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。