Infinite Creation

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install infinite-creation
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 infinite-creation。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

Infinite Creation 是一个本地的、端到端的创意智能体，用于将源材料转化为有声漫画剧或视频。它统筹了写作、角色与风格参考、图像与语音资产生成、分镜创作、逐镜头视频生成、审查以及使用 ffmpeg 进行的最终合成。
该项目将一个智能体与可复用的技能库及 ComfyUI 工作流结合在一起。你可以使用内置应用程序，在另一个智能体中调整记录在案的管道，或者连接你自己的图像、视频和语音工作流。Openclaw Skills 用户可以将其工作流用作构建可重复、多阶段创意生产的实用蓝图。

应用场景

将小说、剧本或粗略创意转化为有声漫画剧或短视频。
在制作前生成剧本、大纲、分镜、角色设定集和视觉风格指南。
使用规范的参考资产在多个镜头中保持角色外观和视觉风格。
利用 ComfyUI 图像工作流创建角色、场景和道具图像，包括服装或年龄变化。
使用配置好的 ComfyUI 工作流生成角色语音参考和镜头级视频。
连接自定义的文生图、图生图、参考生视频或文生语音工作流。
利用该项目的技能和记录在案的工作流规范，在另一个智能体中重建该管道。

工作原理

创建故事计划： 将小说、剧本或创意转换为包含标题、一句话简介、角色、场景、道具和分镜结构的大纲。
设定一致性锚点： 为角色外观、调色板、声音和服装创建 bible.md，为共享的艺术指导、光照、色彩和镜头语言创建 style.md。
生成资产： 使用相关技能准备图像提示词和语音设计，然后通过 ComfyUI 提交图像和 TTS 作业以获取角色、场景、道具和语音参考资产。
编写并组合镜头： 构建一个分镜，将连续的动作和对话组合成较长的镜头，而不是把每一行都拆分成单独的镜头。
准备视频提示词： 创建带有 MiniMax H3 参考标签的镜头级提示词，并提交配置好的带有视觉和音频参考的参考生视频作业。
审查与重试： 检查生成的镜头，并重试失败的镜头或需要改进的镜头。
合成结果： 用 ffmpeg 将镜头视频合并为成片。该工作流支持分阶段执行和恢复工作。

配置指南

前提条件
Node.js 22 或更高版本，包含内置的 node:sqlite 支持
pnpm 9 或更高版本
Bun，在安装过程中构建智能体核心所必需
用于合成最终视频的 ffmpeg
用于图像、视频和语音生成的 ComfyUI；默认 URL 为 http://127.0.0.1:8188
为你的环境配置的 LLM API 密钥和兼容的 ComfyUI 工作流
安装与运行
git clone https://github.com/SwotAtmk/infinite-creation.git
cd infinite-creation
pnpm install
pnpm run install:skills
cp config.example.json config.json
pnpm run dev
编辑 config.json 以设置 llm.apiKey 和 comfyui.baseUrl。技能安装命令是可选的；仓库中包含 MiniMax H3 技能的离线快照。开发服务器默认使用 4600 端口，可通过 http://127.0.0.1:4600 访问。
验证安装
pnpm test
curl http://127.0.0.1:4600/api/health
健康检查端点应返回一个 ok 设置为 true 的对象。如果智能体核心构建失败，请安装 Bun 并尝试 pnpm run build:agent。如果生成失败，请检查 ComfyUI 是否正在运行以及 comfyui.baseUrl 是否正确。如果 4600 端口不可用，请更改 config.json 中的 server.port 或设置 PORT。

