🕵️♂️ 游戏策划的「像素级模仿大师」
看到别家游戏的好玩法？截图丢给我，分分钟给你仿写一份专业策划案！ 从竞品视频到策划文档，只需三步：截图 → 分析 → 产出。像学霸抄作业一样高效，像福尔摩斯破案一样细致 🔍
我们不做原创，我们是游戏设计的「高级复读机」
GameDocGenSkill 是一款专注于「像素级模仿」的智能工具。它像一位经验丰富的策划老手，只需要你丢给它几张竞品截图或一段演示视频，就能自动「仿写」出一份结构完整、术语专业的策划案。
核心思路很简单：先模仿，再创新。不用从零开始写文档，让 AI 先帮你把竞品的框架扒下来，你再在此基础上优化迭代。
- 🔍 视觉分析：自动分析游戏截图/视频，识别 UI 布局、交互流程、功能模块
- 📝 模板融合：支持多格式策划案模板（Excel/Word/Markdown），提取通用结构
- 📄 文档生成：输出符合行业标准的专业策划案（Markdown 格式）
- 🖼️ 图片整理：自动整理相关截图，按模块分类归档
- 竞品分析：快速拆解对标游戏的功能设计
- 功能还原：根据截图/视频还原已下线活动的策划案
- 文档标准化：统一团队策划案输出格式
- 外包对接：生成带截图参考的详细功能说明
- Python 3.8+
- FFmpeg（视频处理，可选）
- 依赖包：
pillow,pandas,openpyxl,python-docx,imagehash
pip install pillow pandas openpyxl python-docx imagehash# macOS
brew install ffmpeg
# Ubuntu/Debian
sudo apt-get install ffmpeg
# Windows
# 下载地址：https://ffmpeg.org/download.htmlfrom scripts.template_parser import parse_templates, merge_profiles
from scripts.video_processor import extract_keyframes, copy_screenshots
from scripts.game_analyzer import generate_design_docs
from scripts.utils import ensure_dir, write_json
# 1. 解析模板
profiles = parse_templates("templates/")
merged = merge_profiles(profiles)
write_json(merged.to_dict(), "work/template_profile.json")
# 2. 处理视频和截图
frames = extract_keyframes("input/gameplay.mp4", "work/screenshots/")
write_json({"screenshots": [f.path for f in frames]}, "work/screenshots_index.json")
# 3. 生成策划案（视觉分析由 Agent 完成）
generated = generate_design_docs(
template_profile_path="work/template_profile.json",
analysis_results_path="work/analysis_results.json",
output_dir="output/策划案/",
)
print(f"已生成 {len(generated)} 份策划文档")game-imitation-designer/
├── README.md # 项目说明
├── SKILL.md # Skill 定义文件
├── scripts/ # Python 脚本
│ ├── template_parser.py # 模板解析器（Excel/Word/Markdown）
│ ├── video_processor.py # 视频处理与截图去重
│ ├── game_analyzer.py # 策划案生成引擎
│ └── utils.py # 通用工具函数
├── references/ # 参考文档
│ ├── analysis_prompts.md # 视觉分析提示词模板
│ └── module_classification.md # 功能模块分类指南
└── examples/ # 示例（可选）
├── templates/ # 示例模板
└── output/ # 示例输出
┌─────────────────────────────────────────────────────────────────┐
│ Phase 1: 预处理 │
├─────────────────────────────────────────────────────────────────┤
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 解析模板 │ → │ 提取视频帧 │ → │ 整理截图 │ │
│ │ (.xlsx/.md) │ │ (ffmpeg) │ │ (去重/索引) │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ ↓ ↓ ↓ │
│ template_profile.json screenshots/ screenshots_index.json │
└─────────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────────┐
│ Phase 2: 视觉分析 │
├─────────────────────────────────────────────────────────────────┤
