一個 Skill，一套流程：把年報變成真正有人願意看的視頻，重新定義專業內容表達｜視頻即代碼3
整理版優先睇
今天真正稀缺的，已經不是信息，而是理解。過去很多行業默認了一件事：只要把信息整理得足夠完整、材料做得足夠專業，客戶就會認真閲讀、充分理解，最終做出判斷。但現實在打臉，敢不敢問問幾個客戶讀完了？在一個注意力被高度爭奪的時代，信息的完整性，早已不自動等於理解的發生；材料的專業感，也不自動等於信任的建立。因為最近一直在研究Remotion，從入門教程到做數據可視化視頻，這段時間聚焦把Remotion應用到具體場景中，當AI、代碼和敍事能力結合之後，我們可以把那些結構化、專業但難讀的材料，重新編譯成更容易被理解、被感受、也更容易建立信任的表達介質。這是annual-report-video技能誕生的初衷介紹一下：annual-report-video技能是一個分階段交付的skill，用來把年報摘要PDF轉成高審美的Remotion數據可視化視頻工程：先來看幾個案例：（寒武紀年報摘要轉視頻）（中信證券年報摘要轉視頻）🚀技能已開源🔗：https://github.com/SiyuanJia/annual-report-video技能使用與實踐建議整個skill沒有做成“丟一個 PDF，直接吐出最終視頻”的黑盒。因為像這種既涉及信息理解、又涉及視覺敍事的任務，真正重要的不是一步到位，而是過程中的分階段確認。所以我把它拆成了 extraction → storyboard → code 三段。先把 PDF 中真正重要的信息提煉出來，再把這些信息翻譯成分鏡設計語言，最後才進入Remotion 代碼實現。關鍵節點它會停下來與你交互確認，對齊意圖，這樣做的代價是流程沒有那麼“絲滑”，但好處是流程穩定、創意豐富、有交付自檢、有鏡頭語言的Remotion衍生技能。一個極簡的操作流程圖：Step 0：用戶提供📄 年報PDF/Logo→📝 啓動前確認→Step 1：🔍 PDF 解析→Step 2：🧩 信息提煉→🚦 Gate 1 確認→Step 3：🎞️ 分鏡設計→🚦 Gate 2 確認→⚙️Gate 3 確認（逐幕/一次性）→ Step 4：💻 代碼實現 + QA自查→Step 5：👀 預覽 / 🎬 導出流程細節如下，香蕉小助理畫了個直觀的圖：實際使用小貼士：Step0：材料準備，最好提供A股上市公司的年報摘要，一是A股年報摘要的結構是一致的，我們針對性的定製了提煉prompt，所以技能完全可以批量調用；二是年報摘要通常不超過10頁，足夠我們視頻信息提煉，完整年報解析會耗費很多token。企業logo圖最好提供去除背景的，方便適配任何背景和組件。Step1：年報摘要的解析使用的是Anthopic的官方pdf技能，需要事先安裝。Step2：信息提煉後，系統會主動詢問用戶是否滿意，不滿意直接提意見修改。Step3：分鏡設計環節，我們提供了大廠經典風格參考、踩坑經驗參考（reference文件）和結構化校驗（scripts文件），力求寫出來的設計能有創意密度、鏡頭語言和高級感。所以到了這一步，我們就建議大家用前端審美能力好的模型，我自己用下來是最喜歡gemini 3.1 pro，每次都能有點驚喜。設計完storyboard後，會主動詢問用戶，滿意後進入下一步。Step4：代碼實現環節，會主動詢問用戶，選擇是逐幕實現還是一次性實現，建議大家還是逐幕實現，即看即修。因為無論是技能的能力也好，模型的水平也好，它還不夠完美，追求不了一把成，它需要微調，但是修改個1-2次，就基本順眼了。代碼環節主要參考的是Remotion家的官方技能remotion-best-practice，來保證工程的正確性和穩定性，需要大夥事先安裝。代碼完成後會做一個一致性校驗。Step5：視頻渲染與導出，可以通過命令行指令直接下載整個視頻到項目文件夾，也可以預覽後在前端點擊“render”渲染並導出。所有能調用skill的命令行或IDE工具都可以使用該技能，我試了下在Cursor中調用，發現界面還挺人性化，每個主動詢問用戶的環節，都做成了提示框，過程截圖如下：（用Cursor調用annual-report-video技能，左右滑動）關於技能構建的思考與實踐關於skill究竟要解決什麼問題，其實看過很多討論，但是最讓我有種豁然開朗之感的是近期Anthropic 工程師 Thariq 發的一條長推，標題是《Lessons from Building Claude Code: How We Use Skills》，總結內部在構建skill時踩過的坑和總結出來的經驗。中文版解讀可以看這篇。藉着Thariq 對 skill 的總結，我慢慢想明白了一件事：一個 skill 到底有沒有價值，關鍵看它在補什麼。有些 skill 補的是知識差。也就是模型本來不知道、或者很容易做錯的那些高語境信息：踩過的坑、邊界條件、反例、團隊默認規則、審美約束。有些 skill 補的是執行差。也就是不是“它不懂”，而是“它做不穩”。這時候靠的不是多寫幾句提示詞，而是腳本、校驗、驗收標準和自動化流程。搞清楚這一點，你就知道自己的 Skill 裏該寫什麼、不該寫什麼。所以，帶着這個視角回頭看，annual-report-video的結構就很清楚了：一部分是補知識差：我們在reference文件裏構建了三個文件：`references/storyboard.md`——分鏡設計階段的主創意合同，它回答的是怎麼把 `extraction.json` 變成可執行的 `storyboard.md`。