【免费下载链接】motionmaxxingLooksmaxxing for motion graphics. An agent skill that turns AI slop videos into films that look made by a motion designer.项目地址https://gitcode.com/gh_mirrors/mo/motionmaxxing点击查看免费下载motionmaxxing 是一个开源的 agent skillAgent 技能专门把充满「AI味」的 AI slop 视频改造成看起来像动态设计师亲手做的动态图形motion graphics影片。它靠的不是禁令清单而是帧级测量 脚本门禁 盲测 A/B 持续校准。这篇文章复盘它的四代迭代史从第一代盲测三连败到第二代 9/10 翻盘再到 taste 层与 12 条实测缓动曲线的诞生。先看懂评级标准motionmaxxing 给 AI 视频打分项目先立了一把尺子把 AI 视频分成三档评级屏幕上的样子Slop会动的 PPT角落标签、页码计数器、左标题右卡片、到处淡入淡出Mid干净但没主张默认缓动、平涂底色、长停留的结束卡Maxxed一个想法、有光有质感的世界、测量过的动效、硬切转场门禁带数字通过它的定位很克制把影片往右推一格并诚实告诉你停在哪一格。完整技能定义见 SKILL.md研究全过程见 docs/HOW-IT-WAS-BUILT.md。第一代管道流工作流盲测 A/B 三连败第一代作者搭了一条管道式工作流品牌分析 → 脚本 → 分镜 → 制作然后老老实实做盲测 A/B——5 轮测试其中 4 轮与「无技能」对照组同场竞技结果输了 3 轮。失败原因很有代表性只去形、不加质删掉 AI 味标记后得到「干净但空洞」的影片反而输给用品牌真实素材搭建的对照组只命名、不展示功能以小标签闪一下就过从不用真实 UI 演示套话文案一句 stock 口号在概念分上只得 4/10而对手用品牌官方口号拿下 7/10。其中一次测试被作者直接否决agent 做了一张典型「vibe-coded UI 卡片」状态点 “label · value” 的圆角卡片。这条教训后来直接写进了“Never ship”黑名单。 第一代的核心教训去掉 AI 味的标记不等于做出好片子。这句话成为后续所有迭代的主线。第二代禁令清单 黄金画廊盲测 9/10 翻盘第二代做对了两件事加上明确的禁令清单并引入「黄金画廊」优秀参考帧集合。盲测成绩立刻变了5 个虚构品牌 × 2 个模型10 次 A/B 里有 9 次用户选了带技能的影片。唯一一次失手本身也是教训——用户选了平静可读的对照组赢过一部急促炫技的带技能影片能量不是目标对的品牌能量才是。但第二代同时暴露了两个隐患黄金画廊教会的是“长相”不是判断——8 个不同品牌的片子做出一个设计师的 reel 既视感。于是画廊被删除换成刻意采用不同风格的「判断校准条」见 studies/PROVENANCE.md一列是默认做法一列是专业判断学推理不学长相。自我认证会说谎——有一次 agent 渲染出 15 秒纯黑视频自己的扫描居然通过还认证“VERIFIED / CLEAN”。由此立下铁律never self-certify——门禁必须由脚本在渲染产物上计算数字写进NOTE.md不许脑补。这一时期对全部作品的量化复盘还留下了一组标志性数字指标人类参考片无技能 AI带技能 AI锚点评分10 分制8–91–46–6.5平均运动能量中位数 6.81.911.7超过人类 75 分位运动太慢会失败太快也会失败——所以运动能量被定为“要回答的问题”而不是达标指标。第三代taste 层登场从「不许做什么」到「该做什么」第三代补上了此前最缺的一块——taste 层8 条明确的美学判断其中最关键的一条是「made with ambition」——hero 时刻必须投入最重的工艺真实 3D、shader、致密构图做到「值得截图」一个小 UI 贴在黑色虚空中是极简主义的默认不是品味。这一代的 A/B 里带技能影片终于丢掉了默认 tell角标、页码计数器但失败也转移了克制被推向了空洞——小 UI 在黑底上停留数秒。于是“ambition”规则正式写入技能。