如果你这两个月一直在用 Codex、Claude Code、OpenClaw、Cursor 之类的 Agent，很容易有一种很强的感受：

它们越来越会写。

会写文章，会写脚本，会写标题，会写大纲，甚至会把整个工作流拆得像模像样。

但真正卡住很多人的，不是“不会写”，而是“写完以后交不出成品”。

你要发一篇文章，封面图还没做。
你要做一个 PPT，整套视觉图还没配。
你要做一个短视频，分镜图、样片、音效、配乐还散落在不同平台。
你要做一个小红书帖子，标题有了，图还没齐，封面还没定。

所以我最近看到这个开源项目时，第一反应不是“又一个 AI 生成工具”，而是：

这东西终于把 Agent 离“真正交付内容”差的那一截补上了。

它叫：

Ultimate-AI-Media-Generator-Skill

仓库地址：
https://github.com/ZeroLu/Ultimate-AI-Media-Generator-Skill

它的核心不是再造一个聊天框，而是给 Agent 一套稳定的媒体生成能力：

• 生图
• 生视频
• 生成音效
• 生成音乐
• 先估积分再提交
• 自动等待结果
• 自动保存输出

也就是说，它不是只让 Agent “帮你想”，而是开始让 Agent “帮你交付”。

它最值钱的地方，不是会生成，而是会把生成接进工作流

仓库 README 里把这件事讲得很直白：

• 它是开源的 ai image generator skill
• 也是 ai video generator skill
• 还是 ai audio generator skill
• 支持 Nano Banana 2、GPT Image 2、Sora 2、Seedance、Kling、HappyHorse、Suno、Gemini Omni 等模型
• 还内置了 AI PPT Workflow、AI SEO Article Workflow、AI Comic Drama Workflow

这意味着它不是一个孤立的小工具，而是一个可以往上接内容工作流、往下接具体模型的平台层。

很多人对这类 Skill 的第一反应是：

“那不就是帮我调 API 吗？”

