video (smixs/visual-skills)

Reseña

Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en una máquina de prueba Mac, con un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales en cada ejecución, la skill instalada (grupo con skill), sin ella (control) o sin ella pero con el requisito central de la skill comprimido en una frase añadida al prompt (grupo del prompt de una frase), 2 ejecuciones por grupo y tarea, red desactivada y escrituras en /tmp bloqueadas. Los prompts nunca mencionan la skill (salvo la formulación indicada más abajo). Esta skill produce prompts para generadores externos (Seedance, Kling), así que puntuamos los prompts. No existe ningún archivo de vídeo para esta skill: generar uno requiere una cuenta y una clave de Seedance/Kling/Veo, que no utilizamos.

Comparación de tres ramas

Medido con Codex CLI en 18 ejecuciones, puntuado con comprobaciones basadas en reglas y sin juez LLM. Total 20.8 / 30, veredicto Según el caso.

Veredicto: Situacional (20.8 / 30). Fuente: smixs/visual-skills, video, fijado en el commit 92be33a. Instalación: npx skills@latest add smixs/visual-skills --skill video. Licencia: CC-BY-4.0.

Qué es

El skill video de smixs/visual-skills (CC-BY-4.0, requiere atribución): hace que el agente actúe como director, guionista y editor al escribir prompts para generadores de vídeo con IA (Seedance, Kling, Veo y similares). SKILL.md es fino a propósito (unas 1,400 palabras) y ordena al agente leer dramaturgy.md, universal-rules.md y un archivo específico de modelo (Seedance, Kling o Veo) antes de escribir. Solo Markdown: 12 archivos de referencia, sin scripts. Escribe prompts; no renderiza vídeo.

Cómo lo probamos

Codex CLI 0.166 (gpt-6-astra, razonamiento bajo) en un Mac de pruebas, un proyecto temporal nuevo y HOME/TMPDIR/cachés temporales en cada ejecución, skill instalado (grupo con skill), ausente (grupo de control) o ausente con el requisito central del skill comprimido en una frase añadida al prompt (grupo de una frase), 2 ejecuciones por grupo y tarea, red desactivada, escrituras en /tmp bloqueadas. Los prompts nunca mencionan el skill (salvo la formulación indicada abajo).

Este skill produce prompts para generadores externos (Seedance, Kling), así que puntuamos los prompts. No existe ningún archivo de vídeo para este skill: generar uno requiere una cuenta y una clave de Seedance/Kling/Veo, que no utilizamos.

1. Prompts para un teaser de 15 s — Escribe los prompts de generación para crear un teaser de producto de 15 segundos en 16:9 para Tidepool, una suscripción mensual de snacks de algas ($14 por caja), con un generador de vídeo con IA (Seedance). Si una generación no cubre 15 segundos, divídela en clips y di cuánto dura cada…
2. Prompt para un plano cinematográfico de 8 s — Escribe el prompt de generación para un plano cinematográfico de 8 segundos en 16:9 de un pequeño barco de papel en el alféizar de una ventana con gotas de lluvia al atardecer, para un generador de vídeo con IA (Kling). Un plano continuo, sin cortes. Trabaja de forma autónoma; sin preguntas. Guarda el resultado en prompts.md (copia…
3. Prompts para un vídeo corto vertical de 30 s en clips — Escribe los prompts de generación para un vídeo corto vertical de 30 segundos en 9:16 para redes sociales, destinado a Tidepool (snacks de algas, $14 por caja), con un generador de vídeo con IA cuyos clips duran como máximo 10 segundos. Subtítulos que aparecerán (añadidos después): Conoce Tidepool. / Snacks de algas, crujientes y s…

La puntuación es programática (tests ocultos / detección de problemas sembrados / comprobaciones de restricciones / renderizado+OCR cuando corresponde), de 0 a 5 por ejecución. Ningún juez LLM decidió ninguna puntuación. Las comprobaciones son de palabras clave y estructura sobre prompts.md (por ejemplo, «nombra un movimiento de cámara», «menciona el sonido», «pone una duración a cada clip», «dice que no hay cortes»). No pueden juzgar si un prompt produciría una película mejor.

