基于 Suno AI 多轮迭代创作,生成符合Suno 标准的高质量歌词或纯音乐。
SKILL.md — suno-claw
功能概述
SKILL.md — suno-claw是一项面向实际任务的技能,主要用于来源: https://github.com/jasonzhang-zzx/suno-claw;作者: jasonzhang-zzx;
核心要点
- 许可证: MIT;
- 一个基于 Suno AI(kie.ai API)的多代理创意工作流技能;
- 模拟艺术创作的发散与收敛过程,通过迭代式信息解析与生成,逐步产出符合 Suno 输入标准的高质量歌曲;
使用与执行
核心流程: 灵感输入。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
结果检查与注意事项
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
SKILL.md — suno-claw
来源: https://github.com/jasonzhang-zzx/suno-claw
作者: jasonzhang-zzx
许可证: MIT
概述
一个基于 Suno AI(kie.ai API)的多代理创意工作流技能。模拟艺术创作的发散与收敛过程,通过迭代式信息解析与生成,逐步产出符合 Suno 输入标准的高质量歌曲。
核心流程: 灵感输入 → 信息收集 → 双轨解析(歌词/音乐性)× 3轮发散 → 封包为 Suno prompt → 渐进生成 → 试听反馈 → 记忆存档
流式输出规则
每个步骤开始和结束时,主代理须输出状态描述,让用户感知 Pipeline 进度:
| 步骤 | 开始时 | 结束时 |
|---|---|---|
| Step 1 收集 | 🎯 正在解析您的创意... |
✨ 创意解析完成 |
| Step 2 Agent A | ✍️ 词作者正在工作... |
✍️ 词作者完成(第X轮) |
| Step 2 Agent B | 🎸 编曲师正在工作... |
🎸 编曲师完成(第X轮) |
| Step 3 封包 | 📦 正在封装提示词... |
📦 封装完成 |
| Step 4 生成 | 🎵 Suno(kieAI) 正在创作... |
🎵 创作完成 |
| Step 5 存档 | 💾 正在保存您的偏好... |
💾 已存档 |
用户对生成结果评分/评价后,触发记忆存档环节。
目录结构
suno-claw/
├── SKILL.md # 本文件
├── workflow.md # 工作流详细说明
├── memory-system.md # 记忆系统设计
├── prompts/
│ ├── collector.md # 信息收集代理说明
│ ├── agent-a.md # Agent A(歌词)子代理完整 Prompt(含角色+JSON Schema+格式规则)
│ ├── agent-b.md # Agent B(音乐性)子代理完整 Prompt(含角色+JSON Schema+格式规则)
│ ├── executor-main.md # 主代理执行器(Pipeline 总指挥,含调度逻辑)
│ ├── packager.md # Suno 封包代理(JSON Schema + 校验规则)
│ └── generator.md # kie.ai API 调用指南
├── scripts/
│ └── suno_generate.py # kie.ai Suno API Python 调用脚本
└── memory/
├── history.json # 交互历史(JSON,热数据)
└── patterns.log # 压缩模式日志(长期记忆)
执行层架构
主代理(executor-main.md 驱动)
│
├── Step 1: 收集 + IS_INSTRUMENTAL 判断
│ ↓
├── Step 2: sessions_spawn 并行调度子代理
│ ├─ Agent A (agent-a.md) ──→ JSON 歌词结果
│ └─ Agent B (agent-b.md) ──→ JSON 音乐性结果
│ ↓ × 3轮(relevance: 1.0 → 0.7 → 0.5)
├── Step 3: 封包(packager)→ Suno Prompt × 3
│ ↓
├── Step 4: 渐进生成
│ ├─ python scripts/suno_generate.py --style_tags ... --lyrics ... --title ...
