借助 Opus 5.5,你可以在一次 Claude Code 会话中构建出一个完整的 2.5D 动态图形工作室(Motion Studio):仅需一个单文件 HTML,即可在不同深度上堆叠平面图层、通过带缓动曲线(easing)的关键帧驱动虚拟摄像机穿行其中,再配合一段 25 行的 Playwright 脚本逐帧截图并推流给 ffmpeg。在我们的实测中,一台普通笔记本电脑仅用约 20 秒就渲染出了一段 6 秒的 720p MP4 视频(共 180 帧)。
本文将展示完整的提示词、智能体编写的核心代码、构建过程中遇到的典型 bug,以及如何使用 Apifox CLI 为“一句话生成镜头脚本(describe a shot)”功能背后的 Opus 5.5 API 调用编写测试。
AI Coding 交流群
如果你也在用 AI 写代码,或者正在研究 Cursor、Claude Code 这些工具,欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流,还有各种新工具和新玩法。
什么是 2.5D 动态图形工作室?
2.5D 动态图形工作室是一种将平面 2D 图层(如天空、山丘、城市天际线、标题卡片、前景枝叶)放置在 3D 空间的不同深度上,再移动虚拟摄像机穿行其中的动画工具。离摄像机越近的图层滑动速度越快,离得越远的图层移动越慢,从而在不借助任何 3D 模型的情况下产生视差(parallax)和纵深感。
要算作一个真正的“工作室”而非一次性动画脚本,需要具备三个核心模块:
- 场景图(Scene graph):包含
z轴深度、尺寸、位置和 HTML 内容的图层定义。 - 时间轴(Timeline):针对摄像机(推拉 dolly、横移 truck、环绕 orbit)以及各个图层(透明度、缩放、位置)的关键帧轨道,且每段过渡都支持独立的缓动曲线。
- 确定性渲染器(Deterministic renderer):一个
renderAt(t)纯函数,能够根据任意时间点t精确绘制对应帧,确保视频导出质量永远不会受本机实时播放帧率波动的影响。
第三点是大多数教程都会忽略的关键,而它直接决定了导出的 MP4 视频是否会卡顿掉帧。
将 Claude Code 配置为 Opus 5.5
对于这类综合性编码任务,Opus 5.5 是最理想的起点。Anthropic 的模型概览文档将其定位为“面向长周期智能体编程与知识工作”,提供 1M token 上下文窗口、128K 最大输出,定价为每百万输入 / 输出 token $4 / $20。
建议在启动时直接锁定具体模型名称,避免后续模型别名指向变动导致项目半途切换模型:
claude --model claude-opus-5-5 --effort high
根据 Anthropic 的思考力度(effort)文档,Opus 5.5 默认使用 medium 力度。在首次构建项目、需要智能体一次性算准透视投影数学公式时,建议将其调高至 high;后续仅微调关键帧和配色时,再降回 medium 即可。如果你想先了解该模型的基础信息,可以参考 Claude Opus 5.5 深度解析以及提示词缓存如何改变其调用成本。
构建工作室的完整提示词
一条精准具体的提示词远胜过五条含糊不清的指令。以下是我们编写的单条完整构建规范提示词:
Build a 2.5D motion studio as one file, studio.html, with no dependencies.
- Scene: 6 layers (sky, moon, hills, city skyline, a title card "Ship it.",
foreground foliage), each at its own z depth, using CSS perspective and
preserve-3d.
- Camera: keyframes for x, y, z (dolly) and yaw (orbit around the card).
- Per-layer tracks: opacity, scale, y. Easings: linear, easeInOutCubic,
easeInOutSine, easeOutBack.
- A timeline bar with keyframe markers, a playhead, click to scrub,
space to play or pause.
- renderAt(t) must be pure in t. Expose window.__seek(t) that resolves after
the frame paints, and a ?capture mode that hides the UI.
Then write export.mjs: Playwright opens ?capture, seeks every frame at 30 fps,
screenshots it and pipes PNGs to ffmpeg as H.264.
