動画分析 (Gemini エージェントモード)
あなた (エージェント) は 動画を自分で見ません。動画の視聴は Gemini API が行い、スクリプト scripts/phan_tich.py を介して実行します。
あなたの役割は、適切なモードを選択し、スクリプトを実行し、結果を読み、ユーザーに回答することです。
プロジェクト管理のルール (inputs/ · outputs/) はワークスペースの AGENTS.md に記載されています。最初にそれを読んでください。
ステップ 1. 入力とモードの確定
- 入力: YouTube リンク、動画ファイルのパス、またはプロジェクトディレクトリ
inputs/<プロジェクト>(既存の動画について再度質問する場合)。YouTube リンクは 公開 に設定されている必要があります (限定公開や非公開は読み取れません)。すでにプロジェクトが存在するか不明な場合は、--dsを実行して事前に確認してください。 - モード: ユーザーの要望に応じて選択します。各モードのプロンプトは
references/che-do.mdを参照してください。
| ユーザーがやりたいこと | --che-do | --hoi が必要か? |
|---|---|---|
| 要約、重要なポイント、重要なタイムスタンプ (講義、ポッドキャスト、会議) | tom-tat | 不要 |
| 短いクリップ、スポーツのハイライト、見どころの切り出し | highlight | 不要 |
| 画面録画のエラーやエラーコードの検出 | loi | 不要 |
| 「いつ〜?」— 特定のシーンや発言を探す | tim | 必要 |
| 「〜は何回?」— 出現回数を数える | dem | 必要 |
| 動画内容に関するその他の質問 | hoi | 必要 |
ユーザーの意図が不明な場合は、一度確認の質問をしてください。むやみに実行しないでください。実行ごとに実際のトークンが消費されます。
ステップ 2. テスト実行 → 本実行
ワークスペースのルートディレクトリ (inputs/ と outputs/ がある場所) に移動します。スクリプトのパスはこのスキルが置かれているディレクトリからの相対パスです。以下はワークスペース gvideo 内のパスの例です。スキルがグローバルにインストールされている場合は実際のパスに置き換えてください。
uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<link|file|inputs/<プロジェクト>>" --che-do <モード> [--hoi "..."] --thu
uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<link|file|inputs/<プロジェクト>>" --che-do <モード> [--hoi "..."]
--thuフラグを付けると、実際に API を呼び出さず、何をするか (どのプロジェクトか、新規か既存か、結果の出力先、プロンプト) を表示するだけです。プロジェクトの初回実行の前に必ず実行してください。- スクリプトが新しいプロジェクトを作成する場合、ユーザーの要求を
inputs/<プロジェクト>/nguon.mdの「ユーザーがやりたいこと」セクションに書き込みます。 - ローカルファイルは Google のサーバー (Files API) にアップロードされます (Google は 48 時間後に自動削除します)。 プライベートな動画や機密情報を含む動画の場合は、実行前にユーザーに確認を取ってください。
--so-sanhを指定すると、従来の (静的) 方式も同時に実行し、トークン消費量を比較します。処理時間は倍になります。ユーザーが比較を希望する場合のみ使用してください。--modelのデフォルトはgemini-2.0-flashです。エージェントモードに対応するモデル: 2.0 Flash, 1.5 Flash, 1.5 Flash-Lite。- API キーがないエラーが出た場合: ユーザーに aistudio.google.com/apikey でキーを取得し、ワークスペースルートに
.envファイルを作成し、GEMINI_API_KEY=<キー>と記述するよう伝えてください。.envの内容を読んだり、印刷したりしないでください。
ステップ 3. 結果を読み、回答する
スクリプトは結果ディレクトリのパス outputs/<プロジェクト>/<YYYYMMDD_HHMMSS>_<モード>/ を出力します:
bao-cao.md: Gemini からの回答RUN.md: 動画の情報、モデル、トークン数、AI が動画を参照した回数so-do.json: 機械可読な測定データ
ユーザーには日本語で回答します: bao-cao.md の主要な内容 (タイムスタンプはそのまま保持) に加え、1 行の測定データ (入力トークン数、AI が動画を参照した回数) とディレクトリパスを添えてください。
bao-cao.md に含まれていないタイムスタンプ、数値、詳細は追加しないでください。 あなたは動画を見ていません。ユーザーが同じ動画についてさらに質問してきた場合は、--che-do hoi --hoi "..." として inputs/<プロジェクト> に対して再度スクリプトを実行し、古いレポートから推測したり、新しいプロジェクトを作成したりしないでください。