`references/classic-motion-lexicon.md`——視覺母題詞典 / 靈感詞彙庫，它負責的是提供大廠風格的母題、動效組件、材質靈感的參考，不斷迭代。`references/visual-grammar.md`——踩坑集，它不是最高優先級創意來源，而是默認視覺約束、設計避坑指南，它也要不斷迭代。（classic-motion-lexicon：大廠經典動效風格積累）另一部分是補執行差：我們分別構建了這樣幾個文件：引用`remotion-best-practices` skill——Remotion官方技能，保證工程正確性與穩定性。`references/visual-qa.md`——後置視覺驗收標準，在每一幕代碼寫完後的質量檢查清單。scripts——機械性重複動作，彌補用提示詞約束力的不足，把能程序化的東西腳本化。如工程初始化腳本、信息提煉校驗腳本、分鏡校驗腳本。用Anthropic 工程師 Thariq 的話說，不好用的 skill，往往只是在重複低語境信息；真正好用的 skill，是高語境信息，是沒法從預訓練裏學到、沒法從官方文檔裏抄到的：那些你（團隊）獨有的經驗、邊界、品味和護欄。關於跟remotion-best-practice的差別Remotion官方技能剛出那會，網上有挺多一句話remotion視頻的案例，但都會比較簡單，就像簡單粗糙的PPT動了起來，所以說remotion雖能做精美視頻，但它比較吃提示詞，沒有提示詞激活潛能，那它就會比較平。這點跟nano banana模型有本質區別：調用remotion技能做視頻，美感與否取決於提示詞、取決於調它的模型，也就是提示詞能不能把模型內在的設計美感、鏡頭語言激活出來。而調用nano banana模型時，模型本身就自帶需求理解和絕佳的設計美感，本身就是個複雜的黑盒agent，所以用nano banana完全不需要複雜的提示詞，一句話就能出精美圖片。所以，我們的annual-report-video技能跟官方remotion-best-practices技能的差別就比較清晰了：remotion-best-practices負責工程正確性和穩定性，保證渲染與實現規範。annual-report-video在官方技能的基礎上，通過reference和scripts文件拉高每幕的創意密度、組件豐富度、鏡頭語言和高級感，讓視頻代碼不只“寫得穩”，還得“做得有辨識度、有豐富性”。remotion-best-practices 負責“別寫壞”，annual-report-video負責“別做平”。關於對客銷售的思考延伸雖然annual-report-video跟銷售場景表面上沒啥關係，但構建它的過程中，處處都有對客銷售場景的影子，對客銷售的一個核心問題，從來都不是“你有沒有把材料發出去”，而是“客戶有沒有低阻力地理解你，願不願意繼續聽你說下去”。Remotion為解決對客銷售場景中這個核心痛點，提供了一種極具想象力的解法。內容介質的降維打擊：從“信息冰冷傳遞”到“數據視覺敍事對客銷售中我們經常需要給客戶發送大量的結構化材料，我還是拿財富管理舉例：產品體系介紹、資產配置方案、客戶持倉回顧、保險引入與試算、保單檢視...這些材料往往和“年報摘要”一樣，充滿了枯燥的數據和大量乾癟的文字，我們常假設客戶有足夠的耐心去解析長達數十頁的 PDF，但這在如今“注意力極度稀缺”的商業語境下是一種奢望。如果能用類似於 annual-report-video技能，將這些冗長晦澀的PDF，一鍵轉化為具有高審美、強鏡頭語言、動態可視化的短視頻，這在客戶觸達環節就是一次降維打擊。你不再是丟過去一個“需要客戶費力閲讀的文件”，而是送過去一場“視聽級的數據敍事”，專業感和信任度瞬間拉滿。當枯燥的業務數據轉化為極具審美張力的視聽敍事時，我們不僅降低了客戶的信息解碼成本，更在觸達的第一秒，就建立了無可辯駁的專業勢能與品牌信任感。視頻即代碼的真正殺手鐧：規模化的“千人千面”高定體驗在傳統客戶旅程設計中，“定製化的高級感”與“規模化的交付效率”是天然互斥的。傳統的視頻營銷因為高昂的渲染與後期修改成本，註定只能是“通用型”的廣播式物料。視頻一旦剪出，改一個字、換一個Logo都需要打回後期重新渲染。這就導致銷售發給客戶的視頻，只能是“通用版”。而Remotion的魅力在於“視頻即代碼（Video as Code）”。這意味着，視頻裏的客戶Logo、核心痛點數據、專屬解決方案，全都是代碼裏的變量（Variables）。想象一下這個對客銷售場景：銷售人員只需輸入客戶id，CRM Agent 就能提煉信息，通過我們預設好的 Skills（分鏡庫、視覺母題字典），瞬間渲染出一條帶有客戶專屬Logo、專屬於該客戶業務數據的高級感視頻。這種“低成本、自動化、但極具專屬尊崇感”的客戶體驗，在過去是根本無法想象的。這是Agent對對客銷售底層邏輯的重構——我們用極客的代碼工程，實現了高溢價服務體驗的規模化量產。隱性資產的極致封裝：策略的“Skill化” ✖️ 交付的“Remotion化”敞開想，我們現在做的事都還缺少點想象力。目前的annual-report-video依然偏向 1.0 形態——它是按既定的流程框架，把動態的客戶變量“填”進去。但這只是提效，還不是變革。在真實的複雜對客銷售中，真正拉開差距的往往是“銷冠的潛意識”。一個頂尖銷冠面對一份客戶資料，絕對不會按部就班地走流程。