Communitygithub.com

fx-studio/gvideo-agentic-workspace

使用Gemini以代理模式分析视频(AI自动回看所需片段,不会吞掉整个视频)。输入可以是本地视频文件或公开的YouTube链接。适用于用户想要总结视频/讲座并附带时间戳、剪辑高光片段、捕捉屏幕录制中的错误、查找某个时刻出现的内容、计数物体/动作,或者询问关于视频内容的任何问题。

gvideo-agentic-workspace 是什么?

该技能允许AI代理以Agentic模式利用Gemini API分析视频,无需自行处理视频内容。用户只需提供本地视频文件路径或公开YouTube链接,技能通过运行Python脚本调用Gemini API进行智能分析。支持多种分析模式:摘要(tom-tat)用于提取关键点和时间标记;高光(highlight)用于剪辑精彩片段;错误检测(loi)用于屏幕录制中的问题;查找(tim)和计数(dem)用于定位特定场景或对象;问答(hoi)用于回答关于视频内容的任意问题。代理的工作流程包括:确认输入和模式(通过参考文档选择),执行带有`--thu`标志的试运行以预览操作而不消耗Token,然后运行实际分析并读取输出的报告文件(bao-cao.md)来回复用户。技能自动管理项目文件(存储在inputs/和outputs/目录),支持项目级别的重复查询。注意:本地文件会通过Files API上传至Google并自动在48小时后删除;用户需自行提供Gemini API密钥(通过.env文件);代理不直接观看视频,而是依赖Gemini API的分析结果。

兼容平台~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

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

视频分析(Gemini agentic)

你(代理)不会自己观看视频。观看由Gemini API通过脚本scripts/phan_tich.py完成。 你的任务是:选择正确的模式,运行脚本,读取结果,回答用户。

项目管理规则(inputs/ · outputs/)在AGENTS.md中,请先阅读。

步骤 1. 确定输入和模式

  • 输入: YouTube链接、视频文件路径、或项目目录inputs/<项目>(当再次询问已有视频时)。YouTube链接必须设为公开(私有或不公开均无法读取)。 如果不确定视频是否已存在项目,先运行--ds检查。
  • 模式: 根据用户需求选择。各模式的提示词在references/che-do.md中。
用户需求--che-do是否需要--hoi?
摘要、要点、重要里程碑(讲座、播客、会议)tom-tat否
剪辑短视频、体育高光、值得看的片段highlight否
屏幕录制错误、查找错误代码loi否
“什么时候……”查找某个场景、某句话tim是
“有多少次……”dem是
其他关于内容的问题hoi是

如果不确定用户想要什么,先问一句,不要随意运行:每次运行都会消耗真实的Token。

步骤 2. 先试运行,再正式运行

请在workspace根目录(包含inputs/和outputs/)下执行。脚本路径相对于技能所在目录;下面是workspace gvideo 中的路径,如果技能全局安装,请替换为实际路径。

uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<链接|文件|inputs/<项目>>" --che-do <模式> [--hoi "..."] --thu
uv run --script .agents/skills/phan-tich-video/scripts/phan_tich.py "<链接|文件|inputs/<项目>>" --che-do <模式> [--hoi "..."]
  • --thu 仅打印将要执行的操作(哪个项目,新建还是已有,结果写入哪里,提示词),不调用API,不创建目录。在首次运行项目前请先试运行。
  • 如果脚本创建了新项目,它会将用户的需求写入inputs/<项目>/nguon.md的“用户想要什么”部分。
  • 本地文件将上传至Google(Files API,Google会在48小时后自动删除)。如果视频包含敏感信息,请在运行前询问用户。
  • --so-sanh 会额外运行旧版(静态)模式以比较Token使用量。消耗双倍Token,仅在用户要求比较时使用。
  • --model 默认为gemini-3.7-flash。支持Agentic模式的模型:3.7 Flash、3.6 Flash、3.5 Flash-Lite。
  • 缺少Key的错误:告知用户从 aistudio.google.com/apikey 获取Key,并在workspace根目录创建.env文件,内容为一行GEMINI_API_KEY=<key>。 不要读取或打印.env的内容。

步骤 3. 读取结果并回复

脚本会输出结果目录的路径:outputs/<项目>/<YYYYMMDD_HHMMSS>_<模式>/

  • bao-cao.md:Gemini的回答内容
  • RUN.md:视频信息、模型、Token数、AI回看次数
  • so-do.json:机器可读的度量数据

用中文回复用户:展示bao-cao.md的主要内容(保留所有时间戳), 并附带一行度量信息(输入Token数、AI回看次数)和目录路径。

不要添加bao-cao.md中没有的时间戳、数字或细节。 你并未观看视频。 如果用户继续询问同一视频,请对inputs/<项目>再次运行,使用--che-do hoi --hoi "...", 不要根据旧报告猜测,也不要创建新项目。

相关技能