What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

Claim this agent

agentCLAWHUBUnverified

VectCut: The first "To-Agent" video editing platform. Build automated video workflows with our stable cloud APIs in Coze, Dify, or OpenClaw.

VectCut 全能剪辑聚合技能。用于剪口播、混剪、电商广告等场景，统一编排流光剪辑能力（字幕、音频、特效、画中画、抠像、AI补镜、AI配音、预设、平台视频抓取、渲染导出），也支持把既有视频制作流程整理为飞书多维表格自动化工作流。当用户提出“做成片/自动剪辑/口播包装/广告剪辑/抓平台视频后再剪”，或想把视频制作...

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

2.7k

Updated

Oct 9, 2026

Version

1.5.11

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 2.7K downloads reported by the source. Last updated 10/9/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 9, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 9, 2026
Adoption signal: 2.7K downloadsadoption · observed Oct 9, 2026
Latest release: 1.5.11release · observed May 25, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17107k9vveeepkvadztdn0ccs83tvkg:vectcut

Install using `clawhub skill install s17107k9vveeepkvadztdn0ccs83tvkg:vectcut` in an isolated environment before connecting it to live workloads.
No published capability contract is available yet, so validate auth and request/response behavior manually.
Review the upstream CLAWHUB listing at https://clawhub.ai/sun-guannan/vectcut before using production credentials.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-sun-guannan-vectcut/snapshot"

Documentation

CLAWHUB

160,000 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: vectcut-skill
description: "VectCut 全能剪辑聚合技能。用于剪口播、混剪、电商广告等场景，统一编排流光剪辑能力（字幕、音频、特效、画中画、抠像、AI补镜、AI配音、预设、平台视频抓取、渲染导出），也支持把既有视频制作流程整理为飞书多维表格自动化工作流。当用户提出“做成片/自动剪辑/口播包装/广告剪辑/抓平台视频后再剪”，或想把视频制作流程固化为飞书多维表格 AI Agent 工作流时，必须优先使用本技能。"
homepage: "https://www.vectcut.com/"
metadata:
  openclaw:
    emoji: "🎬"
    requires:
      env: ["VECTCUT_API_KEY"]
    primaryEnv: "VECTCUT_API_KEY"
dependency:
---

## 触发场景

- 口播自动成片、网感剪辑、去气口重排、口播包装
- 混剪视频（多素材重组、节奏强化、字幕动画、转场特效）
- 用户口语表达“混剪在一起 / 拼在一起 / 合成一条 / 随机拼接”这类意图
- 电商广告（卖点强化、人物抠像、画中画、关键词强调、提示音）
- 需要基于“预设片段”替换素材、组合复杂包装效果（如把 `text1` 改为指定文案）
- 需要“抓取抖音/快手/小红书/B站/TikTok/YouTube 链接后分析并剪辑”
- 想要查看VectCut 流光剪辑的API都支持哪些功能，具体API怎么使用。
- 需要“AI 补镜 / AI 生成图片或视频 / AI 配音 / 云渲染导出”
- 已有 `dfd_cat_` 草稿 ID，希望一键拉取到客户端（单个或批量）
- 想把刚整理好的视频生产链路固化为飞书多维表格工作流，输出字段结构和 AI Agent 提示词

## 统一前置规则（沿用）

1. 任何 VectCut 调用前，先检查环境变量 `VECTCUT_API_KEY`（检查环境变量，不是本地配置文件）。默认通过 Bash 工具执行命令，包括windows环境也是。例如 `echo "$VECTCUT_API_KEY"` 或 `printenv VECTCUT_API_KEY` 来判断。
2. 缺失、为空或鉴权失败时，先调用 `vectcut-login`
3. 在进入任何具体技能链路前，优先先调用 `vectcut-api-search` 做一次全局能力扫描；因为它覆盖 VectCut 全量 API 索引、文件体量小、负担低，可以先快速掌握当前有哪些可用功能与接口入口
4. 需要“在已有草稿继续编辑”时，输入参数必须显式携带 `draft_id`，并在后续所有写入接口（如 `add_video/add_audio/execute_workflow`）中持续透传同一个 `draft_id`
5. 未传 `draft_id` 时，服务端通常会新建草稿；禁止在同一任务中混用多个草稿（避免字幕、音频落到不同草稿）
6. 输入是本地素材路径时，先调用 `sts-upload` 转公网 URL 再继续
7. 关键节点后调用 `query-draft` 做草稿校验
8. 接口参数不确定、需要选型或报错时，用 `vectcut-api-search` 查询最新文档再修正；即使没有报错，也鼓励先用它确认是否已有更合适的现成接口
## 场景路由策略（聚合编排）