他們擁有敏鋭的“願景倒推”能力：即先根據客戶的散點信息，在腦海中快速為客戶設計一個極具誘惑力的“願景”，然後倒推敍事邏輯——面對這個具體的決策者，第一幕用什麼痛點話題精準破冰？中間用哪組核心數據讓願景具象化？結尾用什麼特定的技巧推高情緒並促單？這套基於不同客戶畫像的“動態敍事編排”，過去只存在於銷冠的潛意識裏，是極難複用的隱性資產。而當我們把目光投向更深度的“AI Agent + Remotion”架構時，極具想象力的事情發生了：前端大腦（策略 Skill 化）：我們不再寫固定的代碼模板，而是把銷冠這套“不成文的洞察經驗與倒推邏輯”，沉澱為大模型的動態Workflow。大模型負責扮演銷冠的大腦，動態地為每一個客戶生成獨一無二的 storyboard（動態分鏡策略）。後端喉舌（交付 Remotion 化）：當銷冠的戰略意圖被 Skill 確定後，Remotion 則作為毫無折損的執行層，瞬間將這套打法轉化為高審美的動態視頻。這是一個極為恐怖的銷售武器。把“銷冠的潛意識進行策略化（Skill），再疊加視覺交付的代碼化（Remotion）”，這就是一個非常極致的商業閉環（大腦+喉舌）。在售前和售中的關鍵節點，“Skill + Remotion”的組合相當於在對客戶進行一次極低阻力的“心智植入”。它不僅省去了客戶閲讀枯燥方案的痛苦，更是把銷冠為你量身定製的那個“心心念唸的願景”，以視聽雙通道的強震撼力，直接灌輸進客戶的腦海中。它讓抽象的賣點瞬間具象化為客戶對未來的強烈嚮往。用代碼沉澱銷冠的大腦，用視頻接管客戶的感官。這已經不是簡單的“視頻生成”，這是真正的、可規模化複製的終極對客銷售利器。AI 不是在幫銷售省時間，是正在改寫銷售表達本身。這次做annual-report-video，我更想把它當成一次表達實驗：當我們面對複雜、專業、信息密度高的內容時，也許未來很多材料，都值得被重新編譯。從文本到鏡頭，從信息到敍事，從說明到感受。它影響的不只是內容創作，而是銷售、溝通、表達，甚至是我們如何建立專業感與信任感。🚀技能已開源，歡迎夥伴們交流&送✨：https://github.com/SiyuanJia/annual-report-video這是低產博主的第12篇AI+銷售系列思考產出，希望大家能喜歡，如果能對你有所啓發那就太棒了，歡迎給我提出你在銷售賦能上的創意和想法，我們一起來實現！Nano Banana 2做數據可視化卡片，顏值超高、推理能力極強，美中不足的是...視頻即代碼2：我用Remotion做了10個不同類型的數據可視化視頻（附提示詞）視頻即代碼：我用Remotion Skill搓了個客戶年度持倉回顧視頻，附實用教程2025，與AI一起走過，我的創作精品集
今天真正稀缺的，已經不是信息，而是理解。過去很多行業默認了一件事：只要把信息整理得足夠完整、材料做得足夠專業，客戶就會認真閲讀、充分理解，最終做出判斷。但現實在打臉，敢不敢問問幾個客戶讀完了？在一個注意力被高度爭奪的時代，信息的完整性，早已不自動等於理解的發生；材料的專業感，也不自動等於信任的建立。
因為最近一直在研究Remotion，從入門教程到做數據可視化視頻，這段時間聚焦把Remotion應用到具體場景中，當AI、代碼和敍事能力結合之後，我們可以把嗰啲結構化、專業但難讀的材料，重新編譯成更容易被理解、被感受、也更容易建立信任的表達介質。這是annual-report-video技能誕生的初衷介紹一下：annual-report-video技能是一個分階段交付的skill，用來把年報摘要PDF轉成高審美的Remotion數據可視化視頻工程：先來看幾個案例：（寒武紀年報摘要轉視頻）（中信證券年報摘要轉視頻）🚀技能已開源🔗：https://github.com/SiyuanJia/annual-report-video技能使用與實踐建議整個skill沒有做成“丟一個 PDF，直接吐出最終視頻”的黑盒。
因為像這種既涉及信息理解、又涉及視覺敍事的任務，真正重要的不是一步到位，而是過程中的分階段確認。所以我把它拆成了 extraction → storyboard → code 三段。先把 PDF 中真正重要的信息提…
- 一個 Skill，一套流程：把年報變成真正有人願意看的視頻，重新定義…
- 一個 Skill，一套流程：把年報變成真正有人願意看的視頻，重新定義…
- 一個 Skill，一套流程：把年報變成真正有人願意看的視頻，重新定義…
- 一個 Skill，一套流程：把年報變成真正有人願意看的視頻，重新定義…
- 一個 Skill，一套流程：把年報變成真正有人願意看的視頻，重新定義…
可記低 Prompt
今天真正稀缺的，已經不是信息，而是理解。過去很多行業默認了一件事：只要把信息整理得足夠完整、材料做得足夠專業，客戶就會認真閲讀、充分理解，最終做出判斷。但現實在打臉，敢不敢問問幾個客戶讀完了？在一個注意力被高度爭奪的時代，信息的完整性，早已…
內容片段
Step 0：用戶提供📄 年報PDF/Logo→📝 啓動前確認→
Step 1：🔍 PDF 解析→
Step 2：🧩 信息提煉→🚦 Gate 1 確認→
Step 3：🎞️ 分鏡設計→🚦 Gate 2 確認→⚙️Gate 3 確認（逐幕/一次性）→
Step 4：💻 代碼實現 + QA自查→
Step 5：👀 預覽 / 🎬 導出整理版