数据架构

项目与工作流数据
该项目使用 node:sqlite 作为其数据库，并将可复用技能存储在 skills/ 中。每个技能是一个子目录，包含一个带有 YAML 前言字段 name 和 description 的 SKILL.md；可选的 references/ 文件提供额外的规范。技能按名称加载，单个引用可以单独加载。
数据或元数据 用途
bible.md 角色身份锚点，例如外观、调色板、声音和服装。
style.md 共享的视觉方向，包括艺术风格、光照、色彩和镜头语言。
故事大纲 JSON 标题、一句话简介、角色、场景、道具和分镜结构。
分镜镜头 镜头级场景、镜头运动、光照、视觉效果、对话以及 sub_shots 时间轴。
skills/ 可复用的工作流说明，包括主要的小说转视频管道以及专门的写作和生成技能。
workflows/ 已注册的 ComfyUI 工作流定义；注册的工作流也会记录在数据库中。
工作流规范 将语义角色映射到 ComfyUI 节点字段，并描述媒体绑定、输出节点以及要修剪的节点。
工作流规范字段
roles：将诸如提示词、尺寸、种子、持续时间、图像、文本、声音描述和文件名公共前缀等语义输入映射到 ComfyUI 节点和字段；可选的 map 值用于转换枚举。
media：对于参考媒体工作流，标识目标节点和媒体字段、加载器节点、可复用媒体池，以及图像和音频/视频参考的限制。
outputs：标识输出节点类型，例如 SaveImage、SaveVideo 和 SaveAudio。
prune：列出要移除的节点 ID，例如未使用的硬编码参考输入或被取代的提示词链。
支持的工作流类型包括用于文生图的 t2i、用于图生图或编辑的 i2i、用于参考图像/音频生视频的 r2v，以及用于语音生成的 tts。

高级特性

可复用技能路由：
通过任务关键词将请求路由到技能；当没有更具体的技能匹配时，使用
novel-to-video
作为默认的端到端管道。这使得技能库可以移植到其他 Openclaw Skills 工作流中。
专业生产技能：
核心库包含用于故事管道、图像提示词、MiniMax H3 视频提示词和 TTS 语音设计的技能，以及额外的写作和创意生成技能。
自定义 ComfyUI 工作流注册：
将工作流 JSON 粘贴到应用程序中以分析节点、推断角色、注册工作流并生成可路由的技能草稿。或者，手动映射工作流角色、媒体绑定、输出和修剪规则。
多种生成模式：
配置独立的文生图、图生图、参考生视频和文生语音工作流，包括参考媒体和输出节点映射。
镜头级审查与重试：
审查单个镜头并重新生成失败或不令人满意的结果，而无需重新启动整个生产过程。
分阶段且可恢复的生产：
运行选定的管道阶段并恢复中断的工作；项目隔离有助于保持独立的创意工作井然有序。
带集成的本地管道：
通过 ComfyUI REST/WebSocket 通信、SQLite 数据库和 ffmpeg 合成，协调 Next.js 应用程序和智能体。

name: infinite-creation description: 本地全链路「小说/剧本 → 漫剧/短视频」创作 Agent 解决方案。三种用法：①启动本项目一键跑；②不启动本项目，Agent 按本规范 + skills/ 技能库复刻全流程（剧本→人物圣经/风格→资产生图→分镜→逐镜视频→合并成片）；③接入用户自定义的文生图/图生图/视频/语音 ComfyUI 工作流。当用户要克隆/安装/启动本项目、或用本项目方案生成漫剧/短视频、或接入自定义工作流时使用。

Agent无限创作 · 本地全链路漫剧/短视频创作 Agent 解决方案
一、项目介绍

把小说/剧本全自动生成带语音的漫剧/短视频成片，不限时长。本地跑通「ComfyUI（MiniMax H3 视频 + Qwen-Image 2.1 文生图/图生图 + Krea2 + Qwen3-TTS）+ Agent + Skill」的全链路。

核心流程（也是本方案可复刻的方法论）：

小说/剧本/想法
→ 剧本 + 大纲
→ 人物圣经（bible）+ 风格指南（style） ← 一致性锚点
→ 人物/场景/道具/语音资产生成
→ 分镜脚本（长镜头聚合，不拆碎）
→ 逐镜视频（MiniMax H3 Ref2VA，参考图 + 参考音 → 带语音视频）
→ 自审重试
→ ffmpeg 合并成片

核心能力：无限视频时长、自动分镜、项目隔离、人物一致性（canonical 参考图跨镜复用）、技能系统、自迭代技能工厂（工作流 → 技能）、断点续跑、分镜级审查/重生成、分阶段运行、显存维护、在线预览。