1. **平台链接输入**
- 先走 `scrapt-video` 抓取视频信息与直链
- 自动衔接 `describe-video` 做字幕+画面分析
- 再按用户目标进入口播链、混剪链或广告链

2. **口播成片（模板稳定链，默认优先）**
- 口播成片默认优先走 `cut-koubo-template`（无需用户显式提及“模板”）
- 去气口也属于口播剪辑场景，默认同样优先走 `cut-koubo-template`
- 输入按模板接口严格校验（不同模板的必填参数不同，如 `title` 或 `kongjing_urls`）
- 通过官方 `submit_agent_task` 固定链路出草稿，随后调用 `generate-cover`，并询问用户是否执行 `prepend_image` 插入首帧

3. **口播成片（回退主链）**
- 仅在模板链不适配（如模板必填参数无法满足）或用户明确要求开放式重排编排时，走 `cut-koubo`（包括去气口场景）
- 最后可选 `cloud-render`

4. **混剪链路**
- `describe-video` 做素材盘点
- `split-video` 切片重组
- `add-subtitle-template` 字幕上屏（仅限已有字幕或需先从音视频生成字幕的场景）
- `add-effect` / `zoom-in-out` 强化节奏
- `add-bgm` + `add-effect_audio` 收口
- `cloud-render` 导出

4.1 **混剪配音成片（video-voiceover-remix 子链路）**
- 触发词与同义表达：`混剪在一起`、`拼在一起`、`合成一条`、`随机拼接`、`多段视频组合`
- 当用户只说“混剪在一起”且未给更细约束时，默认优先路由到 `video-voiceover-remix`，并在执行前简短告知将采用“混剪+解说+字幕+BGM”标准链路
- 先按 `rules/video-voiceover-remix.md` 执行固定七步：`describe-video` -> `add_video(volume=-100)` -> 基于 `describe-video` 结果生成文案 -> `speech-synthesis + add_audio(volume=20)` -> `llm-asr(nlp) + add-subtitle-template` -> `add-bgm` -> `add-effect_audio`
- 第 2 步重排优先调用内置脚本：`scripts/remix_and_add_videos.py`
- 第 3 步文案字数按每秒 5 字估算
- 第 4 步默认音色：`voice_id=gv_8195cd8b03f74658a9d92c9b2a9e9cba`，并提示用户可到 VectCut 官网查看可用音色

5. **电商广告链路**
- 人物突出优先：`human-pip` 或 `text-background`
- 卖点强调：`text-keywords` + `add-title`
- 素材不足：`generate-ai-image` / `generate-ai-video`
- 配音需求：`speech-synthesis`
- 包装完成后最终 `cloud-render`

6. **草稿下载链路**
- 用户提供一个或多个 `dfd_cat_` 草稿 ID 时，调用 `draft-downloader`
- 先做去空、去重与 `dfd_cat_` 前缀校验，再触发 deepli

_meta.json

{
  "ownerId": "kn7cjw4v6q9zst2vc2w79er98h82a3wt",
  "slug": "vectcut",
  "version": "1.5.11",
  "publishedAt": 1779675404303
}

