我把做视频里最烦的那些活儿，拆成了十五个 skill

我把做视频里最烦的那些活儿，拆成了十五个 skill

上周我录了一期《逐浪 AI》播客，一个多小时。

录完，我想干三件事：从里面剪三四条短视频发视频号；把讲得最清楚的一段配上西班牙语——我在学西语，想听听自己的话用西语说出来是什么样子；最后把成品传到 YouTube。

放在两年前，这是我一整天的活儿。而且是我最不喜欢的那种活儿——重复、琐碎、每一步都得我亲手点鼠标。

现在我做的事情变了。我把要做的事，用一句话说给 Claude 听，它去调用我写好的那些 skill，自己跑完。

这十五个 skill，名字都以 wjs- 开头——就是我名字拼音的缩写。今天我想把它们怎么用，讲清楚。

一、先说清楚：它不是一条流水线，是一组"工位"

你可能会以为这是一条焊死的流水线：视频进去，成品出来。

不是。它是一组工位。

每个 skill 只做一道工序。你可以让它们一个接一个跑完整条线，也可以只点亮其中某一个。

有个细节是我故意这么设计的：每个 skill 的名字，都是一个"动作"。transcribing（转写）、translating（翻译）、dubbing（配音）、burning（烧字幕）、segmenting（切片）、overlaying（叠加）、reframing（转横竖屏）……

为什么？因为一个 skill 想做的事情越少，它就越靠得住，也越容易跟别的 skill 接上。一个 skill 的名字，其实就是它对外的接口。

十五个，我把它分成五组。

二、第一组：把视频换一种语言（5 个）

这一组是给视频做"本地化"的——比如把我一段中文播客，变成带西语字幕、甚至西语配音的视频。

wjs-transcribing-audio —— 把音频或视频转成带时间戳的字幕（SRT）。中文走豆包的识别，其他语言走 Whisper。你就说"帮我把这个视频转成字幕"。

wjs-translating-subtitles —— 把字幕翻成另一种语言，会按标点重新断句，让每一句字幕在该断的地方断。要中英双语也行。

wjs-dubbing-video —— 按翻译好的字幕，生成对得上时间的配音，让视频真的"说"那门语言。

wjs-burning-subtitles —— 把字幕烧进画面，或者做最后的合成：字幕、配音、原声垫底，一次编码完成。

wjs-localizing-video —— 上面四个的总调度。你要"一条龙"，就用它；只要单独一步，就直接点那一步。

这里有个我自己的用法心得：能直接用子 skill，就别用总调度。 你说"帮我把这个西语视频做成中文字幕加配音"，用 wjs-localizing-video；但如果你只是想要一个字幕文件，直接说"转写"就好。少绕一层，边界更干净。

三、第二组：把一条长视频，变成能发的短视频（3 个）

wjs-segmenting-video —— 把一个多小时的访谈、讲座、播客，按主题切成 3 到 6 条能独立成立的短片。它只负责"切"，切完交给下一棒。

wjs-overlaying-video —— 做后期：加 AI 生成的封面、跟着字幕走的动态字幕、关键处的动画、章节小标签、片尾的关注引导。它接在切片后面，把毛坯片变成能直接发的成品。

wjs-reframing-video —— 横屏转竖屏（或者反过来）。它不是简单裁中间，是会追着"正在说话的那个人"裁——靠的是嘴在不在动。所以画面里有好几个人，镜头也不会跟丢。

四、第三组：多机位（2 个）

我录播客经常是好几个设备同时录——一台相机、一个单独的录音笔。

wjs-syncing-multicam —— 把这几路录音录像对齐到同一条时间线上。它只产出一个很轻的 .sync.json 小文件，原始素材一帧都不动。

wjs-editing-multicam —— 在对齐之后，把多个机位合成一条片子，按声音大小自动切机位，还能加个画中画。

五、第四组：发出去（3 个）

东西做好了，得发出去——这一步也常常是最磨人的。

wjs-uploading-video —— 批量传 YouTube。标题、简介、标签可以从一个 UPLOAD_META.md 文件里读，不用一个个填。

wjs-publishing-wechat —— 写或者发公众号文章：润色、配题图、配解释图，准备好上传到后台。说句实话，这篇文章本身，就是用它在帮我。

wjs-promoting-skills —— 帮我把这些 skill 本身推广出去：研究别人怎么在 skill 市场上做营销，生成推广计划，自动发推。

六、第五组：两个不做视频的（2 个）

wjs-auditing-project —— 当我觉得"这个项目好像哪里不对、但说不清"的时候，让它做一次体检：没合并的分支、卡住的 PR、挂掉的自动构建、计划和现实的偏差……它先只看不动，列一张清单给我，我点头了它才动手。

wjs-eating-and-growing —— 这个最特别，它不是干活的，是陪我反思的。我栽了一个跟头、或者发现自己又一次掉进同一个坑，就用它走四步，把"吃过的堑"真的变成"下次的一个具体动作"。

七、那到底怎么"用"？

讲了半天每个 skill 做什么，说回最实际的问题——你怎么把它叫出来。

其实就两种方式。

第一种，你什么都不用记，直接说人话。 你跟 Claude 说"帮我把这个视频切成几条短视频"，它自己会认出来该用 wjs-segmenting-video。每个 skill 的说明里我都写了一串触发词——“切成几段"“做 SRT"“加封面"“横转竖”——你说到了，它就醒了。

第二种，你明确知道要哪个，就直接打 /wjs-用途。 比如 /wjs-transcribing-audio。

我自己 90% 的时候用第一种。因为我常常不记得 skill 的全名，但我永远记得我想干什么。

回到开头那期播客。我实际做的，是这样一句话一句话喂过去的：

把这个录音转成字幕 → 切成四条短视频 → 第二条横转竖 → 给它们加封面和字幕 → 把讲 AI 教育那段配上西语 → 全部传到 YouTube。

中间我去江边跑了个步。回来，活儿干完了。

八、几个我自己踩过的点

一是，每个 skill 只做一件事，是优点，不是麻烦。 你可能会嫌"为什么不做成一个按钮”。但我宁可要十五把只做一件事的刀，也不要一把号称什么都能干的瑞士军刀——前者每一把都快，而且坏了好修。

二是，先想清楚你要的是哪一步。 这套东西最容易的误用，是不管要什么都喊"总调度”。其实你要的常常只是中间某一步。

三是，它替代的是手，不是判断。 切成几条、留哪几段、封面什么调性——这些还是我定。skill 把我从"点鼠标"里解放出来，不是从"想清楚"里解放出来。这两件事，我一直分得很清楚。

做完这一圈，我自己最大的感受不是"快了”。是另一件事：那些我一直拖着不想做、因为太烦的事，现在我愿意做了。一期播客以前我可能懒得剪，现在顺手就剪了。能做的事情变多，往往不是因为你变强了，是因为某件事的"门槛"被人搬走了。

这十五个 skill，就是我给自己搬门槛的方式。

后注：这些 skill 都已经发布在我的 claude-skills 仓库里了，名字以 wjs- 开头的就是。如果你也用 Claude Code，可以直接拿去用——有不顺手的地方，告诉我，我们一起改。毕竟，它们也是一天一天长出来的，还没长完。