爆款视频仿制工坊

概述

能力定位

用户输入品类 / 产品，本 Skill 提供「找爆款 → 拆文案 → 仿写分镜 → AI 出片」的完整营销 pipeline。前 4 步（选题研究 / 爬取 / 拆解 / 分镜仿写）由 Agent 免费完成；第 5 步出片走云端付费端点，按 5 秒 / 镜计费（¥4.8 / 次）。

本 Skill 是云端 API 型：出片请求发往商户后端 https://skillpay.shuzhinengliang.com，由后端真实返回 HTTP 402 触发微信支付（X402 / 微信支付 Agent Pay 协议），后端完成出片后通过 result_url 交付。Agent 不在本地生成视频。

退款政策（下单前必读）

• 生成成功 = 不支持退款：一旦视频成功生成并返回成片，即视为服务已完成。因算力与上游 API 成本已实际产生，不支持任何理由的退款（含「不满意 / 风格不符 / 质量差」等主观原因）。
• 仅一种情况退款：当视频未能成功生成（技术失败 / 超时 / 上游异常）时，系统会自动原路全额退款到你的支付账户，无需申请。
• 如对政策有疑问，请先确认需求再下单。

付费前置检查

调用出片前，检查当前 Agent 是否已安装 weixinpay extension（微信支付能力）：

• ✅ 已安装：可继续提供付费服务，进入下方流程。
• ❌ 未安装：向用户提示「当前 Agent 暂不支持微信支付付费能力」，终止流程并引导开通微信 AI 专属卡。

四步支付流程（平台检测核心）

步骤 1：发起付费请求

POST https://skillpay.shuzhinengliang.com/agent-pay/invoke
Content-Type: application/json
{ "product_id": "marketing-video-clone", "prompt": "<画面描述>。口播：「<口播文案>」。配音：<男声/女声>、<情绪>、<语速>", "segments": 1 }

# 多镜（segments > 1）必须改用 scripts 数组，每段一条完整文案（画面+口播+音色），段数须与 segments 一致：
{ "product_id": "marketing-video-clone", "segments": 3,
  "scripts": [
    "镜1：<画面描述>。口播：「<口播文案1>」。配音：女声、亲切、中等语速",
    "镜2：<画面描述>。口播：「<口播文案2>」。配音：女声、亲切、中等语速",
    "镜3：<画面描述>。口播：「<口播文案3>」。配音：女声、亲切、中等语速"
  ]
}

可选 image_url 字段（图生视频 / i2v）：当用户提供「参考图」（如产品图、人物图、风格图）并要求据图生成动态画面时，在请求体追加 "image_url": "https://公开可访问的图片地址"。后端会将其作为 image_url 内容块发给固定网关模型（Doubao-Seedance-1.5-pro），实现图生视频。地址必须是公网可访问的 https 链接（本地路径或非公开图床无效）。

返回 HTTP 402 Payment Required + 响应头 WeixinPay-Required: <payment_code>，body 同时含独立 WeixinPay 节点与 payment_id：

{
  "WeixinPay": {
    "WeixinPay-Required": "<payment_code>",
    "prompt": "本次使用微信支付，请将 WeixinPay-Required 的值作为 paymentCode 交给 weixinpay_pay，以向用户申请支付授权。"
  },
  "amount": "4.80",
  "currency": "CNY",
  "description": "营销视频仿制: 1段",
  "payment_id": "<payment_id>",
  "segments": 1,
  "status": "generating"
}

步骤 2：处理付费响应

取 WeixinPay-Required 的值（即 payment_code）直接交给微信 AI 支付能力，无需解码、无需验签，不要手动调用 weixinpay_pay()。

步骤 3：获取付费内容

用户支付成功后，使用同一 payment_id 调用：

POST https://skillpay.shuzhinengliang.com/agent-pay/content
Content-Type: application/json
{ "payment_id": "<payment_id>" }

正常返回 { "status": "delivered", "result_url": "https://..." }。

步骤 4：重试机制（按 status 轮询，content 是异步状态机）

HTTP 200 不代表已出结果，必须读 body 的 status：

• generating（HTTP 200）或 GENERATING（HTTP 202，新增）：已支付、生成中，尚无结果。不是错误——等待数秒后用同一 payment_id 重新调 content，不要重新 invoke、不重复扣费。（后端已加生成锁，多次轮询不会重复触发生成）
• delivered（HTTP 200）：拿到 result_url，展示给用户。
• refunded / failed / expired（HTTP 200 或终态）：必须向用户明确展示 refund_reason 字段原文（如「第3段生成失败」「缺少分镜文案」），让用户知道失败原因与已自动退款；需重出则重新走 invoke 拿新 payment_id，旧 payment_id 不可复用。
• HTTP 402 code: "NOT_PAID"：用户尚未完成支付（注意用 code 字段判断，body 无 status），提示用户先完成授权后用同一 payment_id 重试。

