@pippit-dev/cli 1.0.14 → 1.0.15

package/README.md

@@ -273,6 +273,22 @@ pippit-tool-cli generate-video \
 
 命令输出 `thread_id`、`run_id` 和 `web_thread_link`。提交生视频 HTTP 请求时，参考图、参考视频和参考音频会使用上传接口返回的 `pippit_asset_id`，并分别写入 `video_part_tool_param.images`、`video_part_tool_param.videos` 和 `video_part_tool_param.audios`。图片最多 9 张，支持 `.jpg`、`.jpeg`、`.png`、`.gif`、`.bmp`、`.webp`、`.svg`；视频最多 3 个，支持 `.mp4`、`.avi`、`.mov`、`.wmv`、`.flv`、`.webm`、`.mkv`、`.m4v`；音频最多 3 个，仅支持 `.mp3`、`.wav`。普通用户支持模型 `Seedance_2.0_mini_lite`；`seedance2.0_vision`、`seedance2.0_fast_vision` 和 `Seedance_2.0_mini` 为 VIP 专属模型。CLI 会在提交前校验 prompt、素材数量和文件后缀；模型、比例、分辨率等语义校验由服务端处理。
 
+首尾帧生视频时，按首帧、尾帧的顺序传入两次 `--image`，并设置 `--generate-type 1`：
+
+```bash
+pippit-tool-cli generate-video \
+  --prompt "让镜头从首帧平滑过渡到尾帧" \
+  --image "~/images/first.jpg" \
+  --image "~/images/last.jpg" \
+  --duration 5 \
+  --ratio "16:9" \
+  --model "Seedance_2.0_mini" \
+  --resolution "720p" \
+  --generate-type 1
+```
+
+`--generate-type` 可选，填写后原样写入 `video_part_tool_param.generate_type`；值 `1` 表示首尾帧生成。CLI 保持图片上传和请求中的输入顺序，不在本地校验该参数的枚举值，具体能力与约束由服务端决定。
+
 查询并下载生图/生视频结果：
 
 ```bash

package/checksums.txt

@@ -1,6 +1,6 @@
-7e8b88e21ebfd05357f0183c408bfbacaf6c583398e9ab8f3edd24063be911b1  pippit-tool-cli-1.0.14-darwin-amd64.tar.gz
-e514b59bb83b59130deb9cec6cb0f114fd11fe47921d7a65e2f697ad5d528e07  pippit-tool-cli-1.0.14-darwin-arm64.tar.gz
-436efcab90026d8e0d3e593943d8cbd473a5219017685c1099f09992a7034d4b  pippit-tool-cli-1.0.14-linux-amd64.tar.gz
-d4a7916d18a16b7b179db6251931796440e236a6d8d841e385bf02e4de9bca29  pippit-tool-cli-1.0.14-linux-arm64.tar.gz
-9688067ffd270653e81570ff2cd395e51d92f82248573c3682a3d7c3fd6cbb89  pippit-tool-cli-1.0.14-windows-amd64.zip
-98d211cd42c0d1a7b526f9a0cca7456d0e9acbf56a0f4da4c7dc1b2d25d457ff  pippit-tool-cli-1.0.14-windows-arm64.zip
+7daa51a0f44e35afb9ce5ffc6b95bb2aaf138a1563a94279b3f5dc5c742677e3  pippit-tool-cli-1.0.15-darwin-amd64.tar.gz
+0a9f4cfa203617987c150695eaf41d4186bff9331356d2d846a8a5cd2bc6fe0c  pippit-tool-cli-1.0.15-darwin-arm64.tar.gz
+3fcc0fe05f9539a978a1e94e99140f685953ade1ccdfecb16e6e41866792fdfa  pippit-tool-cli-1.0.15-linux-amd64.tar.gz
+138c7389f51798ccd04f56a11966a69143a68212dfa04115d98b3e2d1b7af993  pippit-tool-cli-1.0.15-linux-arm64.tar.gz
+f922c90c29fe6ee9e8fe6d911153a242933cbd8d71bb0b8011c963772d929a68  pippit-tool-cli-1.0.15-windows-amd64.zip
+676afe65912cd4c1324f0165395c5493fdb0dc8d4966528e5f1b4c782a2ae1a5  pippit-tool-cli-1.0.15-windows-arm64.zip

package/cmd/generate_video/generate_video.go

@@ -13,6 +13,7 @@ import (
 func NewCommand(stdout, stderr io.Writer, runner *common.Runner) *cobra.Command {
 	opts := &internalgen.Options{}