references/ai-image-model_capabilities.json

{
  "version": "2026-04-17",
  "source_docs": [
    "https://docs.vectcut.com/443760774e0"
  ],
  "reference_image_limit_exclusive": 14,
  "models": {
    "nano_banana_2": {
      "aliases": [
        "nano_banana_2",
        "gemini-3.1-flash-image",
        "gemini-3.1-flash-image-preview"
      ],
      "supports_reference_images": true,
      "allowed_sizes": [
        "1024x1024",
        "848x1264",
        "1264x848",
        "896x1200",
        "1200x896",
        "928x1152",
        "1152x928",
        "768x1376",
        "1376x768",
        "1584x672",
        "2048x2048",
        "1696x2528",
        "2528x1696",
        "1792x2400",
        "2400x1792",
        "1856x2304",
        "2304x1856",
        "1536x2752",
        "2752x1536",
        "3168x1344",
        "4096x4096",
        "3392x5056",
        "5056x3392",
        "3584x4800",
        "4800x3584",
        "3712x4608",
        "4608x3712",
        "3072x5504",
        "5504x3072",
        "6336x2688"
      ],
      "size_profiles": {
        "1K": [
          {"size": "1024x1024", "ratio": "1:1"},
          {"size": "848x1264", "ratio": "2:3"},
          {"size": "1264x848", "ratio": "3:2"},
          {"size": "896x1200", "ratio": "3:4"},
          {"size": "1200x896", "ratio": "4:3"},
          {"size": "928x1152", "ratio": "4:5"},
          {"size": "1152x928", "ratio": "5:4"},
          {"size": "768x1376", "ratio": "9:16"},
          {"size": "1376x768", "ratio": "16:9"},
          {"size": "1584x672", "ratio": "21:9"}
        ],
        "2K": [
          {"size": "2048x2048", "ratio": "1:1"},
          {"size": "1696x2528", "ratio": "2:3"},
          {"size": "2528x1696", "ratio": "3:2"},
          {"size": "1792x2400", "ratio": "3:4"},
          {"size": "2400x1792", "ratio": "4:3"},
          {"size": "1856x2304", "ratio": "4:5"},
          {"size": "2304x1856", "ratio": "5:4"},
          {"size": "1536x2752", "ratio": "9:16"},
          {"size": "2752x1536", "ratio": "16:9"},
          {"size": "3168x1344", "ratio": "21:9"}
        ],
        "4K": [
          {"size": "4096x4096", "ratio": "1:1"},
          {"size": "3392x5056", "ratio": "2:3"},
          {"size": "5056x3392", "ratio": "3:2"},
          {"size": "3584x4800", "ratio": "3:4"},
          {"size": "4800x3584", "ratio": "4:3"},
          {"size": "3712x4608", "ratio": "4:5"},
          {"size": "4608x3712", "ratio": "5:4"},
          {"size": "3072x5504", "ratio": "9:16"},
          {"size": "5504x3072", "ratio": "16:9"},
          {"size": "6336x2688", "ratio": "21:9"}
        ]
      }
    },
    "nano_banana_pro": {
      "aliases": [
        "nano_banana_pro",
        "gemini-3-pro-image-preview"
      ],
      "supports_reference_images": true,
      "allowed_sizes": [
        "1024x1024",
        "848x1264",
        "1264x848",
        "896x1200",
        "1200x896",
        "928x1152",
        "1152x928",
        "768x1376",
        "1376x768",
        "1584x672",
        "2048x2048",
        "16

references/bgms.json

{
  "bgms": [
    "https://player.install-ai-guider.top/koubo/bgm/void.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/time_to_pretend.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/the_right_path.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/spoons_for_loons.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/night_cruising.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/Monsieur_melody.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/melody_mix.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/IV_feat.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/Golden_hour.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/Fight.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/%E5%BF%99%E7%A2%8C%E7%9A%84%E7%94%9F%E6%B4%BB%E4%BA%BA%E5%B1%B1%E4%BA%BA%E6%B5%B7.MP3",
    "https://player.install-ai-guider.top/koubo/bgm/%E8%9D%B4%E8%9D%B6%E6%AD%A5.MP3"
  ]
}

