录屏就是 SOP

解决的问题

团队在沉淀后台系统、桌面软件或网页工具的使用说明时，常面临视频培训资料难以直接变成可检索、可分发、可维护文档的问题。这个技能把一段屏幕录制视频转成结构化操作说明书，并输出 HTML、Markdown 和 PDF 三种格式，适合用于版本发布、新人培训、客服支持和运维交接。

技能如何工作

整体流程分四步。第一步通过 scripts/extract_frames.py 提取关键帧，使用 --interval 控制最小采样间隔，使用 --threshold 控制场景变化敏感度，生成 frames_output/ 目录和 keyframes_meta.json。第二步通过 scripts/ocr_frames.py 做界面文字识别，使用 RapidOCR 输出每帧文字行、置信度和位置信息，用于还原菜单、按钮、字段、下拉项等界面元素。第三步按 references/sop_spec.md 的“八步法”撰写正文，覆盖版本记录、系统概述、前置条件、操作步骤、字段规则速查表、异常与边界情况、关联操作，并要求每个步骤包含用户动作和系统反馈。第四步生成多格式文档：HTML 使用左侧 sticky 目录和章节锚点，Markdown 使用标准 TOC、表格和块引用，PDF 由 scripts/md_to_pdf.py 生成，支持中文字体检测、页眉页脚、页边距和表格跨页重复表头。

适用边界与注意点

它更适合界面文字清晰、操作路径明确的录屏；对无界面文本、语音讲解为主或复杂动画视频，效果依赖 OCR 质量。Windows 下注意固定 onnxruntime==1.20.0，PDF 需要系统中存在中文字体。三种输出格式互相独立，修改其中一种不会自动同步其他格式。