今天真正稀缺的，已經不是信息，而是理解。過去很多行業默認了一件事：只要把信息整理得足夠完整、材料做得足夠專業，客戶就會認真閲讀、充分理解，最終做出判斷。但現實在打臉，敢不敢問問幾個客戶讀完了？在一個注意力被高度爭奪的時代，信息的完整性，早已不自動等於理解的發生；材料的專業感，也不自動等於信任的建立。因為最近一直在研究Remotion，從入門教程到做數據可視化視頻，這段時間聚焦把Remotion應用到具體場景中，當AI、代碼和敍事能力結合之後，我們可以把嗰啲結構化、專業但難讀的材料，重新編譯成更容易被理解、被感受、也更容易建立信任的表達介質。這是annual-report-video技能誕生的初衷介紹一下：annual-report-video技能是一個分階段交付的skill，用來把年報摘要PDF轉成高審美的Remotion數據可視化視頻工程：先來看幾個案例：（寒武紀年報摘要轉視頻）（中信證券年報摘要轉視頻）🚀技能已開源🔗：https://github.com/SiyuanJia/annual-report-video技能使用與實踐建議整個skill沒有做成“丟一個 PDF，直接吐出最終視頻”的黑盒。因為像這種既涉及信息理解、又涉及視覺敍事的任務，真正重要的不是一步到位，而是過程中的分階段確認。所以我把它拆成了 extraction → storyboard → code 三段。先把 PDF 中真正重要的信息提煉出來，再把呢啲信息翻譯成分鏡設計語言，最後才進入Remotion 代碼實現。關鍵節點它會停下來與你交互確認，對齊意圖，咁樣做的代價是流程沒有那麼“絲滑”，但好處是流程穩定、創意豐富、有交付自檢、有鏡頭語言的Remotion衍生技能。一個極簡的操作流程圖：Step 0：用戶提供📄 年報PDF/Logo→📝 啓動前確認→Step 1：🔍 PDF 解析→Step 2：🧩 信息提煉→🚦 Gate 1 確認→Step 3：🎞️ 分鏡設計→🚦 Gate 2 確認→⚙️Gate 3 確認（逐幕/一次性）→ Step 4：💻 代碼實現 + QA自查→Step 5：👀 預覽 / 🎬 導出流程細節如下，香蕉小助理畫了個直觀的圖：實際使用小貼士：Step0：材料準備，最好提供A股上市公司的年報摘要，一是A股年報摘要的結構是一致的，我們針對性的定製了提煉prompt，所以技能完全可以批量調用；二是年報摘要通常不超過10頁，足夠我們視頻信息提煉，完整年報解析會耗費很多token。企業logo圖最好提供去除背景的，方便適配任何背景和組件。Step1：年報摘要的解析使用的是Anthopic的官方pdf技能，需要事先安裝。Step2：信息提煉後，系統會主動詢問用戶是否滿意，不滿意直接提意見修改。Step3：分鏡設計環節，我們提供了大廠經典風格參考、踩坑經驗參考（reference文件）和結構化校驗（scripts文件），力求寫出來的設計能有創意密度、鏡頭語言和高級感。所以到了這一步，我們就建議大家用前端審美能力好的模型，我自己用下來是最喜歡gemini 3.1 pro，每次都能有點驚喜。設計完storyboard後，會主動詢問用戶，滿意後進入下一步。Step4：代碼實現環節，會主動詢問用戶，選擇是逐幕實現還是一次性實現，建議大家還是逐幕實現，即看即修。因為無論是技能的能力也好，模型的水平也好，它還不夠完美，追求不了一把成，它需要微調，但是修改個1-2次，就基本順眼了。代碼環節主要參考的是Remotion家的官方技能remotion-best-practice，來保證工程的正確性和穩定性，需要大夥事先安裝。代碼完成後會做一個一致性校驗。Step5：視頻渲染與導出，可以通過命令行指令直接下載整個視頻到項目文件夾，也可以預覽後在前端點擊“render”渲染並導出。所有能調用skill的命令行或IDE工具都可以使用該技能，我試了下在Cursor中調用，發現界面還挺人性化，每個主動詢問用戶的環節，都做成了提示框，過程截圖如下：（用Cursor調用annual-report-video技能，左右滑動）關於技能構建的思考與實踐關於skill究竟要解決什麼問題，其實看過很多討論，但是最讓我有種豁然開朗之感的是近期Anthropic 工程師 Thariq 發的一條長推，標題是《Lessons from Building Claude Code: How We Use Skills》，總結內部在構建skill時踩過的坑和總結出來的經驗。中文版解讀可以看這篇。藉着Thariq 對 skill 的總結，我慢慢想明白了一件事：一個 skill 到底有沒有價值，關鍵看它在補什麼。有些 skill 補的是知識差。也就是模型本來不知道、或者很容易做錯的嗰啲高語境信息：踩過的坑、邊界條件、反例、團隊默認規則、審美約束。有些 skill 補的是執行差。也就是不是“它不懂”，而是“它做不穩”。這時候靠的不是多寫幾句提示詞，而是腳本、校驗、驗收標準和自動化流程。搞清楚這一點，你就知道自己的 Skill 裏該寫什麼、不該寫什麼。所以，帶着呢個視角回頭看，annual-report-video的結構就很清楚了：一部分是補知識差：我們在reference文件裏構建了三個文件：`references/storyboard.md`——分鏡設計階段的主創意合同，它回答的是怎麼把 `extraction.json` 變成可執行的 `storyboard.md`。`references/classic-motion-lexicon.md`——視覺母題詞典 / 靈感詞彙庫，它負責的是提供大廠風格的母題、動效組件、材質靈感的參考，不斷迭代。