video-edit Skill：让 AI 精准调度视频编辑模型的能力路由

video-edit Skill：让 AI 精准调度视频编辑模型的能力路由

视频创作进入 AI 时代，模型越来越多，但每次都要手动选模型、调参数，成了新的效率瓶颈。video-edit Skill 解决了这个问题——它像一个视频编辑领域的”智能调度员”，根据用户的编辑意图，自动匹配最合适的模型，一句话需求直接出结果。

功能与设计原则

video-edit 的核心定位是意图路由（Intent-Routed）视频编辑 Skill。它不绑定单一模型，而是内建了一套意图判断逻辑：当用户说”换背景”、”迁移动作”、”换装”等不同需求时，Skill 自动识别意图类型，从 RunComfy 模型目录中选取最优模型并完成调用。整个流程对 Agent 透明——只需一句自然语言，Skill 即可自主完成模型选择、prompt 构造、CLI 调用和文件下载。

设计原则三条：意图优先（先理解要什么，再选模型）、模型多样性（覆盖 3 款以上视频编辑模型）、无感调用（Agent 侧只需传入原始需求，后端全自动化）。

认可度

• 安装量：81.4K 次安装（截至 2026-08-20，skills.sh 平台）
• 近期热度：Trending 24h 榜单第 6 位；首次亮相仅 8 天，单日新增安装约 30K
• 所属仓库：agentspace-so/runcomfy-skills，MIT 许可证
• Trending 周期：2026 年 8 月 12 日首次提交，快速进入 skills.sh 热门榜单

链接

GitHub 仓库：https://github.com/agentspace-so/runcomfy-skills

安装命令：

npx skills add agentspace-so/runcomfy-skills --skill video-edit -g

Skills.sh 页面：https://www.skills.sh/genmedia-labs/skills/video-edit

原作者

• 主要维护者：kalvinrv（GitHub @kalvinrv，公开身份为 Kalvin）
• 参与贡献：@claude（Claude AI 参与代码贡献）
• 所属组织：agentspace-so（专注于 RunComfy AI 媒体 API 的 Skill 开发者组织）
• 生态定位：围绕 RunComfy 模型 API 提供系列 Skill，支持图像、视频、音频多模态生成与编辑

介绍

runcomfy-skills 是一个围绕 RunComfy 模型 API 构建的 Agent Skills 集合，每个 Skill 教 AI Agent 如何通过 runcomfy CLI 端到端调用特定模型——提交请求、等待完成、下载生成文件。其中 video-edit 是该仓库的核心 Skill 之一，专门处理视频编辑类需求。

该 Skill 将用户的高层编辑需求拆解为三类子任务，每类对应一个专门的模型：

• Wan 2.7 Edit-Video：通用视频重风格化、背景替换、物品替换，保留人物面部特征与整体动作
• Kling 2.6 Pro Motion Control：动作迁移——将参考视频中的运动模式精准迁移到目标角色
• Lucy Edit Restyle：轻量级换装/换脸，身份特征稳定，适合快速社交媒体内容

Skill 在 SKILL.md 中内置了每个模型的文档化 prompt 模式，Agent 无需额外学习即可获得高质量编辑结果。

特点

• 意图自动识别：解析”换背景”、”动作迁移”、”换装”等自然语言意图，无需人工指定模型
• 模型路由透明：对上层 Agent 封装为单一 Skill，底层可动态切换最优模型
• 配套 CLI 完整：调用 runcomfy run <vendor>/<model>/<endpoint>，结果自动下载，无需手动管理输出路径
• 安全沙箱：CLI 下载文件仅限 *.runcomfy.net / *.runcomfy.com 白名单，防止模型被恶意利用
• 生态联动：属于 runcomfy-skills 仓库（12 个 Skill），与 image-edit、image-to-video 等 Skill 形成完整的 AI 媒体生成矩阵
• 零成本入门：免费注册 RunComfy 账号即可调用，CI 环境通过 RUNCOMFY_TOKEN 环境变量认证

使用方法

第一步：安装 RunComfy CLI

npm i -g @runcomfy/cli
# 或
curl -fsSL https://runcomfy.com/install.sh | sh

第二步：登录账号

runcomfy login
# 在浏览器中完成设备码认证

第三步：安装 video-edit Skill

npx skills add agentspace-so/runcomfy-skills --skill video-edit -g

第四步：在 Agent 中调用

# 在 Claude Code / Cursor / Codex 等 Agent 中直接发送编辑需求
# 例如：
# "帮我把这段视频的人物背景换成海边日落，保留人物面部"
# Agent 调用 video-edit Skill → 自动路由到 Wan 2.7 Edit-Video → 返回编辑后视频路径

基础调用示例（通过 runcomfy CLI）

# 通用视频重风格化
runcomfy run wan-ai/wan-2-7/edit-video 
  --input video.mp4 
  --prompt "change background to sunset beach, preserve face identity"

# 动作迁移（需要参考视频）
runcomfy run kling/kling-2-6/motion-control 
  --source reference.mp4 
  --target target_video.mp4

# 换装/换脸
runcomfy run decart/lucy-edit/restyle 
  --input video.mp4 
  --prompt "outfit swap to formal suit"

使用场景与人群

适用场景

• 短视频创作：MCN 机构批量制作换装、换背景类内容，一套 prompt 多视频复用
• 电商视频：快速替换商品展示视频的背景板，降低实拍成本
• 影视后期辅助：概念验证阶段快速预览不同风格方案，节省迭代时间
• AI Agent 工作流：在 Claude Code 等 Agent 中集成视频编辑能力，构建端到端自动化流水线

目标用户

• 需要在 AI 编码工具中集成多媒体生成能力的开发者
• 短视频 MCN、电商运营、创意营销团队
• 研究 AI 视频生成与编辑能力边界的技术团队

输入与输出案例

案例一：意图识别路由

案例二：Agent 集成调用

用户：帮我把产品展示视频的背景换成户外草地，保持人物不动
Agent：调用 video-edit Skill
Skill 识别：背景替换 → Wan 2.7 Edit-Video
CLI 执行：runcomfy run wan-ai/wan-2-7/edit-video --input product.mp4 --prompt "outdoor grass field, subject stationary"
返回：/tmp/edited_product.mp4（下载到本地）
Agent 反馈：视频已生成，保存在 edited_product.mp4

GitHub: https://github.com/agentspace-so/runcomfy-skills