agnes-video-prompt

Imported from sethliao/one-person-studio (skills/agnes-video-prompt/SKILL.md). Install upstream with npx skills add sethliao/one-person-studio --skill agnes-video-prompt. Copyright stays with the author.

⛔ 通道选择：优先 API，别默认走网页

⛔ Pavo 和 Agnes 是同一家公司（Agnes AI / Pavo AI）。 模型、提示词公式、限免政策完全一致 —— 网页上试出来的 prompt，API 上直接能用。 他给你 API key 的意图就是让你走 API，别再默认开浏览器。

API 快速通道（2026-10-05 实测跑通）

K=$(security find-generic-password -a seth - s agnes-ai -w)   # 从 keychain 读，不写明文
B=https://api.agnes-ai.cn/v1        # 国内站
# B=https://apihub.agnes-ai.com/v1 #国际站

创建（POST /videos）→ 拿 video_id → 轮询 → 下载顶层 url：

curl -sS -X POST "$B/videos" -H "Authorization: Bearer $K" -H "Content-Type: application/json" -d '{
  "model":"agnes-video-2.5-flash","prompt":"...","seconds":"8",
  "mode":"text","size":"720P","aspect_ratio":"16:9"}'
# → {"video_id":"task_xxx","status":"queued"}

# 🚨 轮询必须带 model_name，否则 keyframe/reference 模式查不到
curl -sS "https://api.agnes-ai.cn/agnesapi?video_id=$VID&model_name=agnes-video-2.5-flash" \
  -H "Authorization: Bearer $K"
# status: queued → pending → in_progress → completed（顶层 url 是文件地址）

⭐ 参考图用 Data URI（不需要图床，2026-10-05 实测通）

官方文档写「媒体 URL 应可公开访问」，但 Data URI 照样被接受（实测 Agnes Video 2.5 Flash mode=reference 正常出片）：

B64=$(base64 -i参考图.jpg | tr -d '\n')
# images: ["data:image/jpeg;base64," + B64]

prompt 里用 <Picture 1> 指代（不是 @图片1，那是网页端的写法）：

以 <Picture 1> 中的角色为人物参考，锁定外观：厚脸盘、米色连帽卫衣、圆眼细眉。
8秒，16:9 横版。[角色]在清晨工位从屏幕前抬头，缓慢伸懒腰。
黏土定格质感，柔和晨光，浅景深。
不要生成可读文字。不要额外添加背景音乐。
上传图片仅作为一致性参考，最终视频不能直接显示或拼贴该图。

实测结论（2026-10-05）：加了参考图后角色明显对了（厚脸盘/卷发/浓眉都锁住）， 但衣服没锁住（参考图纯米色→ 出片粉白横条纹），且prompt 里写了的动作幅度要够大才动得起来。

⭐ 一条命令跑完（推荐，别手搓 curl）

P=~/.workbuddy/binaries/python/envs/default/bin/python
S=~/Documents/hermes_vault_clean/004-Tools/agnes.py

$P $S --ref 参考图.jpg --prompt "…" --seconds 8 --aspect 16:9 --out 出片.mp4

它已经把踩过的坑全封进去了：Data URI 转换 ·轮询带 model_name · key 从 keychain 读 · 提交前校验 6 项（秒数 4–12 / 参考图 ≤5 / 音频 ≤3 / 模式与素材匹配）· 撞 429 自动退避重试 · 出片完自动调ep-qa.py 体检。

🚨 免费用户有速率限制（2026-10-05 实测，官方文档没写）

• 一分钟内提交多条会撞 429 rate_limit_exceeded，等约 60 秒恢复
• ⛔ 429 发生在创建之前，不扣额度
• 批量跑时每条之间留 ≥60 秒。脚本已内置退避，但批量时还是要留间隔
• ⚠️ 免费用户限流解法是升级 Token Plan —— 但限免期本来就不花钱，别急着升

模型对照（2026-10-05 官方 catalog 实读）

⛔ 非 Flash 是付费的（8 秒 720P 约 $0.2≈ ¥1.4）—— 跑之前先报预估等他点头。 ⚠️ 限免政策会变，跑之前先看当前价。

声音的真相（别再误判）

• Flash 会出环境声，但很轻：实测 −37dB（有环境声）vs 纯静音 −59dB。
• ⚠️ 别用「音量低于 −40dB = 静音」判 —— 我这么判过，被他一句「我昨天看是有声音的」纠正。 真实安静环境声就在 −40dB 上下。
• 用 ep-qa 体检时阈值已是 −50dB（实测标定，不是拍的）。

agnes-video-prompt · Pavo AI 上的视频提示词

什么时候用

• Seth 要在 Pavo AI（app.pavo-ai.cn） 上出视频，或要我写/改一条 Agnes 提示词。
• 要在不烧额度的前提下试 prompt、试分镜、试口型。
• 要给某个 IP（小厚先生 / 熊猫莫莫 / Paikea）出试镜版。