最后两行尤为关键:它们将视频导出能力直接纳入了架构设计,而不是事后拼凑的附加脚本。
智能体编写的核心代码
整个工作室代码约 150 行,其中最核心的是以下三部分。
关键帧插值与缓动计算
每条动画轨道都是一个按时间排序的关键帧列表。sample() 函数会找到时间点 t 前后的两个关键帧,应用起始关键帧的缓动函数,并对所有数值字段进行插值计算:
function sample(keys, t) {
if (t <= keys[0].t) return keys[0];
for (let i = 0; i < keys.length - 1; i++) {
const a = keys[i], b = keys[i + 1];
if (t <= b.t) {
const p = (easings[a.ease] || easings.linear)((t - a.t) / (b.t - a.t));
const out = {};
for (const k in b) if (typeof b[k] === 'number' && k !== 't') out[k] = a[k] + (b[k] - a[k]) * p;
return out;
}
}
return keys[keys.length - 1];
}
透视深度补偿技巧
在 CSS 3D 空间里,摄像机本身并不移动,而是让整个世界向相反方向移动。随后,每个图层都会设置一个 z 轴平移量,并乘以一个透视补偿缩放系数:
const PERSPECTIVE = 1200; // must match #viewport perspective
world.style.transform =
`translate3d(${-cam.x}px, ${-cam.y}px, ${cam.z}px) rotateY(${-cam.yaw}deg)`;
const comp = 1 - L.z / PERSPECTIVE;
el.style.transform = `translate(-50%,-50%) ` +
`translate3d(${x * comp}px, ${y * comp}px, ${L.z}px) scale(${comp * s})`;
当 CSS perspective 设为 1200px 时,位于 z = -900 处的图层在屏幕上只会渲染出 1200 / 2100(即原始尺寸的 57%)。将其缩放比例和 x/y 偏移量同时乘以 1 + 900/1200 = 1.75,就能正好抵消透视缩小效应。这样一来,当摄像机静止在原点时,所有图层都会严格按你设计的尺寸和位置呈现;而当摄像机运动时,不同深度的图层依然会按各自的速度产生视差位移。这就是 2.5D 视觉错觉的全部奥秘。

一个值得注意的典型 Bug
智能体生成的第一版代码只对图层本身乘了补偿缩放系数,却漏掉了对偏移量 x 和 y 的补偿,导致远景山丘向上大幅偏移,遮住了三分之二的天空。修复方法很简单:将 x 和 y 也乘以 comp 即可。这个问题是我们通过渲染出的静态帧画面一眼发现的,而不是靠肉眼读代码看出来的——因此在验收任何摄像机运镜效果前,建议先让智能体分别渲染片头、片中和片尾三张静态截图来检查画面构图。
将时间轴导出为 MP4 视频
浏览器实时预览依赖 requestAnimationFrame,一旦机器负载升高就会掉帧;但视频导出绝不能掉帧。因此,导出脚本直接根据帧序号计算时间点,并在每一帧完成绘制后再调用 Playwright 截图:
import { chromium } from 'playwright';
import { spawn } from 'node:child_process';
import { pathToFileURL } from 'node:url';
const out = process.argv[2] || 'out.mp4';
const browser = await chromium.launch();
const page = await browser.newPage({ viewport: { width: 1280, height: 720 } });
await page.goto(pathToFileURL('studio.html').href + '?capture');
const { duration, fps } = await page.evaluate(() => window.__scene);
const ffmpeg = spawn('ffmpeg', ['-y', '-f', 'image2pipe', '-framerate', String(fps),
'-i', '-', '-c:v', 'libx264', '-pix_fmt', 'yuv420p', '-crf', '18', out],
{ stdio: ['pipe', 'ignore', 'inherit'] });
const frames = Math.round(duration * fps);
for (let i = 0; i < frames; i++) {
await page.evaluate(t => window.__seek(t), i / fps);
ffmpeg.stdin.write(await page.screenshot({ type: 'png' }));
}
ffmpeg.stdin.end();
await new Promise(r => ffmpeg.on('close', r));
await browser.close();
window.__seek(t) 会在等待两个动画帧(animation frames)后才 resolve,确保每次截图都已应用最新的 CSS 变换。image2pipe(详见 ffmpeg 格式文档)直接从标准输入(stdin)读取 PNG 数据流,而 yuv420p 像素格式则保证了生成的 MP4 可在各类浏览器中直接播放。
实测数据:180 帧、1280x720 分辨率、30 fps、总长 6.0 秒的视频,生成文件大小约 420 KB,总耗时仅 20 秒。如果本地 Playwright 尚未安装浏览器内核,首次运行前需执行一次 npx playwright install chromium。

可以看到,远处城市塔楼的位移幅度明显小于前景的深色山丘(后者在推进过程中已完全移出画幅),这就是标准的视差效果。
接入 Opus 5.5 API 实现“一句话生成镜头脚本”
接下来,我们可以让创作者直接输入一段自然语言镜头描述,由模型自动返回关键帧配置。工作室可直接调用 Anthropic 的 Messages API:
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2026-10-21" \
-H "content-type: application/json" \
