Communitygithub.com

fx-studio/gvideo-agentic-workspace

Gemini をエージェントモードで使って動画を分析します(動画全体を読み込まず、AIが必要な箇所だけを自動で見直します)。ローカル動画ファイルまたは公開YouTubeリンクを入力とし、動画・講義のタイムスタンプ付き要約、ハイライト切り出し、画面録画のエラー検出、特定オブジェクトの出現タイミング検索、物体/行動のカウント、その他動画内容に関するあらゆる質問に対応します。

gvideo-agentic-workspace とは?

このスキルは、Google Gemini API のエージェント機能を活用して動画をインテリジェントに分析するためのツールです。従来の方法とは異なり、動画全体を一度に処理するのではなく、AI が自動的に必要な箇所だけを繰り返し参照 (agentic mode) するため、トークン消費と処理時間を大幅に削減できます。入力としてローカルの動画ファイルまたは公開 YouTube リンクをサポートし、要約・タイムスタンプ抽出、ハイライトの検出、画面収録のバグ探し、特定のシーンや発言の検索、物体や行動のカウント、さらには動画内容に関する自由な質問応答など、多様な分析モードを提供します。内部では Python スクリプト (`scripts/phan_tich.py`) が Gemini API と通信し、結果は `outputs/<project>/<timestamp>_<mode>/` にマークダウンと JSON として保存されるため、エージェント(Claude Code, Cursor, Codex など)は自分で動画を見る代わりに、スクリプトを実行して結果を読み取り、ユーザーに回答します。ワークスペース内の `AGENTS.md` に従い `inputs/` と `outputs/` の管理ルールに従うことで、プロジェクトベースの一貫した分析が可能です。model はデフォルトで `gemini-2.0-flash` ですが、agentic 対応のモデル(Flash シリーズ)を指定できます。

対応~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

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

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。

関連スキル