watch — 讓Claude從頭到尾看完一部影片是做什麼的？

將影片拆分為Claude原生能夠讀取的東西：幀圖片（使用Read工具查看）+ 逐字稿（文字）。結果不僅理解話語，還能掌握螢幕上發生的事。

雙語支援。 這是英文版。完整的俄文對應版本為 SKILL.ru.md。使用者使用哪種語言就使用哪種語言工作；工作流程與指令完全相同。

依賴項目（透過 `install.sh` 一次性安裝）

檢查方式：command -v yt-dlp ffmpeg whisper node

yt-dlp → ~/.local/bin/yt-dlp（安裝於 ~/.local/python312 下的 Python 3.12 — 系統 Python 通常過舊；近期 yt-dlp 版本需要 3.10+）；
ffmpeg → 來自 imageio-ffmpeg，符號連結至 ~/.local/bin/ffmpeg；
whisper → openai-whisper（安裝於系統 Python 下；模型會在首次使用時下載）；
node → ~/.local/node（v24）— 用以繞過 YouTube 的防護措施。

針對 YouTube，install.sh 還會設置：

一個 PO-token 提供者（bgutil），以指令稿模式建構於 ~/.local/bgutil-pot/server/build/；
Node.js 執行環境 + 一個 EJS 元件，用以解決 YouTube 的 n-challenge；
來自已登入 YouTube 帳號的 Cookie，存放於 ~/.config/watch/cookies.txt。

如果 Cookie 過期（YouTube 再次要求「確認你不是機器人」），請使用者透過瀏覽器擴充功能（如「Get cookies.txt LOCALLY」）重新匯出 cookies.txt，並放置於 ~/.config/watch/cookies.txt。

務必透過包裝腳本下載：bash ~/.claude/skills/watch/yt.sh … — 它會自動加入正確的 YouTube 旗標。對於直接 mp4/Loom/Zoom 網址，這些額外旗標不會造成影響。

工作流程

1. 設定

建立工作資料夾：mkdir -p /tmp/watch/<slug>（slug = 從網址/主題提取的簡短名稱）。
解析網址（YouTube / Loom / Zoom 分享連結 / 直接影片檔案）。若是本機檔案則跳過下載步驟 — 直接處理該檔案。

2. 逐字稿 — 優先使用字幕（免費時可用）

bash ~/.claude/skills/watch/yt.sh --write-subs --write-auto-subs --sub-langs "en,ru" \
  --skip-download --convert-subs srt -o "/tmp/watch/<slug>/subs.%(ext)s" "<URL>"

如果出現 .srt 檔案，那就是一份帶時間戳的現成逐字稿 — 直接使用它。

3. 下載影片（擷取畫面與作為 Whisper 備援都需要）

bash ~/.claude/skills/watch/yt.sh -f "bv*[height<=480]+ba/b[height<=480]/18/best" \
  -o "/tmp/watch/<slug>/video.%(ext)s" "<URL>"

你會得到 .mp4 或 .webm 檔案 — 之後使用實際的檔案名稱（video.*）。如果沒有字幕，就用 Whisper 將音訊轉錄成文字（模型 small；若要快速測試可用 base）：

whisper "/tmp/watch/<slug>/video.webm" --model small --language en \
  --output_format srt --output_dir "/tmp/watch/<slug>/"

第一次執行時會下載模型（small 約 460 MB）— 這是正常的一次性行為。若非英語音訊請移除 --language en，或設定正確的語言代碼。Whisper 速度較慢：一段 34 分鐘的片段需要數分鐘 — 請在背景執行。

4. 按場景變化擷取畫面（關鍵步驟 — 非定時取幀）

ffmpeg -i "/tmp/watch/<slug>/video.webm" -vf "select='gt(scene,0.3)',showinfo" \
  -vsync vfr "/tmp/watch/<slug>/frames/frame_%04d.png" 2> "/tmp/watch/<slug>/scenes.log"

臨界值 0.3 — 調整 0.2–0.4 以控制畫面密度（數值越低 = 畫面越多）。
從 scenes.log 中的 showinfo 日誌（pts_time）取得每幀的時間戳。
如果畫面太多（長影片），保留約 60–150 張最具資訊量的畫面，並刪除時間上過於接近的幀。解碼長影片需要一些時間 — 請在背景執行。

備援方案 — 如果場景太少（0–2 幀）。 平順、未經剪輯的素材（單一連拍鏡頭、空拍機、頭像談話）產生的場景變化很少。此時改以固定間隔取樣：

ffmpeg -i "/tmp/watch/<slug>/video.webm" -vf "fps=1/5,scale=960:-1,showinfo" \
  -vsync vfr "/tmp/watch/<slug>/frames/frame_%04d.png" 2> "/tmp/watch/<slug>/scenes.log"

根據影片長度調整間隔（1/5 = 每 5 秒一張畫面），使總數維持在約 150 張以內。第 i 張畫面的時間戳 = i × 間隔。

4a. YouTube：為何所有操作都經過 yt.sh

YouTube（2025 年後）需要同時具備以下三項，否則會回傳 HTTP 403 / 「不是機器人」/「僅限圖片」：

來自已登入帳號的 Cookie（~/.config/watch/cookies.txt）；
PO-token（來源證明）— 由 bgutil 在本機產生（指令稿模式，Node）；
解決 n-challenge — 使用 Node 執行環境 + EJS 元件（--remote-components ejs:github）。以上全部已內建於 yt.sh — 直接呼叫即可。直接 mp4/Loom/Zoom 來源沒有這些防護措施。如果再次要求「確認你不是機器人」，代表 Cookie 已過期 — 要求提供新的 cookies.txt。

5. 分析

讀取逐字稿（.srt）。
檢視提取的畫面（透過 Read 工具進行視覺辨識）：簡報投影片、程式碼、示範畫面、圖形。
利用時間戳將視覺內容與逐字稿對應起來。

6. 報告

提供：

TL;DR（3–5 行）；
附時間戳的關鍵概念；
文字中未呈現但螢幕上顯示的內容（圖表、使用者介面、示範畫面）；
附時間戳的 Notable moments / Quotes。

7. 儲存至知識庫（先詢問）

詢問：「將此分析結果儲存至您的知識庫（Obsidian）？」如果同意，則在適當資料夾中撰寫一則 Markdown 筆記，並包含相關筆記的連結。未經確認不得儲存。

規則

工作檔案置於暫存資料夾 /tmp/watch/<slug> — 不要污染專案目錄。
未經明確要求，不得對外發布或傳送任何內容。
不應繞過需要登入才能觀看的私人影片 — 應告知使用者。

watch — 讓Claude從頭到尾看完一部影片