references/cover_prompt_references.md

# Generate Cover Prompt References

用于 `submit_task/generate` 前的提示词润色参考。请先理解草稿主题，再从下列风格中抽取表达，不要生硬照抄整段。

## 使用规则

- 目标：把 `query_script` 提取的主题、卖点、受众转成“可执行画面语言”。
- 结构建议：`画面类型 + 主体 + 场景元素 + 构图/镜头 + 质感/色彩 + 文字排版要求(可选)`。
- 优先“语义清洗”：将草稿里的原始字段、文件名、JSON 结构转为自然语言短语。
- 可复用关键词：精准构图、视觉冲击力、高对比度、高饱和度、留白、层次、系列化风格。
- 默认输出“海报封面”而非“纯场景图”：除非用户明确要求无字，必须写入标题文案与排版信息。
- 文案字段建议：`主标题(headline)`、`副标题(subheadline)`、`角标/标签(badge)`、`位置(左上/中上/右下)`、`字体风格(粗体/手写/无衬线)`。
- 母版选择建议：每次随机抽取 1 条参考提示词作为母版，不固定单一参考。
- 人物口播约束：人物主体保持写实高保真（脸部特征/肤质/服饰不做卡通化）；风格化优先作用于背景、图形元素和文字排版。

## 内置参考提示词（用户提供）

### 参考 1：美式漫画综艺混剪

创作一张美式漫画风的综艺混剪自媒体封面：背景为蓝色波点渐变底，搭配黄色闪电、星光、卡通点赞手等装饰元素；排版采用“顶部大标题 + 话题标签 + 人物周边气泡文案”的分层结构，顶部绿色对话框内用白色粗体字呈现“超闪亮时刻”，下方蓝色对话框内排版“# 高小定综艺混剪”；将参考图里的人物形象抠出，并且人物居中，周围环绕两个漫画风格气泡框，分别标注“接梗补刀”“高能救场”（字体为蓝色粗体，搭配白色外框）；整体色调以蓝、黄、绿为主，明亮活泼，风格融合美式漫画的夸张动感与综艺内容的吸睛属性，传递出热闹有趣的视觉效果。

### 参考 2：杂志海报

杂志风格,画面主体是冷艳时尚的人物，人物形象来源于参考图里的人物形象抠出，姿态张力十足。左上角以大号白色衬线字体呈现刊名《VOGUE》，字母锐利有质感；左侧中下部用黑色细体字竖排标注 “FEBRUARY 2025 | URBAN EDGE”，点明月份与主题；右下角则以金色小号字体印出 “COVER STAR: ELLA CHEN”，强化人物身份。背景为极简浅灰，黑色胶带元素穿插其中。光线是硬调侧光，塑造强烈阴影与时尚氛围。色彩黑、绿、白对比高级，构图中心对称。使用哈苏 H6D-100c，HC 80mm f/2.8，快门 1/250s，光圈 f/3.5，ISO 100。后期文字排版与画面风格统一，字体质感匹配整体冷冽高级感，让封面既具视觉冲击又信息清晰。

### 参考 3：复古风海报

复古风海报，采用拼贴艺术风格，主色调深咖加米黄色，背景融合做旧报纸、方格笔记本、复古磁带、老式电视机、复古包包，等怀旧元素，搭配回形针等文具装饰，元素大小对比；主体是参考图里的人物半身，整体风格兼具复古感与潮流感，色彩复古柔和，画面上方放主标题潮流粗体艺术文字突出 “周一复古穿搭”小号字色块垫底“甜酷 | 校园 | 潮流”，下描放小文案“更适合你的复古校园穿搭” ，搭配描边线，手绘小元素等营造出充满年代感又时尚的视觉效果。

### 参考 4：杂志封面
《时代周刊》封面，主角为一位杰出的人物封面，人物形象是从参考图里扣出来的。儒商风范：优雅、睿智且老练。留着修剪整齐的黑色短发，身着剪裁考究的深色西装。神情沉稳自信，带着一丝会意的微笑。灯光为戏剧性的高对比度影棚灯光，具有典型的杂志封面肖像风格。背景带有《时代周刊》标志性的红色边框。文字元素包括左上角的‘TIME’字样，“The New Visionary”的粗体经典衬线字体标题。照片级真实感，超高清细节，8k分辨率，电影级画质，眼睛部分对焦清晰。”

## 润色产出模板（推荐）

可在第 3 步前先整理成一段最终 prompt：

`封面设计，{风格定位}。主体：{核心人物/核心物体}。场景：{关键场景元素}。构图与镜头：{景别/视角/运动感}。色彩与质感：{主色调/材质}。版式：{是否需要标题、副标题、角标及其位置}。整体目标：{吸睛点/转化目标}。`

Github ReposUpdated 1h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.