motion-video-kit：给 AI 生成的商业广告，配一个不客气的甲方

一、场景：一条广告片，卡在"看起来还行"

你用 AI 工具生成了一条 30 秒的商业短片——画面流畅、转场华丽、配色高级。但客户看完只说了一句："挺好的，但总觉得哪里差点意思。"

问题出在哪儿？在于生成者同时也是评判者。做片子的人和看片子的人共享同一套预期，于是"我觉得已经修好了"就成了"看起来已经好了"。这就是 AI 生产内容最常见的死循环。

motion-video-kit（内部技能名 business-motion-film）给出的解法，出乎意料地朴素：叫一个不认识你的新角色来挑毛病。

二、The Gauntlet：把"施工"和"验收"拆成两个角色

这个项目的核心方法论叫 The Gauntlet loop，借鉴自 somethingbig.ai 的 Gauntlet Loop 思路：分离构建与评估，对照可检查的参照物，修掉最大的差距，重复。

规则里最关键的三条：

Builder ≠ Judge. 每一轮评审都要启动一个全新的批评者（新 agent 或新模型会话）。给它的东西被严格限定为：

• 实际产物（MP4 路径或帧文件），而不是你挑选过的截图
• 简报和客户原话
• 参考描述或参考文件
• 上一轮批评者的报告（用于复核轮）

作者明确禁止把构建者的推理过程或"我认为我修好了什么"的清单喂给批评者——"它必须自己去找问题"。这一条设计直接切断了自我确认偏差。

批评者评判像素和测量值，不评判意图. 批评者自己抽帧（每 0.1–0.25 秒一张接触印相表，每个转场附近加密到 1/30 秒），自己计算帧差和响度。它看的是成片，不是你的意图。

先修最大的那个真问题. 不要用别处的长处去平均掉一个弱开场。

验证，不要假设. 下一轮用一个新的批评者，逐条检查上一轮的每一项是 FIXED / PARTLY / STILL PRESENT，并主动寻找回归。作者特别提醒：修复常常制造新缺陷——"一个被遮挡的元素丢了 z-order，或一个移动的物体现在压过了标题"。

三、质量标准：从"我觉得不错"变成"这些数字必须成立"

这是全项目最硬的部分。references/quality-bar.md 把一条片子能不能交付拆成了可测量的数值条件：

检查项	目标值	测量方式
冻结时间	30 秒内帧差低于阈值的总时长 ≤ ~1 秒；单次静止不超过 0.6 秒（结尾 CTA 除外）	scripts/frozen-time.sh
响度	有冲击力风格 −14 LUFS；平静风格约 −16 LUFS；真峰 ≤ −1 dBFS	scripts/loudness.sh
动态范围	有力风格响度范围 ≥ ~3 LU（"一堵平墙的声音听起来像素材库"）；平静风格 1.5–3 LU	scripts/loudness.sh
音效 vs 音乐	音效所在频段比纯音乐轨高 ~+4 dB；不能听不见，也不能刺耳	带通滤波 50ms 峰值对比
文字对比度	所有稳定态文字满足 WCAG AA	框架检查 / 手动取样
品牌色	采样背景匹配品牌 token（3D 色调映射会改变颜色，所以必须实测）	裁剪 + 像素平均
确定性	同一帧从不同 seek 顺序渲染两次结果一致	帧比对

这些不是建议，是gate。scripts/loudness.sh 就是一行 ffmpeg ebur128 滤镜加 awk 提取，几十行 shell 就能拿到符合广播标准的测量值。

四、从 28 部真实发布片里提炼出的运动语法

除了方法论，还有一层领域知识：references/motion-grammar.md 给出六条运动规则和 16 个可复用机制的目录，references/launch-film-notes.md 记录了 28 部专业 SaaS 发布片的逐帧观察笔记（附原片链接，不分发素材本身，规避版权问题）。