taste 层不是一次性文档而是一个持续生长的机制落在仓库里就是 taste/ 目录taste/verdicts.md——记录用户的真实否决日期、原话、反应对象、最小教训taste/edits.md——before / after / why 的修改对因为「一对前后对比是比分数更好的老师」。仓库自带的校准条也是 taste 层的产物左默认、右判断刻意用不同风格绘制防止它变成新的模板。第四代帧级测量 脚本门禁AI 味无处遁形第四代也就是现在这版从一句话出发大多数“动效设计技能”是一堆观点而这个从测量开始。第一步把专业做法量出来。53 段 3–7 秒的专业动态片段被复刻为帧级准确的 timeline6 个 AI 分析师逐帧解码产出约150 条设计师规则WHEN / DO / BECAUSE 格式规则以 library/moments.jsonl 的形式入库共 716 行每条 timeline 逐帧 seek得到4,288 个独立动作与12 条实测缓动曲线89% 的动作落在 12 条曲线 RMSE 0.12 以内runtime 里可直接按名调用如M.ease.softLand数字常常反直觉单个动作中位数只有10 帧0.33 秒过冲占比不足 9%元素靠“动进来”出场——3,392 次 transform 入场 vs 584 次透明度淡入96% 的片段使用硬切且切在运动中间而不是静止处。第二步给 AI 味做尸检。把被否决的 AI 影片逐拍解剖排出 25 个 tell 的目录。最有用的部分是根因列——每个 tell 都追问一句是技能说清楚了但 agent 无视还是技能自己的措辞把 agent 带偏还是根本没规则答案经常是后者或中间比如早期措辞写“按幕切换平涂底色”agent 忠实执行产出五块平涂色板的 PPT。于是结论是修复往往是编辑技能本身而不是骂 agent。第三步用脚本门禁验证G0–G5。门禁失败就修不争论脚本打印数字agent 原样引用。其中 G5页面装饰 lint最能体现“杀死 AI 味”的机制——它靠几何与字体特征抓角标、计数器、时间码、进度条一帧全抓效果验证同一个品牌跑完升一档官方 before/after 的拍法是同一品牌拍两遍一遍不带技能mid一遍带maxxed且同一模型、同一 brief。Spotify 例子最有代表性——左片是「左标题 手机 mockup」霸占每一帧右片是一个想法贯穿到底绿色句号变成开关、泛满全屏、再变成图标字即画面项目对局限也很诚实盲测目前只有单一评分人「9/10」是信号而非基准lint 看不见 canvas 或图片里烤进去的文字。完整清单见 docs/KNOWN-LIMITS.md。四代迭代复盘5 条可复用的方法论Specific beats clean——赢的影片都用“只有这个品牌才有”的东西logo 形状、自己的文案、自己的素材。每一条指令都是先验——“切换底色”这类措辞会被 agent 逐字执行AI 味的修复点常常在技能文案里。脚本是廉价的诚实——每个硬门禁都对应一次真实翻车脚本不证明片子好只挡住一种谎言。用判断校准而不是用长相——“成品样子”条带教会长相“默认 vs 决策”成对条带教会推理。让证据保持诚实——单一评分人、模型解码的规则、题材偏差都写在对应结论旁边。motionmaxxing 安装与上手指南环境要求Node 22、Python 3、ffmpeg、Google Chrome配音与音乐可选需要 ElevenLabs key。git clone https://gitcode.com/gh_mirrors/mo/motionmaxxing ~/.claude/skills/motionmaxxing bash ~/.claude/skills/motionmaxxing/install.sh装好后在 Claude Code 中直接用自然语言描述或运行/motionmaxxing。三个最常见用法从 URL 出发make a 20s launch film for https://example.com并先给 idea 和分镜单个时刻一句品牌 sting6 秒动态字体 真实 3D评级与修复丢一份draft.mp4让它按 slop / mid / maxxed 评级、跑门禁、说出失败项并修复。