技术栈：Node.js（Next.js 自定义 server）+ node:sqlite + ComfyUI REST/WebSocket + ffmpeg；Agent 自研 ReAct 循环；前端 Next.js 15 + React 18。

二、快速启动（启动本项目）
前置要求
依赖 最低版本 用途
Node.js ≥ 22 内置 node:sqlite
pnpm ≥ 9 依赖管理
Bun 最新 pnpm install 时自动构建 Agent 内核
ffmpeg 最新 合并成片
ComfyUI — 生成图片/视频/语音必需（默认 http://127.0.0.1:8188）
安装 / 配置 / 启动 / 验证

git clone https://github.com/SwotAtmk/infinite-creation.git

cd infinite-creation
pnpm install # 自动构建 Agent 内核（首次较慢，需 bun）
pnpm run install:skills # 可选：拉取 MiniMax-H3 官方技能（仓库已含离线快照）

cp config.example.json config.json # 填 llm.apiKey 与 comfyui.baseUrl

pnpm run dev # 单端口 4600，打开 http://127.0.0.1:4600
pnpm test # 单元测试

curl http://127.0.0.1:4600/api/health # 期望 {"ok":true}

常见问题

「未检测到 bun」→ 先装 Bun（https://bun.sh）
Agent 内核构建失败 → pnpm run build:agent
生成不了图片/视频 → 确认 ComfyUI 已启动且 comfyui.baseUrl 正确
端口占用 → 改 config.json 的 server.port 或设 PORT
三、全链路流程（可脱离本项目复刻的方法论）

本节是核心方案。不启动本项目时，Agent 可照此流程 + skills/ 技能库，在任意环境实现同样的「小说 → 视频」。

四阶段调度（本项目内由生成页勾选；复刻时按同样顺序编排）：

阶段 做什么 依赖 产出
llm 文本创作 写人物圣经/风格、资产提示词、拆分镜、写视频提示词 LLM 大纲、bible/style、分镜、prompt
image 资产生图 人物/场景/道具出图 ComfyUI 文生图/图生图 角色三视图、场景图、道具图、服装/年龄变体
tts 音色设计 人物音色样本 ComfyUI TTS 每个角色的 voice_ref
video 分镜视频 逐镜出带语音视频 + 合并 ComfyUI r2v + ffmpeg 分镜视频、成片

分步约定（与 skills/novel-to-video/SKILL.md 一致）：

剧本/大纲：输入小说或想法 → 产出 title/logline/characters/scenes/props/storyboard 大纲 JSON。
一致性锚点：bible.md（每个角色唯一外貌/配色/声音 + 衣橱）+ style.md（统一画风/光线/色调/镜头语言）。
资产生成：先加载 image-prompt-writing 写图片提示词、tts-voice-design 写音色参数，再统一批量提交（文生图人物/场景/道具，图生图换装/年龄变体，TTS 音色）。
分镜脚本：加载 story-pipeline-cn 按「长镜头聚合」拆分（同一场景连续动作+多句对白合并，禁止一句一镜），字段含景别/运镜/光线/画面/对白/sub_shots 时间轴。
视频提示词：加载 h3-prompt-writing，逐镜写 MINIMAX_H3_REF_N 参考标签 + 英文平铺提示词，再整章批量生成。
自审重试：逐镜自审、失败重试。
合并导出：ffmpeg 合并成片。
四、技能库与使用规范
技能发现与加载
技能库在 skills/ 目录：每个子目录一份 SKILL.md（YAML frontmatter：name + description）+ 可选 references/（细分规范）。
本项目内加载：skill(name) 读技能正文，skill_reference(name, ref) 读单个参考文件。
脱离本项目时：直接把 skills/ 当作可移植技能包使用（每个 SKILL.md 自带触发条件与执行步骤）。
路由规则：按任务关键词路由到对应技能；未命中时默认走 novel-to-video（总流水线）。
核心流程技能（5 个，必读）
技能 用途 调用时机
novel-to-video 总流水线（全链路编排） 用户要「小说 → 成片」
story-pipeline-cn 小说→剧本→分镜拆分（模式 A/B/C） 写剧本、拆分镜
image-prompt-writing 图片/图生图提示词规范 写资产生图/换装/年龄提示词
h3-prompt-writing MiniMax H3 视频提示词 + 参考标签规范 写逐镜视频提示词
tts-voice-design 人物音色设计规范 设计人物音色
其余技能库（按类别）
剧本/编剧：0715-scriptwriter、script-master、novel-to-skitscreenplay、novel-to-storyboard、hf-drama-storyboard-script。
漫剧创作：manga-drama-generator、manju-director-agent、ai-manga-planner、comic-drama-generator、manga-full-stack、script-to-manga、cinematic-ai-comic-director、micro-drama-creator。
一致性/其它类型：era-consistency-optimizer（年代一致）、3d-animation-short-generator、papercraft-stop-motion-explainer、paper-collage-explainer-generator、music-video-subtitle-generator、minimalist-product-ad-generator、handdrawn-live-video-generator、co-op-game-intro-generator、brand-promo-video-generator。

