Communitygithub.com

fx-studio/gvideo-agentic-workspace

Analyse une vidéo avec Gemini en mode agentique (l'IA revient automatiquement voir le bon segment, sans ingérer l'intégralité de la vidéo). L'entrée peut être un fichier vidéo local ou un lien YouTube public. Utilisez-le pour résumer une vidéo/un cours avec des repères temporels, extraire des moments forts, détecter des erreurs dans un enregistrement d'écran, trouver quand une chose apparaît, compter des objets/actions, ou poser toute question sur le contenu d'une vidéo.

Qu'est-ce que gvideo-agentic-workspace ?

Ce skill permet à un agent AI d'analyser des vidéos de manière intelligente et économique en utilisant l'API Gemini en mode agentique. Contrairement à une analyse linéaire classique, Gemini peut revenir sur les segments pertinents de la vidéo, ce qui réduit la consommation de tokens tout en offrant des résultats précis. Il prend en charge les entrées via des liens YouTube publics ou des fichiers vidéo locaux, et propose plusieurs modes : résumé avec repères temporels, extraction de highlights, détection d'erreurs (par exemple dans des captures d'écran), recherche d'un moment précis, comptage d'occurrences, ou questions libres. Le flux de travail se fait via un script Python (`scripts/phan_tich.py`) dont les étapes sont orchestrées par l'agent. L'agent sélectionne d'abord le mode approprié, exécute le script avec ou sans le flag `--thu` pour simuler, puis lit le rapport généré (`bao-cao.md`) pour répondre à l'utilisateur en conservant les repères temporels et les métriques. Le skill s'intègre dans un espace de travail structuré (`inputs/` pour les sources, `outputs/` pour les résultats) et respecte les règles définies dans `AGENTS.md`.

Compatible avec~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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Analyse vidéo (Gemini agentique)

Vous (l'agent) ne regardez pas vous-même la vidéo. Cette tâche est effectuée par l'API Gemini via le script scripts/phan_tich.py. Votre rôle : choisir le bon mode, exécuter le script, lire le résultat, répondre à l'utilisateur.

Règles de gestion du projet (inputs/ · outputs/) dans AGENTS.md de l'espace de travail. Lisez-le d'abord.

Étape 1. Déterminer l'entrée et le mode

  • Entrée : lien YouTube, chemin de fichier vidéo, ou dossier de projet inputs/<projet> (en cas de question sur une vidéo déjà existante). Le lien YouTube doit être public (les vidéos privées ou non répertoriées ne sont pas lisibles). Si vous n'êtes pas sûr qu'un projet existe déjà, exécutez d'abord --ds pour vérifier.
  • Mode : choisissez en fonction de ce que veut l'utilisateur. Les prompts de chaque mode sont dans references/che-do.md.
Ce que veut l'utilisateur--che-do--hoi nécessaire ?
Résumé, points clés, moments importants (cours, podcast, réunion)tom-tatnon
Extraire des clips courts, highlights sportifs, passages à voirhighlightnon
Enregistrement d'écran avec erreurs, recherche de code d'erreurloinon
« Quand est-ce que… », trouver une scène, une phrasetimoui
« Combien de fois… »demoui
Autre question sur le contenuhoioui

Si vous n'êtes pas sûr de ce que veut l'utilisateur, posez-lui une question, ne lancez pas le script au hasard : chaque exécution consomme de véritables tokens.

Étape 2. Exécuter d'abord en test, puis en réel

Placez-vous à la racine de l'espace de travail (contenant inputs/ et outputs/). Le chemin du script est relatif au dossier où se trouve ce skill ; ci-dessous le chemin dans l'espace de travail gvideo. Si le skill est installé globalement, remplacez par le chemin réel.

uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<lien|fichier|inputs/<projet>>" --che-do <mode> [--hoi "..."] --thu
uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<lien|fichier|inputs/<projet>>" --che-do <mode> [--hoi "..."]
  • --thu affiche seulement ce qui sera fait (projet, nouveau ou existant, où sera écrit le résultat, le prompt), sans appeler l'API, sans créer de dossier. Exécutez-le avant la première exécution réelle d'un projet.
  • Si le script crée un nouveau projet, il inscrit la demande de l'utilisateur dans la section « Ce que veut l'utilisateur » du fichier inputs/<projet>/nguon.md.
  • Les fichiers locaux seront téléchargés sur Google (via l'API Files, Google les supprime automatiquement après 48 heures). Pour les vidéos privées contenant des informations sensibles, demandez l'accord de l'utilisateur avant d'exécuter.
  • --so-sanh exécute également l'ancienne méthode (statique) pour comparer les tokens. Cela double la consommation ; ne l'utilisez que si l'utilisateur souhaite une comparaison.
  • --model par défaut gemini-3.7-flash. Modèles avec agentique : 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite.
  • Erreur de clé manquante : demandez à l'utilisateur d'obtenir une clé sur aistudio.google.com/apikey puis de créer un fichier .env à la racine de l'espace de travail, avec une ligne GEMINI_API_KEY=<clé>. Ne lisez pas, n'affichez pas le contenu de .env.

Étape 3. Lire le résultat et répondre

Le script imprime le chemin du dossier de résultats outputs/<projet>/<AAAA-MM-JJ_HHMMSS>_<mode>/ :

  • bao-cao.md : réponse de Gemini
  • RUN.md : vidéo, modèle, tokens, nombre de retours de l'IA
  • so-do.json : données structurées lisibles par machine

Répondez à l'utilisateur en français : le contenu principal de bao-cao.md (en conservant tous les repères temporels), accompagné d'une ligne de métriques (tokens d'entrée, nombre de retours de l'IA) et du chemin du dossier.

N'ajoutez pas de repères temporels, de chiffres ou de détails qui ne figurent pas dans bao-cao.md. Vous n'avez pas vu la vidéo. Si l'utilisateur pose une question complémentaire sur la même vidéo, réexécutez sur inputs/<projet> avec --che-do hoi --hoi "...", ne devinez pas à partir de l'ancien rapport et ne créez pas un nouveau projet.

Skills associés