│ ├─ 返回音频 URL + 歌词
│ └─ 展示给用户 → 等待确认 → 下一轮
│ ↓
└── Step 5: 用户"喜欢" → 写入 history.json + patterns.log
核心概念
1. 相关性衰减(Relevance Decay)
| 轮次 | Relevance | 含义 |
|---|---|---|
| 第1轮 | 1.0 | 严格围绕原始创意,精准提炼 |
| 第2轮 | 0.7 | 适度延伸,引入关联元素,参考 HISTORY_SIGNAL |
| 第3轮 | 0.5 | 高度发散,探索远距联想,HISTORY_SIGNAL 参考价值最大 |
RELEVANCE_LEVEL= 本轮输出相对于INFO_COLLECTION_TABLE的相关性强度HISTORY_SIGNAL= 来自patterns.log的历史偏好参考材料,子代理自行判断如何使用(不是约束指令)
2. IS_INSTRUMENTAL 双分支
| IS_INSTRUMENTAL | 唤醒的子代理 |
|---|---|
false(有歌词) |
Agent A(歌词)+ Agent B(音乐性)并行 |
true(纯音乐) |
仅 Agent B(音乐性) |
3. 渐进生成(用户确认制)
每步生成后先展示试听,用户确认后再跑下一步,有效节约 API 用量。
4. 记忆系统
- 热数据(history.json):完整交互快照,最近 50 条
- 长期记忆(patterns.log):成功标签模式压缩存档,无限积累
- 调用新任务时:从
patterns.log读取偏好,注入 Agent A/B 第2、3轮
触发条件
用户说"制作一首..."、"创作一首歌..."、"做一首...风格的歌"、"生成纯音乐"时触发。
输入
用户原始创意(字符串),例如:
- "制作一首 Kill This Love 风格的歌曲"
- "做一首西海岸 chill rap"
- "生成一段放松的钢琴纯音乐"
输出(每轮生成后)
- 歌名
- 试听链接(Suno 音频 URL)
- 完整歌词(含结构标签,仅 IS_INSTRUMENTAL=false 时)
- 核心风格描述(≤2句)
环境变量
必需环境变量:
| 变量 | 必填 | 说明 |
|---|---|---|
KIEAI_API_KEY |
✅ | kie.ai API 密钥(https://kie.ai/api-key 获取) |
可选环境变量:
| 变量 | 必填 | 默认值 | 说明 |
|---|---|---|---|
CALLBACK_URL |
❌ | 空(不传) | 生成完成后的回调地址;若为空字符串则不传给 API,推荐使用内部可信端点 |
安全说明
- SSL 验证: 始终启用,不可禁用
- CALLBACK_URL 建议: 使用内部可控的回调服务,或留空(由 kie.ai 轮询)
- 避免: 设为未知第三方地址,以免生成内容被意外泄露
记忆文件 Retention
| 文件 | 路径 | 保留策略 |
|---|---|---|
history.json |
memory/history.json |
最近 50 条交互,超出后自动截断(仅保留最新) |
patterns.log |
memory/patterns.log |
聚合偏好模式;单文件上限 1MB,超出后轮转(保留最新) |
隐私提示:以上文件包含你的歌词、风格偏好、生成记录。如需清理,删除对应文件即可。
质量门控
| 检查点 | 标准 | 失败处理 |
|---|---|---|
| Agent A JSON 解析 | 纯 JSON,无 markdown 块 | 重试,最多3次 |
| Agent A 格式校验 | 含 [Verse]+[Chorus],无歌手名 | 重试当前轮次 |
| Agent B JSON 解析 | 纯 JSON,无 markdown 块 | 重试,最多3次 |
| Agent B 格式校验 | style_tags ≤ 115字符,无歌手名,≥3个乐器 | 重试当前轮次 |
| 封包校验 | style ≤ 115字符,title ≤ 80字符 | 自动修正 |
| API 失败 | 返回错误 JSON | 自动以更低相关性重试 |
主代理执行参考(executor-main.md)
当运行本技能时,主代理按照 prompts/executor-main.md 中的指引执行:
- sessions_spawn 并行调度 Agent A + Agent B
- 每轮 JSON Schema 校验(含歌手名检测正则)
- 校验失败时反馈错误给子代理,要求重做
- python scripts/suno_generate.py 调用 kie.ai API
- 渐进展示 + 用户确认后继续
相关技能
clawhub install suno— Suno API 基础封装(参考 aimusicapi.ai)clawhub install browser— 浏览器自动化备用方案
热门AI工具
相关专题
本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。
0
2026.11.12
本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.12
本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。
0
2026.11.12
本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。
0
2026.11.06
围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。
0
2026.11.06
详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。
0
2026.11.06
DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
0
2026.11.05
DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。
0
2026.11.05
本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.8万人学习
共6课时 | 54.7万人学习
最新文章