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ 多模态模型分析 │ │
│ │ • 识别功能模块 • 提取 UI 布局 │ │
│ │ • 记录可见文本 • 标注交互控件 │ │
│ │ • 收集数值信息 • 标记待确认项 │ │
│ └─────────────────────────────────────────────────────────┘ │
│ ↓ │
│ analysis_results.json │
└─────────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────────┐
│ Phase 3: 文档生成 │
├─────────────────────────────────────────────────────────────────┤
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ 融合模板 + 分析结果 → Markdown │ │
│ │ • 模块结构 • 界面布局 • 交互流程 │ │
│ │ • 详细逻辑 • 文案文本 • 数值信息 │ │
│ │ • 控件说明 • 配置表引用 • 待确认项 │ │
│ └─────────────────────────────────────────────────────────┘ │
│ ↓ │
│ 输出目录：模块名.md + images/模块名/ │
└─────────────────────────────────────────────────────────────────┘
支持以下格式的策划案模板：
| 格式 | 扩展名 | 说明 |
|---|---|---|
| Excel | .xlsx, .xlsm |
最常用，支持多工作表 |
| Word | .doc, .docx |
传统文档格式 |
| Markdown | .md, .markdown |
轻量格式 |
模板文件命名建议：
【Release】功能名称.xlsx— Release 版本策划案【策划案】功能名称.xlsx— 常规策划案
input/
├── video/ # 游戏视频（可选）
│ └── gameplay.mp4
└── screenshots/ # 游戏截图（推荐）
├── main_ui.png
├── battle.png
└── shop.png
output/
└── 功能名称策划案/
├── README.md # 总索引
├── 主界面.md # 模块策划案
├── 核心玩法.md
├── 排行榜.md
├── ...
└── images/ # 引用截图
├── 主界面/
│ ├── screenshot_000.png
│ └── screenshot_001.png
├── 核心玩法/
└── ...
本项目可以作为 AI Agent Skill 集成到各类 AI 助手平台（如 WorkBuddy、CodeBuddy 等），实现一键式游戏策划案生成。
将本 Skill 安装到用户目录，所有项目均可使用：
# 复制到用户 Skill 目录
mkdir -p ~/.workbuddy/skills/game-imitation-designer/
cp -r GameDocGenSkill/* ~/.workbuddy/skills/game-imitation-designer/仅当前项目可用：
# 复制到项目 .workbuddy/skills/ 目录
mkdir -p .workbuddy/skills/game-imitation-designer/
cp -r GameDocGenSkill/* .workbuddy/skills/game-imitation-designer/使用 Skill 时需按以下结构准备输入文件：
project-root/
├── input/ # 输入素材目录（必须）
│ ├── screenshots/ # 游戏截图（推荐）
│ │ ├── main_ui.png
│ │ ├── battle_scene.png
│ │ └── reward_popup.png
│ └── video/ # 游戏视频（可选）
│ └── gameplay_demo.mp4
│
├── templates/ # 策划案模板目录（必须）
│ ├── 【Release】xxx.xlsx # Release版本策划案模板
│ └── 【策划案】xxx.xlsx # 常规策划案模板
│
├── output/ # 输出目录（自动生成）
│ └── 功能名称策划案/
│ ├── README.md
│ ├── 主界面.md
│ └── images/
│
└── work/ # 工作目录（自动生成）
├── template_profile.json
├── screenshots_index.json
└── analysis_results.json
在 OpenClaw 中，使用以下关键词触发本 Skill：
游戏策划案生成根据截图写策划案分析游戏视频生成策划案仿写策划案游戏功能拆解像素级模仿
示例 1：基础使用
用户：根据我放在 input 目录下的截图，帮我写一份活动策划案
OpenClaw 会自动：
- 扫描
templates/目录解析策划案模板 - 分析
input/screenshots/下的截图 - 生成标准化 Markdown 策划案到
output/目录
示例 2：指定模板
用户：参考 Release 版本的模板格式，分析 input/video/demo.mp4 生成策划案
示例 3：完整流程
用户：我上传了一个新游戏的录屏和几张关键界面截图，帮我仿写一份完整的策划案，参考我 templates 目录下的历史模板
