前言¶
在智能体里做「图生视频」，常见问题是：用户丢过来的是单张图、首尾帧、一串分镜，还是图加视频加音频，模型却只会套一种调用方式。参数名在各子命令之间还不一致，容易选错模式或超限提交。下面介绍 SkillHub 上的 即梦-图生视频 CLI 技能（@user_c1d16043/jimeng-cli-image2video）：它不写死黑盒脚本，而是按输入类型做模式判断，并给出四种 dreamina 子命令各自的工作流与输入上限，方便 Agent 在即梦（Dreamina）侧用命令行完成图生视频类任务。
这是什么¶
这是一份基于通用 SKILL.md 格式的 Agent Skill，由社区发布者 user_c1d16043（SkillHub 页面展示作者为 Loong10K）维护，当前版本 v1.0.3，分类为 design-media，来源标注为 community。
技能定位：在用户已有参考图、视频或音频，并希望通过 即梦 dreamina CLI 生成或合成视频时使用。它覆盖子命令 image2video、frames2video、multiframe2video、multimodal2video 的选型、各模式参数差异、输入限制，以及四套模式专属执行流程；并包含用决策树做 mode detection 的说明。
SkillHub 标签为 requires_api_key=false，表示安装该技能本身不要求配置 Skill API Key（即梦 CLI 的登录与额度仍以 CLI 产品规则为准）。
核心功能¶
以下能力均来自 SkillHub 官方简介，按输入类型划分：
| 场景 | 子命令 | 关键输入（技能文档中的约定） |
|---|---|---|
| 单张图动起来 | image2video |
1 张图 → 动画化 |
| 首尾帧过渡 | frames2video |
2 张图，通过 --first / --last 指定 |
| 分镜叙事 | multiframe2video |
2–20 张故事板图，通过 --images 与 --transition-prompt |
| 多模态合成 | multimodal2video |
最多 9 张图 + 3 段视频 + 3 段音频 |
技能还强调：
- 模式检测：用决策树根据用户提供的素材类型选择上述子命令之一，避免混用参数名。
- 参数差异：不同子命令下同名概念可能对应不同 flag，需按当前子命令核对。
- 输入上限：各模式有独立的数量与类型限制（见上表）。
- 四套工作流：每种模式有对应的执行步骤说明，供 Agent 按序调用 CLI。
触发语境（技能自述）：用户提到 dreamina image2video、图生视频CLI、frames2video、multiframe2video、multimodal2video，或上传媒体并要求「动起来」「合成视频」时，应优先启用本技能。
安装与启用¶
通过 SkillHub 安装技能¶
SkillHub 页面给出的安装指引是：让 AI 根据官方安装文档操作，并安装坐标 @user_c1d16043/jimeng-cli-image2video。
安装文档地址：https://skillhub.cn/install/skillhub.md
若本机已有 skillhub CLI，文档要求安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认装到 ./skills/ 可能不会被识别。典型路径如下（摘自安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
示例（将 <skills 目录> 换成你当前环境的路径）：
command -v skillhub && skillhub --version
skillhub install @user_c1d16043/jimeng-cli-image2video --dir <skills 目录>
若尚未安装 skillhub CLI，安装文档提供一键脚本（完整安装或仅 CLI），需在可访问外网的环境下执行，具体命令以该文档为准。
与即梦 CLI 的关系¶
本技能描述的是 如何指挥 Agent 使用已安装的 dreamina 命令行 完成图生视频四类任务。技能包本身不包含 dreamina 二进制；即梦 CLI 的安装、登录与额度规则需在即梦官方渠道单独完成。启用技能后，Agent 应按技能内的模式决策树选子命令，并遵守各模式的输入上限与参数命名。
典型用法（Agent 侧流程）¶
官方资料未提供可复制的一行 shell 示例，而是规定 按素材选命令 → 按模式走工作流。可复现的协作方式如下：
- 清点输入：统计图片张数、是否含视频/音频，是否明确首尾帧。
- 走决策树：
- 仅 1 张图 →image2video
- 恰好 2 张图且语义为首尾 →frames2video（--first/--last）
- 2–20 张分镜图 →multiframe2video（--images、--transition-prompt）
- 多模态参考（图/视频/音频组合，且在上限内）→multimodal2video - 核对参数名：同一意图在不同子命令下 flag 可能不同，以技能内「parameter name differences」说明为准，勿把
frames2video的参数套到image2video。 - 执行模式工作流：技能为四种模式各给出一套 execution workflow，Agent 按当前模式逐步调用
dreamina对应子命令。
用户在对话里直接说「用 dreamina 把这张图做成视频」或附上本地媒体路径时，即属于技能定义的适用边界。
适用场景与注意¶
适合谁
- 已在或计划在 Agent（Cursor、Claude Code、Codex 等）里接即梦 CLI 的开发者。
- 任务以 参考媒体驱动视频 为主，而非纯文本生视频或仅润色提示词（技能说明指向其他
jimeng-cli-*/ 提示词类技能处理那些场景）。
使用注意
- 四种模式的 输入上限 是硬边界（例如
multiframe2video为 2–20 张图，multimodal2video为 9 图 + 3 视频 + 3 音频）；超出应先裁剪或换模式。 - 子命令之间的 参数命名不一致，必须按当前子命令查阅技能与 CLI 帮助，避免提交失败。
- SkillHub 统计（以抓取资料为准）：评分 100000，下载 10330；安装数在抓取时为 0，仅作平台展示参考。
- 技能版本与坐标以 SkillHub 为准：
v1.0.3，@user_c1d16043/jimeng-cli-image2video。
结尾¶
即梦-图生视频 CLI 技能的价值，是把「用户给了什么文件」映射到正确的 dreamina 子命令与参数集合，减少 Agent 在 image2video / frames2video / multiframe2video / multimodal2video 之间误路由。需要安装或查看说明时，可打开 SkillHub 页面：