 	var durationSec int
+	var generateType int64
 
 	cmd := &cobra.Command{
 		Use:   "generate-video",
@@ -22,6 +23,9 @@ func NewCommand(stdout, stderr io.Writer, runner *common.Runner) *cobra.Command
 			if cmd.Flags().Changed("duration") {
 				opts.DurationSec = &durationSec
 			}
+			if cmd.Flags().Changed("generate-type") {
+				opts.GenerateType = &generateType
+			}
 
 			result, err := internalgen.Run(cmd.Context(), opts, runner)
 			if err != nil {
@@ -46,5 +50,6 @@ func NewCommand(stdout, stderr io.Writer, runner *common.Runner) *cobra.Command
 	flags.StringVar(&opts.Ratio, "ratio", "", "video ratio, such as 9:16, 16:9, 3:4, 4:3")
 	flags.StringVar(&opts.Model, "model", "", "video model; normal users: Seedance_2.0_mini_lite; VIP-only: seedance2.0_vision, seedance2.0_fast_vision, Seedance_2.0_mini")
 	flags.StringVar(&opts.Resolution, "resolution", "", "video resolution, such as 720p, 1080p")
+	flags.Int64Var(&generateType, "generate-type", 0, "generation type passed to the service; set 1 for first-and-last-frame generation and provide two --image values in first-frame, last-frame order")
 	return cmd
 }

package/cmd/generate_video_test.go

@@ -72,6 +72,9 @@ func TestGenerateVideo(t *testing.T) {
 			if param["ratio"] != "9:16" || param["model"] != "seedance2.0_vision" || param["resolution"] != "720p" {
 				t.Fatalf("param = %#v, want ratio/model/resolution", param)
 			}
+			if param["generate_type"] != float64(1) {
+				t.Fatalf("generate_type = %v, want 1", param["generate_type"])
+			}
 			assertAssetRefs(t, param["images"], []string{"image_asset_1", "image_asset_2"})
 			assertAssetRefs(t, param["videos"], []string{"video_asset_1", "video_asset_2"})
 			assertAssetRefs(t, param["audios"], []string{"audio_asset_1"})
@@ -108,6 +111,7 @@ func TestGenerateVideo(t *testing.T) {
 		"--ratio", "9:16",
 		"--model", "seedance2.0_vision",
 		"--resolution", "720p",
+		"--generate-type", "1",
 	})
 
 	if err := root.Execute(); err != nil {
@@ -124,6 +128,21 @@ func TestGenerateVideoSkipsSemanticValidation(t *testing.T) {
 	server := httptest.NewServer(http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
 		switch r.URL.Path {
 		case "/api/biz/v1/skill/submit_run":
+			data, err := io.ReadAll(r.Body)
+			if err != nil {
+				t.Fatalf("read body: %v", err)
+			}
+			var body map[string]any
+			if err := sonic.Unmarshal(data, &body); err != nil {
+				t.Fatalf("decode body: %v", err)
+			}
+			param, ok := body["video_part_tool_param"].(map[string]any)
+			if !ok {
+				t.Fatalf("video_part_tool_param = %#v, want object", body["video_part_tool_param"])
+			}
+			if param["generate_type"] != float64(99) {
