实现 Genviral Partner API 自动化,支持在 TikTok、Instagram 等平台创建并定时发布视频及幻灯片。
基因伙伴 API STL.TL是一项面向实际任务的技能,主要用于.DR:将基因伙伴 API 包装成 50+ shash命令. 核心流: 得到- 包 = 分析图像(元数据+视觉) = 生成有固定的 图像 = 渲染 = 视觉。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
一句话概括: 将 genviral 的 Partner API 封装为 50+ 个 bash 命令。核心流程:
get-pack→ 分析图像(元数据 + 视觉理解)→ 使用pinned_images调用generate→render→ 可视化审核(硬性关卡)→create-post→ 日志写入workspace/performance/log.json。Studio AI 流程:studio-models→studio-generate-image(同步)或studio-generate-video(异步)→studio-video-status --poll(轮询状态)。认证通过GENVIRAL_API_KEY环境变量完成。配置位于defaults.yaml。实例数据存于workspace/目录下。
trend-brief),涵盖热门话题标签、音频、创作者、最佳发布时间窗口及钩子角度(hook angles)所有配置均位于 defaults.yaml;密钥类信息通过环境变量注入。所有通过本 Skill 发布的内容均会在 Genviral 后台仪表盘中呈现。
若为全新安装,请阅读 docs/setup.md,并以对话式引导用户完成入驻流程:
无任何硬编码默认值。始终向用户征询偏好并动态适配。所有通过本 Skill 完成的操作均会同步显示在 Genviral 后台仪表盘中,确保用户拥有完全可见性与控制权。
genviral/
SKILL.md # 本文件(内核逻辑 + 路由说明)
README.md # 面向用户的概览文档
defaults.yaml # API 配置与默认参数
docs/
setup.md # 入驻指南(对话式,共 5 个阶段)
api/
accounts-files.md # 账号管理、文件上传、文件列表
posts.md # create-post、update-post、retry、list、get、delete
slideshows.md # generate、render、review、update、regenerate、duplicate、list + 文字样式
packs.md # 素材包 CRUD 操作 + 智能图像筛选(任何涉及素材包的工作流均须必读)
templates.md # 模板 CRUD 操作 + 从幻灯片创建模板
analytics.md # 所有数据分析相关命令
studio.md # Studio AI:图像/视频生成、模型列表、状态轮询
subscription.md # 订阅状态、余额、服务等级
pipeline.md # 内容流水线、效果反馈闭环、CTA 测试、各平台发布建议
errors.md # 错误码说明与故障排查指南
references/
analytics-loop.md # 完整的数据分析反馈闭环与周度复盘流程
competitor-research.md # 竞品调研方法论
prompts/
slideshow.md # 幻灯片生成提示词模板
hooks.md # 钩子创意头脑风暴提示词模板
workspace/ # 所有实例/客户专属数据(可通过 GENVIRAL_WORKSPACE_DIR 环境变量覆盖路径)
content/
scratchpad.md # 当前内容规划与草稿区
calendar.json # 即将发布的计划内容日历
context/
product.md # 产品描述、核心价值主张、目标受众
brand-voice.md # 语调风格、表达规范(应做与不应做事项)
niche-research.md # 细分领域在各平台的研究成果
hooks/
library.json # 钩子实例集合(随时间增长,持续追踪表现)
formulas.md # 钩子公式模式与心理学原理
performance/
log.json # 权威发布记录(单一可信源)
hook-tracker.json # 钩子与 CTA 表现追踪(含量化指标,构成反馈闭环)
insights.md # 基于效果数据得出的 Agent 学习结论
weekly-review.md # 周度复盘笔记
competitor-insights.md # 竞品调研发现汇总
scripts/
genviral.sh # 主 API 封装脚本(包含全部命令)
update-skill.sh # 自动更新脚本
按当前任务按需加载对应文档:
| 任务类型 | 需查阅文档 |
|---|---|
| 账号发现、文件上传 | docs/api/accounts-files.md |
| 创建、更新、列表查询、删除内容 | docs/api/posts.md |
| 幻灯片生成、渲染、编辑、文字样式配置 | docs/api/slideshows.md |
| 素材包管理、图像筛选(所有涉及素材包的工作流) | docs/api/packs.md |
| 模板创建与管理 | docs/api/templates.md |
| 数据分析查询与目标账号管理 | docs/api/analytics.md |
| Studio AI:图像/视频生成、模型列表 | docs/api/studio.md |
| 订阅状态:余额查询、服务等级、续订日期 | docs/api/subscription.md |
| 快速开展细分领域调研(趋势 + 竞品 + 钩子) | docs/api/analytics.md、docs/references/competitor-research.md、docs/prompts/hooks.md |
| 完整内容流水线、效果反馈闭环、CTA 测试 | docs/api/pipeline.md |
| 错误码说明、故障排查 | docs/api/errors.md |
当用户提出类似“调研该细分领域”、“找出该领域有效内容方向”或“提供细分领域情报”等请求时:
trend-brief(默认采用 7d 时间窗口;如需时效性更强的结果,可追加运行 24h 版本)。docs/references/competitor-research.md 开展竞品深度分析(至少覆盖 3–5 个账号)。workspace/performance/competitor-insights.md,并在后续内容提示词中复用这些发现。无论已加载哪些文档,以下规则必须严格遵守:
使用素材包生成幻灯片时,务必始终指定 pinned_images。禁止仅传入 --pack-id 调用 generate —— 此时服务端将随机选取图像。执行任何与素材包相关的操作前,请务必通读 docs/api/packs.md。
每次渲染完成幻灯片后,必须进行人工视觉审核,确认无误后方可发布。若任一幻灯片存在可读性问题,必须修正。此为强制性关卡,非建议项。
每次发布后,必须立即写入日志至 workspace/performance/log.json。该文件是唯一权威的发布记录来源。
每次发布后,必须新增一条 hook-tracker 记录。未追踪即无法学习。
禁止在任何生成内容中使用中文破折号(em-dash)。
尊重 workspace/ 目录结构 —— 所有实例数据均存放于此。请勿将状态文件写入 Skill 根目录。
/path/to/genviral/scripts/genviral.sh[options]
需设置环境变量 GENVIRAL_API_KEY(格式为:public_id.secret)。默认从 defaults.yaml 加载配置。可通过设置 GENVIRAL_WORKSPACE_DIR 环境变量覆盖 workspace 路径(默认为 Skill 目录下的相对路径 workspace/)。
本 Skill 内置自更新机制,可将 Skill 自有文件与 GitHub 仓库 fdarkaou/genviral-skill 的最新版本保持同步。
bash scripts/update-skill.sh # 检查更新并应用(如有) bash scripts/update-skill.sh --dry-run # 仅预览变更,不执行实际更新 bash scripts/update-skill.sh --force # 强制重新应用(即使当前已是最新版)
被更新的文件(Skill 所有): SKILL.md、scripts/、docs/(及其全部子目录)
永不修改的文件(用户所有): workspace/ —— 您的数据、上下文、钩子库及效果日志将始终得到完整保留。
post_mode: MEDIA_UPLOAD 可将内容暂存至草稿箱,便于后续添加热门音频相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习