《收藏榜》～10 个 AI Skills，按任务选才好用：用法、提示词和避坑一次讲清

最近看到一份「本周最火的 10 个技能」清单，里面有出图、做视频、生成音乐，还有找需求和设计手机界面的。

名字看着都挺厉害。但真准备动手的时候，我更想弄清楚几件事。

这几个做视频的，到底有什么区别？装好以后还要配什么？我只是想做一张封面，有没有必要把整套东西都装上？

我自己做 AI 应用、搭工作流，也写内容。看这类工具，我比较关心它能接住哪一步：我已经有了什么素材，想拿到什么结果，中间还差什么。

所以这次，我按实际任务把这 10 个 Skills 重新整理了一遍。

我的建议是，拿手头一个小任务来选。先做出一张能用的图，或者一段能用的视频，再考虑往后接。

下面会讲每个适合干什么、怎么开口，以及我觉得上手前应该知道的小技巧。提示词可以直接拿去改，安装入口也放在后面。

先交代一下范围：这篇根据开源仓库和工具文档整理，查阅日期是 2026 年 10 月 12 日。我没有把这 10 个全部付费跑一遍，所以不会把文档能力写成亲测结果。原文的热度统计口径没有核实，这里也不继续排「第一名」。

先看手里有什么，再决定从哪个开始

你已经有一张图片，想让它动起来，可以先看 image-to-video。

你只有一段文字，想生成视频，可以看 ai-video-generation。它的范围也包括图生视频，并不只认文字。

如果人物图、产品图和运镜参考都准备好了，就看两个参考生视频的技能。已有视频需要改背景或风格，再看 video-edit。

出图、音乐、需求研究和手机界面设计，则各有自己的入口。

先把输入分清楚，再看工具名字，会容易很多。

今天要交什么？对着任务找Skill

出图和做视频，这 8 个各自接哪一步

image-to-video：手里已经有图，先让一个动作成立

它会根据需求，在接入的视频模型里选择路线。拿一张人物图做动画，和拿一张人物图配已有录音对口型，用的路线可能不同。项目说明

对做内容的人来说，可以从一张封面、插画或有权使用的产品图开始。

比如这样说：

用 image-to-video 处理我提供的图片。先做 5 秒测试：人物轻轻抬头看向镜头，镜头缓慢推近。保留原来的脸型、衣服和背景，不增加文字。先说明准备使用的模型、能否输出这个时长，以及预计费用，确认后再生成。

我建议第一条只安排一个主体动作，再配一个简单运镜。把挥手、转身、走路和切镜头全挤进几秒里，出了问题也不容易判断该改哪里。

人物是否保持一致，要看生成结果。提示词写了「保留脸型」，还得逐帧检查。

seedance-2-5-image-to-video：已经决定用这个模型，再走专门入口

它和上面的区别，是路线已经指定为 Seedance 2.5 的图生视频接口。

这里有个原文需要更新的细节。我读到的当前仓库版本，默认指向 720p、4～30 秒、单张图片输入，画面比例跟随输入图片。原文写的「一上来就是 1080P」不能直接套到当前这份 Skill 上。当前技能文档

想试一段产品展示，可以这样说：

用 seedance-2-5-image-to-video，让这张产品图生成 5 秒视频。产品保持静止，镜头从正面缓慢靠近，光线自然变化，不增加零件和文字。先核对当前接口的分辨率、输入字段和费用，再给我执行方案。

小技巧是，先把原图裁成最终想要的横竖比例。输入还是横图，就别默认它能直接给你构图合理的竖屏视频。

模型名称相近，也要核对具体接口。图生视频和参考生视频，未必接受同一套参数。

ai-image-generation：从封面草图开始，把出图要求说具体

这个技能负责生成和编辑图片，也会根据任务选择模型。做文字海报、改现有图片和画人物，对模型的要求不一样。项目说明

我会先拿一张文章配图来试，而不是一次生成十张。

为一篇介绍 AI Skills 的文章制作横版封面。我会提供人物参考图，请保留同一人物。左侧放标题「10 个 AI Skills，先用哪一个？」，右侧是人物挑选图片和视频素材的场景。蓝白主色，文字区干净。先告诉我选哪个模型、是否支持参考图，以及预计费用。

这里最值得写清楚的，是哪些必须保持，哪些可以改变。

比如「脸型和发型不变，动作可以调整」「只换背景，产品包装上的文字不动」。改完再对照原图看。

中文标题也要逐字读一遍。生成图看着漂亮，漏一个字，照样不能直接发。

wan-3-0-prime-reference-to-video：多份素材，先交代各自的用途

这个入口可以组合参考图片、视频和音频。仓库文档列出的上限是 10 张图片、5 段视频、5 段音频；具体使用仍要核对当次接口。项目说明

素材多的时候，我会先给每份素材分工。

Image 1 用来确定人物长相和衣服；Image 2 只参考场景；Video 1 只参考镜头推进速度。先做一段 5 秒测试，人物从画面右侧走到桌前，不改变服装。生成前列出素材分工、参数和预计计费时长。

