6个神级Skill，让Agent原地开挂：字幕变动画、图片变3D、长内容变知识库

同样是用 Agent，有人还在一条条复制提示词，有人已经把字幕、图片、书籍和投研流程装成了可以反复调用的 Skill。差距往往不在模型，而在你给它配了什么工具。

这 6 个开源 Skill，分别能把字幕变白板动画、图片变 Three.js 模型、长内容变知识库，还能完成投研复盘与照片编辑设计。

今天整理的 6 个项目都已经加入站内导航。它们不是“换个名字的提示词合集”，而是带执行步骤、脚本、质量检查或完整工作流的 Agent 工具。下面除了介绍用途，也把安装方式、适用边界和容易踩坑的地方一起写清楚。

先看结论：6 个 Skill 分别解决什么问题？

一、SRT 白板动画：一份字幕，自动变成手绘视频

字幕负责讲故事，Skill 负责拆分镜、排顺序、落笔和上色。

SRT 白板动画会解析字幕，并按建议的 25 到 35 秒拆分场景。每一幕只表达一个核心意思，先规划分镜和线稿，再根据字幕事件安排元素的出场顺序。最终画面采用暖米黄纸张、深灰线稿和少量彩色点缀，笔尖会沿着内容连续落墨，再逐步添彩。

它还带浏览器预览台，可以调整区域、叙事顺序、时间和字幕关联。确认后逐幕渲染 MP4，多幕项目再自动合并。对于课程、知识讲解和故事口播，这种“字幕驱动画面”的方式比从头做关键帧省事得多。

安装与使用

git clone https://github.com/geeklee/srt-whiteboard-animation.git
cd srt-whiteboard-animation
python scripts/prepare_env.py --check
python scripts/prepare_env.py

准备好 SRT 后，可以告诉 Agent：“使用 SRT 白板动画 Skill，把这份字幕拆成分镜，先给我确认线稿，再渲染成 MP4。”

站内导航：https://www.zuoshipin.com/link/26293.html

二、img2threejs：把一张图片重建成能动的 3D 代码

它不是简单导出一个模型文件，而是生成可审查、可版本控制的 Three.js 代码。

img2threejs 接收一张物体参考图，使用基础几何体、程序材质和生成几何来重建对象，最后输出返回 THREE.Group 的 TypeScript 工厂。模型层级里可以包含轴点、插槽、碰撞体和动画入口，不是只能远观的一整块静态网格。

它的重点是分阶段质量闸门：先做细节清单和结构规格，再依次完成基础体块、结构、形体、材质、表面、灯光、交互和优化。每一步都用参考图与渲染图进行对照，不合格就停下来修正。复杂角色或遮挡严重的单图仍可能需要人工补充信息，不能把它理解成“一张图百分之百还原 3D”。

安装与触发

git clone https://github.com/img2threejs/img2threejs.git ~/.codex/skills/img2threejs

开启新任务并上传物体图后，可以说：“使用 img2threejs 重建这个对象，保持比例、角度和颜色，并为可移动部件暴露轴点。”核心脚本只要求 Python 3.10+，项目采用 Apache-2.0 License。

站内导航：https://www.zuoshipin.com/link/26291.html

三、Cangjie Skill：让看过的书和长视频真正留下来

摘要只是压缩内容，Cangjie 要做的是把方法论变成以后还能调用的工具。

我们收藏了很多书、播客和长视频，真正遇到问题时却很难重新找到其中的方法。Cangjie Skill 的目标不是再生成一篇长摘要，而是从内容里筛选可验证、可迁移的知识单元，整理成可以独立触发、组合和测试的 Skill Pack。

它采用七阶段流程：整体理解、五路并行提取、三重验证、RIA++结构化、卡片盒关联、压力测试和最终交付。一个完整结果通常包含内容总览、索引、术语表、多个 SKILL.md 和测试提示，并写明原文依据、重构解释、案例、触发场景、执行步骤与边界。

怎么用

git clone https://github.com/kangarooking/cangjie-skill.git

把仓库放进 Agent 可以读取的工作区或 Skills 目录，再提供书籍文件、字幕或播客转写稿，然后说：“使用 Cangjie Skill，把这份内容蒸馏成一组可执行、可测试的 Agent Skills。”公开分享生成结果前，仍要确认原书、课程与视频内容的版权。