// 在 Agent 配置中使用本 Skill
import { loadSkill } from '@tencent-ai/agent-sdk';
const gameDesignSkill = await loadSkill('game-imitation-designer');
// 执行策划案生成
const result = await gameDesignSkill.execute({
inputDir: './input',
templatesDir: './templates',
outputDir: './output',
options: {
extractKeyframes: true, // 从视频提取关键帧
deduplicateScreenshots: true, // 截图去重
mergeTemplates: true, // 合并多模板
}
});
console.log(`已生成策划案: ${result.outputPath}`);-
准备环境
pip install pillow pandas openpyxl python-docx imagehash # 如需视频处理：安装 FFmpeg -
调用脚本
# 完整流水线 from scripts.template_parser import parse_templates, merge_profiles from scripts.video_processor import extract_keyframes, copy_screenshots from scripts.game_analyzer import generate_design_docs from scripts.utils import ensure_dir, write_json import os # 准备目录 INPUT_DIR = "input" TEMPLATES_DIR = "templates" OUTPUT_DIR = "output" WORK_DIR = "work" ensure_dir(WORK_DIR) ensure_dir(OUTPUT_DIR) # Phase 1: 预处理 profiles = parse_templates(TEMPLATES_DIR) merged = merge_profiles(profiles) write_json(merged.to_dict(), f"{WORK_DIR}/template_profile.json") # 处理视频截图 frames = [] video_dir = os.path.join(INPUT_DIR, "video") if os.path.exists(video_dir): for video in os.listdir(video_dir): if video.endswith(('.mp4', '.mov', '.avi')): frames.extend(extract_keyframes( os.path.join(video_dir, video), f"{WORK_DIR}/screenshots/" )) # 复制用户截图 screenshot_dir = os.path.join(INPUT_DIR, "screenshots") if os.path.exists(screenshot_dir): frames.extend(copy_screenshots(screenshot_dir, f"{WORK_DIR}/screenshots/")) write_json({"screenshots": [f.path for f in frames]}, f"{WORK_DIR}/screenshots_index.json") # Phase 2: 视觉分析（由 AI Agent 完成） # Agent 读取截图，输出 analysis_results.json # Phase 3: 文档生成 generated = generate_design_docs( template_profile_path=f"{WORK_DIR}/template_profile.json", analysis_results_path=f"{WORK_DIR}/analysis_results.json", output_dir=OUTPUT_DIR, )
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
inputDir |
string | "input" |
输入素材目录 |
templatesDir |
string | "templates" |
模板文件目录 |
outputDir |
string | "output" |
输出策划案目录 |
workDir |
string | "work" |
中间文件工作目录 |
extractKeyframes |
boolean | true |
是否从视频提取关键帧 |
sceneThreshold |
float | 0.3 |
场景变化敏感度 |
maxFrames |
int | 50 |
每视频最大提取帧数 |
deduplicateScreenshots |
boolean | true |
是否对截图去重 |
mergeTemplates |
boolean | true |
是否合并多模板结构 |
解析策划案模板，提取结构化信息。
from scripts.template_parser import parse_templates, merge_profiles
# 解析目录下所有模板
profiles = parse_templates("templates/")
# 合并多模板，提取通用结构
merged = merge_profiles(profiles)