-d '{
"model": "claude-opus-5-5",
"max_tokens": 4096,
"output_config": { "effort": "low" },
"system": "Return only JSON: {\"camera\": [{\"t\",\"x\",\"y\",\"z\",\"yaw\",\"ease\"}], \"tracks\": {}}. Times in seconds, 0 to 6.",
"messages": [{ "role": "user", "content": "Slow push-in, slight orbit right, title fades up in the first second." }]
}'
这里有两个来自思考力度文档的关键细节需要注意:第一,在 Messages API 请求中,思考力度参数位于 output_config.effort;第二,Opus 5.5 始终启用自适应思考(如果传入 thinking: {"type": "disabled"} 会直接返回 400 错误),因此思考 token 也会计入 max_tokens 配额。如果将 max_tokens 设得太小,返回的 JSON 就会在数组半途被截断,并返回 stop_reason: "max_tokens"。由于生成镜头关键帧列表属于指令清晰的小型任务,建议先从 low 力度开始测试,在对比实际生成效果后再做定夺。
使用 Apifox CLI 让 Claude Code 自动化测试 API 调用
如果接口返回的 JSON 被截断或夹杂了多余的寒暄文本,渲染时的 sample() 函数就会直接报错崩溃,因此我们需要为该调用加上契约测试。同一个 Claude Code 会话可以直接借助 Apifox CLI 编写并执行这套测试。
首次使用时先完成安装与登录:
npm install -g apifox-cli@latest
apifox auth login --with-token <YOUR_TOKEN>
apifox skill install
随后向智能体发送一条提示词:
In Apifox project <projectId>, create an endpoint for POST /v1/messages and a
test case that sends the "describe a shot" request above with model
claude-opus-5-5. Assert: status 200, body.model is "claude-opus-5-5",
stop_reason is not "max_tokens", and content[0].text parses as JSON with a
non-empty camera array whose t values rise from 0 to 6. Use an environment
with base URL https://api.anthropic.com and the key in a variable. Run it and
summarize failures.
智能体会先读取载荷 schema(而不是凭空猜测字段格式),校验本地生成的 JSON 文件,随后自动创建并运行接口与测试用例:
apifox cli-schema get endpoint-create
apifox cli-schema get test-case-create
apifox cli-schema validate test-case-create --file case.json
apifox environment create anthropic --project <projectId> --base-url https://api.anthropic.com
apifox endpoint create --project <projectId> --file endpoint.json
apifox test-case create --project <projectId> --file case.json
apifox run --test-case <caseId> --project <projectId> -e <envId> -r cli,json
在运行测试时通过 --env-var "api_key=$ANTHROPIC_API_KEY" 动态传入密钥,这样密钥就永远不会明文保存在项目配置中。每当你修改系统提示词(system prompt)或调整 effort 思考力度时,都可以重新运行一次该用例,验证返回格式是否依然稳定。同一条 apifox run 命令加上 -r junit 参数即可直接接入 CI 流水线,详见 Apifox CLI CI/CD 指南与在 Claude Code 中使用 Apifox CLI。
工作室的后续扩展方向
- 增加更多图层,复用同一套数学公式。 无论是添加雨滴特效、副标题还是品牌 Logo,只需为新图层分配一个
z轴深度,透视补偿公式会自动处理其余一切。 - 替换底层渲染方案。 如果你更倾向于用 React 组件来编写动画场景,可以参考结合 Remotion 使用 Claude Code 的方案。而本文介绍的单文件方案则完全无需构建步骤。关于会话管理与权限控制的更多细节,请参阅 Claude Code 官方概览文档。
常见问题
动态图形(Motion Graphics)中的 2.5D 是什么意思? 它是指将平面的 2D 美术图层放置在 3D 空间的不同深度上,再通过移动虚拟摄像机进行拍摄。这样无需 3D 建模、灯光渲染或重量级 3D 引擎,就能获得自然的视差与纵深感。
为什么首次构建要用 Opus 5.5 而不是更小的模型? 首次构建需要一次性跑通透视投影数学公式、关键帧插值引擎和无头浏览器录制管道。Anthropic 将 Opus 5.5 定位为面向长周期智能体编程的模型,在我们的实测中,仅靠一条提示词加一轮微调就得到了可运行的完整工作室。对于后续的小幅修改,调低思考力度即可。
为什么不直接录屏,而要逐帧截图导出? 屏幕录制依赖实时播放速度,一旦某一帧渲染较慢就会变成掉帧或重复帧。通过主动跳转到 i / fps 时间点并逐帧截图,可以保证在任何性能的机器上导出的视频都分毫不差。
不配置 API Key 可以使用“一句话生成镜头脚本”功能吗? 不可以。该功能直接调用 Anthropic 的 Messages API,必须传入你自己的 Anthropic API Key。不过工作室的其余全部功能以及 MP4 视频导出均在本地运行,无需任何密钥。
生成镜头列表的接口调用应该使用哪个思考力度(effort)? 建议从 low 开始,因为该任务篇幅短且输出 JSON 结构固定。只有当 Apifox 测试用例发现返回的关键帧格式异常或偏离指令时,才需要上调思考力度。