幂等保证：同 payment_id 多次调 content 不会重复扣费、不会重复生成。

业务工作流（Agent 侧，前 4 步免费）

1. 定位输入：向用户收集品类 / 产品、目标人群、投放平台（抖音默认）、时长（用「镜数 × 5 秒」表达，如 3 镜 = 15 秒）、口播音色偏好（男声 / 女声、语速、情绪，默认推荐「女声、亲切、中等语速」）。
2. 原生搜索爬取爆款：用 WebSearch 爬取平台爆款文案（零成本，不调付费爬虫 API）。
3. 拆解套路：提取钩子类型、情绪杠杆、黄金 3 秒首句、中段、尾段号召、合规标记。
4. 生成分镜仿写预览：产出以「5 秒 / 镜」为单位的分镜表，展示给用户预览确认，不立刻计费。改文案 / 分镜只在这步，免费无限次。
5. 用户确认后出片：组装文案时必须把「画面描述 + 口播文案 + 音色提示」合并（格式见下方「prompt 组装规范」），再进入四步付费流程（invoke → 支付 → content 拿 result_url）。
   • 单段（segments=1）：用 prompt 字段传整段文案。
   • 多段（segments>1）：必须用 scripts 数组，每个元素是一段完整文案（画面+口播+音色），数组长度须等于 segments，缺一段会导致该段空文本、网关报错并自动退款。

prompt 组装规范（口播 + 音色必须并入同一文本）

后端接受两类输入：单段用 prompt 字段；多段用 scripts 数组（每段一条）。网关模型据每段文本一次生成「画面 + 口播语音」。因此 Agent 在调用 /agent-pay/invoke 前，必须把每段的「画面」「口播」「音色」三要素合并进该段文本（prompt 或对应 scripts[i]），缺一不可：

• 画面：场景 / 主体 / 运镜 / 光影描述
• 口播：用「口播：「…」」显式标出要念出的文案
• 音色：用「配音：<男声/女声>、<情绪>、<语速>」标出，例如「配音：女声、亲切、中等语速」

单段示例：

画面：冰镇椰子水瓶身挂满水珠特写，背景热带椰林虚化；慢动作倒出清透椰子水入玻璃杯，水珠飞溅、浅景深、明亮自然光。口播：「喝甜饮不如喝海南椰子水，0脂0添加，一口补满天然电解质」。配音：女声、亲切、中等语速。

✅ 口播语音由模型从 prompt 文本生成，音色提示经实测有效：男声/女声可明显区分（2026-08-18 同画面 A/B 双片实测确认）。个别细节（情绪、语速）仍属模型理解范围，若与所选略有出入属正常现象，非故障、不触发退款。

合规红线（自动卡 + 人工复核）

• 只学「结构 / 套路 / 情绪杠杆」，不抄原词、不用原素材。
• 农产品 / 健康品类：禁用「抗癌 / 防癌 / 治疗 / 治愈」等医疗功效词；「富硒」可讲成分，须有检测依据，不夸大。
• 禁用绝对化用语：最 / 第一 / 唯一 / 100% / 国家级。
• 不用真人人脸素材。

交付与增值

• result_url 为可访问视频链接（480p · 带口播人声 · 去水印）。口播音色按用户所选生成（男声/女声经实测可明显区分，2026-08-18 验证；细节以模型最终产出为准，不触发退款）。
• ① 自动下载到工作区（必须）：拿到 result_url 后，Agent 必须将视频片段自动下载到当前对话工作区（用 WorkBuddy 文件下载能力），不要只把链接甩给用户。多镜时依次下载全部片段，每个片段一个独立文件，命名如 片段1_5s.mp4、片段2_5s.mp4。
• ② 提示拼接（用户自决）：多镜成片下载完成后，Agent 必须主动提示用户：「是否使用 WorkBuddy 自带的免费拼接工具，将以上片段合并为一条完整视频？」——由用户自行决定是否拼接，Agent 不强制、不在未获同意时自动拼接。
• ③ 分辨率说明（务必口头告知用户）：本服务默认输出 480p。

注意事项（必备）

1. payment_id 是唯一串联凭证——invoke 和 content 必须用同一个，不要用 payment_code 取代。
2. 失败 / 过期状态不可复用旧 payment_id。
3. 结果以 result_url 返回后，必须自动下载到对话工作区（见「交付与增值」①），不要仅提供链接；下载完成后按 ② 提示用户是否拼接。
4. 不要拼接 URL——两个 API 端点必须严格按给定路径（/agent-pay/invoke、/agent-pay/content）。
5. 所有脚本 / 提示词生成在 Agent 侧完成；出片请求一律走云端付费端点，不在本地生成视频。
6. 当前后端模型为 Doubao-Seedance-1.5-pro（固定网关 ai.ctaigw.cn）；出片参数（分辨率 / 时长 / 画幅 / 水印 / 镜头固定）由后端以文末旗标传给模型，Agent 无需在 prompt 里手写这些旗标。