上一期我介绍过自己做的视频封面生成 skill：顶部一个标题，底下是类似屏幕演示的画面，可以同时生成 4:3 横版和 3:4 竖版两种比例。最近我把它开源了，叫 oil-cover，仓库在 github.com/oil-oil/oil-cover。
安装和使用
最简单的安装方式是复制仓库链接，直接发给 Codex，告诉它「帮我安装一下这个 skill」，它就会把 skill 装好。
也可以手动把仓库克隆到 skills 目录：
# Claude Code
git clone https://github.com/oil-oil/oil-cover.git ~/.claude/skills/oil-cover
# 或 Codex
git clone https://github.com/oil-oil/oil-cover.git ~/.codex/skills/oil-cover
装完之后用斜杠命令 /oil-cover 触发，然后把视频的路径带上。在 Finder 里选中视频按 Option + Command + C 复制路径，粘贴到输入框里发出去，它就会开始生成封面。
背后的流程
整个流程可以分成五步：抽帧、选帧、分析、生图、质检。
第一步是抽帧，把原始视频按每秒一帧抽出来，整段视频会变得很小。然后让一个多模态模型看完这些帧，选出其中最适合封面表现的一帧。接下来它会分析这张封面图应该怎么写生图提示词。
封面上展示的屏幕其实是美化过的。原始录屏里对话可能没有那么大，画面里可能还有我的人脸，直接截图放上去也不够清楚。既然是生图，就可以做适当的美化，这些处理都写在生图提示词里。skill 里还沉淀了一些具体的做法：标题怎么加装饰、背景渐变色怎么搭配，让成品相对好看一点。
生图完成之后，AI 还会自己检查一遍这张图片是否符合 skill 里的描述，不达标就重新生成。
两种执行模式
这个 skill 提供两种模式。
第一种是脚本模式，整个 skill 被封装成一个完整的脚本，运行过程中 Agent 不需要介入。这个模式需要配置一个 ZenMux 的 API key，ZenMux 是一个 AI 网关平台，脚本通过它调用 Gemini 3.5 Flash 来选帧，再调用 GPT Image 2 来生图。因为不依赖 Agent 自己做决策，不管用什么 Agent、对话里有多少历史上下文，执行结果都是稳定的。
第二种是 Agent 自主执行模式。skill 提供一套流程和规范，由 Agent 自己一步一步执行，抽帧、分析、生图都由 Agent 完成。这个模式很适合在 Codex 里用，生图默认走 Codex 内置的 Image Gen 工具，就是斜杠命令 /image 调用的那个，背后同样是 GPT Image 2。这个模式完全不需要外部依赖，只用一个 Codex 就够了。
第一次使用这个 skill 的时候，它会问你想用脚本模式还是 Agent 自主模式。选择会写进 ~/.oil-cover/config.json 这个配置文件，下次再调用就不会重复问了。这份配置 Claude 和 Codex 共享，两边读的是同一个默认值。
仓库 README 里演示的封面图都是我用这个 skill 实际生成的，基本一步到位，不需要我再手动调整。我小红书主页的很多视频也已经换上了新生成的封面。如果大家喜欢这种风格，可以安装这个 skill 试一试。
