DirectorSkills

10 本影视制作全流程书籍 + 1 个跨书参考库 → 98 个可执行 AI skills

---

为什么做这个项目

AI 正在重塑影视制作流程——从剧本生成到镜头设计、从调色到声音，每个环节都可以被 AI agent 辅助甚至独立完成。但目前的 AI 影视工具缺乏结构化的专业知识库：它们能执行指令，却不懂"为什么这样拍更好"、“什么情况下不该用这个技巧”。

DirectorSkills 把经典电影教材的核心方法论蒸馏成结构化、可被 AI agent 直接调用的 skills。每个 skill 包含：

• 原文引用 — 来自权威教材的具体引文，可溯源
• 方法论解读 — 从"知道"到"会用"的关键转化
• 实战案例 — 真实电影场景中的应用
• 触发条件 — 什么时候该用，什么时候不该用
• 可执行步骤 — agent 拿到就能执行的 1-2-3 步
• 失败模式 — 常见错误和作者盲点，避免踩坑

目标用户：影视 AI agent 开发者、prompt 工程师、影视教育工作者。

---

为什么选这 10 本书

选书标准：每一本都是该领域公认的方法论标杆，而非泛泛的入门读物。10 本书覆盖从剧本到成片的完整制作链路，每本书对应 AI 影视生成工作流的一个关键环节。

---

为什么用这些 skills

vs 直接问 ChatGPT

vs 手动 prompt engineering

• 98 个 skill 覆盖全链路，不需要为每个场景重新写 prompt
• related_skills 交叉引用，agent 可以自动发现关联方法论
• 已通过 Darwin 质量审计（平均 8.9/10），经过结构化验证

---

Quick Start

git clone https://github.com/geegl/directorskills.git
cd directorskills

核心内容在 output/books/ 下。每个 skill 是一个自包含的 SKILL.md 文件，可单独使用。

使用方式

1. 浏览 output/books/ 找到你需要的领域（如 color-grading/）
2. 进入具体 skill 目录（如 color-grading-contrast-before-color/）
3. 读取 SKILL.md — 这就是完整的、可被 agent 调用的 skill

---

覆盖范围

附录： camera-lens-anchoring — 专业影视摄影机镜头锚定库（跨书综合 + 行业实践，1 skill）

总计 98 个 skills（97 书蒸馏 + 1 跨书参考）

---

Skill 格式参考

每个 skill 遵循 RIA-TV++ 六段格式，存储在 SKILL.md 中。

YAML Frontmatter

---
name: scene-transition-binary-opposition
description: |
  当用户需要通过场景对比制造戏剧张力时调用。核心 trigger：场景对比、二元对立。
source_book: 《大师场景：顶级场景转换术》 Jeffrey Michael Bays
source_chapter: 第2章, 第5章
tags: [场景转换, 二元对立, 场所选择, 对比, 叙事]
related_skills:
  - composes-with: scene-transition-four-function-diagnosis — 四功能诊断确定转换目的
  - contrasts-with: scene-transition-weather-contrast — 二元对立是通用工具
---

六段结构

test-prompts.json

每个 skill 配套一个 test-prompts.json，包含 should-trigger 和 should-not-trigger 测试用例：

[
  {
    "id": "should-trigger-01",
    "type": "should_trigger",
    "prompt": "两个场景怎么对比才有张力？",
    "expected_behavior": "激活，解释二元对立方法"
  },
  {
    "id": "should-not-trigger-01",
    "type": "should_not_trigger",
    "prompt": "场景内部的灯光怎么布置？",
    "expected_behavior": "不激活，这是灯光问题"
  }
]

---

集成示例

导入 AI Agent 系统

每个 SKILL.md 是自包含的，可以直接作为 agent 的知识库使用：

import yaml
from pathlib import Path

def load_skills(books_dir="output/books"):
    skills = {}
    for skill_file in Path(books_dir).rglob("SKILL.md"):
        content = skill_file.read_text()
        parts = content.split("---", 2)
        if len(parts) >= 3:
            meta = yaml.safe_load(parts[1])
            skills[meta["name"]] = {
                "metadata": meta,
                "content": content,
                "path": str(skill_file),
            }
    return skills

# 使用
skills = load_skills()
# 根据用户输入匹配 skill
user_input = "怎么用灯光营造神秘感？"
for name, skill in skills.items():
    desc = skill["metadata"].get("description", "")
    tags = skill["metadata"].get("tags", [])
    if any(t in user_input for t in tags):
        print(f"匹配: {name}")
        print(skill["content"])
        break

作为 Prompt 模板

直接将 SKILL.md 的内容注入 agent 的 system prompt，或在用户请求时动态加载对应 skill 的 R/I/A1/A2/E/B 各段。

---

目录结构

output/books//
├── BOOK_OVERVIEW.md       # 全书概览
├── INDEX.md               # skill 间链接索引
├── verified.md            # 通过验证的候选列表
├── candidates/            # 提取的候选 skills
├── rejected/              # 淘汰的候选（含淘汰理由）
└── /
    ├── SKILL.md           # 核心：结构化 skill
    └── test-prompts.json  # 测试用例

---

质量保证

所有 skills 经过 Darwin Skill 质量进化优化，采用 10 维评分体系（每维 1.0 分，总分 10.0）：

审计结果：98/98 skills 全部通过，路由测试 659/659 (100%)。

---

开发工具

蒸馏过程使用了两个开源 skill 作为工具：

这些是开发过程中的工具，不包含在本仓库中。

---

许可证

MIT License

---

版权说明

本仓库仅包含蒸馏后的结构化 skills 和方法论文档，不包含任何原始书籍内容（PDF、OCR 全文等）。所有 skills 的 source_book 字段标注了原书信息，尊重原作者版权。