参考图彼此矛盾时，模型也会面临取舍。人物图里穿绿衣服，风格图里的人穿红衣服，就要明确后者只参考色调，别把衣服也带过去。

还有一个容易漏掉的成本：这个接口的文档写明，参考视频时长也会参与计费。只需要其中几秒的运镜，就先把无关片段裁掉。

seedance-2-5-reference-to-video：做系列内容，复用一套明确的参考

它也是多素材参考路线，适合围绕同一人物或产品做多个镜头。当前文档包含 1080p 交付接口，也给出了先用 480p 验证参考组合的做法。项目说明

比如做一个固定人物的系列短片：

用同一套人物设定图，规划三个镜头：走进房间、在桌前整理资料、抬头看镜头。先只测试第一个镜头，保持同一套衣服和发型。先检查低分辨率接口是否可用，并分别说明测试版和交付版的费用。

这个做法的重点，是先验证人物和动作能不能成立。第一段人物已经变了，就先修第一段。

低分辨率测试满意后，还要检查高清版。重新生成可能出现差异，不能默认只是把同一段视频变清楚了。

ai-video-generation：没有现成图，也可以从一个镜头开始

它是范围更广的视频生成入口，可以根据需求选择文生视频、图生视频等路线。项目说明

如果只是给文章或口播配一个说明性镜头，不一定先单独做图。

用 ai-video-generation 规划一个 6 秒横屏镜头：傍晚的小书店，窗边的书页被风轻轻翻动，镜头固定，保留轻微环境声，不要配乐和字幕。先检查哪些模型支持这些要求，给一个测试方案和报价。

我的建议是，一条提示词先描述一个镜头。需要从书店切到街道，再切回人物，就先拆开写清楚各段，再判断由哪个工具生成和拼接。

video-edit：主要改视频画面，用之前先核对任务

这个名字容易让人以为，它能接手全部剪辑。

但我读到的文档，主要介绍的是换背景、换风格、换装和动作迁移。例如保留一段视频里的动作，把画面调整成另一种视觉效果。项目说明

更贴合它的需求是：

用 video-edit 检查这段视频是否适合修改背景。保留人物面部、动作和口型，只把背景改成简洁的摄影棚。先说明支持的视频长度、画质限制，以及哪些地方可能发生变化，暂不生成。

如果需求是「删除第 8～12 秒」「把三段素材拼起来」「加字幕并压低背景音乐」，就要另外确认剪辑工具。不能只凭一个 edit，就以为这些操作都包含了。

先区分是改画面，还是改时间线，能少走一段弯路。

ai-music：配背景音乐，先告诉它要配什么

这个技能提供音乐生成的模型选择，也包含局部修补、延长音乐的路线。项目说明

给口播配乐时，光说「来一段好听的音乐」，很难判断结果是否合适。

做一段 30 秒的教程口播背景音乐，无人声，节奏平稳，乐器以轻钢琴为主，不要突然变响，结尾自然收住。先推荐适合测试的模型和费用方案，再生成。

拿到音乐后，要把它和口播一起听。单独听很抓耳，垫到说话声下面，可能就太抢了。

如果准备商用，还需要查看所选服务与套餐的使用条款。AI 生成这件事本身，不能替你完成版权和授权检查。

另外两个，一个帮你看需求，一个帮你把界面做出来

reddit-automation：读具体问题，再起草回复

这个技能来自 flowkit-labs/skills。当前文档强调分析相关帖子、起草有帮助的回复，并如实说明自己与产品的关系。它本身不登录账号，也不替你自动发布。项目说明

对做小工具的人，我觉得可以先用它理解需求。

这是我的产品介绍，以及 5 条我找到的 Reddit 讨论链接。请找出哪些问题是我的产品确实能解决的，引用对方的具体需求，再选出最多 3 条适合回复的帖子。只写草稿，不发布。提到产品时说明我是开发者，没有做过的事不要写成使用经历。

小技巧是，把「这个人到底卡在哪里」放在前面。对方需要批量处理一百个文件，你只会处理一个，就别急着塞链接。

能否找到更多帖子，还取决于你使用的 Agent 有没有可用的搜索或浏览能力。装一份写作流程，不等于搜索和账号都自动接好了。

design-mobile-apps：先画清一个用户要完成的动作

原清单里的这个名字，需要留意当前安装名。Sleek 官方仓库目前的技能名是 sleek-design-mobile-apps，通过 Sleek 服务创建、修改手机界面，并获取设计的 HTML 和渲染图，需要单独的服务授权。当前技能文档

