SamurAIGPT/Generative-Media-Skills

解决的问题

本项目为 AI 代理（如 Claude Code、Cursor 和 Gemini CLI）提供了一套全面的工具集，用于生成、编辑和显示专业级的图像、视频和音频。它弥合了高级创作意图与使用各种 AI 模型生成高质量多模态媒体所需的 API 调用之间的差距。

工作原理

该系统建立在架构导向架构之上，利用 muapi-cli 与超过 100 个 AI 模型（包括 Midjourney、Flux 和 Kling）进行交互。它分为两个主要层级：

• 核心基元： CLI 的轻量级封装，用于原始 API 访问，处理文件上传、基本图像编辑和身份验证等任务。
• 专家库： 一系列高价值的“技能”，将创作目标转化为技术指令。这包括电影摄影、UI 设计和品牌推广的专门工作流程。

此外，它还提供了一个 MCP (Model Context Protocol) 服务器，允许代理直接调用 19 个结构化工具，而无需执行 shell 脚本。

适用人群

专为使用 AI 代理来自动化多模态内容创作的开发者和创作者设计，特别是那些使用 Claude Desktop 或 Cursor 等兼容 MCP 工具的用户。

亮点

• 代理原生设计： 使用结构化的 JSON 输出和语义退出代码，以无缝集成到代理工作流中。
• 专家知识层： 包含用于专业电影导演、UI 原子设计和标志几何基元的预建技能。
• 丰富的配方包： 具备 41 个由 LLM 编排的工作流配方，例如将照片转换为 3D 手办或创建电影级产品广告。
• 广泛的模型支持： 一键访问各种模型，包括 Midjourney v7、Flux Kontext、Seedance 2.0 和 Kling 3.0。
• 直接媒体显示： 包含一个 --view 标志，可自动在系统查看器中打开生成的媒体。