个人知识库

2026-06-13-ai-children-clothing-video-skill

7分钟阅读

我把AI童装带货做成了一个Skill，一句话就能出视频

作者花 4 天打磨出 xfc-sell-goods Skill，基于阿里 wan2.7-videoedit 模型，将童装带货视频的多步制作流程压缩为一句自然语言指令

基本信息

核心观点

  1. 童装带货是流量与转化兼备的优质赛道：抖音上童装带货博主数据表现良好，可爱小女孩跳舞视频左下角挂商品链接的形式，流量不错且转化率高。一句话总结就是”很不错的赛道”。
  2. RunningHub 主体替换工作流速度不可用：作者最初尝试 RunningHub 上的主体替换工作流，13 秒视频跑了 20 分钟，从时长上直接 pass。技术选型时速度是关键决策因素。
  3. wan2.7-videoedit 是最终技术选型：阿里推出的视频编辑模型，支持以自然语言指令编辑视频，可参考图像替换视频元素。作者的 skill 围绕这个模型的调用来做。
  4. 高内聚低耦合的 Skill 架构设计：一个代码文件无法涵盖 skill 技术需求，作者让 CodeBuddy 将 skill 做成分层调用链——判断地址类型 → 上传 OSS → 异步调用 wan2.7-videoedit，两步完成视频编辑。
  5. Skill 编写能力比框架选择更重要：AI 智能体的重心应该在 skill 编写上，而不是框架（Claude Code、OpenClaw、hermes）的使用。好的 skill 能让效率翻倍，框架选择看个人使用习惯。

实操内容保留

操作步骤

  1. 基于豆包生成可爱模特照片
  2. 进行换装操作——将要带货的童装衣服替换给 AI 模特，提示词就是白话：“把图1的小女孩换上图2的套装和裙子”
  3. 获取热门童装带货原视频（.mp4 格式）
  4. 向已集成带货 skill 的工具发送人物替换指令——上传原视频和 AI 模特图，发送指令：替换小女孩
  5. 向已集成带货 skill 的工具发送动作模仿指令——基于自己的图片生成跳舞视频，规避同质化问题

技术架构

上图为 skill 的架构全景图，核心是一套分层调用链。当用户传入视频和图片，发送视频编辑指令（如”把视频里面的的女生换成图片里面的女生，背景不变，只变动人物，背景音乐也不准变”），skill 接收到用户请求会做以下 2 件事：

  1. 判断用户传入的图和视频是在线地址还是本地地址，如果是本地地址，就把图片和视频先用 oss_uploader.py 上传到 OSS 对象存储桶中（前置操作：提前买好 OSS 以及把桶设置为公共读）
  2. 调用 wan2.7-videoedit 进行视频编辑操作，这是一个异步操作流程——发送视频编辑请求和获取成品视频分两步进行

Prompt 模板

把视频里面的的女生换成图片里面的女生，背景不变，只变动人物，背景音乐也不准变

把图1的小女孩换上图2的套装和裙子

关键概念

  • wan2.7-videoedit — 阿里视频编辑模型，支持自然语言指令编辑视频和图像参考替换
  • VTON 虚拟试衣 — 相关技术方向，服装合成到人物照片上
  • 豆包 — 用于生成可爱模特照片
  • 阿里云百炼平台 — MCP 服务部署平台，源代码可自行部署
  • Running Hub — 工作流平台，作者尝试其主体替换工作流但速度不达标
  • xfc-sell-goods — 作者制作的 AI 童装带货 Skill 名称

与其他素材的关联

原文精彩摘录

我为什么这么跳脱开始研究AI童装带货了，起因是我朋友，她做的线下实体童装店，有一天她给我发了一个链接，是一个可爱小女孩跳舞的视频，视频左下角挂了商品链接。我点进博主了主页，数据不错，我又点进了几个做同赛道的博主橱窗。可以看出来，这类赛道流量不错，转化也好。

其实常看我文章的读者应该能总结出来，AI智能体，我们要学的重心应该在skill编写上，而不是框架（claude code、Openclaw、hermes）的使用，好的skill能让你效率翻倍，框架如何选看你自己的使用习惯，写好skill也很简单，在AI编程工具如此易上手的今天，我们完全可以用大白话来搭建自己的skill。

相关页面

关系图谱

快速导航

反向链接