+				t.Fatalf("generate_type = %v, want 99", param["generate_type"])
+			}
 			_, _ = w.Write([]byte(`{"ret":"0","errmsg":"","data":{"run":{"thread_id":"thread_123","run_id":"run_456"}}}`))
 		default:
 			t.Fatalf("unexpected path %s", r.URL.Path)
@@ -140,6 +159,7 @@ func TestGenerateVideoSkipsSemanticValidation(t *testing.T) {
 		"--ratio", "1:1",
 		"--model", "bad_model",
 		"--resolution", "bad_resolution",
+		"--generate-type", "99",
 	})
 
 	if err := root.Execute(); err != nil {

package/internal/generate_video/generate_video.go

@@ -28,14 +28,15 @@ var (
 
 // Options is the stable command-facing request shape for generate-video.
 type Options struct {
-	Prompt      string
-	ImagePaths  []string
-	VideoPaths  []string
-	AudioPaths  []string
-	DurationSec *int
-	Ratio       string
-	Model       string
-	Resolution  string
+	Prompt       string
+	ImagePaths   []string
+	VideoPaths   []string
+	AudioPaths   []string
+	DurationSec  *int
+	Ratio        string
+	Model        string
+	Resolution   string
+	GenerateType *int64
 }
 
 type mediaAsset struct {
@@ -43,14 +44,15 @@ type mediaAsset struct {
 }
 
 type videoPartToolParam struct {
-	Images      []mediaAsset `json:"images,omitempty"`
-	Prompt      string       `json:"prompt"`
-	DurationSec *int         `json:"duration_sec,omitempty"`
-	Ratio       string       `json:"ratio,omitempty"`
-	Videos      []mediaAsset `json:"videos,omitempty"`
-	Audios      []mediaAsset `json:"audios,omitempty"`
-	Model       string       `json:"model,omitempty"`
-	Resolution  string       `json:"resolution,omitempty"`
+	Images       []mediaAsset `json:"images,omitempty"`
+	Prompt       string       `json:"prompt"`
+	DurationSec  *int         `json:"duration_sec,omitempty"`
+	Ratio        string       `json:"ratio,omitempty"`
+	Videos       []mediaAsset `json:"videos,omitempty"`
+	Audios       []mediaAsset `json:"audios,omitempty"`
+	Model        string       `json:"model,omitempty"`
+	Resolution   string       `json:"resolution,omitempty"`
+	GenerateType *int64       `json:"generate_type,omitempty"`
 }
 
 // Result is the JSON envelope printed by `pippit-tool-cli generate-video`.
@@ -171,14 +173,15 @@ func uploadMediaList(ctx context.Context, paths []string, runner *common.Runner)
 
 func buildSubmitRunBody(opts *Options, imageAssetIDs []string, videoAssetIDs []string, audioAssetIDs []string) map[string]any {
 	param := videoPartToolParam{
-		Images:      assetRefs(imageAssetIDs),
-		Prompt:      strings.TrimSpace(opts.Prompt),
-		DurationSec: opts.DurationSec,
-		Ratio:       strings.TrimSpace(opts.Ratio),
-		Videos:      assetRefs(videoAssetIDs),
-		Audios:      assetRefs(audioAssetIDs),