成片不走这条 —— 对外交付回 gflow（Google Flow）。Agnes Flash 是试镜通道，不是交付通道。

详细背景与平台事实：vault 内 Wiki/Pipeline/Agnes-Pavo/README.md 官方原文：Wiki/Pipeline/Agnes-Pavo/官方提示词指南-原文.md（⛔ 镜像页，不手改）

一、公式（先套骨架，再填内容）

完整提示词 = 【参考素材说明】 + 【核心创意】 + 【画面过程说明】

【参考素材说明】@图片1 作为 XX 参考，锁定……（具体特征）；@图片2 作为 XX 参考，锁定……（无素材时整段跳过）
【核心创意】XX秒，16:9 横版。[主体]（@图片1）在[地点]（@图片2）[事件]。[风格]，[运镜]。
【画面过程描述】
0–X秒：正向：[景别]，[主体][动作]，[环境/光线]，[音效]。
        反向：不要[……]；不要[……]。
X–X秒：正向：[切到XX景别]，[主体][动作]，说："[台词原文]"。
        反向：不要[……]。
▍镜头约束：……
▍声音：……。不要人声、对白、歌词和旁白。

检查项（缺一条就容易崩）：

素材槽位（每个上传素材都得认领一个）

人物参考（锁脸）· 物体参考 · 场景参考 · 关键帧（写明首帧/尾帧）· 音色参考 · 故事版 · 风格参考 · 构图参考 · 音频复用 / 音频部分复用 · 动作参考 · 运镜参考 · 视频编辑

反向指令的常用写法

不要额外添加背景音乐。 / "non_diegetic_music": N/A
不要切镜。 / 不要出现第三只手、多余手指、手指粘连。
不要生成可读文字 / 不要出现任何文字、Logo、品牌标识。
不要生成慢动作、快动作、掉帧或运动拖影。
上传图片仅作为一致性参考，最终视频不能直接显示、复用或拼贴参考图 —— 必须生成全新的动态画面。

二、⚠️ 写之前必核的三件事（踩过的坑）

1. 时长要对齐 —— 界面右下角 Auto / 4s / 720p 那个数字，必须和 prompt 里的秒数一致。 （2026-10-03 他那个会话 prompt 写 12 秒 / 七段节奏，设置却是 4s。）
2. 比例要对齐 —— 参数面板里比例（9:16 3:4 1:1 4:3 16:9 21:9）要跟 prompt 的写法一致。 要横屏就必须写「必须严格保持 16:9 Landscape」，并在设置里选 16:9。
3. 只有 Agnes Video 2.5 Flash 是免费的 —— 用前在模型下拉里看一眼当前标签， 免费/折扣是会变的。其他模型一跑就扣积分。
4. 先读该角色的视频约束（写进 Wiki/<IP>/角色一致性描述.md）：
   • 头大 / chibi 角色别写「特写/怼脸」（如小厚先生头身比 1:1，最后镜头推进到脸会比例失衡）→ 用「中景/中近景」。
   • 起始帧 = prompt 第一段动作：Agnes 执行得很字面。想让角色从「正视镜头」开始，第一段就不能写「低着头」。

别交给视频模型的东西（库内铁律，来自 [[AI出片实测教训]]）： 信息图 / 图表 / 文字卡 → 走 HyperFrames。视频模型会写错字且不可改。

二·五、A/B 实测结论（2026-10-03，小厚先生）

• B 长 prompt（官方三段式）明显更好：角色还原、动作可控、画面完整都优于 A 短 prompt。
• ** Agnes 的「具名槽位」有效**：@图片1 作为人物参考 挂对后，长 prompt 不会稀释参考图。
• 详细记录：Wiki/Pipeline/Agnes-Pavo/README.md §五·五 · Assets/小厚先生/agnes-ab-2026-10-03/

三、驱动网页（opencli · 2026-10-03 实测）

S=pavo
opencli browser $S open "https://app.pavo-ai.cn/chat?conversationId=<id>" --window background
opencli browser $S state          # 读结构 + 可点元素索引

实测选择器：

⚠️ 下拉是 Ant Design Select，普通 .click() 打不开 —— 要依次派发 mousedown + mouseup + click（new MouseEvent(t,{bubbles:true,cancelable:true,view:window})）。 读选项：.ant-select-dropdown .ant-select-item-option。

⛔ 上传图：opencli browser upload 走不通（2026-10-03 实测）

opencli browser <s> upload 'input[type=file]' <path> 一律报 Page.fileChooserOpened not received within 5s（把 input 临时改成可见也无效 —— 文件选择器事件没被桥接过来）。

