动效设计自动化是 AI 辅助编程中的一个典型“高价值、低满意度”环节——大模型能写代码、做布局，但生成的动效常常需要反复调试才能达到生产可用。开源项目 Text-to-Lottie 提供了一个极简但完整的解决方案：它并非试图替代设计师，而是为 Codex、Claude Code、Cursor 等 Agent 赋予了一个标准化的动效输出技能，同时附带一个本地预览“马具”（Harness），让开发者能够像调试接口一样验收动画 JSON。

项目的核心价值在于“标准”与“闭环”。输出格式严格遵循 Bodymovin 的 Lottie JSON 规范，渲染引擎选用 Google 的 Skottie（而非 lottie-web），这意味着生成的动画可以无缝嵌入到任何支持 Lottie 的产品（如 After Effects、LottieFiles 或原生 Skia 环境）中。得益于 Vite 热重载机制，每次 Agent 修改并保存 public/lottie.json 后，浏览器自动刷新并预览最新版本——开发者无需手动刷新或重新提交，形成了一个自动化的“生成-预览-修正”闭环。

值得关注的是技术选型上的权衡。Skottie 是基于 Skia 的轻量渲染器，性能优于 lottie-web，尤其适合对包体积敏感的前端场景（如移动端或小程序），但它并不支持 lottie-web 的全部特性，例如复杂的表达式、粒子或第三方扩展。项目也通过 Skottie Slots + controls.json 开放了颜色、尺寸等可调参数，允许 Agent 在生成时预留“插槽”，后续由设计师或用户按需微调——这种设计思路实际上把 Agent 的生成能力与人工精调权责分离开来，更贴近真实生产流程。

在 Prompt 工程层面，项目给出了一组实用指南：给 Agent 提供具体素材路径（如 SVG 文件）、使用动效术语（如“缓入缓出”“弹性弹跳”）、用 pan/zoom/hold 模拟镜头运动、显式声明 Slots 变量以及锁定时间规格（如“总时长 120 帧”）。这些规则并非玄学，而是将动效设计师的直觉经验转化为结构化指令，帮助 Agent 避开“看起来漂亮但不可复用”的陷阱。

使用安装命令 npx skills add diffusionstudio/lottie 即可将该技能添加到支持 MCP 协议的 Agent 中。社区演示包括将一个 SVG 图标生成为带有弹性回弹效果的 Lottie 动画、将数据集生成柱状图入场动效等典型场景。项目的局限性也很明确：不适合多镜头剪辑、复杂角色骨骼绑定、粒子系统、3D 转场或需要 lottie-web 全特性的情况。它更适合单场景、短时长（通常 2-3 秒）、透明背景的矢量动效，以及数据可视化中的轻量动画。

对前端开发者与动效设计师而言，Text-to-Lottie 提供了一个值得关注的实验入口。与其期待 LLM 直接产出成品动画，不如接受 Agent 作为“动效脚手架”的角色——生成结构正确的 JSON，再由人工做最终润色。这种“AI 生产素材，人工控制品质”的分工模式，可能是动效工程化落地的可行方向。随着 Skottie 生态的成熟和更多 Agent 原生支持 MCP，类似工具很可能成为前端脚手架的标准组件之一。