AI 生产力工具助手

一、必读约束

工作原理

本技能与本地已安装的视频/图片批量生成客户端通信，无需 API Key，无需配置凭证。

你（对话） → OpenClaw Skill → http://127.0.0.1:17321 → 本地批量生成客户端 → AI 生成服务

前置条件

本地批量生成客户端必须处于运行状态，且已完成 SK 配置。每次执行任务前，先调用 scripts/local_client.py 中的 check_client() 确认客户端在线。

任务处理规范

1. 提交成功后必须立即返回 task_id，不要在对话里持续轮询刷屏（不要调用 wait_for_result）
2. 提交后统一提示用户：生成结果大概需要 3-10 分钟，请稍后查询结果
3. 给出“一键复制”的查询指令：必须单独放在一个 text 代码块中（便于用户点击复制）
   • 示例：

     查询任务 task_xxxxxxxxxxxxx
     

4. 只有当用户明确要求「查询进度 / 查询结果 / 等结果」时，才调用查询接口：
   • 默认只查询 一次：GET /api/task/{task_id}
   • 如用户要求持续跟进，可按用户要求轮询，但要控制频率（建议 5 秒一次）
   • 拿到结果链接时，必须使用 video_url（首选）或 url，并且原样保留 ? 之后的全部查询参数
5. status = completed → 将 url 字段展示给用户（图片直接渲染，视频给出链接）
6. status = failed → 告知用户失败原因，并询问是否重新生成

安全约定

• 所有请求只发往 http://127.0.0.1:17321，不访问任何外部地址
• 客户端离线时，友好提示用户启动 DYU 客户端

二、本地接口说明

所有接口均为 http://127.0.0.1:17321，调用 scripts/local_client.py 封装的客户端。

from local_client import get_client

client = get_client()

# 检查客户端状态
status = client.status()

# 提交单个任务
result = client.generate({ "model": "...", "prompt": "..." })

# 提交批量任务
results = client.generate_batch([
    { "model": "...", "prompt": "..." },
    { "model": "...", "prompt": "..." },
])

# 查询单个任务
task = client.query_task("task_xxxxx")

# 批量查询任务
tasks = client.query_tasks(["task_xxx1", "task_xxx2"])

# （可选）等待任务完成（自动轮询）
final = client.wait_for_result("task_xxxxx", timeout=600)

三、快速决策表

四、意图关键词判断

横竖屏判断

时长判断（Sora）

图片分辨率判断（Nano Banana）

宽高比判断（图片）

五、单个生成示例

示例 1：Sora 文生视频

from local_client import get_client
client = get_client()

result = client.generate({
    "model": "sora-2-landscape-10s",
    "prompt": "一只可爱的橘猫在阳光明媚的花园里玩耍，镜头缓慢推进"
})
# result = {"success": True, "task_id": "task_xxx", "status": "queued", ...}
# 对话中不要轮询：直接把 task_id 返回给用户，并提示 3-10 分钟后查询：
# 你可以发送：查询任务 task_xxx

示例 2：Veo 文生视频

result = client.generate({
    "model": "veo_3_1-fast",
    "prompt": "夕阳下的海边，海浪轻轻拍打礁石，光影变幻",
    "size": "1920x1080"
})
# 对话中不要轮询：直接返回 task_id，并提示稍后查询

示例 3：Sora 图生视频（图片 URL）

result = client.generate({
    "model": "sora-2-portrait-10s",
    "prompt": "让画面动起来，人物微微转头微笑",
    "image_url": "https://example.com/photo.jpg"
})
# 对话中不要轮询：直接返回 task_id，并提示稍后查询

示例 4：Nano Banana 文生图

result = client.generate({
    "model": "nano_banana_2",
    "prompt": "美丽的日出风景，金色阳光洒在宁静湖面，远处连绵山脉，写实风格",
    "metadata": {
        "aspectRatio": "16:9",
        "urls": []
    }
})
# 对话中不要轮询：直接返回 task_id，并提示 3-10 分钟后查询：
# 你可以发送：查询任务 task_xxx

示例 5：Nano Banana 图生图

result = client.generate({
    "model": "nano_banana_2",
    "prompt": "将这张图片转换成梵高油画风格，保留主体构图",
    "metadata": {
        "aspectRatio": "1:1",
        "urls": ["https://example.com/reference.jpg"]
    }
})
# 对话中不要轮询：直接返回 task_id，并提示稍后查询

六、批量生成示例

示例 6：批量文生视频（Sora，多个提示词）

from local_client import get_client
client = get_client()

tasks = [
    {
        "model": "sora-2-landscape-10s",
        "prompt": "春天的樱花树下，花瓣随风飘落"
    },
    {
        "model": "sora-2-landscape-10s",
        "prompt": "夏日海边，孩子们在沙滩上奔跑嬉戏"
    },
    {
        "model": "sora-2-landscape-10s",
        "prompt": "秋天的枫叶林，金红色叶片在阳光下闪耀"
    },
    {
        "model": "sora-2-landscape-10s",
        "prompt": "冬日雪景，白雪覆盖的山村宁静祥和"
    }
]

# 提交批量任务
batch_result = client.generate_batch(tasks)
# batch_result = {"success": True, "results": [{"task_id": "task_001", ...}, ...]}

