FlowKit 是一套基于 Google Flow 的端到端 AI 视频生成系统，能把你的一句话故事自动变成"角色设定 → 分镜 → 8 秒视频片段 → 旁白 → 成片"的完整流水线，省去在 Google Flow 网页里反复手动操作的过程。本文将带你用不到一个小时，从零做出第一条 AI 视频。

🚀 一、先搞懂 FlowKit 是什么：你的本地 AI 视频生产线

传统做法是登录 Google Flow 网页，一个镜头一个镜头地手点生成。FlowKit 的思路是：让程序替你点。

它由三部分协作完成：

⚠️ 注意：需要保持一个已登录flow.google.com的浏览器标签页常开，所有生成都要借它"签名"。

🛠️ 二、五分钟完成环境搭建（一键安装步骤）

前置要求

安装步骤

git clone https://gitcode.com/gh_mirrors/flowkit/flowkit cd flowkit ./setup.sh # 一键检查并安装全部依赖，自动创建 venv

然后完成四步连接：

1. 加载扩展：打开chrome://extensions→ 开启开发者模式 → 加载已解压的扩展 → 选择extension/目录
2. 登录 Flow：打开flow.google.com登录并创建项目，从 URL 里复制出项目 uuid
3. 启动 Agent：

export FLOW_PROJECT_ID=<项目uuid> python -m agent.main

4. 验证连通：

curl http://127.0.0.1:8100/health # 返回 {"status":"ok","extension_connected":true} 即成功 ✅

完整说明见 README.md。

📖 三、第一步：把故事变成"项目"——实体与素材风格

FlowKit 的核心心智模型是参考图系统：凡是希望跨镜头保持一致的视觉元素，先生成一张参考图，之后每个镜头都引用它，保证同一角色"每张脸都一样"。

创建项目时你需要定义三类实体：

同时选择一个material素材风格，它会统一所有画面的视觉基调，内置 6 种：realistic、3d_pixar、anime、stop_motion、minecraft、oil_painting。

交互式的创建流程由/fk-create-project技能引导完成，它会依次问你：项目名、故事梗概、风格、角色描述、场景数量、横竖屏方向。规则细节见 skills/fk-create-project.md。

🎬 四、第二步：写分镜——场景提示词的正确姿势

分镜是整个项目里唯一需要认真动笔的环节，FlowKit 对每个场景要求两条提示词：

• prompt（画面提示词）：只写"发生了什么"——动作 + 环境 + 情绪，用实体名字代替外貌描述
• video_prompt（视频提示词）：描述 8 秒内的镜头运动，公式为[镜头/景别] + [主体] + [动作] + [环境] + [风格与音频]，结尾固定加Negative: subtitles, watermark, text overlay

记住两条黄金法则：

✅DO："Pippip stands behind Fish Stall, arranging fresh fish on ice. Sunrise, golden light. Wide shot."

❌DON'T："A chubby orange tabby cat wearing a blue apron stands behind a wooden stall…"（外貌交给参考图，重复描述反而破坏一致性）

分镜之间通过chain_type组织连续性：

官方示例项目"Pippip the Fish Merchant"完整演示了 3 场景的写法，见 README.md 和镜头语言速查 skills/fk-camera-guide.md。

⚡ 五、第三步：5 条命令跑完生成全流程

分镜建好后，剩下的都是体力活——FlowKit 用 5 条技能命令全部自动化（每条都会先检查前置依赖是否满足）：

这些命令由 AI Agent（Claude Code、Codex、Muse 等）自动执行，也可以直接照着 skills/ 目录下的 Markdown 食谱手动跑对应的 API 调用。批量提交后服务端会自动限流（最多 5 个并发 + 10 秒冷却），失败的请求自动重试最多 5 次，不用手动盯着。

随时敲/fk-status就能看到一个"什么做完了、下一步该干什么"的进度面板。

🎙️ 六、第四步：旁白、配乐与拼接成片

想要纪录片质感，加上旁白轨道即可：

/fk-gen-tts-template → 生成你的专属声音模板（音色克隆） /fk-gen-narrator → 为每个镜头生成解说词 + TTS 音频 /fk-concat-fit-narrator → 按旁白时长修剪镜头并拼接成片

解说词有严格公式：[观众看不到的背景/动机] + [紧张感或后果] + [短句收尾]，每 8 秒镜头不超过 2-3 句。想要背景音乐，再跑/fk-gen-music由 Suno 生成并混音。

📊 七、用 Web 控制台盯着你的流水线

不想盯终端？启动后打开本地 Web 控制台，你能看到：

• 总览页：实时 KPI、各视频阶段进度、待处理事项面板
• 场景流水线视图：每个镜头在 Refs → Images → Videos 各阶段的状态卡，一眼看出卡在哪
• 项目详情页：故事、旁白设置等字段可直接编辑
• 内置指南页：扩展连接状态、多语言支持（含中文）

🚑 八、常见问题速查表（避坑清单）

遇到其他报错，直接跑/fk-doctor，它会诊断并给出处置方案。

🎯 九、进阶玩法：从成片到发布

流水线跑通后，还有两条值得了解的支线：

• 一键全流程：/fk-pipeline智能检测项目状态并自动续跑剩余阶段，支持 TTS 与下载并行
• AI 审片：/fk-review-video用视觉模型给每个镜头打分（质量、角色一致性、可用性），不及格的镜头自动重新生成
• 发布套件：/fk-thumbnail生成点击率优化的封面（配 SEO 元数据）→/fk-brand-logo打频道水印 →/fk-youtube-upload按频道规则校验并定时上传

下面这张封面就是系统从故事一路生成到 YouTube 就绪的完整产物：

总结

回顾一下，FlowKit 把"故事 → 成片"压缩成了五步：

1. ✅ 一键搭建：./setup.sh+ 登录 Flow
2. ✅ 拆故事：定义角色/场景/道具实体 + 选风格
3. ✅ 写分镜：只写动作不写外貌，用chain_type组织连贯性
4. ✅ 5 条命令：参考图 → 分镜图 → 视频 → 拼接
5. ✅ 加旁白配乐，审片，上传发布

从一条故事梗概到可发布的完整视频，你只需要在"写分镜"这一步动笔，其余全部交给流水线。所有技能食谱都在 skills/ 目录下，随时可以翻阅。