knowledge-animation

提出背景

我一直想用 manim 制作一些知识类动画（类似 3Blue1Brown 那种风格）。最开始我的做法是直接和大模型 + superpowers 对话生成，但实际用下来经常翻车：

• 流程失控：模型一口气写完全部场景，渲染出来才发现节奏不对，只能整段返工；
• 质量靠运气：画面是否穿帮、文字是否溢出，不看帧根本无法判断，而逐帧检查又极其耗 token；
• 环境脆弱：本地 Python 环境、字体、渲染参数稍有不慎就是一堆报错。

几次下来我意识到，问题不在于模型写不了 manim，而在于缺少一套能约束它「按规矩来」的流程。于是我把踩过的坑沉淀成了这个 skill，把「用 AI 做动画视频」从一次性豪赌，变成一条有纪律的流水线。

框架简介

我为它设计了单路由工作流：分镜策划 → 逐场景实现 → 视觉审查 → 高清出片，并内置了几条强约束：

• ⛔ 阻塞关卡：分镜方案必须经用户确认后才允许写任何场景代码，从源头避免大规模返工；
• 角色化执行：不同环节（策划/编码/审查）加载不同的角色参考文件，各司其职，互不污染上下文；
• 属主源头修复：渲染报错或目检不通过时，只允许修改场景源文件（.py），禁止在图片、视频等中间产物上打补丁；
• 图片节俭的目检：每个场景抽帧后拼成一张 contact sheet 网格图，一次 Read 看全场景节奏，兼顾质量与 token 成本；
• 浏览器审查界面：制作期可实时预览、逐帧注解，确认后再进入 1080p60 高清渲染与拼接。

环境依赖通过 uv 按需拉起（manim、flask 等），不写死任何本地环境，换机器也能跑。

已知问题