配套的还有：

• 产品英雄镜头真实感（product-hero-realism.md）——如何让渲染出的折叠屏手机在运动上像真机：实测角度关键帧、单调三次插值、锁定相机、屏幕连续性与磨砂质感、确定性累积运动模糊，以及"让光线揭示角度而不闪烁"
• Three.js 模式（three-js-patterns.js）——确定性可 seek 场景、爆炸分层与投影标注、把照片钉在 3D 上下文里、真实感检查清单
• 音频规则（audio.md）——按买方客群匹配音乐、对真实音轨做回拍（back-timing）使其结尾正好落在 end card 上、每个小动作都要有干净的音效而英雄时刻要清晰可闻

五、三份案例研究，最狠的一份来自真实客户

references/case-study-*.md 记录了三个完整案例：

• alder：平静的服务型片子
• duo：40 秒 Three.js 产品参数广告，每一帧都是代码渲染
• home-display：20 秒智能家居显示屏参数广告——一个苛刻的客户在批评者说 SHIP 之后，又让改了七轮

第三份案例最有价值：它记录的不是成功，而是**"客户在听到批评意见后重新定义了需求"**这个真实过程。这才是商业内容生产的真相——质量标准不是技术问题，是共识问题。

六、不可协商的原则

SKILL.md 开头的"Non-negotiables"只有几条，但每条都踩在 AI 内容生产的道德边界上：

诚实。 绝不编造客户评价、评分、完成的工作、诊断结论、节省金额、质保承诺或已确认的预约。概念片子必须明说它是概念片子（"Fictional brand · Concept film · AI-generated imagery"）；客户片子必须用客户批准的素材和事实。

静音时也要能说清商业目的。 一个初次观看的静音观众，必须能说出这家公司做什么、下一步该做什么。

视觉可以野心勃勃，主张必须为真。 视觉可以夸张，事实不能。

这类约束在 AI 辅助内容生产工具里极其罕见——大多数工具只关心产出，不关心产出是否诚实。

七、局限与工程现状

它不是软件，是知识包。 30 个文件、零依赖安装、无 CI、无 release、health_percentage 仅 42%（对比 html-explainer 的 71%）。整个项目是单个作者（贡献者数 1）一个月内产出（创建于 2026-09-27，最后推送 2026-10-14）。没有版本发布机制，也没有测试。

覆盖面窄。 专注 15–40 秒的 SaaS 风格商业短片，面向 roofing、property、ecommerce、B2B software 等垂类。长叙事、剧情片、UGC 口播都不在设计范围内。

强依赖外部能力。 AI 生成素材、Three.js、HTML/GSAP 动效都要另外准备；仓库只提供规范、脚本与评审流程，不提供素材生成链路。

"Gauntlet" 的成本。 每轮评审都要开一个全新 agent 会话、重新抽帧、重新测量。质量提升是真实的，但时间和 token 成本是线性增长的。这对个人创作者是权衡，对团队 SOP 是必要投资。

八、行业意义：AI 内容生产的"验收标准层"

这个项目揭示了一个正在成型的需求层次。

当 AI 能廉价生成大量"看起来还行"的素材时，稀缺的不再是生成能力，而是判断"什么才算好"的能力。motion-video-kit 把后者做成了可执行的规格：可测量的响度阈值、可复核的评审角色隔离、逐条打勾的 FIXED / PARTLY / STILL PRESENT 判定表。

作者在 SKILL.md 里写得很清楚："Read only the reference file your current step needs"——按需加载参考文件，避免上下文膨胀。这是 2026 年 Agent Skill 设计的成熟形态：知识按步骤切片，脚本负责测量，规范负责判定。

对公司的启示：如果内部要用 AI 生产对外内容（广告片、产品演示、宣传物料），值得直接借鉴这套结构——把"生成"和"验收"分成两个角色，验收者必须是全新的，并且验收标准要落到可测量的数字上。这三条与具体工具无关，可以直接移植到文案、代码、设计等任何 AI 辅助产出场景。

---

分析基于 GitHub API 实时数据：1231 stars / 111 forks / MIT / Python+JavaScript / 30 个文件 / 13 份 references 规范文档 / 8 个测量脚本 / 2 个 HTML 模板 / 仓库健康度 42% / 单作者项目