交付物固定四件套final.mp4、可编辑的index.html、计划文档STORYBOARD.md以及必填的NOTE.md记录 G0–G5 数字和“还想改进什么”。agent 不允许把影片认证为好。想深挖机制建议从 docs/HOW-IT-WAS-BUILT.md研究与工程全过程和 references/tools.md每个脚本的参数说明读起——前者本身就是一次很好的「如何给 AI 味做科学尸检」的示范。赞分享【免费下载链接】motionmaxxingLooksmaxxing for motion graphics. An agent skill that turns AI slop videos into films that look made by a motion designer.项目地址https://gitcode.com/gh_mirrors/mo/motionmaxxing点击查看免费下载相关推荐CHD压缩教程3步把PS1/PS2镜像体积砍掉50%CHD压缩教程3步把PS1/PS2镜像体积砍掉50% RomM 是一个自托管的 ROM 管理器支持以 CHD 格式做游戏ROM压缩接上 chdman 后后端前端任务调度认证鉴权LobeChat A/B测试终极指南如何科学验证功能迭代效果LobeChat A/B测试终极指南如何科学验证功能迭代效果 LobeChat是一款面向超级个体的AI协作平台提供多智能体协作、agent团队设计等核心功能人工智能大模型AI AgentAI 应用多智能体前端后端本地部署工具调用从多步迭代到极速生成LCM如何重塑AI图像创作范式从多步迭代到极速生成LCM如何重塑AI图像创作范式 在人工智能图像生成领域潜在扩散模型LDM凭借其卓越的生成质量占据重要地位但其冗长的迭代过程始终是效深度学习计算机视觉创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/24 3:46:06 · 阅读 1.2k 从盲测A/B到taste层：motionmaxxing四代迭代史，复盘它如何一步步杀死AI味
【免费下载链接】motionmaxxingLooksmaxxing for motion graphics. An agent skill that turns AI slop videos into films that look made by a motion designer.项目地址https://gitcode.com/gh_mirrors/mo/motionmaxxing点击查看免费下载motionmaxxing 是一个开源的 agent skillAgent 技能专门把充满「AI味」的 AI slop 视频改造成看起来像动态设计师亲手做的动态图形motion graphics影片。它靠的不是禁令清单而是帧级测量 脚本门禁 盲测 A/B 持续校准。这篇文章复盘它的四代迭代史从第一代盲测三连败到第二代 9/10 翻盘再到 taste 层与 12 条实测缓动曲线的诞生。先看懂评级标准motionmaxxing 给 AI 视频打分项目先立了一把尺子把 AI 视频分成三档评级屏幕上的样子Slop会动的 PPT角落标签、页码计数器、左标题右卡片、到处淡入淡出Mid干净但没主张默认缓动、平涂底色、长停留的结束卡Maxxed一个想法、有光有质感的世界、测量过的动效、硬切转场门禁带数字通过它的定位很克制把影片往右推一格并诚实告诉你停在哪一格。完整技能定义见 SKILL.md研究全过程见 docs/HOW-IT-WAS-BUILT.md。第一代管道流工作流盲测 A/B 三连败第一代作者搭了一条管道式工作流品牌分析 → 脚本 → 分镜 → 制作然后老老实实做盲测 A/B——5 轮测试其中 4 轮与「无技能」对照组同场竞技结果输了 3 轮。失败原因很有代表性只去形、不加质删掉 AI 味标记后得到「干净但空洞」的影片反而输给用品牌真实素材搭建的对照组只命名、不展示功能以小标签闪一下就过从不用真实 UI 演示套话文案一句 stock 口号在概念分上只得 4/10而对手用品牌官方口号拿下 7/10。