1. 从一次“短视频生成 Agent”翻车说起Skill 生成能力测试这件事我原本以为只是让模型写几个函数、拼一条 Prompt 就完事。直到我拿“输入一个话题自动产出一条短视频”当考题才发现真正难的不是写代码而是让 Agent 把创意策划、分镜、绘图提示词、语音合成、ffmpeg 合成这一整条链路串起来并且每一步都能被验证。更麻烦的是不同工具生成的 Skill 工程结构差异极大有的把 Prompt 写死在main.py里用户输入什么话题都返回同一套“人工智能”模板有的把配置拆到七八个文件结果上下文丢失文案生硬、TTS 机械、视频尺寸横竖屏乱套。我试过用两套不同的生成方式跑同一个任务最后都卡在“提示词硬编码”和“字幕烧录失败”这两个坑上。前者让 Agent 退化成模板填充机后者直接导致成片不可用。所以这篇不聊哪个工具更强而是把焦点放在如何用 TaoToken 的统一 Key 和 API 通道把 Skill 生成后的 Agent 调用链真正跑通并且用可复制的配置和 Python 脚本验证每一步输出。适合正在做 Agent 工程化、Skill 测试、Prompt 链路编排的读者也适合想用 ffmpeg 类 Skill 做视频合成验证的开发者。下面从环境准备开始一步步给出settings.json、config.toml和测试脚本。2. TaoToken 前置统一 Key 与 API 通道准备Skill 生成能力测试的核心痛点之一是Agent 调用链里往往混着多个模型端点——脚本生成用一个大模型绘图提示词用另一个TTS 可能又换一个。如果每个 Skill 都单独配 Key、单独改 base_url测试成本会非常高。TaoToken 在这里的作用是提供统一的 API 通道你只需要一个 Key就能在 Agent 的不同节点复用同一套接入方式减少配置漂移。先到官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册并进入控制台。控制台地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 在里面创建 API Key。Key 创建后只显示一次建议直接写进环境变量不要硬编码到 Skill 生成的代码里——这一点后面排障会重点讲。API 基础地址统一用 https://taotoken.net/api 注意这个地址不加 UTM 参数直接作为base_url使用。模型对话调试可以用 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API Keys 管理页是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。如果你后续要做长期编码或 Agent 编排可以看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。注意Skill 生成出来的代码经常会把 Key 写进config.py或settings.json并提交到仓库。测试阶段可以接受但进入协作前务必改成环境变量读取否则一旦泄露整条 Agent 调用链都会被滥用。3. 可复制配置settings.json 与 config.toml 骨架Skill 生成能力测试要可复现配置文件必须固定下来。下面这份settings.json是我实测下来比较稳的骨架把模型端点、超时、重试、以及 ffmpeg 相关路径都集中管理。你可以直接复制把api_key换成自己的或者改成env:TAOTOKEN_API_KEY让脚本从环境变量读。{ provider: { name: taotoken, base_url: https://taotoken.net/api, api_key: env:TAOTOKEN_API_KEY, timeout_seconds: 60, max_retries: 3, retry_backoff: 1.5 }, agent: { skill_name: short_video_agent, pipeline: [ script_gen, storyboard, image_prompt, tts, ffmpeg_compose ], prompt_dir: ./prompts, output_dir: ./output }, ffmpeg: { binary: ffmpeg, subtitle_font: SimHei, subtitle_size: 24, video_size: 1080x1920, fps: 30 } }对应的config.toml适合放在 Skill 工程根目录给 Python 脚本用tomllib或tomli读取。它和settings.json的分工是JSON 管运行时参数TOML 管 Prompt 模板路径和 Skill 元信息避免把 Prompt 写死在代码里。[skill] name short_video_agent version 0.1.0 description 输入话题生成短视频脚本、分镜、绘图提示词并合成视频 [prompts] script prompts/script.tpl storyboard prompts/storyboard.tpl image prompts/image.tpl [tts] engine edge-tts voice zh-CN-XiaoxiaoNeural rate 0% [compose] subtitle_file output/subtitle.srt output_video output/final.mp4这里的关键点是Prompt 模板独立成文件。之前看到的翻车案例里generate_script(topic)无论输入什么都返回固定主题就是因为 Prompt 被写死在函数体内。把模板放到prompts/script.tpl用{topic}占位Agent 每次调用时动态填充才能真正体现 Skill 生成能力。4. Python 测试脚本跑通 Agent 调用链配置就绪后用一个 Python 脚本把整条链路串起来。下面这个脚本不依赖具体框架只用标准库加requests方便你快速验证 TaoToken 通道是否通、Prompt 是否动态、ffmpeg 是否能合成。脚本会依次执行读取配置、渲染 Prompt、调用模型、生成分镜、调用 TTS、最后用 ffmpeg 合成。import json import os import subprocess import tomllib from pathlib import Path import requests ROOT Path(__file__).parent settings json.loads((ROOT / settings.json).read_text(encodingutf-8)) config tomllib.loads((ROOT / config.toml).read_text(encodingutf-8)) API_KEY os.environ.get(TAOTOKEN_API_KEY, ) BASE_URL settings[provider][base_url].rstrip(/) def render_prompt(template_path: str, **kwargs) - str: text (ROOT / template_path).read_text(encodingutf-8) return text.format(**kwargs) def call_llm(prompt: str) - str: resp requests.post( f{BASE_URL}/v1/chat/completions, headers{ Authorization: fBearer {API_KEY}, Content-Type: