用途：该技能用于统一完成图像、视频、音频的 AI 内容生成，适合营销素材、社媒批量内容、教育解说视频与配音、原型视觉概念以及自动化批处理流水线等场景。
主要能力：图像方面支持文生图与图生图，可选 FLUX Pro/Dev、Imagen 4、Stable Diffusion 变体等模型，指定尺寸与风格；视频方面支持文生视频与图生视频，可选 Google Veo、MiniMax Hailuo、Kling，可设时长与分辨率；音频方面通过 ElevenLabs 提供 20+ 音色、多语言专业 TTS；OpenRouter 提供 LLM 文本生成。另支持 YAML/JSON 流水线编排，可合并多步产物、并行生成多张变体（4 线程）、自动提示词缓存，以及成本实时估算与预算限制（max_per_job、max_daily、alert_threshold）。
使用方式：安装执行 pip install video-agent-claude-skill；配置环境变量 FAL_API_KEY、GOOGLE_VERTEX_KEY、ELEVENLABS_API_KEY；用 video-agent status 验证。CLI 命令示例：video-agent image "prompt" --model flux-pro --size 1024；video-agent video "prompt" --model veo --duration 5；video-agent audio "text" --voice professional-female；video-agent pipeline config.yaml；video-agent cost --estimate。也可用 Python API，从 video_agent 导入 ImageGenerator、VideoGenerator 并调用 generate。
限制：具体模型定价、速率限制、地区可用性与生成质量未在此资料中说明；使用前需自行准备并配置相应厂商 API 密钥；部分能力依赖第三方服务可用性。