`references/visual-grammar.md`——踩坑集，它不是最高優先級創意來源，而是默認視覺約束、設計避坑指南，它也要不斷迭代。（classic-motion-lexicon：大廠經典動效風格積累）另一部分是補執行差：我們分別構建了咁樣幾個文件：引用`remotion-best-practices` skill——Remotion官方技能，保證工程正確性與穩定性。`references/visual-qa.md`——後置視覺驗收標準，在每一幕代碼寫完後的質量檢查清單。scripts——機械性重複動作，彌補用提示詞約束力的不足，把能程序化的東西腳本化。如工程初始化腳本、信息提煉校驗腳本、分鏡校驗腳本。用Anthropic 工程師 Thariq 的話說，不好用的 skill，往往只是在重複低語境信息；真正好用的 skill，是高語境信息，是沒法從預訓練裏學到、沒法從官方文檔裏抄到的：嗰啲你（團隊）獨有的經驗、邊界、品味和護欄。關於跟remotion-best-practice的差別Remotion官方技能剛出那會，網上有挺多一句話remotion視頻的案例，但都會比較簡單，就像簡單粗糙的PPT動了起來，所以remotion雖能做精美視頻，但它比較吃提示詞，沒有提示詞激活潛能，那它就會比較平。這點跟nano banana模型有本質區別：調用remotion技能做視頻，美感與否取決於提示詞、取決於調它的模型，也就是提示詞能不能把模型內在的設計美感、鏡頭語言激活出來。而調用nano banana模型時，模型本身就自帶需求理解和絕佳的設計美感，本身就是個複雜的黑盒agent，所以用nano banana完全不需要複雜的提示詞，一句話就能出精美圖片。所以，我們的annual-report-video技能跟官方remotion-best-practices技能的差別就比較清晰了：remotion-best-practices負責工程正確性和穩定性，保證渲染與實現規範。annual-report-video在官方技能的基礎上，通過reference和scripts文件拉高每幕的創意密度、組件豐富度、鏡頭語言和高級感，讓視頻代碼不只“寫得穩”，還得“做得有辨識度、有豐富性”。remotion-best-practices 負責“別寫壞”，annual-report-video負責“別做平”。關於對客銷售的思考延伸雖然annual-report-video跟銷售場景表面上沒啥關係，但構建它的過程中，處處都有對客銷售場景的影子，對客銷售的一個核心問題，從來都不是“你有沒有把材料發出去”，而是“客戶有沒有低阻力地理解你，願不願意繼續聽你說下去”。Remotion為解決對客銷售場景中呢個核心痛點，提供了一種極具想象力的解法。內容介質的降維打擊：從“信息冰冷傳遞”到“數據視覺敍事對客銷售中我們經常需要給客戶發送大量的結構化材料，我還是拿財富管理舉例：產品體系介紹、資產配置方案、客戶持倉回顧、保險引入與試算、保單檢視...呢啲材料往往和“年報摘要”一樣，充滿了枯燥的數據和大量乾癟的文字，我們常假設客戶有足夠的耐心去解析長達數十頁的 PDF，但這在如今“注意力極度稀缺”的商業語境下是一種奢望。如果能用類似於 annual-report-video技能，將呢啲冗長晦澀的PDF，一鍵轉化為具有高審美、強鏡頭語言、動態可視化的短視頻，這在客戶觸達環節就是一次降維打擊。你不再是丟過去一個“需要客戶費力閲讀的文件”，而是送過去一場“視聽級的數據敍事”，專業感和信任度瞬間拉滿。當枯燥的業務數據轉化為極具審美張力的視聽敍事時，我們不僅降低了客戶的信息解碼成本，更在觸達的第一秒，就建立了無可辯駁的專業勢能與品牌信任感。視頻即代碼的真正殺手鐧：規模化的“千人千面”高定體驗在傳統客戶旅程設計中，“定製化的高級感”與“規模化的交付效率”是天然互斥的。傳統的視頻營銷因為高昂的渲染與後期修改成本，註定只能是“通用型”的廣播式物料。視頻一旦剪出，改一個字、換一個Logo都需要打回後期重新渲染。這就導致銷售發給客戶的視頻，只能是“通用版”。而Remotion的魅力在於“視頻即代碼（Video as Code）”。這意味着，視頻裏的客戶Logo、核心痛點數據、專屬解決方案，全都是代碼裏的變量（Variables）。想象一下呢個對客銷售場景：銷售人員只需輸入客戶id，CRM Agent 就能提煉信息，通過我們預設好的 Skills（分鏡庫、視覺母題字典），瞬間渲染出一條帶有客戶專屬Logo、專屬於該客戶業務數據的高級感視頻。這種“低成本、自動化、但極具專屬尊崇感”的客戶體驗，在過去是根本無法想象的。這是Agent對對客銷售底層邏輯的重構——我們用極客的代碼工程，實現了高溢價服務體驗的規模化量產。隱性資產的極致封裝：策略的“Skill化” ✖️ 交付的“Remotion化”敞開想，我們而家做的事都還缺少點想象力。目前的annual-report-video依然偏向 1.0 形態——它是按既定的流程框架，把動態的客戶變量“填”進去。但這只是提效，還不是變革。在真實的複雜對客銷售中，真正拉開差距的往往是“銷冠的潛意識”。一個頂尖銷冠面對一份客戶資料，絕對不會按部就班地走流程。他們擁有敏鋭的“願景倒推”能力：即先根據客戶的散點信息，在腦海中快速為客戶設計一個極具誘惑力的“願景”，然後倒推敍事邏輯——面對呢個具體的決策者，第一幕用什麼痛點話題精準破冰？中間用哪組核心數據讓願景具象化？結尾用什麼特定的技巧推高情緒並促單？