视频上下文
模型只能阅读文本和图像，因此视频被分解为三个通道：视频附带的帖文、语音内容（字幕，否则为转录文本）以及视觉内容（帧）。脚本会探测视频文件并根据找到的内容进行路由。无声屏幕录制或带有音效的动画不会生成转录文本，此时帧承担所有信息。首先阅读bundle中声明的可用通道，然后撰写总结，使后续读者无需打开视频即可了解内容。
步骤
1. 提取
sh ~/.claude/skills/video-context/references/extract.sh <url-or-file>
该命令会打印bundle路径（默认为/tmp/video-context/<slug>/）。默认设置：每3秒一帧，最多60帧，间隔自动拉伸以适应；下载分辨率限制为1080p。可在脚本顶部配置以下参数：INTERVAL、MAX_FRAMES、MAX_HEIGHT、FORCE_TRANSCRIBE、WHISPER_MODEL、SUB_LANGS。退出码2表示缺失某个工具；请从references/setup.md安装后重新运行。
当bundle中的README.md列出每个通道的状态为“存在”、“缺失”、“空”或“跳过”时，提取完成。
2. 读取通道
首先阅读README.md：帖文文本和通道表决定接下来打开哪些内容。
- 语音。 完整阅读
captions.txt或transcript.txt。自动字幕可能会拼错产品名称；帖文文本和帧可以纠正这些错误。 - 视觉。 按时间戳顺序阅读
frames/。如果超过20帧，先每三帧读一帧，然后回到问题所涉及的片段。当两个通道都存在时，对照帧检查转录文本中的说法：演示可能说一套，而屏幕显示另一套。
当每个标记为“存在”的通道都已读取，且每个帧要么已打开，要么位于您指定为跳过的片段中，则完成。
3. 总结
在bundle中写入summary.md：
- 一段概述：格式（演示、对话、动画、屏幕录制）以及视频的核心观点。
- 按
[m:ss]顺序排列的时间线列表，每一点描述一个画面或一句话，转录内容直接引用原文。 - 一行说明通道未携带的内容：无音频、赞助商片段、帧过于粗糙无法展示快速编辑等。
当每个时间线要点都对应一个帧文件或转录文本行，且空通道说明与README表一致时，总结完成。
4. 回复
按照用户提问的详细程度回答问题，并提供bundle路径以便用户打开帧。如果问题涉及学习，则继续使用learn技能，以summary.md作为其文章分支的获取源。
工作习惯
- 需要更精细帧的片段应单独处理：使用
ffmpeg -ss <start> -t <length> -i clip.mp4 -c copy part.mp4裁剪，然后以INTERVAL=1提取part.mp4。对整个视频使用更小间隔重新处理会成倍增加必须读取的帧数。 - 转录文本默认使用英语。其他语言需要多语言模型；
references/setup.md中说明了具体模型。 - Twitter永远没有字幕，因此任何带语音的x.com剪辑始终会运行Whisper。预计处理时间约为剪辑时长五分之一。