关于 watching-videos
面向处理在线视频链接和本地文件的 Agent 的视频分析技能。它将画面、OCR 文本和转录内容编入索引，供后续回答参考。
主要功能
- 01分析在线视频和本地文件
- 02按场景采样并去重画面
- 03通过 OCR 提取屏幕文字
- 04优先使用字幕或本地 Whisper 转录
- 05将结果存入可搜索索引
适用场景
- 01查看长视频中的特定片段
- 02批量处理播放列表、频道或文件夹
- 03依据索引中的视频证据回答问题
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/watching-videos确认已加载。
详细介绍
观看视频
你没有视频输入；这个技能会为你提供。用户交给你的任何内容——YouTube 链接、TikTok 视频、讲座、会议录制、屏幕录制、本地的 .mp4 文件——都会经过同一套流程：提取帧（感知场景、去重）、OCR、转录（优先使用字幕，离线时回退到本地 Whisper），并全部保存到同一个索引中。
观看前：检查索引
watch-skill list
如果视频已经分析过——无论是在本次会话还是之前的会话中——都不要再次观看。直接向它提问（参见 asking-with-evidence 技能）：
watch-skill ask <video_id> "<question>"
单个视频
watch-skill watch "<url-or-path>" [--start T --end T] [--max-frames N] [--transcript-only]
- 适用于任何 yt-dlp 支持的网站（1800+）、直接媒体 URL、HLS/DASH 清单（
--duration 60可限制直播流时长）以及本地文件。 - 视频时长超过约 10 分钟，且用户只关心其中一部分 → 使用
--start/--end对该时间段进行密集采样。 - 用户只需要了解说了什么 → 使用
--transcript-only（速度最快，通常完全无需下载视频）。
报告会打印 Indexed: <video_id>、带有 t=MM:SS 时间戳的帧、OCR 文本和转录内容。读取列出的每个帧路径——在一条消息中并行调用 Read——然后根据帧、OCR 和转录内容作答，并引用时间戳。
多个视频（播放列表、频道、文件夹）
watch-skill batch "<playlist-url-or-folder>" [--limit N]
所有内容都会写入同一个索引；某个视频损坏也不会影响其余视频。之后，单条 watch-skill search "<phrase>" 命令即可搜索整个批次。
在一台机器上首次运行
如果任何命令因依赖项错误而失败，请运行一次 watch-skill doctor——它会自行安装缺失的 ffmpeg/yt-dlp。以上操作均不需要 API 密钥；默认在本地转录，视频文件不会离开这台机器。
评论
支持 Markdown