application/json, }, json{ model: gpt-4o-mini, messages: [{role: user, content: prompt}], temperature: 0.7, }, timeoutsettings[provider][timeout_seconds], ) resp.raise_for_status() return resp.json()[choices][0][message][content] def generate_script(topic: str) - str: prompt render_prompt(config[prompts][script], topictopic) return call_llm(prompt) def generate_storyboard(script: str) - str: prompt render_prompt(config[prompts][storyboard], scriptscript) return call_llm(prompt) def compose_video(image_dir: str, audio_file: str, subtitle_file: str, output: str): ff settings[ffmpeg] cmd [ ff[binary], -y, -framerate, str(ff[fps]), -i, f{image_dir}/%03d.png, -i, audio_file, -vf, fsubtitles{subtitle_file}:force_styleFontname{ff[subtitle_font]},FontSize{ff[subtitle_size]}, -s, ff[video_size], -c:v, libx264, -c:a, aac, -shortest, output, ] subprocess.run(cmd, checkTrue) if __name__ __main__: topic 城市夜跑的正确姿势 script generate_script(topic) print( 脚本 ) print(script[:300]) storyboard generate_storyboard(script) print( 分镜 ) print(storyboard[:300])prompts/script.tpl的内容可以这样写注意{topic}是动态占位你是一个短视频策划。请围绕话题「{topic}」写一段 60 秒口播脚本 要求开头 3 秒有钩子中间给出 3 个可执行建议结尾引导互动。 输出格式标题 分镜列表每个分镜包含画面描述和字幕文案。prompts/storyboard.tpl则接收上一步的脚本生成绘图提示词根据以下脚本生成 5 个分镜的 AI 绘图提示词风格统一为写实摄影 每个提示词包含主体、场景、光线、镜头焦段用英文输出。 脚本 {script}这套脚本跑通后你会看到脚本和分镜内容随topic变化而不是固定返回“人工智能”。这就是 Skill 生成能力测试里最该验证的一点Prompt 是否真正参与运行时。5. 验证请求与成功结果ffmpeg 类 Skill 的预期输出验证分两层。第一层是 API 通道验证用 curl 直接打一次模型对话确认 Key 和 base_url 没问题curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: 只回复通道正常}] }预期返回里choices[0].message.content应该是“通道正常”。如果返回 401先检查 Key 是否带上了Bearer前缀如果返回 404检查 base_url 是否误写成了带路径的地址。第二层是 ffmpeg 合成验证。准备 5 张001.png到005.png一段audio.mp3一份subtitle.srt然后执行ffmpeg -y -framerate 30 -i output/images/%03d.png -i output/audio.mp3 \ -vf subtitlesoutput/subtitle.srt:force_styleFontnameSimHei,FontSize24 \ -s 1080x1920 -c:v libx264 -c:a aac -shortest output/final.mp4成功时终端会输出帧率、码率、时长最后一行类似frame 900 fps 45 q-1.0 Lsize 2048kB time00:00:30.00 bitrate 559.2kbits/s。用播放器打开final.mp4字幕应该烧录在画面内而不是需要外挂。如果字幕没出现八成是subtitles滤镜路径没写对或者字体名在系统里不存在。提示ffmpeg 的subtitles滤镜对路径中的冒号和反斜杠敏感。Windows 下建议用相对路径或者把:转义成\:否则会报Unable to parse option value。6. 本篇常见错排查错误一Prompt 写死导致输出不随输入变化。表现是无论topic传什么脚本都围绕同一个主题。排查方法是打开prompts/script.tpl确认里面有{topic}占位并且render_prompt调用时传了topictopic。如果 Skill 生成时把 Prompt 写进了config.py的常量直接把它挪到模板文件。错误二TTS 机械、无感情。常见原因是调用了系统本地pyttsx3而不是edge-tts。在config.toml里把engine固定为edge-tts并指定voice zh-CN-XiaoxiaoNeural。如果仍然机械检查rate是否被设成了极端值。错误三字幕烧录失败。先确认subtitle.srt编码是 UTF-8再确认 ffmpeg 编译时带了libass。可以用ffmpeg -filters | grep subtitles检查。如果滤镜存在但报字体错误把Fontname换成系统里确实安装的字体比如Microsoft YaHei。错误四视频尺寸横竖屏错乱。在settings.json里显式写死video_size不要依赖模型生成。ffmpeg 命令里用-s 1080x1920强制输出避免图片原始比例干扰。错误五API 调用超时或 429。把timeout_seconds调到 60max_retries设为 3并在脚本里对requests.exceptions.Timeout做退避重试。如果频繁 429检查是否在循环里无节制调用模型Skill 测试阶段建议加一个简单的速率限制。7. 继续验证与接入入口整条链路跑通后建议把测试脚本固化成 CI 里的一步每次 Skill 生成后自动跑一次generate_script和compose_video比对输出视频的时长和字幕文件行数。这样 Skill 生成能力测试就不再依赖人工点按钮而是有可量化的回归标准。如果你在排障或接入阶段卡住优先看 API Keys 管理页 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 和接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 里面有针对 base_url 和鉴权头的说明。想先验证模型输出是否符合预期可以直接用模型对话页 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 手动发一条 Prompt 对比。长期做编码类 Agent 或需要稳定调用链的可以看 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 把 Key 和额度集中管理省得每个 Skill 单独配。