# 提取所有 task_id
task_ids = [r["task_id"] for r in batch_result["results"] if r.get("success")]

# 对话中不要轮询：直接返回 task_ids，并提示用户稍后逐个查询：
# 你可以发送：查询任务 task_001

示例 7：批量文生图（Nano Banana，不同比例）

tasks = [
    {
        "model": "nano_banana_pro-1K",
        "prompt": "产品主图：一款高端智能手表，白色背景，专业摄影",
        "metadata": {"aspectRatio": "1:1", "urls": []}
    },
    {
        "model": "nano_banana_pro-1K",
        "prompt": "产品场景图：智能手表佩戴在手腕上，户外运动场景",
        "metadata": {"aspectRatio": "16:9", "urls": []}
    },
    {
        "model": "nano_banana_pro-1K",
        "prompt": "产品细节图：智能手表表盘特写，展示精致工艺",
        "metadata": {"aspectRatio": "9:16", "urls": []}
    }
]

batch_result = client.generate_batch(tasks)
task_ids = [r["task_id"] for r in batch_result["results"] if r.get("success")]
# 对话中不要轮询：直接返回 task_ids，并提示稍后查询

示例 8：批量图生图（风格迁移）

reference_images = [
    "https://example.com/photo1.jpg",
    "https://example.com/photo2.jpg",
    "https://example.com/photo3.jpg",
]

tasks = [
    {
        "model": "nano_banana_2",
        "prompt": "转换成水彩画风格，保留原图构图和色调",
        "metadata": {"aspectRatio": "auto", "urls": [img_url]}
    }
    for img_url in reference_images
]

batch_result = client.generate_batch(tasks)
task_ids = [r["task_id"] for r in batch_result["results"] if r.get("success")]
# 对话中不要轮询：直接返回 task_ids，并提示稍后查询

示例 9：批量 Veo 视频（不同尺寸）

tasks = [
    {
        "model": "veo_3_1-fast",
        "prompt": "城市夜景延时摄影，霓虹灯光流动",
        "size": "1920x1080"   # 横屏
    },
    {
        "model": "veo_3_1-fast",
        "prompt": "城市夜景延时摄影，霓虹灯光流动",
        "size": "1080x1920"   # 竖屏
    }
]

batch_result = client.generate_batch(tasks)
task_ids = [r["task_id"] for r in batch_result["results"] if r.get("success")]
# 对话中不要轮询：直接返回 task_ids，并提示稍后查询

七、查询任务示例

查询单个任务

task = client.query_task("task_xxxxxxxxxxxxx")
# {"success": True, "id": "task_xxx", "status": "completed", "url": "https://..."}

批量查询任务

tasks = client.query_tasks(["task_001", "task_002", "task_003"])
for t in tasks["results"]:
    print(f"{t['task_id']}: {t['status']} - {t.get('url', t.get('error', ''))}")

查询本地任务列表

# 查询所有任务（最近 50 条）
all_tasks = client.list_tasks()

# 按状态过滤
completed = client.list_tasks(status="completed")
processing = client.list_tasks(status="processing")

任务统计示例（按天/按类型/成功数量）

from datetime import date
from local_client import get_client

client = get_client()

# 统计今天的任务（按 Veo / Sora / 图片 分类）
today = date.today()
summary = client.summarize_tasks(target_date=today, status=None)

# summary 结构示例：
# {
#   "total": 12,
#   "by_type": {
#     "veo":   {"total": 5, "success": 4, "failed": 1, "ids": ["task_xxx", ...]},
#     "sora":  {"total": 3, "success": 3, "failed": 0, "ids": [...]},
#     "image": {"total": 4, "success": 2, "failed": 2, "ids": [...]}
#   }
# }

对话说明：当用户说「我想查询一下今天生成了多少条任务，veo 有多少，sora 有多少，图片有多少，成功有多少，把成功的 ID 发我一下，分类发我」时：

1. 优先调用 client.summarize_tasks(target_date=今天, status=None) 拿到结构化统计。
2. 只统计本地任务表中 video_id 以 task_ 开头的记录（严格视为 upstream 任务 ID）。
3. 按 Veo / Sora / 图片 三类分别用自然语言说明总数、成功/失败数。
4. 把成功的 ID 按类型分别列出，例如：
   • Veo 成功任务 ID：

   task_xxxxxxxx
   task_yyyyyyyy
   

   • Sora 成功任务 ID：

   task_aaaaaaaa
   

   • 图片成功任务 ID：

   task_bbbbbbbb
   

八、结果展示规范

• 图片/视频链接（关键）：链接必须100%复用接口返回的原始字符串（尤其包含 ?Expires=...&Signature=... 的临时签名链接），不得做任何裁剪/解码/重写/格式化。
• 绝对禁止输出 Markdown 链接：[点击查看](URL)（QClaw 可能会把 ? 后参数截断，导致链接失效）。
• 唯一允许的输出方式：把接口返回的 video_url（首选）或 url 原样放进 text 代码块，便于“一键复制”，并确保不会丢参数：

https://...完整URL（包含 ? 与 & 之后的全部参数，原样粘贴）

• （可选）如果你要提供可点击链接，只能额外给一行尖括号自动链接，仍必须是原样完整 URL：\x3Chttps://...>
• 批量结果：以表格或列表形式展示每个任务的状态和结果
• 失败任务：明确告知失败原因，询问用户是否重新生成
• 查询指令：必须用单独的 text 代码块输出，便于一键复制，例如：

查询任务 task_xxxxxxxxxxxxx

九、功能模块详情

• 读取 视频生成接口
• 读取 图片生成接口
• 读取 任务查询接口