這套基於不同客戶畫像的“動態敍事編排”，過去只存在於銷冠的潛意識裏，是極難複用的隱性資產。而當我們把目光投向更深度的“AI Agent + Remotion”架構時，極具想象力的事情發生了：前端大腦（策略 Skill 化）：我們不再寫固定的代碼模板，而是把銷冠這套“不成文的洞察經驗與倒推邏輯”，沉澱為大模型的動態Workflow。大模型負責扮演銷冠的大腦，動態地為每一個客戶生成獨一無二的 storyboard（動態分鏡策略）。後端喉舌（交付 Remotion 化）：當銷冠的戰略意圖被 Skill 確定後，Remotion 則作為毫無折損的執行層，瞬間將這套打法轉化為高審美的動態視頻。這是一個極為恐怖的銷售武器。把“銷冠的潛意識進行策略化（Skill），再疊加視覺交付的代碼化（Remotion）”，這就是一個非常極致的商業閉環（大腦+喉舌）。在售前和售中的關鍵節點，“Skill + Remotion”的組合相當於在對客戶進行一次極低阻力的“心智植入”。它不僅省去了客戶閲讀枯燥方案的痛苦，更是把銷冠為你量身定製的嗰個“心心念唸的願景”，以視聽雙通道的強震撼力，直接灌輸進客戶的腦海中。它讓抽象的賣點瞬間具象化為客戶對未來的強烈嚮往。用代碼沉澱銷冠的大腦，用視頻接管客戶的感官。這已經不是簡單的“視頻生成”，這是真正的、可規模化複製的終極對客銷售利器。AI 不是在幫銷售省時間，是正在改寫銷售表達本身。這次做annual-report-video，我更想把它當成一次表達實驗：當我們面對複雜、專業、信息密度高的內容時，也許未來很多材料，都值得被重新編譯。從文本到鏡頭，從信息到敍事，從說明到感受。它影響的不只是內容創作，而是銷售、溝通、表達，甚至是我們如何建立專業感與信任感。🚀技能已開源，歡迎夥伴們交流&送✨：https://github.com/SiyuanJia/annual-report-video這是低產博主的第12篇AI+銷售系列思考產出，希望大家能喜歡，如果能對你有所啓發那就太棒了，歡迎給我提出你在銷售賦能上的創意和想法，我們一起來實現！Nano Banana 2做數據可視化卡片，顏值超高、推理能力極強，美中不足的是...視頻即代碼2：我用Remotion做了10個不同類型的數據可視化視頻（附提示詞）視頻即代碼：我用Remotion Skill搓了個客戶年度持倉回顧視頻，附實用教程2025，與AI一起走過，我的創作精品集
今日真正稀缺嘅，已經唔係資訊，而係理解。
過去好多行業都默認咗一件事：只要將資訊整理得夠完整、材料做得夠專業，客戶就會認真讀、充分理解，最後做出判斷。但現實係打面嘅，敢唔敢問嚇幾個客戶讀完咗？喺一個注意力俾人高度爭奪嘅時代，資訊嘅完整性，早已唔自動等於理解嘅發生；材料嘅專業感，亦唔自動等於信任嘅建立。
https://github.com/SiyuanJia/annual-report-video
技能使用同實踐建議
Step 0：用戶提供📄 年報PDF/Logo→📝 啓動前確認→
Step 1：🔍 PDF 解析→
Step 2：🧩 信息提煉→🚦 Gate 1 確認→
Step 3：🎞️ 分鏡設計→🚦 Gate 2 確認→⚙️Gate 3 確認（逐幕/一次性）→
Step 4：💻 代碼實現 + QA自查→
Step 5：👀 預覽 / 🎬 導出
Step0：材料準備，最好提供A股上市公司嘅年報摘要，一來A股年報摘要嘅結構係一致嘅，我哋針對性咁定製咗提煉prompt，所以技能完全可以批量調用；二來年報摘要通常唔超過10頁，夠我哋視頻資訊提煉，完整年報解析會用好大token。企業logo就最好提供去除背景嘅，方便適應任何背景同組件。
Step1：年報摘要嘅解析係用Anthopic嘅官方pdf技能，需要事先安裝。
Step2：資訊提煉之後，系統會主動問用戶滿唔滿意，唔滿意就直接畀意見修改。
Step3：分鏡設計環節，我哋提供咗大廠經典風格參考、踩坑經驗參考（reference文件）同結構化校驗（scripts文件），務求寫出嘅設計能夠有創意密度、鏡頭語言同高級感。所以到咗呢一步，我哋就建議大家用前端審美能力好嘅模型，我自己用落最鍾意gemini 3.1 pro，每次都有啲驚喜。設計完storyboard之後，會主動問用戶，滿意就入下一步。
Step4：代碼實現環節，會主動問用戶，揀逐幕實現定一次過實現，建議大家都係逐幕實現，即睇即改。因為無論係技能嘅能力也好，模型嘅水平也好，佢仲未夠完美，追求唔到一嘢搞掂，佢需要微調，但係改個1-2次，就大致順眼㗎喇。代碼環節主要參考Remotion嘅官方技能remotion-best-practice，嚟保證工程嘅正確性同穩定性，需要大家事先安裝。代碼完成後會做一個一致性校驗。
Step5：視頻渲染同導出，可以通過命令行指令直接下載成個視頻到項目文件夾，亦可以預覽之後喺前端㩒「render」渲染同導出。
關於技能構建嘅思考同實踐
annual-report-video嘅結構就好清楚喇：`references/storyboard.md`——分鏡設計階段嘅主創意合同，佢回答嘅係點樣將 `extraction.json` 變成可執行嘅 `storyboard.md`。
`references/classic-motion-lexicon.md`——視覺母題詞典 / 靈感詞彙庫，佢負責嘅係提供大廠風格嘅母題、動效組件、材質靈感嘅參考，不斷迭代。
`references/visual-grammar.md`——踩坑集，佢唔係最高優先級創意來源，而係默認視覺約束、設計避坑指南，佢都要不斷迭代。
