关于 extracting-structure
extracting-structure 为已由 watch-skill 索引的视频提取章节、错误报告和开场吸引力分析，适合查看长视频、屏幕录制错误或创作者视频。结果直接来自持久索引，无需额外模型调用。
主要功能
- 01生成带标题和时间戳的章节
- 02定位错误帧并提取 OCR 文本
- 03根据错误前活动整理步骤
- 04按四项指标评估开场
- 05无需模型调用的确定性提取
适用场景
- 01为讲座生成带时间戳的章节
- 02根据屏幕录制整理错误报告
- 03评估创作者视频的开场
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/extracting-structure确认已加载。
详细介绍
提取结构
三个提取器可将已观看的视频转换为结构化内容。
它们都直接基于持久化索引作答——结果确定，不会额外调用模型。必须先观看视频（参见 watching-videos）。
章节
watch-skill extract chapters <video_id-or-source>
带标题的章节及其起止时间戳，根据场景变化和转录主题变化生成。适用于较长的教程、讲座和会议——向用户提供带时间戳的章节列表，而不是文字摘要。
屏幕录制中的错误报告
watch-skill extract bug-report <video_id-or-source>
精确指出错误出现的位置：时间戳、准确画面、OCR 读取的屏幕错误文本，以及导致错误出现的步骤（根据故障前的转录／操作）。如果不存在错误信号，则如实返回
found: false——应报告为“录制中未发现错误”，而不是错误。
用户需要可提交的报告时，将输出粘贴到用户的 issue tracker 格式中；画面路径即为附件。
Hook 分析（创作者）
watch-skill extract hook <video_id-or-source> [--seconds 15]
从四个可测量维度为开头几秒打分——开场白中的注意力触发点、语速、画面变化率和屏幕文字——每项都附有可执行的点评，并提供 0–100 分的总分和结论。向用户提供各维度的点评；单独给出分数毫无帮助。
评论
支持 Markdown