比如想做一个内容选题工具：

用 Sleek 设计一个手机端选题收集工具，先做首页、添加选题、选题详情三个页面。用户的主要动作是快速记下灵感。请同时考虑第一次打开没有内容、正在保存、保存失败这几个状态。先给出设计方案和服务费用说明，确认后再创建。

我会在提示词里补上这些「不顺利的时候」。真正用一个应用，迟早会碰到加载慢、没有数据、输入错了。

设计图出来后，还要接功能、存数据、测试。界面能看，不代表应用已经可以交付。

安装之前，先分清是哪个仓库

原文前面那条统一安装命令，适用于它列出的 8 个 RunComfy 媒体技能。Reddit 和 Sleek 要用各自的仓库。

如果你已经有 Node.js、npm，以及能使用 Skills 的 Agent，可以先列出媒体仓库的技能，看看当前实际提供了什么：

npx skills add genmedia-labs/skills --list

比如只准备试出图，再安装这一项：

npx skills add genmedia-labs/skills --skill ai-image-generation

skills 工具支持按名称选择、列出技能，以及安装到项目或用户目录。初次尝试可以放在一个专门的测试项目里；需要跨项目使用时，再考虑 -g。Skills CLI 文档

上面 8 个媒体技能还依赖 RunComfy CLI 和账号。按文档配置后，才能由它调用云端模型：

npm i -g @runcomfy/cli runcomfy login runcomfy whoami

登录用于连接账号，whoami 用来检查当前身份。接下来还要确认余额和模型价格，检查输入素材是否满足要求。Skill 文件的开源许可，不等于云端生成免费。RunComfy CLI 说明

另外两项分别是：

npx skills add flowkit-labs/skills --skill reddit-automation npx skills add sleekdotdesign/agent-skills --skill sleek-design-mobile-apps

Sleek 需要自己的账号授权，不走 RunComfy 登录。安装名以后可能变，遇到找不到技能，先用对应仓库的 --list 检查。

这些是按当前文档整理的安装方式，本篇没有替你安装或开通付费服务。安装前先读 Skill 内容，看看它准备调用什么服务、操作什么文件。

我会怎样把它们接进一个小任务

假设现在要给一篇文章做一张封面，再做一段短视频预告。

我会先写清文章想回答的问题，确定封面那句问话。接着只做封面，检查标题、人物和构图。图片确定后，再拿它试一个简单动作；确实需要配乐，才进入音乐那一步。最后把素材放进剪辑工具，完成组合和导出。

这是一条可以试的流程建议，具体模型的质量和费用还要由样片验证。

如果第一张封面就不满意，后面的视频先不用跑。每一步都能停下来检查，也比较容易知道钱花在了哪里。

这几件小事，我建议一起记下来。

生成前先看报价。特别是视频，要看分辨率、输出时长，以及参考素材是否计费。不要只看一个「每秒多少钱」。

一次只改一个变量。同一段视频，这次先改动作，下次再试运镜。人物图、镜头、风格和时长一起换，很难知道哪一项起了作用。

给参考素材写分工。哪张管人物，哪张管场景，哪段只参考动作，提前说清楚。云端模型能否读取这些文件，也需要在提交前确认；涉及客户或私人素材，先确认允许上传。

保留能复用的记录。把有效的提示词、参考图、实际模型和参数一起存下来。下次做同一系列，至少有一个可以继续改的起点。

还有，遇到任务卡住，先查原任务的状态。已经提交成功的生成任务，不要因为暂时没看到文件就连续重提，避免重复消耗。

可以把这段要求放在每次任务前面：

我这次要做的成品是【填用途】，手头素材有【填文件】，必须保持的是【填人物、产品或文字】，可以调整的是【填动作、背景或风格】。请先核对 Skill 和接口是否适合，说明缺少的环境、授权和预计费用。先做一个最小样片，付费调用前等我确认；完成后告诉我文件在哪里，以及还需要检查什么。

这段话不能代替检查，不过能让第一次沟通更具体。

开工前，把这5件事说清楚

今天先挑一个，你会拿它做什么

这 10 个名字不用一下全记住。

如果你今天缺封面，就从图片开始。已经有一张满意的图，就试着让它动一下。产品还没找到明确需求，也可以先拿几条真实讨论，把对方的问题读明白。

我希望这份整理能让你少一点「这个好像也得学」，多一个明确的起点。

做完以后，最好能留下一张图、一段视频，或者一个讲清楚的需求。下次遇到类似任务，再从这次的记录往前走。

你现在最想省下的是哪一步？出图、做视频，还是把手里的工具接成一个能用的流程？

—— 若宇的 AI 学习日记