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--dsaus. - 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-tat | nein |
| Kurze Clips, Sport-Highlights, sehenswerte Abschnitte | highlight | nein |
| Fehler im Bildschirm-Recording, Fehlercodes finden | loi | nein |
| "Wann passiert …?", eine bestimmte Szene oder Aussage finden | tim | ja |
| "Wie oft kommt … vor?" | dem | ja |
| Andere Fragen zum Inhalt | hoi | ja |
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 "..."]
--thugibt 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-sanhführt zusätzlich den alten (statischen) Modus aus, um Tokens zu vergleichen. Kostet das Doppelte; nur verwenden, wenn der Nutzer einen Vergleich wünscht.--modelstandardmäßiggemini-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 ZeileGEMINI_API_KEY=<key>. Lies nicht den Inhalt von.envaus 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 GeminiRUN.md: Welches Video, Modell, Token, wie oft die AI zurückgesehen hatso-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.