真不是。

真正有价值的地方在于，它把一件麻烦事变简单了：

以前你做一条完整内容链路，经常得来回切：

• 文案在一个地方
• 图片在一个地方
• 视频在一个地方
• 音效在一个地方
• 价格和计费又在另一个地方

现在你可以把这些动作尽量收回到 Agent 里，让 Agent 先帮你规划，再帮你生成，再把结果回填进后续发布动作。

这就是为什么我觉得它特别适合内容团队、独立创作者、做自媒体的人、做营销的人，以及所有已经在用 AI Agent 的人。

你可以拿它做什么？

如果只说“图像、视频、音频、音乐一站式生成”，还是太抽象了。

我更愿意直接按你最常见的几个内容场景来讲。

1. 自媒体全自动发文配图

这是我觉得最实用的一条线。

很多人现在已经能让 Agent 写文章了，但最后总停在这几步：

• 封面图没人做
• 正文插图没人补
• 社媒预览图没人裁
• 平台规格不统一

而这个 Skill 仓库里本身就带了 AI SEO Article Workflow。它的目标写得很清楚：

为 SEO 文章生成整套视觉资产，包括：

• 封面图 prompt
• 3 张内文配图 prompt
• 社媒预览图 prompt
• 图片命名建议

这类设计很实用，因为它不是只给你“生一张图”，而是直接按“文章资产包”的思路来做。

如果你本来就有发文工作流，比如公众号、知乎、CSDN、博客同步，那这个 Skill 刚好可以补上最费时间的一层：

• 文章主封面
• 文中说明图
• 横版 banner
• 1:1 社媒分享图

严格说，它本身不是发文器。

但对于真正做内容的人来说，这并不重要。因为你缺的往往不是“按钮点发布”，而是发布之前那套图文素材生产线。

这一层一旦补齐，整条链路的自动化程度就会一下子上来。

2. 自动生成 PPT 视觉包

仓库里还有一个我很喜欢的工作流：AI PPT Skill Workflow。

它的目标不是帮你“临时做一页图”，而是：

为一整套演示文稿生成完整视觉包。

这个工作流要求的输入非常接地气：

• 主题
• 受众
• 页数
• 视觉风格

然后输出的是：

• 1 个封面主视觉 prompt
• 每一页 1 个视觉 prompt
• 图标风格说明
• 配色方案
• 图片 alt text

这有什么用？

用处非常大。

因为很多 PPT 做得慢，不是慢在写字，而是慢在：

• 每一页都要去找图
• 每一页都担心风格不统一
• 封面像一套，内页像另一套
• 最后只好临时拼

而这个工作流的好处，是让 Agent 不再一页一页瞎做，而是先站在整套 deck 的角度，帮你把视觉系统定下来。

对于这些场景尤其合适：

• 路演 PPT
• 提案 PPT
• 课程讲义
• 内部汇报
• 发布会视觉草稿

说白了，它很适合“时间很少，但又不想做得太糙”的人。

3. 全自动生成视频

这条线更猛。

因为这个 Skill 不是只支持图片，它还直接把视频模型接进来了。

README 里列出的覆盖范围，已经足够撑起很多视频工作流：

• sora-2
• sora-2-pro
• seedance-1-pro
• seedance-1-lite
• kling-2.6
• kling-3.0
• happyhorse-1.0
• gemini-omni-video

