laohan-luping

# 录屏自动化：口播稿 → 录屏脚本 → MP4 输入一篇口播稿（或录屏指示），自动生成 bash 录屏脚本。脚本编排 CLI 操作（tmux+Claude Code）和浏览器操作（Playwright headed），ffmpeg 录物理屏幕，输出 1080p MP4。 ## 核心理念 **口播稿即脚本蓝图。** 每段口播对应一个屏幕操作（CLI 命令/浏览器导航/静态等待），从口播稿里提取出操作序列和时长，填入录制模板。 **看到什么录什么。** ffmpeg 录物理屏幕，tmux 前台显示终端，Playwright headed 显示浏览器。两种"演员"按口播稿交替出场。 **录屏是素材，不是生产。** 录制过程中的临时文件全部自动清理，只保留最终 MP4。 ## 工作流 ### 1. 输入口播稿 接收用户提供的： - 口播稿文件路径（`script.md`） - 或录屏指示文件路径（`录屏指示.md`） - 或直接描述要录制什么 如果用户提供了口播稿但没有录屏指示 → 根据口播稿内容自动推断每段对应的操作。 如果用户提供了录屏指示 → 直接用指示里的操作序列。 - **完成条件：** 拿到完整的操作序列和每步时长 ### 2. 解析口播稿→操作序列 从口播稿/录屏指示中提取。操作分为三种类型： **CLI 操作**（tmux + Claude Code）： | 口播段落 | 屏幕操作 | 脚本动作 | |---------|---------|---------| | "说「抓今天的AI精选」" | 执行命令 | `send_cmd "抓今天的AI精选"` | | "说「帮我写口播稿」" | 执行命令 | `send_cmd "帮我写口播稿"` | | "展示 output/ 文件夹" | 查看命令 | `send_cmd "ls output/"` | **浏览器操作**（Playwright headed）： | 口播段落 | 屏幕操作 | 脚本动作 | |---------|---------|---------| | "打开 GitHub 项目页" | 导航到 URL | `browser_goto "https://github.com/..."` | | "看一下 README" | 页面滚动 | `browser_scroll 500` | | "点击安装文档" | 点击链接 | `browser_click "a[href='docs']"` | | "展示项目截图" | 静态展示 | `browser_wait 3000` | **静态操作**（纯等待）： | 口播段落 | 屏幕操作 | 脚本动作 | |---------|---------|---------| | 开场白/过渡/结尾 | 静态画面 | `sleep N` | 提取规则： - 引号里的内容（「」或""）→ 直接作为 send_cmd 的参数 - 提到 URL / GitHub / 网站 / 文档 → 浏览器操作 - 提到终端/命令/CLI → CLI 操作 - 纯叙述段落 → 按口播时长估算 sleep 秒数（正常语速约 3 字/秒） - CLI 命令需要等 Claude 完成的 → 加 `wait_for_claude` - 浏览器页面需要阅读时间的 → 加 `browser_wait` - **完成条件：** 生成结构化的操作列表，每条含类型（cli/browser/static）、内容、等待方式、标签 #...