引用`remotion-best-practices` skill——Remotion官方技能，保證工程正確性與穩定性。 `references/visual-qa.md`——後置視覺驗收標準，喺每一幕代碼寫完之後嘅質量檢查清單。
scripts——機械性重複動作，彌補用提示詞約束力嘅不足，將可以程序化嘅嘢腳本化。例如工程初始化腳本、資訊提煉校驗腳本、分鏡校驗腳本。
用Anthropic 工程師 Thariq 話齋，唔好用嘅 skill，通常只係重複低語境資訊；真正好用嘅 skill，係高語境資訊，係冇法從預訓練學到、冇法從官方文檔抄到嘅：即係你（團隊）獨有嘅經驗、邊界、品味同護欄。
關於同remotion-best-practice嘅分別
remotion-best-practices負責工程正確性同穩定性，保證渲染同實現規範。 annual-report-video喺官方技能嘅基礎上，透過reference同scripts文件拉高每幕嘅創意密度、組件豐富度、鏡頭語言同高級感，令到視頻代碼唔單止「寫得穩」，仲要「做得有辨識度、有豐富性」。
remotion-best-practices 負責「唔好寫壞」，annual-report-video負責「唔好做平」。
關於對客銷售嘅思考延伸
內容介質嘅降維打擊：從「資訊冰冷傳遞」到「數據視覺敍事」
視頻即代碼嘅真正殺手鐧：規模化嘅「千人千面」高定體驗
隱性資產嘅極致封裝：策略嘅「Skill化」 ✖️ 交付嘅「Remotion化」
目前嘅annual-report-video依然偏向 1.0 形態——佢係跟既定嘅流程框架，將動態嘅客戶變量「填」入去。但呢個只係提效，仲未係變革。
喺真實嘅複雜對客銷售中，真正拉開差距嘅往往係「銷冠嘅潛意識」。一個頂尖銷冠面對一份客戶資料，絕對唔會按步就班咁行流程。佢哋擁有敏鋭嘅「願景倒推」能力：即係先根據客戶嘅散點資訊，喺腦入面快速為客戶設計一個極具誘惑力嘅「願景」，然後倒推敍事邏輯——面對呢個具體嘅決策者，第一幕用乜嘢痛點話題精準破冰？中間用邊組核心數據令願景具體化？結尾用乜嘢特定技巧推高情緒同促單？
呢套基於唔同客戶畫像嘅「動態敍事編排」，過去只存在於銷冠嘅潛意識裏面，係極難複用嘅隱性資產。而當我哋將目光投向更深層次嘅「AI Agent + Remotion」架構時，極具想像力嘅事發生咗：
前端大腦（策略 Skill 化）：我哋唔再寫固定嘅代碼模板，而係將銷冠呢套「唔成文嘅洞察經驗同倒推邏輯」，沉澱為大模型嘅動態Workflow。大模型負責扮演銷冠嘅大腦，動態咁為每一個客戶生成獨一無二嘅 storyboard（動態分鏡策略）。
後端喉舌（交付 Remotion 化）：當銷冠嘅戰略意圖被 Skill 確定之後，Remotion 就作為毫無折損嘅執行層，瞬間將呢套打法轉化為高審美嘅動態視頻。
呢個係一個極為恐怖嘅銷售武器。將「銷冠嘅潛意識進行策略化（Skill），再加埋視覺交付嘅代碼化（Remotion）」，呢個就係一個非常極致嘅商業閉環（大腦+喉舌）。喺售前同售中嘅關鍵節點，「Skill + Remotion」嘅組合相當於對客戶進行一次極低阻力嘅「心智植入」。佢唔單止慳咗客戶閲讀沉悶方案嘅痛苦，更加係將銷冠為你度身訂造嗰個「心心念念嘅願景」，以視聽雙通道嘅強震撼力，直接灌輸入客戶嘅腦海。佢令到抽象嘅賣點即刻具體化為客戶對未來嘅強烈嚮往。
用代碼沉澱銷冠嘅大腦，用視頻接管客戶嘅感官。呢個已經唔係簡單嘅「視頻生成」，呢個係真正嘅、可規模化複製嘅終極對客銷售利器。AI 唔係幫銷售慳時間，而係正在改寫銷售表達本身。
https://github.com/SiyuanJia/annual-report-video
呢個係低產博主嘅第12篇AI+銷售系列思考產出，希望大家會鍾意，如果可以對你有啲啟發就太好喇，歡迎畀我提出你喺銷售賦能上嘅創意同想法，我哋一齊嚟實現！
今天真正稀缺的，已經不是信息，而是理解。
過去很多行業默認了一件事：只要把信息整理得足夠完整、材料做得足夠專業，客戶就會認真閲讀、充分理解，最終做出判斷。但現實在打臉，敢不敢問問幾個客戶讀完了？在一個注意力被高度爭奪的時代，信息的完整性，早已不自動等於理解的發生；材料的專業感，也不自動等於信任的建立。
https://github.com/SiyuanJia/annual-report-video
技能使用與實踐建議
Step 0：用戶提供📄 年報PDF/Logo→📝 啓動前確認→
Step 1：🔍 PDF 解析→
Step 2：🧩 信息提煉→🚦 Gate 1 確認→
Step 3：🎞️ 分鏡設計→🚦 Gate 2 確認→⚙️Gate 3 確認（逐幕/一次性）→
Step 4：💻 代碼實現 + QA自查→
Step 5：👀 預覽 / 🎬 導出Step0：材料準備，最好提供A股上市公司的年報摘要，一是A股年報摘要的結構是一致的，我們針對性的定製了提煉prompt，所以技能完全可以批量調用；二是年報摘要通常不超過10頁，足夠我們視頻信息提煉，完整年報解析會耗費很多token。企業logo圖最好提供去除背景的，方便適配任何背景和組件。
Step1：年報摘要的解析使用的是Anthopic的官方pdf技能，需要事先安裝。
Step2：信息提煉後，系統會主動詢問用戶是否滿意，不滿意直接提意見修改。
