格式

设置参数（图片/视频节点）：

libtv node <nodeKey> -s model='Seedance 2.0 Mini' -s ratio=9:16 -s duration=10 -s enableSound=on

连接节点（建立引用关系）：

libtv node <targetKey> --left-add <sourceKey>

触发生成：

libtv node <nodeKey> --run

2.3 ⚠️ 踩坑：文本节点内容写入

最初用了不存在的 --content 参数，后来发现正确方式是用 -u content='["..."]'（JSON 数组格式）。这个细节在帮助文档里不显眼，很容易踩坑。

第三步：角色锚点——保证人物统一性的关键

这是全流程中最核心、也踩坑最多的环节。

3.1 为什么需要角色锚点？

AI 视频生成的经典问题：每个镜头独立生成，人物长得不一样。解决方案是在画布中创建「角色锚点图」，作为每个视频镜头的上游参考。

3.2 ⚠️ 踩坑一：风格不对

第一次用 Seedream 4.5 生成的角色锚点，混入了动画/插画风格，完全不符合真人短视频的需求。

教训： 模型选择决定风格上限。后来换成 Z-image Turbo（专攻真实感），prompt 强调 photorealistic、DSLR、8k hyperrealistic，问题解决。

3.3 ⚠️ 踩坑二：锚点格式不对

第二次生成了 6 张分角度真人写真，但理想的格式是「一张图里整合所有角度」——类似演员定妆照的呈现板格式。

参照模板图后，改为生成两张「人物呈现板」：每张图四合一（全身正面+面部特写+半侧面+侧面），两个角色各一张。比例用 1:1——角色库图片不强制 9:16，只有视频输出用竖屏。

3.4 最佳实践

libtv node <nodeKey> \  -s 'model=Z-image Turbo' \  -s ratio=1:1 \  --prompt 'Character reference board, photorealistic, one single man...'

最终锚点体系：

第四步：视频生成——modeType 是关键

4.1 ⚠️ 踩坑三：text2video 连图后不可用

最初用 Seedance 2.0 Mini 的 text2video 模式，prompt 里写了完整台词。第一版视频台词正确，但人物场景不统一——因为没连锚点。

连接了锚点图后再触发，报错：「已连接媒体输入，无法使用纯文生视频」。

关键发现： Seedance 2.0 Mini 的 text2video 模式不能连接图片参考。必须用 image2video 模式。

4.2 ⚠️ 踩坑四：image2video 导致台词丢失

切到 image2video 后，为了适应新模式，把 prompt 从”完整对白”改成了”动作描述”。结果视频人物统一了，但台词全变了。

教训： image2video 只是改变了生成方式，prompt 里仍然可以写完整对白。不需要妥协台词质量。

4.3 ⚠️ 踩坑五：Seedance 缓存机制

Seedance 对相同参数+相同 prompt 的请求会直接返回缓存结果，不会重新生成。这意味着：

• 调试时如果 prompt 微调不够显著，可能一直拿到旧结果
• 需要稍微改变 prompt 来强制重新生成
• 观察 taskId 是否改变来判断是否真正重新生成

4.4 最佳实践

最终方案：

libtv node <nodeKey> \  -s modeType=image2video \  -s 'model=Seedance 2.0 Mini' \  -s ratio=9:16 \  -s resolution=720p \  -s duration=10 \  -s enableSound=on \  --prompt '完整台词+场景描述+角色描述' \  --run

每个镜头配置：

• 模式： image2video（引用锚点图保证人物场景统一）
• 模型： Seedance 2.0 Mini（性价比最优）
• 比例： 9:16 竖屏
• 音频： 开启（场景环境音+人物对话）
• Prompt： 完整对白 + 角色外貌描述

第五步：镜头合并与积分管理

5.1 从 13 个镜头合并为 8 个

最初脚本 13 个镜头，单个 5-8 秒太碎、不连贯。合并为 8 个镜头，每个 8-12 秒，总长 66 秒。合并逻辑：相邻对话镜头合并为一个连续镜头，避免频繁切换。

