技能介绍

要解决什么问题

YouTube 上的访谈、教程和播客往往长达数十分钟甚至数小时，完整看完成本高，而仅靠标题或简介又很难判断哪些段落值得精读。若视频自带字幕，本技能把「拉字幕 → 读全文 → 按固定结构写总结」收敛成一条可重复的工作流，输出包含元数据、核心观点、金句与亮点分析的可读 Markdown，而不是一段笼统的摘要。

技能如何工作

流程分四步，与 SKILL 中的脚本职责一致：

获取字幕：在 SKILL_DIR 下调用脚本，支持 watch?v=、youtu.be/、shorts/、embed/、live/ 等标准 URL，或直接传入 11 位视频 ID。
拉取元数据：用 yt-dlp 取标题、频道、时长、发布日期，便于总结头部对齐视频事实。
读取完整字幕：长视频（例如超过 30 分钟）字幕体积大，建议分段读入再交给模型分析。
生成结构化总结：按固定模板写「视频信息 / 一句话总结 / 核心观点 / 金句摘录 / 亮点分析 / 注意与偏见」等章节；章节标题、表头与元数据字段随输出语言翻译（用户未指定时默认中文），金句引用保留原文语言。

语言优先级：用户明确指定语言时遵从指定；否则全文默认中文总结。访谈类可从开场识别发言者并在观点中标注；口播广告可在「注意与偏见」中说明并尽量跳过。

适用边界与注意点

依赖 youtube-transcript-api 与 yt-dlp；视频禁用字幕或无可用 transcript 时无法完成总结，需换语言重试或告知用户。
超长视频（如 1.5 小时）字幕可达数百至近千行，应分段处理，避免一次性塞满上下文。
非中文视频的原始字幕多为视频语言；总结语言仍按上述规则，与字幕语言可以不一致。