利用 Codex 从零打造一款 GIF 处理工具，将视频转 GIF 的繁琐步骤自动化，一次创建，长期复用。

核心要点：
1. 从解决真实场景入手，通过 Codex 生成 FFmpeg 指令
2. 将临时操作固化为可重复使用的自动化工作流
3. 如何封装为通用技能，应对各类视频剪辑需求

为了推广 oh-my-prompt 2.0，直接使用 Codex 从无到有编写了一个 GIF 技能。

oh-my-prompt 2.0 刚刚上线，主要更新包含两大功能：云端备份与 Prompt Agent。

Prompt Agent 的功能用 GIF 展示最为直观，于是录了一段屏幕录像，打算剪辑、加速，并转为动图插入文章中。

以往处理视频任务，我通常选用 Remotion。

Remotion 功能确实强大——能够完成视频比例转换、自动添加字幕、复杂渲染等操作。但这次需求非常简单，仅需把录屏转为 GIF，特意启动一个 Remotion 项目有些大材小用。

于是临时产生了一个想法：能否直接让 Codex 帮忙创建一个专门处理视频转 GIF 的技能？

不仅仅是写一条 FFmpeg 命令就结束，而是制作一个可反复调用的工作流。以后只需告知它视频位置、保留片段、速度调整值以及输出尺寸，它就能先检查视频、再复述计划、等待确认后再生成 GIF。

本文记录了从零到一开发这个技能的全过程。如果你也经常面对重复性的小任务——比如整理文档、处理图片、格式转换、生成草稿、批量重命名——完全可以参考这个思路来操作。

1、先别急着写技能，先把任务跑通一遍

最初向 Codex 提出的问题非常直接：

我想将视频进行剪辑，并变速，再转成 gif，可以使用什么工具？

Codex 推荐了 FFmpeg。这个选择非常合理——视频裁剪、变速、拼接、转 GIF，这些功能 FFmpeg 均可实现，而且免费，非常适合嵌入自动化流程。

接着继续回答它的追问：

一个命令搞定，且免费。

Codex 提供了一条 FFmpeg 命令，并解释了关键参数。到此为止，其实已经能解决一次性问题。但我不想每次都重新拼写命令，而且真实的视频处理往往不止截取一段这么简单。

之后直接一边观看视频，一边将需要剪辑的位置用口语描述发给 Codex：

8 秒之前不要，8 秒到 15 秒加速 4 倍，16 秒到 31 秒不要，32 秒到 40 秒加速 4 倍，41 秒到 53 秒不要，54 秒到 55 秒加速 2 倍，55 秒之后不要。

这段描述翻译成命令其实相当麻烦——需要拆分片段、分别变速、拼接、转 GIF，还要检查输出文件大小。它生成了一个 4 秒多的 GIF，保留了三个片段，分别按 4 倍速、4 倍速、2 倍速处理。

至此，本次需求已经完成——它成功帮我把视频转换成了所需的 GIF。但如果不做成技能，下次还得重复同样的对话。

2、把一次操作，整理成可复用流程

以上步骤非常关键。

在创建技能之前，最好先让 Codex 完整执行一次真实任务。 不要一开始就说“帮我写一个视频转 GIF 技能”——这样容易写成空泛的说明。

更好的方式是先让它解决一次真实问题，把过程中的输入、判断、异常、确认、输出都暴露出来。跑通之后，再让它将这套流程沉淀为技能。

任务完成后，让 Codex 使用 Skill Creator，将上述过程整理成一个技能。要求不是直接创建，而是先确认。

这个习惯建议保留——因为技能不是一段普通 prompt，它会直接影响 Agent 后续的行为。写得太粗略，后面容易乱执行；写得太死板，用起来又不灵活。

创建前最好先确认几个问题：这个技能叫什么？它在什么场景下触发？它需要用户提供哪些信息？它应该在什么时候追问？什么时候可以执行？执行前是否需要确认？执行后如何验证结果？

