Communitygithub.com

aktsmm/Agent-Skills

为GitHub Copilot分析准备视频URL或本地视频文件:提取字幕、采样帧、联系片和提示包。当用户要求Copilot观看、检查、总结或诊断视频、屏幕录制、演示、网络研讨会、YouTube/Loom/TikTok/X/Vimeo链接或.mp4/.mov/.mkv/.webm文件时使用。

Agent-Skills 是什么?

Video Watch 技能旨在为 GitHub Copilot 提供视频内容的结构化分析支持。它通过自动化管道处理视频输入(URL 或本地文件),生成一系列可供 Copilot 检测的工件,包括字幕、帧联系片、帧索引、清单和提示包。该技能特别适合处理需要同时理解视频中的语音和画面内容的场景,例如bug复现、产品演示、教程、网络研讨会或广告。Video Watch 提供四种详细级别模式(transcript、efficient、balanced、token-burner),让用户根据任务需求在速度和视觉覆盖之间灵活平衡。该技能严格遵循安全边界:绝不绕过DRM、付费墙或身份验证,也不存储或使用cookies、令牌或签名URL。它替代了较重的工具链如 Claude Code 的并行 `Read` 机制,采用“先生成后选择”的策略:先提取所有必要工件,然后仅读取用户问题所需的那些,从而优化 Copilot 的上下文窗口和令牌预算。该技能支持多种平台,包括 GitHub Copilot,并包含自动预检脚本来验证依赖项是否就绪。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/aktsmm/Agent-Skills/tree/HEAD/video-watch

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

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

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相关技能