而且不只是文生视频。

它支持的场景里，还包括：

• text-to-video
• image-to-video
• video-to-video

这就意味着你可以把视频工作流拆得更像创作，而不是一次性抽卡：

1. 先让 Agent 写脚本和镜头说明
2. 再让它出关键帧图
3. 再把关键帧喂给视频模型
4. 再继续做局部编辑或延展
5. 最后补音效和音乐

如果你之前做视频经常卡在“模型很多，但流程很碎”，那你会很明白这套东西为什么有吸引力。

它真正解决的不是“能不能生成一条视频”，而是：

能不能把视频生成接进一条重复可用的生产链。

这对下面这些内容特别友好：

• 广告样片
• 分镜预演
• 短视频脚本测试
• AI 漫剧
• 带口播的内容预演

仓库里的 AI Comic Drama Workflow 就是这个思路。

它不是只出一句 prompt，而是把一个短故事变成：

• 8 个分场景画面 prompt
• 2 个转场视频 prompt
• 角色一致性清单
• 风格锁定说明

这就已经不是“玩模型”了，而是在认真做内容管线。

4. 全自动小红书帖子生成

这个角度很多人会忽略，但我觉得反而很有现实价值。

因为小红书真正耗时间的，常常不是文案，而是图。

• 封面图要有点击感
• 详情图要统一
• 教程卡片要清楚
• 九宫格要协调
• 有时还要兼顾 1:1、3:4、9:16 多个比例

这类活如果全手动做，很耗人。

但如果你把它交给 Agent，并让 Agent 通过这个 Skill 统一生成素材，事情就会顺很多。

最实用的做法不是一句“帮我发小红书”，而是先让 Agent 把帖子需要的资产包做完整：

• 1 张封面图
• 6 到 9 张详情图
• 1 套统一标题风格
• 1 套颜色和版式约束
• 必要时再补一个 9:16 视频封面

对用户来说，这其实就是“小红书帖子开始自动生成了”。

因为真正费你时间的环节，已经被压下去了。

为什么我一直强调：它真的很适合做内容的人

因为它不是只盯着技术人。

你看它带的这些工作流和例子，本质上都在服务同一类需求：

把一个想法尽快变成可发、可看、可交付的成品。

不管你最后发到哪里：

• 公众号
• 知乎
• 小红书
• 抖音
• CSDN
• 独立站博客
• 产品官网

你都绕不开图、视频、声音这些资产。

以前这几层通常是分开的。

现在这个 Skill 的意义，是让 Agent 把它们重新串起来。

另一个很关键的点：价格真的适合先跑通工作流

这部分我建议一定认真看。

因为很多工具看起来很强，但你一真用，就会发现两个问题：

• 不知道一次生成要花多少
• 想试几次就心疼

而这个 Skill 之所以比较适合长期用，一个很重要的原因就是：

它把“先 quote 再生成”做成了默认思路。

也就是先估积分，再决定要不要正式提交。

这对做内容的人特别重要，因为内容迭代本来就不是一次命中。

你真正需要的不是“最玄学的一次神图”，而是：

• 能快速试
• 能控制成本
• 能连续改
• 不用每次都担心计费黑箱

按我在 2026-06-19 查到的 Cyberbara 当前公开页面信息，大致是这样：

• 免费层每周有 12 credits
• Starter 现在是 800 monthly credits
• Mini Pack 是 500 credits / $6.90
• Basic Pack 是 1,500 credits / $17.90

页面换算也给得很直接：

• 免费层大约够 1 张 GPT Image 2 2K 图
• Starter 大约够 80 张 GPT Image 2 2K 图
• Mini Pack 大约够 50 张 GPT Image 2 2K 图
• Mini Pack 还大约够 20 个 10 秒 720P 视频

Nano Banana 2 页面给出的信用成本也比较清楚：

• 1K = 8 credits
• 2K = 12 credits
• 4K = 18 credits

这对高频试图、做封面、做详情图的人非常友好。

更关键的是，仓库 README 直接把这一点写成了核心卖点：

很多场景下，CyberBara 成本低于官方模型 API。

我这里不展开做一堆复杂价格对账，因为价格会变，模型也会变。

但就一个普通创作者最关心的问题来说，这已经很够了：

你能不能用比较低的门槛，把流程先跑起来。

而从当前定价和 credit pack 设计看，它显然就是往这个方向做的。

对普通用户来说，省下来的不只是钱，还有配置成本

这也是很多人低估的一点。

比如 Cyberbara 的 GPT Image 2 页面，直接把价值说得很明确：

• 不用自己管理 API Key
• 不用自己处理模型接入
• 不用自己搭上传、轮询和计费
• 你只要用 credits 去测 prompt 和结果

这件事听起来像“小便利”，其实对内容团队是大便利。

因为你真正想做的是：

• 试图
• 试视频
• 看结果
• 继续迭代

不是去折腾一堆接入细节。

而这个 Skill 的价值，就是把这一层麻烦从工作流里尽量移走。

如果你想现在就上手，我建议这样用

这里我不写复杂教程，直接给你一套最实用、最不容易绕的路径。

第一步：先装上 Skill

最省事的方法不是自己研究安装说明，而是直接把这句话发给你的 Agent：

Help me install this skill, use command `npx skills add ZeroLu/Ultimate-AI-Media-Generator-Skill --all`

如果你用的是 OpenClaw、Claude Code、Codex，这种方式最顺手。

第二步：去拿 Cyberbara API Key

地址在这里：

https://cyberbara.com/settings/apikeys

拿到以后，一次性配置就行。

仓库给的推荐命令是：

python3 scripts/cyberbara_api.py setup-api-key "<your-api-key>"

配置完成后，后面一般就不用反复填了。

第三步：别一上来就猛生成，先让 Agent quote

这是我最建议保留的习惯。

先问它这次大概要花多少积分，再决定是否提交。

比如你可以直接这样说：

Use $ultimate-ai-media-generator-skill to quote credits before submission.
I want one 16:9 article cover image about AI content automation.
Use a clean, high-end, editorial visual style.

这样你会先知道大概要花多少，而不是结果出来了才回头看账单。

第四步：按场景让它出整套资产，而不是只出一张图

这是很多人用不好这类工具的原因。

不要只说：

给我生成一张图

更好的说法是：

给我这一条内容链路需要的整套视觉素材

比如做文章，可以这样说：

Use $ultimate-ai-media-generator-skill to create a full visual asset plan for an article about AI automation for creators.
I need:
1. one 16:9 hero cover,
2. three inline illustrations,
3. one 1:1 social preview image,
4. all images in one coherent visual style.
Quote first, then wait for my confirmation.