# 提取的信息
print(f"模块目录: {merged.module_catalog}")
print(f"注意事项: {merged.notices}")
print(f"配置表引用: {merged.config_refs}")
print(f"术语表: {merged.terminology}")支持的解析内容（Excel 模板）：
- 工作表结构识别（
2-3.详细逻辑设计、2-2.系统效果图、5.配置档需求） - 功能模块划分（层级编号：1, 1.1, 1.1.1）
- 标准注意事项提取
- 配置表引用（
【TableName】格式）
视频关键帧提取与截图去重。
from scripts.video_processor import (
extract_keyframes,
deduplicate_frames,
copy_screenshots,
create_screenshots_index,
)
# 从视频提取关键帧
frames = extract_keyframes(
video_path="input/gameplay.mp4",
output_dir="work/screenshots/",
scene_threshold=0.3, # 场景变化敏感度
max_frames=50, # 每视频最大帧数
min_interval=1.0, # 最小帧间隔（秒）
)
# 复制用户提供的截图
user_frames = copy_screenshots("input/screenshots/", "work/screenshots/")
# 去重
unique_frames = deduplicate_frames(frames + user_frames, threshold=5)
# 生成索引
create_screenshots_index(unique_frames, "work/screenshots_index.json")融合模板结构与视觉分析结果，生成最终策划案。
from scripts.game_analyzer import generate_design_docs
generated = generate_design_docs(
template_profile_path="work/template_profile.json",
analysis_results_path="work/analysis_results.json",
output_dir="output/策划案/",
)
for path in generated:
print(f"已生成: {path}")# 模块名称 — 功能策划案
> 生成时间: YYYY-MM-DD HH:MM
## 注意事项
- 界面说明需要精确到每一个按钮点击后是什么效果...
- 逻辑设计结合UI设计检查是否有潜规则...
## ●模块名称 概述
功能概述描述...
### 界面布局
界面整体布局描述：有哪些区域、分区名称、排列方式
#### 界面截图
### 交互流程
从当前界面出发，玩家可以进行哪些操作...
### 详细逻辑
1. 进入条件检查规则...
2. 点击按钮后的处理逻辑...
### 文案与文本
- 活动标题：魔女之夜
- 按钮文字：开始挑战
### 数值信息
- **单次消耗**: 1 个魔力水晶
- **活动持续时间**: 3 天
### 按钮与控件
- **开始挑战**: 点击进入玩法界面
- **排行榜**: 打开排行榜面板
### 【需补充】待确认项
- 【需补充】活动解锁条件未在截图中展示| 术语 | 说明 |
|---|---|
| 解锁条件 | 活动/功能开启的前置要求 |
| 玩法时间 | 活动可参与的时间段 |
| 领奖时间 | 活动结束后可领取奖励的时间段 |
| 配置表 | 策划提供给程序的数据表格 |
| 【需补充】 | 无法从截图确认的信息标记 |
在 template_parser.py 中实现新的解析器：
class CustomParser(TemplateParser):
SUPPORTED_EXTS = [".custom"]
def parse(self, file_path: str) -> TemplateProfile:
profile = TemplateProfile(file_path, doc_type="custom")
# 实现解析逻辑
return profile
# 注册解析器
TemplateParserRegistry.register(CustomParser)编辑 references/analysis_prompts.md 调整分析策略：
- 修改模块识别特征
- 调整输出 JSON 结构
- 定制专业术语库
修改 video_processor.py 中的默认参数：
# 提高场景敏感度，提取更多帧
scene_threshold=0.2
# 增加单视频最大帧数
max_frames=100
# 降低最小帧间隔
min_interval=0.5欢迎提交 Issue 和 PR！
- Fork 本项目
- 创建特性分支：
git checkout -b feature/awesome-feature - 提交变更：
git commit -m 'Add awesome feature' - 推送分支：
git push origin feature/awesome-feature - 创建 Pull Request
- 遵循 PEP 8 风格
- 所有函数添加 docstring
- 新功能需附带测试用例
- 感谢 WorkBuddy 平台提供的多模态分析能力
- 感谢游戏策划行业贡献的标准文档模板
如有问题或建议，欢迎通过以下方式联系：
- 提交 GitHub Issue
Made with ❤️ for Game Designers