Communitygithub.com

fx-studio/gvideo-agentic-workspace

Analysiere ein Video mit Gemini im agentischen Modus (AI kuckt selber nochmal an der richtigen Stelle nach, frisst nicht das ganze Video). Eingabe ist eine Videodatei auf dem Rechner oder ein öffentlicher YouTube-Link. Benutze es, wenn der Nutzer eine Zusammenfassung mit Zeitstempeln, Highlights, Fehler in Screenrecordings, das Auffinden bestimmter Szenen, das Zählen von Objekten/Aktionen oder beliebige Fragen zum Videoinhalt möchte.

Was ist gvideo-agentic-workspace?

Dieses Skill ermöglicht es einem AI-Agenten, Videodateien oder YouTube-Links mittels der Gemini API zu analysieren, ohne dass das gesamte Video in den Kontext geladen werden muss. Der Agent wählt anhand der Nutzeranfrage den passenden Analysemodus aus, führt ein Python-Skript aus, liest die von Gemini generierten Ergebnisse und antwortet dem Nutzer auf Deutsch. Die Analyse läuft rein server-seitig über Gemini, der Agent selbst schaut sich das Video nicht an. Das Skill erstellt im Workspace eine Projektstruktur unter `inputs/` und `outputs/` und speichert die Ergebnisse in einem Unterordner mit Datum und Modus. Es unterstützt verschiedene Modi wie Zusammenfassung mit Zeitstempeln, Highlight-Clips, Fehlersuche in Bildschirmaufnahmen, gezieltes Suchen nach bestimmten Szenen, Zählen von Ereignissen und freie Fragen. Vor dem ersten echten Durchlauf kann ein Trockenlauf (`--thu`) durchgeführt werden, der nur anzeigt, was passieren würde, ohne API-Kosten zu verursachen. Dateien auf dem Rechner werden über die Files API an Google hochgeladen und nach 48 Stunden automatisch gelöscht. Dieses Skill eignet sich besonders für Entwickler und Power-User, die Videos effizient analysieren möchten, ohne den gesamten Videostream verarbeiten zu müssen.

Funktioniert mit~Claude Code~Codex CLI~Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/fx-studio/gvideo-agentic-workspace/tree/HEAD/.agents/skills/phan-tich-video

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Videoanalyse (Gemini agentisch)

Du (der Agent) schaust dir das Video nicht selbst an. Das übernimmt die Gemini API via Skript scripts/phan_tich.py. Deine Aufgabe: den richtigen Modus wählen, das Skript ausführen, das Ergebnis lesen und dem Nutzer antworten.

Die Projektverwaltungsregeln (inputs/ · outputs/) stehen in AGENTS.md des Workspace. Lies es zuerst.

Schritt 1. Eingabe und Modus festlegen

  • Eingabe: YouTube-Link, Dateipfad zum Video oder Projektverzeichnis inputs/<projekt> (wenn du erneut zu einem bereits vorhandenen Video fragst). Der YouTube-Link muss Öffentlich sein (Privat oder Nicht-Öffentlich funktionieren nicht). Wenn du nicht sicher bist, ob das Video bereits ein Projekt hat, führe zuerst --ds aus.
  • Modus: Wähle basierend auf dem, was der Nutzer möchte. Die Prompts für jeden Modus stehen in references/che-do.md.
Der Nutzer möchte--che-do--hoi nötig?
Zusammenfassung, Kernpunkte, wichtige Zeitmarken (Vorlesung, Podcast, Meeting)tom-tatnein
Kurze Clips, Sport-Highlights, sehenswerte Abschnittehighlightnein
Fehler im Bildschirm-Recording, Fehlercodes findenloinein
"Wann passiert …?", eine bestimmte Szene oder Aussage findentimja
"Wie oft kommt … vor?"demja
Andere Fragen zum Inhalthoija

Wenn nicht klar ist, was der Nutzer will, frage kurz nach – führe nicht einfach irgendwas aus: Jeder Durchlauf kostet echte Tokens.

Schritt 2. Trockenlauf, dann echter Lauf

Stehe im Wurzelverzeichnis des Workspace (mit inputs/ und outputs/). Der Skript-Pfad ist relativ zum Skill-Ordner; unten ist der Pfad aus dem Workspace gvideo – bei global installiertem Skill ersetze ihn durch den tatsächlichen Pfad.

uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<link|file|inputs/<projekt>>" --che-do <modus> [--hoi "..."] --thu
uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<link|file|inputs/<projekt>>" --che-do <modus> [--hoi "..."]
  • --thu gibt nur aus, was gemacht würde (welches Projekt, neu oder alt, wohin das Ergebnis geschrieben wird, Prompt), ohne die API aufzurufen oder Verzeichnisse anzulegen. Führe es vor dem ersten echten Lauf eines Projekts aus.
  • Wenn das Skript ein neues Projekt anlegt, schreibt es die Nutzeranfrage unter "Was der Nutzer möchte" in inputs/<projekt>/nguon.md.
  • Dateien auf dem Rechner werden auf Google hochgeladen (Files API, Google löscht sie nach 48 Stunden automatisch). Private Videos mit sensiblen Informationen – frage den Nutzer vor dem Ausführen.
  • --so-sanh führt zusätzlich den alten (statischen) Modus aus, um Tokens zu vergleichen. Kostet das Doppelte; nur verwenden, wenn der Nutzer einen Vergleich wünscht.
  • --model standardmäßig gemini-3.7-flash. Für den agentischen Modus geeignet: 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite.
  • Fehler wegen fehlendem API-Key: Sage dem Nutzer, er solle einen Key unter aistudio.google.com/apikey holen und eine .env-Datei im Workspace-Wurzelverzeichnis anlegen, mit einer Zeile GEMINI_API_KEY=<key>. Lies nicht den Inhalt von .env aus und gib ihn nicht aus.

Schritt 3. Ergebnis lesen und antworten

Das Skript gibt den Pfad zum Ergebnisverzeichnis aus: outputs/<projekt>/<YYYYMMDD_HHMMSS>_<modus>/

  • bao-cao.md: die Antwort von Gemini
  • RUN.md: Welches Video, Modell, Token, wie oft die AI zurückgesehen hat
  • so-do.json: Maschinenlesbare Messwerte

Antworte dem Nutzer auf Deutsch: der wesentliche Inhalt von bao-cao.md (Zeitstempel unverändert lassen), plus eine Zeile mit den Messwerten (Eingabetoken, Anzahl der Wiederholungen) und dem Pfad zum Verzeichnis.

Füge keine Zeitstempel, Zahlen oder Details hinzu, die nicht in bao-cao.md stehen. Du hast das Video nicht gesehen. Wenn der Nutzer weitere Fragen zum gleichen Video hat, führe das Skript erneut auf inputs/<projekt> aus mit --che-do hoi --hoi "..." – rate nicht aus dem alten Bericht und lege kein neues Projekt an.

Verwandte Skills