其中一次测试被作者直接否决agent 做了一张典型「vibe-coded UI 卡片」状态点 “label · value” 的圆角卡片。这条教训后来直接写进了“Never ship”黑名单。 第一代的核心教训去掉 AI 味的标记不等于做出好片子。这句话成为后续所有迭代的主线。第二代禁令清单 黄金画廊盲测 9/10 翻盘第二代做对了两件事加上明确的禁令清单并引入「黄金画廊」优秀参考帧集合。盲测成绩立刻变了5 个虚构品牌 × 2 个模型10 次 A/B 里有 9 次用户选了带技能的影片。唯一一次失手本身也是教训——用户选了平静可读的对照组赢过一部急促炫技的带技能影片能量不是目标对的品牌能量才是。但第二代同时暴露了两个隐患黄金画廊教会的是“长相”不是判断——8 个不同品牌的片子做出一个设计师的 reel 既视感。于是画廊被删除换成刻意采用不同风格的「判断校准条」见 studies/PROVENANCE.md一列是默认做法一列是专业判断学推理不学长相。自我认证会说谎——有一次 agent 渲染出 15 秒纯黑视频自己的扫描居然通过还认证“VERIFIED / CLEAN”。由此立下铁律never self-certify——门禁必须由脚本在渲染产物上计算数字写进NOTE.md不许脑补。这一时期对全部作品的量化复盘还留下了一组标志性数字指标人类参考片无技能 AI带技能 AI锚点评分10 分制8–91–46–6.5平均运动能量中位数 6.81.911.7超过人类 75 分位运动太慢会失败太快也会失败——所以运动能量被定为“要回答的问题”而不是达标指标。第三代taste 层登场从「不许做什么」到「该做什么」第三代补上了此前最缺的一块——taste 层8 条明确的美学判断其中最关键的一条是「made with ambition」——hero 时刻必须投入最重的工艺真实 3D、shader、致密构图做到「值得截图」一个小 UI 贴在黑色虚空中是极简主义的默认不是品味。这一代的 A/B 里带技能影片终于丢掉了默认 tell角标、页码计数器但失败也转移了克制被推向了空洞——小 UI 在黑底上停留数秒。于是“ambition”规则正式写入技能。taste 层不是一次性文档而是一个持续生长的机制落在仓库里就是 taste/ 目录taste/verdicts.md——记录用户的真实否决日期、原话、反应对象、最小教训taste/edits.md——before / after / why 的修改对因为「一对前后对比是比分数更好的老师」。仓库自带的校准条也是 taste 层的产物左默认、右判断刻意用不同风格绘制防止它变成新的模板。第四代帧级测量 脚本门禁AI 味无处遁形第四代也就是现在这版从一句话出发大多数“动效设计技能”是一堆观点而这个从测量开始。第一步把专业做法量出来。53 段 3–7 秒的专业动态片段被复刻为帧级准确的 timeline6 个 AI 分析师逐帧解码产出约150 条设计师规则WHEN / DO / BECAUSE 格式规则以 library/moments.jsonl 的形式入库共 716 行每条 timeline 逐帧 seek得到4,288 个独立动作与12 条实测缓动曲线89% 的动作落在 12 条曲线 RMSE 0.12 以内runtime 里可直接按名调用如M.ease.softLand数字常常反直觉单个动作中位数只有10 帧0.33 秒过冲占比不足 9%元素靠“动进来”出场——3,392 次 transform 入场 vs 584 次透明度淡入96% 的片段使用硬切且切在运动中间而不是静止处。第二步给 AI 味做尸检。把被否决的 AI 影片逐拍解剖排出 25 个 tell 的目录。最有用的部分是根因列——每个 tell 都追问一句是技能说清楚了但 agent 无视还是技能自己的措辞把 agent 带偏还是根本没规则答案经常是后者或中间比如早期措辞写“按幕切换平涂底色”agent 忠实执行产出五块平涂色板的 PPT。于是结论是修复往往是编辑技能本身而不是骂 agent。第三步用脚本门禁验证G0–G5。门禁失败就修不争论脚本打印数字agent 原样引用。