Video Watch
为GitHub Copilot准备可检查的视频工件:字幕、帧联系片、帧索引、清单和提示包。
该技能灵感来自 bradautomates/claude-video,但针对GitHub Copilot工作流进行了优化。不要假设Claude Code的Read并行能力。先生成文件,然后只检查用户问题所需的工件。
使用时机
- 用户要求观看、检查、总结、比较或诊断一个视频。
- 输入是
yt-dlp支持的视频URL,或是本地的.mp4、.mov、.mkv或.webm文件。 - 任务依赖于既要说的话又要显示在屏幕上的内容,例如bug复现、产品演示、发布视频、教程、网络研讨会、广告或屏幕录制。
不适合的情况
- 不要绕过DRM、付费墙、身份验证或网站条款。
- 不要请求或存储cookies、承载令牌、签名URL或私有媒体凭据。
- 如果官方API或现有字幕无需视频处理就能回答任务,优先选择那条更轻量的路径。
核心工作流
- 如果依赖项不确定,运行预检:
python .github/skills/video-watch/scripts/preflight.py对于URL输入,使用python .github/skills/video-watch/scripts/preflight.py --url-mode。 - 生成工件:
python .github/skills/video-watch/scripts/video_watch.py <url-or-path> --question "<要回答的问题>"当其他工具、Azure Speech或Speech Translator Desktop Plus已经生成字幕时,使用--transcript-file <path>。 对于私有或经过身份验证的媒体,首选--detail transcript --metadata-only --transcript-file <path>,不要传递cookies、承载令牌或签名URL凭据。 - 按以下顺序读取工件:
manifest.json→prompt.md→transcript.md→frame-index.md→contact-sheet.jpg→ 仅当需要时才选择frames/中的文件。manifest.json记录本地源字节的SHA-256,或在下载发生时为下载的URL视频字节记录SHA-256。仅元数据的URL运行时将哈希设置为null,而不是获取媒体。 - 根据工件回答问题。当答案仅基于字幕、仅基于帧或受到稀疏采样限制时,明确说明。
- 对于指定的时刻,使用
--start/--end重新运行以聚焦帧预算。
详细级别模式
| 模式 | 用途 |
|---|---|
transcript | 仅字幕或旁路字幕。最快。 |
efficient | 小规模视觉检查,用于快速分类。 |
balanced | 适用于大多数屏幕录制和演示的默认联系片。 |
token-burner | 当用户明确需要广泛视觉覆盖时的大规模视觉检查。 |
橡皮鸭检查点
- 在更改此技能的工作流之前,审查原始选择、隐藏依赖、安全边界和Copilot工件顺序的计划。
- 编辑后,审查
SKILL.md、脚本和引用的自包含行为、触发质量、行数和可执行验证。 - 将审核视为只读。生产者应用更改并重新运行验证。
参考
| 需要 | 参考 |
|---|---|
| 详细工作流 | references/workflow.md |
| 依赖项和设置 | references/dependencies.md |
| 帧预算和联系片 | references/frame-budget.md |
| 可选的Scout/Whisper/Azure Speech后端 | references/backends.md |