-		Model:       strings.TrimSpace(opts.Model),
-		Resolution:  strings.TrimSpace(opts.Resolution),
+		Images:       assetRefs(imageAssetIDs),
+		Prompt:       strings.TrimSpace(opts.Prompt),
+		DurationSec:  opts.DurationSec,
+		Ratio:        strings.TrimSpace(opts.Ratio),
+		Videos:       assetRefs(videoAssetIDs),
+		Audios:       assetRefs(audioAssetIDs),
+		Model:        strings.TrimSpace(opts.Model),
+		Resolution:   strings.TrimSpace(opts.Resolution),
+		GenerateType: opts.GenerateType,
 	}
 
 	return map[string]any{

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@pippit-dev/cli",
-  "version": "1.0.14",
+  "version": "1.0.15",
   "description": "Pippit CLI",
   "bin": {
     "pippit-tool-cli": "scripts/run.js"

package/skills/xyq-nest-skill/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: xyq-skill
-description: 通过小云雀的 AI 能力进行综合创作，支持生成和编辑图片/视频，并在用户明确要求图片或视频模型直出、指定图片或视频模型或直接调用 CLI 时使用 pippit-tool-cli generate-image / generate-video。覆盖文生图、文生视频、图生视频、视频编辑、风格转换、视频续写、视频复刻、TVC、宣传片、音乐 MV、产品广告、分镜和教育短视频等场景。当用户提到小云雀、xyq、上传参考图/视频/mp3或wav音频、查看生成进度时也应触发。短剧生成、续写、改写、人物设定和分集创作应使用 xyq-short-drama-skill，不在本技能中执行。
+description: 通过小云雀的 AI 能力进行综合创作，支持生成和编辑图片/视频，并在用户明确要求图片或视频模型直出、指定图片或视频模型或直接调用 CLI 时使用 pippit-tool-cli generate-image / generate-video。覆盖文生图、文生视频、图生视频、首尾帧生视频、视频编辑、风格转换、视频续写、视频复刻、TVC、宣传片、音乐 MV、产品广告、分镜和教育短视频等场景。当用户提到小云雀、xyq、上传参考图/视频/mp3或wav音频、查看生成进度时也应触发。短剧生成、续写、改写、人物设定和分集创作应使用 xyq-short-drama-skill，不在本技能中执行。
 user-invocable: true
 metadata:
   {
@@ -71,6 +71,7 @@ pippit-tool-cli query-result \
 
 - 用户明确说“视频模型直出”、“直接调模型”或“直接调用 CLI”。
 - 用户指定了具体视频模型（如 Seedance），并希望单次直接生成视频。
+- 用户明确要求“首尾帧生视频”、指定首帧和尾帧，或要求从第一张图过渡到第二张图。
 - 上游流程已明确将任务标记为 direct-model / 模型直出。
 
 执行原则：
@@ -78,13 +79,20 @@ pippit-tool-cli query-result \
 1. 执行前用 `command -v pippit-tool-cli` 确认 CLI 可用；不可用时报告阻塞，不要悄悄降级到会话 API。
 2. 真实提交会消耗 credits；如果用户本轮尚未明确确认生成，按“用户确认与反问”规则征得明确确认后再运行。
 3. 保留用户原始 prompt，不要自行扩写、润色、翻译或增加风格词。
-4. 只添加用户已经给出的 `--model`、`--duration`、`--ratio`、`--resolution`、`--image`、`--video`、`--audio` 参数；未给参数交给 CLI 默认值。
-5. `generate-video` 返回后，保存 `thread_id`、`run_id`，并立即向用户展示 `web_thread_link`。
-6. 每隔 10 秒调用 `query-result`，直到 `completed=true`。出现 `error_message` 时停止并报告；成功时展示并下载 `videos[].output_path`。
+4. 只添加用户已经给出的 `--model`、`--duration`、`--ratio`、`--resolution`、`--image`、`--video`、`--audio`、`--generate-type` 参数；未给参数交给 CLI 默认值。
+5. 首尾帧请求固定传 `--generate-type 1`，并按首帧、尾帧顺序传入两次 `--image`，不得重排。用户未明确两张图片的角色或缺少任一张时，先询问用户；不要在 skill 侧维护额外的 `generate_type` 枚举 allowlist，其他值原样交给服务端处理。
+6. `generate-video` 返回后，保存 `thread_id`、`run_id`，并立即向用户展示 `web_thread_link`。
+7. 每隔 10 秒调用 `query-result`，直到 `completed=true`。出现 `error_message` 时停止并报告；成功时展示并下载 `videos[].output_path`。
 