✅ 绕法：本地 CORS 服务 + 页面内 fetch 造 File（实测成功）：

# /tmp/serve_cors.py —— 只服务那张参考图所在目录
import http.server, socketserver
ROOT = "<参考图所在目录>"
class H(http.server.SimpleHTTPRequestHandler):
    def __init__(self,*a,**k): super().__init__(*a, directory=ROOT, **k)
    def end_headers(self):
        self.send_header("Access-Control-Allow-Origin","*")
        self.send_header("Access-Control-Allow-Private-Network","true")
        super().end_headers()
socketserver.TCPServer.allow_reuse_address = True
socketserver.ThreadingTCPServer(("127.0.0.1",8899),H).serve_forever()

nohup /usr/bin/python3 /tmp/serve_cors.py >/tmp/serve_cors.log 2>&1 &

// 然后在页面里（opencli browser <s> eval）
const r = await fetch('http://127.0.0.1:8899/xh-front-cut.png', {cache:'no-store'});
const f = new File([await r.blob()], 'xh-front-cut.png', {type:'image/png'});
const dt = new DataTransfer(); dt.items.add(f);
const i = document.querySelector('input[type=file]');
i.files = dt.files;
i.dispatchEvent(new Event('input',  {bubbles:true}));
i.dispatchEvent(new Event('change', {bubbles:true}));

⚠️ 每次调用都会追加一张 —— 想只留一张，用附件卡片的 button 删掉多余的（见上表）。 ⚠️ https 页面 fetch http://127.0.0.1 实测可用（Chrome 把 localhost 当可信源），但要 Access-Control-Allow-Private-Network: true 才稳。

取结果（两个坑）

1. 设置/模型下拉没关 → 发送会被拦截 —— 2026-10-03 Momo 那次就是模型下拉还开着，点发送没反应。 解法：发送前一定要先 opencli browser <s> keys Escape 关掉所有浮层，再点 #dle_send_button。
2. UI 不会自动刷新 —— 生成早就完了，页面还停在「正在准备…」。 解法：重载会话页 opencli browser <s> open "<会话URL>" --window background，结果立刻出现。
3. 成片 URL 只在 <video> 里：#chat-page-container video 的 src。 同页还会有首帧图 img[src*=self-v03-first-frames]，命名带同一个 hash，可一起下。

UA="Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/140.0.0.0 Safari/537.36"
curl -s --noproxy '*' -A "$UA" -o out.mp4 "<video src>"
curl -s --noproxy '*' -A "$UA" -o first.jpg "<first-frame src>"

⚠️ CDN 能直连（cos-aigc-default.agnes-ai.cn），但要带 --noproxy '*' + 正常浏览器 UA。 ✅ 2026-10-03 实测：1280×720 / 24fps / 5.17s / ≈1.1–1.2 MB。

跑一轮的完整时间成本

提交 → 成片 ≈ 3–6 分钟（5s / 720p）。轮询别写「检查 .mp4 出现在输出里」这种判断 —— 我踩过：循环里只输出了计数 v.length（数字），却拿 .mp4 去匹配字符串，永远不触发， 白等 5 分钟。直接匹配数字变化，或干脆隔 2–3 分钟重载一次页面。

纪律：

• ✅ Seth 已授权我直接驱动网页跑 Agnes Video 2.5 Flash（免费、不扣积分），所以我可以直接跑单条/少量测试。
• 收费模型 / 批量跑 / 用「短剧/画布/AI剧本」等非视频生成功能前，先报预估并等他点头。
• 免费模型不烧钱，但单次提交后也要等 3–6 分钟，别在他着急时堆队列。

四、收尾

生成完不要自己读图做审美判断（库内铁律：验收归 Seth）。 → 正确动作：把结果拼成对照表（用 003-Workbench/_build/make_ab_sheet.py）推给他，等他一句结论。 → 他说「某镜崩了」→ 第一动作是读 prompt 查素材槽位（零消耗），不是重跑。

五、可复用：一键跑一条视频

技能目录下附带 scripts/run_agnes_recipe.py —— 把 prompt 文件、参考图、时长/比例传进去，自动走完 「开新会话 → 设参数 → 传图 → 填 prompt → 发送 → 等 4 分钟 → 下载成片」。

cd ~/.workbuddy/skills/agnes-video-prompt/scripts
python3 run_agnes_recipe.py \
  --prompt /path/to/prompt.txt \
  --ref /path/to/ref.png \
  --ratio 16:9 \
  --duration 5 \
  --outdir ~/Documents/hermes_vault_clean/Assets/<IP>/agnes-YYYYMMDD

这脚本目前只支持单张参考图 + Agnes Video 2.5 Flash。复杂情况（多图/首尾帧/音频）仍走 §三的手动步骤。