其中 G5页面装饰 lint最能体现“杀死 AI 味”的机制——它靠几何与字体特征抓角标、计数器、时间码、进度条一帧全抓效果验证同一个品牌跑完升一档官方 before/after 的拍法是同一品牌拍两遍一遍不带技能mid一遍带maxxed且同一模型、同一 brief。Spotify 例子最有代表性——左片是「左标题 手机 mockup」霸占每一帧右片是一个想法贯穿到底绿色句号变成开关、泛满全屏、再变成图标字即画面项目对局限也很诚实盲测目前只有单一评分人「9/10」是信号而非基准lint 看不见 canvas 或图片里烤进去的文字。完整清单见 docs/KNOWN-LIMITS.md。四代迭代复盘5 条可复用的方法论Specific beats clean——赢的影片都用“只有这个品牌才有”的东西logo 形状、自己的文案、自己的素材。每一条指令都是先验——“切换底色”这类措辞会被 agent 逐字执行AI 味的修复点常常在技能文案里。脚本是廉价的诚实——每个硬门禁都对应一次真实翻车脚本不证明片子好只挡住一种谎言。用判断校准而不是用长相——“成品样子”条带教会长相“默认 vs 决策”成对条带教会推理。让证据保持诚实——单一评分人、模型解码的规则、题材偏差都写在对应结论旁边。motionmaxxing 安装与上手指南环境要求Node 22、Python 3、ffmpeg、Google Chrome配音与音乐可选需要 ElevenLabs key。git clone https://gitcode.com/gh_mirrors/mo/motionmaxxing ~/.claude/skills/motionmaxxing bash ~/.claude/skills/motionmaxxing/install.sh装好后在 Claude Code 中直接用自然语言描述或运行/motionmaxxing。三个最常见用法从 URL 出发make a 20s launch film for https://example.com并先给 idea 和分镜单个时刻一句品牌 sting6 秒动态字体 真实 3D评级与修复丢一份draft.mp4让它按 slop / mid / maxxed 评级、跑门禁、说出失败项并修复。交付物固定四件套final.mp4、可编辑的index.html、计划文档STORYBOARD.md以及必填的NOTE.md记录 G0–G5 数字和“还想改进什么”。agent 不允许把影片认证为好。想深挖机制建议从 docs/HOW-IT-WAS-BUILT.md研究与工程全过程和 references/tools.md每个脚本的参数说明读起——前者本身就是一次很好的「如何给 AI 味做科学尸检」的示范。赞分享【免费下载链接】motionmaxxingLooksmaxxing for motion graphics. An agent skill that turns AI slop videos into films that look made by a motion designer.项目地址https://gitcode.com/gh_mirrors/mo/motionmaxxing点击查看免费下载相关推荐CHD压缩教程3步把PS1/PS2镜像体积砍掉50%CHD压缩教程3步把PS1/PS2镜像体积砍掉50% RomM 是一个自托管的 ROM 管理器支持以 CHD 格式做游戏ROM压缩接上 chdman 后后端前端任务调度认证鉴权LobeChat A/B测试终极指南如何科学验证功能迭代效果LobeChat A/B测试终极指南如何科学验证功能迭代效果 LobeChat是一款面向超级个体的AI协作平台提供多智能体协作、agent团队设计等核心功能人工智能大模型AI AgentAI 应用多智能体前端后端本地部署工具调用从多步迭代到极速生成LCM如何重塑AI图像创作范式从多步迭代到极速生成LCM如何重塑AI图像创作范式 在人工智能图像生成领域潜在扩散模型LDM凭借其卓越的生成质量占据重要地位但其冗长的迭代过程始终是效深度学习计算机视觉创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考