影片上下文
模型只能讀取文字和圖片，因此影片被拆解為三個通道：影片周圍的貼文、說了什麼（字幕，否則為語音轉寫）、以及展示了什麼（影格）。腳本會探測檔案並根據找到的內容進行路由。無聲的螢幕錄影，或含有音效的動畫，不會產生轉寫文字，影格就承載了一切。閱讀資料夾中標示為存在的通道，然後撰寫一段摘要，讓下一位閱讀者無需開啟影片即可了解內容。
步驟
1. 提取
sh ~/.claude/skills/video-context/references/extract.sh <網址或檔案路徑>
它會輸出資料夾路徑（預設為 /tmp/video-context/<slug>/）。預設值：每 3 秒一個影格，最多 60 個影格，間隔會自動調整以符合上限，下載解析度上限為 1080p。可調整的參數寫在腳本頂部：INTERVAL、MAX_FRAMES、MAX_HEIGHT、FORCE_TRANSCRIBE、WHISPER_MODEL、SUB_LANGS。若退出碼為 2，表示缺少某個工具；請從 references/setup.md 安裝後重新執行。
完成時，資料夾中的 README.md 會列出每個通道的狀態：存在、不存在、空白或略過。
2. 閱讀通道
先閱讀 README.md：貼文文字和通道表格會決定你要開啟哪些檔案。
- 說的話。 完整閱讀
captions.txt或transcript.txt。自動字幕常會拼錯產品名稱；貼文文字和影格可以修正這些錯誤。 - 展示的畫面。 按時間戳順序閱讀
frames/目錄。若超過 20 個影格，先讀每三個中的一個，再回頭讀問題相關的片段。當兩個通道都存在時，請比對轉寫文字的宣稱與影格的實際畫面：可能展示和螢幕顯示的內容不一致。
完成時，每個標示為存在的通道都已閱讀，且每個影格都已被開啟，或是被你命名為「已略過」的片段。
3. 總結
在資料夾中寫入 summary.md：
- 一段文字：說明影片格式（示範、談話頭、動畫、螢幕錄影）以及影片要傳達的重點。
- 一個時間軸清單，按
[m:ss]排序，每個項目描述一件事（展示或解說），轉寫引文需逐字引用。 - 一行文字說明哪些通道沒有承載資訊：例如無音訊、贊助片段、影格解析度不足以捕捉快速編輯。
完成時，每個時間軸項目都有對應的時間戳，可對應到一個影格檔案或一行轉寫文字，且「空白通道」那行與 README 表格一致。
4. 回覆
按照提問的規模回答問題，並提供資料夾路徑，讓使用者可以自行開啟影格。若問題是關於學習，則銜接到 learn 技能，將 summary.md 作為其文章分支的擷取來源。
工作習慣
- 需要更細緻影格的片段，請單獨處理：先用
ffmpeg -ss <開始時間> -t <長度> -i clip.mp4 -c copy part.mp4裁剪，然後以INTERVAL=1提取part.mp4。對整個影片使用更小的間隔，會導致你需要閱讀的影格數量倍增。 - 轉寫文字預設為英文。其他語言需要多語言模型；
references/setup.md中有說明。 - Twitter 從未有過字幕，因此任何 x.com 上含有語音的剪輯都一定會執行 Whisper。預計花費約該剪輯長度五分之一的时间。