（完整 27 个技能以 skills/ 目录实际为准，每个 SKILL.md 的 frontmatter description 是权威触发条件。）

五、自定义工作流接入

用户若有自己的 ComfyUI 工作流，可按四类 kind 接入，替代默认工作流：

kind 含义 典型产出
t2i 文生图 角色/场景/道具图
i2i 图生图 / 图像编辑 换装、年龄变体、参考图派生
r2v 参考图/参考音 → 视频 分镜镜头视频
tts 音色/语音 人物 voice_ref
工作流规格（Workflow Spec）

每个工作流用一个「规格」描述如何往 ComfyUI JSON 里写参数。核心字段：

roles：语义角色 → { node, field, map? }。常见角色：positive_prompt/negative_prompt/width/height/seed/seconds/resolution/aspect_ratio/image/text/voice_description/filename_prefix；map 用于枚举值翻译（如 '16:9' → '16:9 (Widescreen)'）。
media（可选，r2v 必需）：参考素材绑定 —— targetNode + mediaField/fieldsByType + loaders（LoadImage/LoadAudio/LoadVideo）+ reusePool + maxImages(≤9)/maxAudioVideo(≤3)。
outputs：产物节点类（SaveImage/SaveVideo/SaveAudio/SaveAnimatedWEBP…）。
prune：需删除的节点 id（模板自带硬编码占位参考图/音、被覆盖的 LLM 改写链）。

参考示例见 lib/core/workflow-specs.js 的 DEFAULT_SPECS（内含 MiniMax H3 r2v、Qwen-Image 2.1/Krea2 t2i、Qwen-Image-Edit i2i、Qwen3-TTS tts 的完整规格）。

两种接入方式

方式 A · 启动本项目（推荐，自动）：工作流页粘贴 ComfyUI 工作流 JSON → 「分析节点/角色」→「注册工作流 + 生成技能」。系统会：解析节点（加载器/提示词/尺寸/种子/保存）→ 推导规格 → 注册到 workflows/ + DB → 调用 LLM 起草 SKILL.md 并安装为可路由技能 → Agent 立即可当新「工作模式」调用。

方式 B · 不启动本项目（Agent 手工映射）：Agent 按上方「工作流规格」字段，把用户提供的 ComfyUI JSON 手动整理成规格（roles/media/outputs/prune），再复刻 workflow-runner 的「克隆模板 → 写 roles 参数 → 绑定 media 参考 → prune 无效节点 → 提交 ComfyUI」流程。解析逻辑参考 analyzeWorkflow()（识别 LoadImage/LoadAudio/LoadVideo、Save*、KSampler、prompt/text 字段、seed、尺寸）。

六、使用方式小结
要跑本项目：见「二、快速启动」。
要脱离本项目、在自己 Agent 里实现同样方案：读「三、全链路流程」+ 用「四」的 skills/ 技能库，按五接入自己的工作流。
要用自己的文生图/图生图/视频/语音工作流：见「五、自定义工作流接入」。

List Your Series

小红书记录整理器