Communitygithub.com

Phân tích video (Gemini agentic)

Analisa um vídeo usando o Gemini em modo agentic (IA que volta para ver exatamente o trecho necessário, sem consumir o vídeo inteiro). A entrada é um arquivo de vídeo local ou um link público do YouTube. Use quando quiser resumir vídeos/aulas com marcos de tempo, recortar destaques, encontrar erros em gravações de tela, localizar quando algo aparece, contar objetos/ações ou fazer qualquer pergunta sobre o conteúdo de um vídeo.

O que é Phân tích video (Gemini agentic)?

Esta skill permite que um agente AI analise vídeos de forma eficiente usando a API Gemini em modo agentic. Diferente de abordagens tradicionais que consomem o vídeo inteiro, o Gemini retorna automaticamente para examinar apenas os segmentos relevantes, economizando tokens e tempo. A skill suporta entradas de arquivos locais (enviados para a API de Arquivos do Google, com exclusão automática após 48 horas) ou links públicos do YouTube. Ela oferece seis modos de análise: resumo com marcos de tempo (`tom-tat`), destaque de clipes (`highlight`), detecção de erros em gravações de tela (`loi`), busca por cenas ou falas específicas (`tim`), contagem de ocorrências (`dem`) e perguntas gerais sobre o conteúdo (`hoi`). Para cada modo, o agente executa um script Python que invoca o Gemini, lê o relatório gerado e responde ao usuário em português, preservando os marcos de tempo e as métricas de uso (tokens de entrada, número de vezes que a IA voltou para ver). A skill gerencia projetos em pastas `inputs/` e `outputs/`, permitindo consultas de acompanhamento sem criar novos projetos.

Funciona com~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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Análise de vídeo (Gemini agentic)

Você (agente) não assiste ao vídeo. A análise é feita pela API Gemini, através do script scripts/analise.py. Sua função: escolher o modo correto, executar o script, ler o resultado e responder ao usuário.

Regras de gerenciamento de projeto (inputs/ · outputs/) estão em AGENTS.md do workspace. Leia-o antes.

Passo 1. Definir entrada e modo

  • Entrada: link do YouTube, caminho de arquivo de vídeo ou diretório de projeto inputs/<projeto> (quando perguntar novamente sobre um vídeo já existente). O link do YouTube deve estar como Público (vídeos Privados ou Não listados não podem ser lidos). Se não tiver certeza se o vídeo já possui um projeto, execute --ds primeiro.
  • Modo: escolha de acordo com o que o usuário deseja. Os prompts de cada modo estão em referencias/modo.md.
O usuário quer--modoPrecisa de --pergunta?
Resumo, pontos principais, marcos importantes (aula, podcast, reunião)resumonão
Recortar clipes curtos, destaques esportivos, trechos interessantesdestaquenão
Gravação de tela com erro, encontrar código de erroerronão
"Quando…", encontrar uma cena, uma falabuscarsim
"Quantas vezes…"contarsim
Outras perguntas sobre o conteúdoperguntarsim

Se não entender o que o usuário quer, pergunte de volta; não execute aleatoriamente: cada execução consome tokens reais.

Passo 2. Testar, depois executar

Fique no diretório raiz do workspace (onde há inputs/ e outputs/). O caminho do script é relativo ao diretório onde esta skill está instalada; abaixo está o caminho dentro do workspace gvideo; se a skill estiver instalada globalmente, substitua pelo caminho real.

uv run --script .agents/skills/analise-video/scripts/analise.py "<link|arquivo|inputs/<projeto>>" --modo <modo> [--pergunta "..."] --teste
uv run --script .agents/skills/analise-video/scripts/analise.py "<link|arquivo|inputs/<projeto>>" --modo <modo> [--pergunta "..."]
  • --teste apenas mostra o que será feito (qual projeto, novo ou existente, onde o resultado será salvo, o prompt), sem chamar a API nem criar diretórios. Execute-o antes da primeira execução real de um projeto.
  • Se o script criar um novo projeto, ele gravará a solicitação do usuário na seção "O que o usuário quer" de inputs/<projeto>/fonte.md.
  • Arquivos locais serão enviados para o Google (Files API, o Google os exclui automaticamente após 48 horas). Para vídeos privados ou com informações sensíveis, pergunte ao usuário antes de executar.
  • --comparar executa também o método antigo (estático) para comparar tokens. Custa o dobro; use apenas quando o usuário quiser comparar.
  • --model padrão é gemini-2.0-flash. Modelos com suporte agentic: 2.0 Flash, 2.0 Flash-Lite.
  • Erro de chave ausente: peça ao usuário para obter a chave em aistudio.google.com/apikey e criar um arquivo .env na raiz do workspace, com uma linha GEMINI_API_KEY=<chave>. Não leia nem exiba o conteúdo do .env.

Passo 3. Ler o resultado e responder

O script imprime o caminho do diretório de resultados outputs/<projeto>/<YYYYMMDD_HHMMSS>_<modo>/:

  • relatorio.md: resposta do Gemini
  • EXECUCAO.md: qual vídeo, modelo, tokens, número de vezes que a IA voltou para ver
  • dados.json: dados em formato legível por máquina

Responda ao usuário em português: o conteúdo principal de relatorio.md (preservando todos os marcos de tempo), acompanhado de uma linha com as métricas (tokens de entrada, número de vezes que a IA voltou para ver) e o caminho do diretório.

Não adicione marcos de tempo, números ou detalhes que não estejam em relatorio.md. Você não assistiu ao vídeo. Se o usuário fizer mais perguntas sobre o mesmo vídeo, execute novamente sobre inputs/<projeto> com --modo perguntar --pergunta "...", não tente adivinhar a partir do relatório antigo e não crie um novo projeto.

Habilidades Relacionadas