 ```bash
 pippit-tool-cli generate-video --prompt "用户原始描述"
 
+pippit-tool-cli generate-video \
+  --prompt "用户原始描述" \
+  --image FIRST_FRAME_PATH \
+  --image LAST_FRAME_PATH \
+  --generate-type 1
+
 pippit-tool-cli query-result \
   --thread-id THREAD_ID \
   --run-id RUN_ID \
@@ -95,7 +103,7 @@ pippit-tool-cli query-result \
 
 ### 路由 C：小云雀后端 Agent 编排
 
-需要意图确认、脚本/分镜拆解、MV、TVC、局部编辑、复杂参考素材编排，或者用户未明确要求模型直出时，继续使用本技能内置的 `submit_run.py` / `get_thread.py` 会话工作流。
+需要意图确认、脚本/分镜拆解、MV、TVC、局部编辑、复杂参考素材编排，或者用户未明确要求模型直出时，继续使用本技能内置的 `submit_run.py` / `get_thread.py` 会话工作流；明确的首尾帧请求除外，必须走路由 B。
 
 ### 路由 D：短剧工作流
 
@@ -215,7 +223,18 @@ python3 {baseDir}/scripts/download_results.py --urls URL1 URL2 URL3 --output-dir
 6. completed=true 后展示并下载 images[].output_path；出现 error_message 时停止并报告
 ```
 
-### 场景 3：用户提供图片/视频/音频要求编辑修改或作为参考（如"参考这个视频做一个新的"、"用这首歌做MV"）
+### 场景 3：用户明确要求视频模型直出（含首尾帧）
+
+```
+1. command -v pippit-tool-cli  →  确认 CLI 可用
+2. 普通视频模型直出：pippit-tool-cli generate-video --prompt "用户原始描述" [仅添加用户已给出的其他参数]
+3. 首尾帧直出：确认两张图片的首帧/尾帧角色，按顺序执行 generate-video --image FIRST_FRAME_PATH --image LAST_FRAME_PATH --generate-type 1
+4. 拿到 thread_id、run_id 和 web_thread_link，立即展示 web_thread_link
+5. 每隔 10 秒调用 query-result --thread-id THREAD_ID --run-id RUN_ID --download-dir OUTPUT_DIR
+6. completed=true 后展示并下载 videos[].output_path；出现 error_message 时停止并报告
+```
+
+### 场景 4：用户提供图片/视频/音频要求编辑修改或作为参考（如"参考这个视频做一个新的"、"用这首歌做MV"）
 
 ```
 1. upload_file.py /path/to/video.mp4  →  拿到 asset_id1
@@ -226,7 +245,7 @@ python3 {baseDir}/scripts/download_results.py --urls URL1 URL2 URL3 --output-dir
 
 用户给了文件路径 + 编辑指令 = 先上传文件，再把编辑指令和 所有asset_id 一起发送。
 
-### 场景 4：用户提供参考图/视频/音频要求生成新内容
+### 场景 5：用户提供参考图/视频/音频要求生成新内容
 
 ```
 1. upload_file.py /path/to/ref1.png  →  拿到 asset_id1
@@ -237,7 +256,7 @@ python3 {baseDir}/scripts/download_results.py --urls URL1 URL2 URL3 --output-dir
 6. 后续同场景 1 的步骤 2-6
 ```
 
-### 场景 5：在已有会话中追加新需求
+### 场景 6：在已有会话中追加新需求
 
 ```
 1. submit_run.py --message "新的描述" --thread-id THREAD_ID  →  拿到 thread_id、run_id、web_thread_link
@@ -316,7 +335,7 @@ python3 {baseDir}/scripts/download_results.py --urls URL1 URL2 URL3 --output-dir
 
 你（用户侧 Agent）的职责是**搬运工**，不是创作者。会话 API 路由由后端 Agent 负责理解需求、拆解分镜、编排工作流、选模型、写 prompt；图片/视频模型直出路由把用户原始参数传给 CLI。你要做的是：
 
-1. **准备素材**：会话 API 路由用 `upload_file.py` 把本地文件转为 asset_id；图片/视频模型直出路由把本地路径直接交给 CLI 的 `--image` / `--video` / `--audio` 参数
+1. **准备素材**：会话 API 路由用 `upload_file.py` 把本地文件转为 asset_id；图片/视频模型直出路由把本地路径直接交给 CLI 的 `--image` / `--video` / `--audio` 参数；首尾帧任务固定传 `--generate-type 1` 并保持首帧、尾帧顺序
 2. **提交任务**：先按“执行路由”判断；图片模型直出调用 `pippit-tool-cli generate-image`，视频模型直出调用 `pippit-tool-cli generate-video`，其余任务把用户的原始描述 + asset_id 原封不动发给 `submit_run.py`
 3. **传话**：根据 `get_thread.py` 返回的消息列表，展示过程中的意图询问、创作信息等
 4. **取件**：会话 API 路由用 `get_thread.py` 轮询，图片/视频模型直出路由用 `query-result` 轮询 → 检查结果 → 下载产物 → 结果展示给用户