我写了一套视频内容解析的 skill

入职新公司还不到半个月，但满打满算，实际也就上了 4、5 天班。刚入职就赶上中秋和国庆，工作还没展开，假倒是先放了不少。

新公司有一点让我很喜欢：之前的各类培训视频存档很多。对于刚来的人，这些内容很适合拿来 onboarding，不用等谁有空，就能了解一些业务和工作背景。

只是，它们基本都是培训录屏。一段动辄 1 小时，2 小时的也不少。我愿意学，也喜欢有资料可查，但要把这些视频逐个看完，时间成本确实不低。我想更快地获取里面的知识。

于是我想到，让 Agent 帮我看。

我看过、比较过一些同类工具，没找到能完整满足我需求的。有的从网页里获取视频的能力比较弱，有的解析内容很依赖 CC 字幕，也就是视频自带的字幕。另一个让我不满意的地方，是最后得到的往往只有内容大纲。

大纲能告诉我讲了什么，却未必能让我理解讲的东西。对于 onboarding，这个差别挺大。我刚接触一个新环境，很多词还没有背景，几个标题加几句概括，很容易读完之后，还是得回去看视频。

我想要的是一份繁简兼顾的报告。先用简报判断哪些内容和我有关，再展开章节读细节；遇到不确定的地方，还能查到对应的转写和画面。如果为了省时间，把理解所需的内容一起省掉，这份总结对我就没什么用。

没有找到合适的，我就自己做了一套给 Agent 用的 Skills，叫「🎪 Video Circus」。

我把这个过程想成看一场马戏，安排了三个角色。

🎩 circus-conjurer 是魔术师，负责把视频「变」出来。它接收视频链接、网页播放器或本地文件，获取并验证素材，再把媒体包交给下一环节。能不能拿到网页里的视频，仍然取决于来源、访问权限和 Agent 宿主的能力，拿不到时也可以改用本地文件。

🤹 circus-juggler 是杂技演员，同时照看声音、字幕和画面。它负责转写语音、阅读字幕、查看画面，并核对疑点。没有字幕时，可以用本地 Whisper 转写。这个阶段交出去的是带时间和证据的内容包，让后面的报告有依据可查。

🎫 circus-ticket 则负责把已经审阅的内容整理成阅读报告。前面的表演准备好了，这张票才算能带我进去看。默认交付的是自包含 HTML，打开就能读，先看简报，再按章节展开，里面还保留了关键画面、可检索转写和待确认事项。

这也是我比较在意的一点：识别不清的地方应该留下来，不能因为报告要好看，就把猜测写成确定的结论。我是拿它来学习新公司的知识，读错了还以为自己懂了，比多花一点时间核对更麻烦。

三个子技能可以分开用，也可以通过 video-circus 总入口组合起来。已有素材，就从理解内容开始；已有审阅好的内容包，就只做报告。我不希望每次为了用其中一段，都得把整套流程重新走一遍。

项目需要一些依赖，安装 Skills 不会顺手把工具和模型都装好。获取素材、处理音视频和本地转写，各自需要对应的工具，具体可以按 README 和自己的使用范围来装。只整理已有内容包，就没必要把语音转写的依赖也全部配上。

做这个项目的起点很具体：公司有很多值得看的培训视频，而我的时间有限。我希望 Agent 把获取素材、理解内容、整理报告这些工作接起来，最后交给我一份能打开、能阅读、能核对的东西。

对我来说，这样才算把活干完。接下来遇到新的培训录屏，我想先读这份报告，再决定哪些片段值得回去细看。

项目放在 GitHub，需要的话可以拿去试试。