站内导航：https://www.zuoshipin.com/link/26292.html

四、AI Berkshire：把投研拆成一套可复用工作流

从公司研究到持仓复盘，它更像一间装进 Agent 的投研工作室。

AI Berkshire 把公司深度研究、财报分析、行业筛选、投资清单、组合管理、投资论文追踪和新闻异动归因拆成多个 Skill。它强调多源数据交叉验证、信息丰富度评级、反向思考与多 Agent 对抗分析，适合把零散的“问 AI 看法”变成结构化研究流程。

深度工作流会消耗较多 Token，实际使用时可以先跑快速筛选，再对真正值得继续研究的标的启动完整流程。它能帮你提出问题、组织证据和暴露假设，但无法替代财报原文、公告和实时数据核验。

Codex 安装

git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
./scripts/install-codex-skills.sh

注意：该项目仅供学习和辅助研究，不构成任何投资建议。模型可能引用过时数据或给出错误判断，估值、财务数据和结论必须独立核验。

站内导航：https://www.zuoshipin.com/link/26296.html

五、Fund Guy Skill：别只看基金净值，看看经理到底做了什么

平台评分看结果，它尝试把每一次买入、卖出和后续走势翻出来复盘。

Fund Guy Skill 输入基金代码后，会基于公开披露信息整理净值、持仓、经理、重仓股 K 线、申赎和同门基金数据，再检查买卖点、清仓后的走势、风格暴露、持仓分歧和同类撞车情况。

最后可以生成单文件交互式 HTML 报告，包含 K 线战役回放、买卖点验证、持仓对照和多种叙事皮肤。项目强调每个结论都要可复算、有出处；暂时抓不到的信息应该写“未查证”，不能让 Agent 自己补数字。

快速开始

git clone https://github.com/wbh604/fund-guy-skill.git
cd fund-guy-skill
pip install -r requirements.txt
python run.py 163417 --no-browser

注意：报告只适合学习和研究，不构成投资建议。基金过往业绩不预示未来表现，公开数据还可能存在披露滞后、口径差异和缺失。

站内导航：https://www.zuoshipin.com/link/26297.html

六、Photo Abstract Editorial：给普通照片做一块“抽象记忆面板”

不是套滤镜，也不是重画照片，而是从原图的空间、构图和颜色里继续做设计。

Photo Abstract Editorial 会保留原始摄影区域，再从照片中提炼空间关系、构图节奏和配色，生成一块极简抽象面板，并配上一个诗意英文标题。抽象元素必须能追溯到原图中真实存在的结构或颜色，因此它和普通滤镜、扩图、风格迁移并不是一回事。

照片与面板比例、象牙色背景、主色数量、抽象形式、标题位置和抽象程度都能调整。仓库同时提供中文与英文提示词，即使不安装 Skill，也可以把提示词作为设计起点。

安装

git clone https://github.com/ZzzLc0405/photo-abstract-editorial.git
cp -R photo-abstract-editorial ~/.codex/skills/

授权提醒：作者明确说明仅限个人、教育和非商业用途，商业使用不被允许。示例图片也不能默认复用，实际使用前请阅读仓库 LICENSE.md。

站内导航：https://www.zuoshipin.com/link/26298.html

怎么选？按你手里的素材来

• 手里有字幕：先试 SRT 白板动画。
• 手里有物体参考图：用 img2threejs 做 Web 3D 原型。
• 手里有一本书、课程或长视频：用 Cangjie 把内容变成可调用方法库。
• 想建立结构化公司研究流程：研究 AI Berkshire，但务必独立核验数据。
• 想复盘基金经理的历史动作：试 Fund Guy Skill，并把结果当研究材料而非结论。
• 想做更有设计感的摄影排版：Photo Abstract Editorial 很有趣，但仅限非商业用途。

最后说两句

Agent 真正“开挂”的时刻，往往不是模型突然更聪明，而是任务被拆成了清楚的输入、步骤、检查点和交付物。好的 Skill 把这些经验固定下来，让同一套能力可以重复执行，也让错误更容易被发现。

安装第三方 Skill 前，先阅读仓库中的 SKILL.md、脚本和权限需求；涉及联网、文件写入、金融数据或第三方素材时，更要保留人工确认。