5.2 积分消耗

如果第一次就找到正确的 modeType + prompt 组合，实际只需一轮视频生成（~1000 积分）。

完整工作流总结

1. 准备素材   ├── 场景库（选题来源）   ├── 脚本规则   └── Logo 文件2. 创建 LibTV 项目   ├── workspace create → project create → project use   └── 搭建四区画布结构3. 撰写脚本   ├── 选择场景   ├── 设计角色（年龄、外貌、性格）   └── 分镜（镜头、对白、时长）4. 生成角色锚点   ├── 模型：Z-image Turbo（真人写真）   ├── 格式：人物呈现板（四合一）   └── 比例：按内容自适应5. 生成场景锚点   ├── 模型：Z-image Turbo   └── 比例：9:16（视频输出比例）6. 创建视频节点   ├── 模型：Seedance 2.0 Mini   ├── 模式：image2video（必须！连接锚点）   ├── 音频：开启   ├── Prompt：完整台词 + 角色描述   └── 逐个触发，观察 taskId 防止缓存7. 下载与合成   ├── libtv download 下载所有镜头   └── 剪映拼接 + 自动字幕 + Logo

LibTV CLI 技能优化建议

基于本次实践，提出以下优化方向：

1. 默认工作流模板

为短视频场景提供预设的画布模板——输入区、脚本区、分镜区、锚点区、视频区一键创建。

2. 角色库自动管理

提供「创建角色锚点」命令，自动生成真人呈现板，统一 prompt 模板和模型选择。

3. 视频节点批量配置

支持批量设置 modeType、model、ratio、duration 等参数，减少逐一手动配置。

4. 缓存检测与重生成确认

提供 flag 强制绕开 Seedance 缓存，或明确提示”此节点未重新生成，使用缓存结果”。

5. 积分预估

在 –run 前给出预估积分消耗，便于决策。

6. modeType 自动推荐

检测到节点连接了图片锚点后，自动提示切换到 image2video 模式。

关键数据

开源 Skill：一键复用，告别摸索

讲到这里，你可能会觉得——流程不错，但我每次都要重新踩这些坑吗？

不用。我已经把上面的完整工作流沉淀成一个 OpenClaw Skill，开源在 GitHub 上，开箱即用。

项目信息

• GitHub： github.com/CDragon123-code/libtv-video-production^[1]
• 许可证： MIT
• Skill ID：libtv-video-production

Skill 包含什么

如何使用

1. 安装：

cd ~/.openclaw/workspace/skills/git clone https://github.com/CDragon123-code/libtv-video-production.git

2. 自动触发：

Skill 配置了触发关键词——当你在对话中提到 libtv、视频生成、AI视频、短视频脚本 等词时，Agent 会自动加载本 Skill。

3. 直接开工：

帮我用 LibTV 做一个 60 秒的短视频，两个角色在烧烤摊聊天的剧情。

Agent 会按标准 7 步流程自动完成：创建项目 → 搭建画布 → 生成锚点 → 配置视频节点 → 触发生成 → 下载。你只需要提出需求和确认结果。

为什么开源这个 Skill？

第一次用 LibTV CLI 做视频时，我踩了 8 个坑，重试了 3 轮，多花了 2000 积分。这些坑其实都可以通过沉淀经验来避免。

开源这个 Skill，是希望下一个用 OpenClaw + LibTV 做视频的人，不用再重复我的弯路。

欢迎 Star、Fork、提 Issue 改进。

写在最后

这次实践验证了一个重要的命题：AI Agent 不仅仅是”给你一段建议”，而是可以真正进入创作工具，完成从脚本到视频的全流程操作。

LibTV CLI 让 Agent 能够直接操控画布节点、调用模型、连接素材，本质上把 Agent 从「创意顾问」变成了「创作协作者」。

而把经验沉淀为可复用的 Skill，让”踩过的坑”变成”下一次的快捷键”——这才是 AI 时代最值得做的事情。

希望这篇文章和这个开源 Skill 对你有所帮助。

引用链接