Regarder une vidéo — compréhension, pas ingestion
Quelqu'un partage une vidéo et vous demande quelque chose à son sujet. Deux hooks rendent cela possible, et aucun n'est découvrable par lui-même — les hooks n'ont pas de correspondance sémantique, donc une session à qui on demande de « regarder ça » ne trouve rien et improvise. C'est pour combler cette lacune que cette compétence existe.
La limite — lisez ceci d'abord
Cette compétence REGARDE. Elle n'ARCHIVE PAS. Son résultat est une compréhension momentanée dans la session, pas un artéfact du coffre. Pas de note, pas de frontmatter, pas de liens croisés, pas de mise à jour de
_index, pas d'acheminement d'actions. Les fichiers de travail vont dans un chemin temporaire (/tmp), jamais dansvault/.
/aios:ingestest le pipeline d'archivage — il existe précisément pour que la transformation d'une source en note permanente et reliée soit un acte délibéré avec des conventions. Si l'opérateur le souhaite, passez le relais (« tu veux que je fasse un/aios:ingestpour que ça atterrisse dansreflections/ingests/avec les liens croisés ? ») — ne l'implémentez pas à moitié ici. Deux chemins, une limite, pas de chevauchement.
Donc la forme d'une exécution est : l'obtenir dans le contexte → faire ce qui a été demandé → proposer, ne pas présumer. Si la demande est ouverte (« regarde ça » sans question), regardez-la, puis dites ce que c'est en deux ou trois lignes et demandez ce qu'ils en veulent. Ne fabriquez pas un livrable que personne n'a demandé.
Quel outil — la vraie décision
| La source | À utiliser | Pourquoi |
|---|---|---|
| Document (PDF, docx, présentation, tableur) | MarkItDown ou les document-skills | Ce n'est pas le travail de cette compétence ; celles-ci correspondent déjà sémantiquement |
| Audio/Vidéo long, l'audio suffit | hooks/transcribe.py | MarkItDown traite l'audio en un seul appel à Google Web Speech — acceptable pour une phrase, inutile pour un entretien de 49 minutes |
| YouTube, l'audio suffit | Les sous-titres de MarkItDown d'abord | Beaucoup plus rapide que la transcription ; passez à transcribe.py si les sous-titres sont absents ou de mauvaise qualité |
| L'ÉCRAN transporte l'information | hooks/video-watch.py en complément de la transcription | Une transcription ignore chaque image : diapositives, code, diagrammes, terminal, graphiques, texte à l'écran |
L'écran transporte l'information quand la source est une conférence avec diapositives, une capture d'écran, une démo de code, une démonstration d'outil, un cours avec diagrammes, ou tout ce où « comme vous pouvez le voir ici » vous laisserait aveugle. En cas de doute, demandez — le passage visuel coûte du temps réel.
Les commandes
# squelette de la transcription (sur l'appareil : ffmpeg → mlx-whisper large-v3-turbo, longueur arbitraire)
python3 ~/aios/hooks/transcribe.py <fichier-ou-URL> /tmp/watch-transcript.txt
# canal visuel, superposé à la transcription — JAMAIS à sa place
python3 ~/aios/hooks/video-watch.py <fichier-ou-URL> \
--transcript /tmp/watch-transcript.txt --reader ocr --code
Le choix du --reader est la seule vraie décision de paramètre :
--reader ocr— texte à l'écran textuel via Apple Vision. Par défaut pour les diapositives, le code, les terminaux, tout ce que vous devez citer exactement. Ajoutez--codelorsque les images contiennent du code.--reader vlm— la vision Claude décrit chaque image. Pour les diagrammes, graphiques, architectures, interfaces — la structure plutôt que le texte littéral.--reader both— quand vous avez besoin à la fois des mots exacts et de ce que l'image signifie. Double approximativement le coût par image.
Tout le reste (--scene-threshold, --max-frames, --sample-every, --max-width, --phash-threshold) a une valeur par défaut raisonnable. Touchez-les uniquement si le premier passage est visiblement trop clairsemé ou trop bruité ; --help les liste.
Réalité de la plateforme — énoncez-la, ne vous y heurtez pas
Les deux hooks sont macOS / Apple Silicon (mlx-whisper, Apple Vision via hooks/ocr-image.swift). Sur Linux ou Windows, dites-le et repliez-vous sur MarkItDown, qui gère les sous-titres YouTube et l'audio court multiplateforme. Ne laissez pas un opérateur voir une commande échouer pour apprendre cela.
Définissez les attentes avant de brûler du temps
Transcrire un long enregistrement et lire ses images prend des minutes, pas des secondes — une conférence de 45 minutes avec un passage visuel est la chose la plus lourde de cette compétence. Donnez l'estimation à l'avance et confirmez, surtout pour le passage visuel. Deux actions peu coûteuses qui surpassent généralement la force brute :
- La transcription d'abord, toujours. C'est l'épine dorsale sémantique, c'est plus rapide, et elle répond souvent directement à la question — auquel cas le passage visuel devient inutile.
- Si la demande est précise (« est-ce qu'elle mentionne les tarifs ? »), recherchez dans la transcription plutôt que de tout relire.
Modes de défaillance à connaître
- Une transcription n'est pas la vidéo. Si l'opérateur demande quelque chose de montré, une transcription propre qui n'en parle jamais n'est pas une preuve d'absence — c'est le mauvais instrument. Exécutez le passage visuel ou dites que vous ne pouvez pas encore répondre.
- Les sous-titres YouTube peuvent être automatiques et erronés (noms, jargon, chiffres). Si une citation est importante, vérifiez-la avec
transcribe.pyavant de l'attribuer. - Ne citez pas ce que vous n'avez pas lu. Les images sont échantillonnées sur les changements de scène et dédupliquées, donc le passage visuel est un échantillon, pas un enregistrement complet. Si une affirmation repose sur une seule image, dites de quel horodatage elle provient.
- Les fichiers temporaires sont temporaires. Nettoyez
/tmp/watch-*une fois terminé, ou dites où vous les avez laissés. Ne les écrivez jamais dansvault/.
Passer le relais
Lorsque le matériau s'avère digne d'être conservé :
- Archivez-le correctement →
/aios:ingest(atterrit dansreflections/ingests/, nom{source}-{slug}, frontmatter, liens croisés, actions routées vers les tâches du projet). - Cela a changé l'état d'un projet → dites-le et proposez de mettre à jour cette note de projet.
- Cela a produit une idée durable → elle appartient au coffre via le chemin normal de fin de session, pas comme un effet secondaire du visionnage.
Regarder est rapide et répétable. Archiver est une décision. Gardez-les séparés.