Communitygithub.com

aktsmm/影片觀看

為 GitHub Copilot 分析準備影片 URL 或本機影片檔案,透過擷取字幕、取樣畫面、聯絡表與提示包。當使用者要求 Copilot 觀看、檢查、總結或診斷影片、螢幕錄影、示範、網路研討會、YouTube/Loom/TikTok/X/Vimeo 網址或 .mp4/.mov/.mkv/.webm 檔案時使用。

影片觀看 是什麼?

此技能「aktsmm/影片觀看」專為 GitHub Copilot 設計,用於將影片內容轉化為可被 AI 分析的結構化工件。它從影片中擷取字幕、產生畫面聯絡表、建立畫面索引與提示包,讓 Copilot 能夠「觀看」影片。技能支援 yt-dlp 所支援的影片網址或本機影片檔案,並提供多種詳細程度模式:transcript(僅字幕)、efficient(快速視覺檢查)、balanced(預設,適合螢幕錄影與示範)、token-burner(大量視覺覆蓋)。核心工作流程包括執行前置檢查、產生工件,並依序讀取 manifest.json、prompt.md、transcript.md、frame-index.md、contact-sheet.jpg 與 frames/ 中的檔案。此技能不繞過 DRM、付費牆或驗證機制,也不處理私密媒體憑證。當官方 API 或現有字幕已足夠時,偏好使用較輕量的方案。對於需指定時間範圍的場景,可透過 --start / --end 參數重新執行以聚焦畫面預算。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

影片觀看 是做什麼的?

準備 GitHub Copilot 可以檢查的影片工件:字幕、畫面聯絡表、畫面索引、清單與提示包。

此技能靈感來自 bradautomates/claude-video,但專為 GitHub Copilot 工作流程設計。請勿假設 Claude Code 的 Read 平行處理能力。先產生檔案,然後僅檢查與使用者問題相關的工件。

使用時機

  • 使用者要求觀看、檢查、總結、比較或診斷影片。
  • 輸入為 yt-dlp 支援的影片網址,或本機的 .mp4、.mov、.mkv、.webm 檔案。
  • 任務依賴於內容中的口述與畫面顯示,例如:錯誤再現、產品示範、發表影片、教學、網路研討會、廣告或螢幕錄影。

不適合使用時機

  • 請勿繞過 DRM、付費牆、驗證機制或網站服務條款。
  • 請勿要求或儲存 cookies、bearer tokens、已簽署網址或私密媒體憑證。
  • 如果官方 API 或現有字幕可以在不處理影片的情況下回答任務,請優先選擇較輕量的路徑。

核心工作流程

  1. 如果不確定相依性,執行前置檢查: python .github/skills/video-watch/scripts/preflight.py 若為網址輸入,請使用 python .github/skills/video-watch/scripts/preflight.py --url-mode。
  2. 產生工件: python .github/skills/video-watch/scripts/video_watch.py <網址或路徑> --question "<要回答的問題>" 當另一個工具、Azure Speech 或 Speech Translator Desktop Plus 已產生字幕時,使用 --transcript-file <路徑>。 對於私人或需驗證的媒體,建議使用 --detail transcript --metadata-only --transcript-file <路徑>,且不要傳遞 cookies、bearer tokens 或已簽署網址憑證。
  3. 按此順序讀取工件: manifest.json → prompt.md → transcript.md → frame-index.md → contact-sheet.jpg → frames/ 中選定的檔案(僅在需要時)。 manifest.json 記錄本機來源位元組的 SHA-256,或在下載發生時記錄已下載網址影片位元組的 SHA-256。僅中繼資料的網址執行會將雜湊值保留為 null,而不會擷取媒體。
  4. 根據工件回答。說明答案僅來自字幕、僅來自畫面,或因為抽樣稀疏而受限。
  5. 針對指定的時間範圍,使用 --start / --end 重新執行,以聚焦畫面預算。

詳細程度模式

模式用途
transcript僅字幕或側載字幕。最快。
efficient小型視覺傳遞,適合快速分類。
balanced預設聯絡表,適用於大多數螢幕錄影與示範。
token-burner較大的視覺傳遞,當使用者明確需要廣泛的視覺覆蓋時。

Rubber Duck 檢查點

  • 在變更此技能的工作流程之前,檢視計畫中的原始選擇、隱藏相依性、安全邊界與 Copilot 工件順序。
  • 編輯後,檢視 SKILL.md、腳本與參考資料,確保行為自包含、觸發品質、行數與可執行驗證。
  • 將評論者視為唯讀。生產者套用變更並重新執行驗證。

參考資料

需求參考資料
詳細工作流程references/workflow.md
相依性與設定references/dependencies.md
畫面預算與聯絡表references/frame-budget.md
可選的 Scout/Whisper/Azure Speech 後端references/backends.md

Individual skills in this repo

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

相關技能