做 PPT，可以这样说：

Use $ultimate-ai-media-generator-skill to create a visual package for a 12-slide presentation.
Topic: How AI agents are changing content production.
Audience: marketing team and founders.
Style: clean, premium, modern.
Output a cover image prompt, one visual prompt per slide, icon style guide, and color palette.

做短视频，可以这样说：

Use $ultimate-ai-media-generator-skill to plan and generate a short AI promo video.
I need:
1. 4 storyboard keyframes,
2. one 10-second text-to-video draft,
3. one short whoosh sound effect,
4. one light background music track.
Quote first and keep the total cost low.

做小红书帖子，可以这样说：

Use $ultimate-ai-media-generator-skill to create a Xiaohongshu visual package.
Topic: how creators can automate content with AI agents.
I need:
1. one square cover image,
2. six 3:4 tutorial cards,
3. one 9:16 video cover,
4. one consistent color and typography direction.
Quote first and optimize for low cost.

第五步：把它当成“底层出图引擎”，继续往上接你的发布工作流

这是最关键的一步。

它的最强用法，不是单独拿来玩一两次。

而是把它变成你整个内容系统里的“出图层”“出视频层”“出音频层”。

上面接：

• 选题
• 大纲
• 文案
• 标题
• 平台改写

下面接：

• 封面图
• 内文配图
• 视频样片
• 音效
• 背景音乐

一旦这样接，你就会开始感觉：

Agent 不再只是一个会说话的助手，而是一个真的能交付媒体资产的协作者。

哪些人最应该试它？

如果你符合下面任意一条，我都建议你认真试一下：

• 你在做公众号、知乎、小红书、博客、短视频
• 你已经在用 Codex、Claude Code、OpenClaw 这类 Agent
• 你不是不会写内容，而是卡在配图、视频、音效
• 你想先低成本把工作流跑通，再考虑规模化
• 你想把 AI 从“玩具”变成“稳定产线”

最后一句

我觉得 Ultimate-AI-Media-Generator-Skill 真正值得推广的地方，不是“它能生成多少模型结果”，而是：

它让 AI Agent 离真正交付成品这件事，更近了一大步。

尤其是对做内容的人来说，这一步非常关键。

因为你需要的从来不是一个更会聊天的 AI。

你需要的是一个：

• 会写
• 会规划
• 会算成本
• 会出图
• 会出视频
• 会补声音
• 最后还能把结果接回你的工作流

这才是“内容工厂”真正开始成立的时刻。

入口放这里

GitHub 仓库：
https://github.com/ZeroLu/Ultimate-AI-Media-Generator-Skill

Skill 页面：
https://cyberbara.com/skill

获取 API Key：
https://cyberbara.com/settings/apikeys

定价页：
https://cyberbara.com/pricing

积分成本与模型价格：
https://cyberbara.com/credit-costs

Star History：

备选标题

1. 一个开源 Skill，把 AI Agent 真正变成了内容工厂
2. 还在手动补封面和视频？这个 Skill 正在把内容生产线接回 Agent
3. 我最近最想推荐的，不是又一个模型，而是这个能交付成品的开源 Skill
4. 自媒体、PPT、视频、小红书都能接：这个 Skill 补上了 Agent 最缺的一层

发布备注

• 文中价格、credit pack、换算能力基于 2026-06-19 可见公开页面信息整理。
• “很多场景下成本低于官方模型 API”是仓库 README 的原始卖点表述，文中已按该口径转述，没有自行扩张成所有场景都更便宜。
• “全自动发文”“全自动小红书帖子生成”在文中按实际能力表述为：素材生成层自动化 + 与上层 Agent / 发布工作流配合，避免夸大为单一 Skill 独立完成所有平台发布。