Resultados

La frase única que recibió el tercer grupo: "Escribe el prompt de cada clip como un director: empieza por el sujeto y su acción, da un movimiento de cámara y una óptica concretos, la iluminación y la imagen final, mantén el mismo anclaje de personaje/producto con nombre en cada clip y pon la duración en segundos en cada clip."

Puntuación media: 4.77 sin vs 4.3 con el skill (delta -0.47). Tokens por ejecución: 62k vs 172k (2.76x); tiempo 76s vs 126s. Grupo de una frase: 4.69 (la mejora del skill frente a la frase: -0.39; la mejora de la frase frente a no usar skill: -0.08); la frase usa 51k tokens por ejecución, así que el skill consume 3.35 veces sus tokens.

Qué ocurrió

• Según las comprobaciones por palabras clave, el skill quedó ligeramente por detrás: media 4.30 con el skill, frente a 4.77 sin skill y 4.69 con la versión de una frase. La diferencia viene sobre todo del prompt del barco de papel de 8 segundos (4.11 y 3.67 frente a 4.56 en las otras cuatro ejecuciones), luego del teaser (4.25 frente a 4.75: se perdió planos con código de tiempo y la nota del precio como superposición en algunos puntos) y un plan de clips que no nombraba movimientos de cámara.
• Parte de esa diferencia es una diferencia de criterio, no un error. En la tarea del barco, ambas ejecuciones del skill eligieron una cámara fija para que una pequeña acción (una gota que cae en la proa, dos gotas que se funden) sostuviera el plano; el comprobador busca palabras como 'push-in' o 'dolly' y lo marcó como movimiento de cámara ausente. Ninguna ejecución del skill mencionó el sonido, que el comprobador también quería.
• Las salidas sí se ven distintas. Las ejecuciones del skill despliegan un plan de tres clips con tiempos por clip, nombran el modelo objetivo y sus ajustes (duración, resolución, camera_fixed), mantienen un anclaje de personaje/producto entre clips y dicen qué se añade después en montaje. Las ejecuciones sin skill del teaser también dieron prompts completos con código de tiempo, con audio y líneas de voz en off, y no fueron peores en ninguna comprobación; las ejecuciones de una frase fueron más cortas (unas 900 palabras frente a 1,300-1,500).
• El skill se lee siempre (6/6) y el coste es alto: 172k tokens por ejecución frente a 62k sin el skill (2.8x) y 51k con la frase (3.4x), 14 comandos frente a 3, y unas 1.7x el tiempo. El agente lee unos seis archivos de referencia antes de escribir un solo prompt.
• La versión de una frase fue tan buena como sin skill según estas comprobaciones (4.69 frente a 4.77, dentro del ruido) con 0.8x los tokens.

Puntuación por dimensiones

Límites de esta prueba

• No se generó ningún vídeo, así que no podemos decir si los prompts del skill producen mejores películas; las puntuaciones miden solo características de los prompts.
• Las comprobaciones por palabras clave penalizan una elección de estilo legítima (cámara fija) e ignoran la calidad del prompt; toma la diferencia de 0.47 puntos como evidencia débil.
• Tres tareas de prompts (teaser de 15 s en 16:9, plano cinematográfico de 8 s, vertical de 30 s dividido en clips); no se probaron la consistencia de personaje entre generaciones, el image-to-video ni los modos de edición.
• CC-BY-4.0: la reutilización requiere acreditar a Serge Shima.
• n = 2 por grupo y tarea: las diferencias de menos de ~1 punto son ruido.
• La puntuación basada en reglas mide lo que las comprobaciones pueden ver; no puede juzgar el gusto ni si un resultado es el mejor posible.

Seguridad

Véase security.md. Escaneo: 0 CRITICAL / 0 HIGH / 0 MEDIUM. Veredicto: seguro de ejecutar (sandbox sin red). Un escaneo limpio no demuestra que un skill sea seguro.

Conclusión

Una guía de escritura de prompts cuidadosa y cinematográfica que hace que el agente planifique clips, anclajes y ajustes, pero nuestras comprobaciones por palabras clave no pudieron mostrar una ventaja, y cuesta unas 2.8x los tokens de simplemente pedirlo. Merece la pena probarla si de verdad vas a alimentar los prompts a Seedance, Kling o Veo y comparar películas; esa parte no pudimos hacerla.