Step3：分鏡設計環節，我們提供了大廠經典風格參考、踩坑經驗參考（reference文件）和結構化校驗（scripts文件），力求寫出來的設計能有創意密度、鏡頭語言和高級感。所以到了這一步，我們就建議大家用前端審美能力好的模型，我自己用下來是最喜歡gemini 3.1 pro，每次都能有點驚喜。設計完storyboard後，會主動詢問用戶，滿意後進入下一步。
Step4：代碼實現環節，會主動詢問用戶，選擇是逐幕實現還是一次性實現，建議大家還是逐幕實現，即看即修。因為無論是技能的能力也好，模型的水平也好，它還不夠完美，追求不了一把成，它需要微調，但是修改個1-2次，就基本順眼了。代碼環節主要參考的是Remotion家的官方技能remotion-best-practice，來保證工程的正確性和穩定性，需要大夥事先安裝。代碼完成後會做一個一致性校驗。
Step5：視頻渲染與導出，可以通過命令行指令直接下載整個視頻到項目文件夾，也可以預覽後在前端點擊“render”渲染並導出。
關於技能構建的思考與實踐
annual-report-video的結構就很清楚了：`references/storyboard.md`——分鏡設計階段的主創意合同，它回答的是怎麼把 `extraction.json` 變成可執行的 `storyboard.md`。
`references/classic-motion-lexicon.md`——視覺母題詞典 / 靈感詞彙庫，它負責的是提供大廠風格的母題、動效組件、材質靈感的參考，不斷迭代。
`references/visual-grammar.md`——踩坑集，它不是最高優先級創意來源，而是默認視覺約束、設計避坑指南，它也要不斷迭代。
引用`remotion-best-practices` skill——Remotion官方技能，保證工程正確性與穩定性。 `references/visual-qa.md`——後置視覺驗收標準，在每一幕代碼寫完後的質量檢查清單。
scripts——機械性重複動作，彌補用提示詞約束力的不足，把能程序化的東西腳本化。如工程初始化腳本、信息提煉校驗腳本、分鏡校驗腳本。
用Anthropic 工程師 Thariq 的話說，不好用的 skill，往往只是在重複低語境信息；真正好用的 skill，是高語境信息，是沒法從預訓練裏學到、沒法從官方文檔裏抄到的：那些你（團隊）獨有的經驗、邊界、品味和護欄。
關於跟remotion-best-practice的差別
remotion-best-practices負責工程正確性和穩定性，保證渲染與實現規範。 annual-report-video在官方技能的基礎上，通過reference和scripts文件拉高每幕的創意密度、組件豐富度、鏡頭語言和高級感，讓視頻代碼不只“寫得穩”，還得“做得有辨識度、有豐富性”。
remotion-best-practices 負責“別寫壞”，annual-report-video負責“別做平”。
關於對客銷售的思考延伸
內容介質的降維打擊：從“信息冰冷傳遞”到“數據視覺敍事
視頻即代碼的真正殺手鐧：規模化的“千人千面”高定體驗
隱性資產的極致封裝：策略的“Skill化” ✖️ 交付的“Remotion化”
目前的annual-report-video依然偏向 1.0 形態——它是按既定的流程框架，把動態的客戶變量“填”進去。但這只是提效，還不是變革。
在真實的複雜對客銷售中，真正拉開差距的往往是“銷冠的潛意識”。一個頂尖銷冠面對一份客戶資料，絕對不會按部就班地走流程。他們擁有敏鋭的“願景倒推”能力：即先根據客戶的散點信息，在腦海中快速為客戶設計一個極具誘惑力的“願景”，然後倒推敍事邏輯——面對這個具體的決策者，第一幕用什麼痛點話題精準破冰？中間用哪組核心數據讓願景具象化？結尾用什麼特定的技巧推高情緒並促單？
這套基於不同客戶畫像的“動態敍事編排”，過去只存在於銷冠的潛意識裏，是極難複用的隱性資產。而當我們把目光投向更深度的“AI Agent + Remotion”架構時，極具想象力的事情發生了：
前端大腦（策略 Skill 化）：我們不再寫固定的代碼模板，而是把銷冠這套“不成文的洞察經驗與倒推邏輯”，沉澱為大模型的動態Workflow。大模型負責扮演銷冠的大腦，動態地為每一個客戶生成獨一無二的 storyboard（動態分鏡策略）。
後端喉舌（交付 Remotion 化）：當銷冠的戰略意圖被 Skill 確定後，Remotion 則作為毫無折損的執行層，瞬間將這套打法轉化為高審美的動態視頻。
這是一個極為恐怖的銷售武器。把“銷冠的潛意識進行策略化（Skill），再疊加視覺交付的代碼化（Remotion）”，這就是一個非常極致的商業閉環（大腦+喉舌）。在售前和售中的關鍵節點，“Skill + Remotion”的組合相當於在對客戶進行一次極低阻力的“心智植入”。它不僅省去了客戶閲讀枯燥方案的痛苦，更是把銷冠為你量身定製的那個“心心念唸的願景”，以視聽雙通道的強震撼力，直接灌輸進客戶的腦海中。它讓抽象的賣點瞬間具象化為客戶對未來的強烈嚮往。
用代碼沉澱銷冠的大腦，用視頻接管客戶的感官。這已經不是簡單的“視頻生成”，這是真正的、可規模化複製的終極對客銷售利器。AI 不是在幫銷售省時間，是正在改寫銷售表達本身。
https://github.com/SiyuanJia/annual-report-video
這是低產博主的第12篇AI+銷售系列思考產出，希望大家能喜歡，如果能對你有所啓發那就太棒了，歡迎給我提出你在銷售賦能上的創意和想法，我們一起來實現！