它解决的并非所有视频剪辑问题，只针对一个非常具体的场景——把视频中的片段裁出来，按需变速，拼接，然后转为 GIF。范围一定要收窄。

很多朋友初次编写技能时，容易什么都想塞进去：视频转 GIF、加字幕、加封面、压缩、调色、去水印、转 MP4，全都写进去。看起来功能强大，实际上很容易失控。

经验表明，技能越小，越容易被真正使用起来。只要能把一件重复的小事做稳定，就已经非常值得了。

3、设计 skill 时，重点写清楚交互流程

这次的 video-gif-editor 核心并非 FFmpeg 命令——FFmpeg 只是底层工具。真正重要的是交互流程。

我希望它按以下顺序工作：

1、首先定位来源视频。如果没有指定视频，就询问视频位置。

2、读取视频基础信息。包括时长、分辨率、帧率、文件大小。

3、询问如何处理。可以用自然语言描述，比如裁剪掉开头 8 秒，后面整体 4 倍速，或者保留几段不同速度。

4、检查描述是否存在问题。例如时间段是否超出视频长度，片段是否重叠，速度倍率是否合理。

5、复述即将执行的计划。包括保留哪些片段，每段速度多少，输出尺寸多少，预计 GIF 时长和大小。

6、等待明确确认。未确认，则不能执行。

7、生成 GIF 并校验结果。输出实际时长、尺寸、帧率、帧数、文件大小。

真正要写入技能的，是这些规则——让 Agent 知道什么时候提问、什么时候判断、什么时候复述、什么时候执行。

这也是很多技能好用与否的分界线。较差的技能，只写如何做。优秀的技能，会写清楚如何与用户一起协作完成。尤其是视频处理这类任务，执行一次可能需要等待几十秒甚至几分钟——未经确认直接运行，错了就是浪费时间。因此在技能中明确要求：用户确认前不能执行。这个规则很简单，但极为实用。

4、让 Codex 创建文件，并自己验证

确认流程之后，Codex 创建了 video-gif-editor 技能。它包含几个部分：SKILL.md 用于描述触发场景和工作流程，scripts/render_gif.py 用于真正调用 FFmpeg 生成 GIF。

5、用新技能处理真实素材

这一步也建议照做——不要只听 Codex 说创建完成就收工。一定要让它用真实素材跑一遍。技能这种东西，如果只写不跑，很容易看起来完整，但真正调用时才发现路径不对、依赖未安装、参数解析有问题。能跑通，才算真正完成。

技能做好之后，就拿它测试处理本次 oh-my-prompt 2.0 的录屏。

源视频为 PixPin_2026-05-26_10-20-06.mp4。video-gif-editor 先读取了视频信息。由于刚刚创建技能的过程中其实已经帮我生成了 GIF，这里测试时给出了一个随意的处理要求：

全部加速 4 倍，裁剪掉末尾 2 秒。

它解析出的计划是：保留 0 到 124.45 秒，整体加速 4 倍，预计 GIF 时长约 31.11 秒。然后提供了三个输出规格。

我选择了 small——因为这个 GIF 主要用于发布文章和聊天记录，不需要超高清晰度，体积小一些更方便传播。然后技能再次复述即将执行的参数，并要求明确回复确认执行。

确认之后，开始生成 GIF。

至此，这个技能完成了它的第一次真实工作任务。从需求上看，它只是帮忙制作了一个 GIF。但从工作流角度看，它把以后会反复出现的小任务固定了下来。下次再录制产品演示，无需重新思考用什么工具，只要把视频交给 video-gif-editor，然后用自然语言描述剪辑需求即可。

这就是 Codex 制作技能最实用的地方——它不仅适用于大型项目开发，也适合将那些反复出现、步骤不太复杂但容易出错的小任务，变成稳定的工具。

可以遵循这样的路径：先让 Codex 帮你手动完成一次真实任务；再让它总结流程，找出固定步骤和容易出错的地方；然后用 Skill Creator 将流程写成技能；接着让它创建必要的脚本；再用真实素材验证。这就是一条非常简单的技能创建路线。

顺便介绍一下 oh-my-prompt 2.0。本次更新主要有两个功能：云端备份和 Prompt Agent。

云端备份解决的是 prompt 资产安全问题。许多用户使用 oh-my-prompt 不仅存储几条提示词，而是按项目、角色、平台、风格长期积累。积累到一定程度后，这些 prompt 就不再是临时文本，而是素材资产。因此 2.0 加入了云端备份，换电脑、重装浏览器、同步 prompt 都会更加稳定。

Prompt Agent 则是本次 GIF 展示的重点。

以前的 oh-my-prompt 更像一个 prompt 管理器——保存一段 prompt，需要时一键插入。但很多 prompt 并非一段固定文本，而是一个任务入口。例如要做产品海报，它应该继续询问产品是什么、卖点是什么、风格是什么、面向谁。例如要做角色一致性，它应该帮忙补全角色设定、生成参考表、测试场景、沉淀模板。

Prompt Agent 想做的正是这件事——将静态 prompt，变成一个可以继续追问和推进任务的小助手。这也是为什么需要 GIF 展示，因为这个功能单靠截图不容易说明，动图更直观。

官网是 oh-my-prompt.com
GitHub 是 github.com/wk240/oh-my-prompt

如果已经在使用，可以更新到 2.0 试试。如果还没用过，也可以从这一版开始体验。