技能介绍

要解决什么问题

工程师看拆机、工艺、录屏或讲解类视频时，口播、字幕和画面往往各说各的：你想核对铭牌型号、定位 UI 报错、或把某段结构讲清楚，却得反复拖进度条，还很难把结论和时间戳 + 截图绑在一起。本技能把「看懂」当成可复核的知识产出：语音/字幕、关键帧、场景切分、局部 OCR 与标注截图进同一套证据链，最终交付的是揉合成知识点的图文报告（默认 Word），而不是「语音摘要」「图像识别结果」两张清单。

核心能力与关键步骤

输入解析：本地常见视频格式，或通过 scripts/download_video.py 处理链接；网络视频必须先落盘再分析。
探针与抽帧：video_probe.py 生成元数据、音频、frame_index.csv 与联系图；可按时刻、间隔或场景变化抽帧，小字/丝印/缺陷从原始帧裁剪，不从联系图裁剪。
转写与兜底：优先本地 Whisper 系；不可用时依次尝试 whisper.cpp 离线粗转写、FunASR（中文长音频）、Vosk、内置 fallback-vad 活动时间线；OCR 仅辅助，看不清必须标「不确定」。
四真过滤与正文写法：核心结论必须扣真机锚点、能发现问题、能导向验证/改型/排查，且经 AI 追问与人工常识交叉校验；正文按知识点展开，不把「语音说了什么、画面看到了什么」写成主章节。
硬件向扩展：出现器件/模组/电池/连接器/PCB 时，讲清功用、选型边界、失效风险与替代思路；产品/拆机类任务还需做知识迁移（还能用到哪些产品、落地要注意什么）和批量 BOM 粗估（渠道、数量假设、单价区间与不确定性）。
交付形态：摘要、找 bug、拆爆款体检、口播整理稿、元器件专项、真知报告等，结构见技能内模板；剪辑复盘可借 OpenCut 做时间线/配图顺序参考，抽帧与标注仍走 FFmpeg 与本技能脚本。

边界与注意点

原视频保持只读，派生产物写入独立目录。模糊、遮挡或分辨率不足时，不把猜测写成事实；证据矛盾写在「不足与待验证」。系统级依赖、大模型下载、GPU 或平台 cookie/登录限制需用户确认，不能伪装下载成功。报告不写识别流水线、命令日志和整段时间戳流水；用户若只要完整字幕或调试材料，才放到附录或单独文件。