前言¶

處理長視頻的開發者常遇到幾類麻煩：素材來自本地文件、URL、RTSP 直播源或桌面錄製，格式不統一；想找到某個片段只能靠肉眼拖時間軸；字幕、疊加、轉碼、配音這些活兒散落在 ffmpeg 命令和一堆腳本里，很難交給一個模型工具一次做完。

下面介紹的 Skill 把這類需求收進一個統一的入口：先看內容，再理解內容，最後對內容執行編輯和生成。它不改變你已有的媒體處理流程，只是把這些步驟串起來，讓 Agent 能直接對着視頻動手。

這是什麼¶

「長視頻理解、片段檢索與剪輯｜簡詩 AI」是一個社區發佈的通用 SKILL.md 格式 Skill，座標 @user_fccf428b/videodb，當前版本 1.0.0，歸屬 design-media 分類，發佈者爲 user_fccf428b。

它的定位是「視頻與音頻的查看、理解與行動」，覆蓋從取流、建索引、按時間戳檢索，到轉碼標準化與時間線編輯的完整鏈條。

需要先說明數據口徑：該 Skill 在 SkillHub 上顯示評分 100000、下載 899、安裝 0，標籤爲 requires_api_key=true，說明調用需要 API Key，並且安裝量目前還很低，實際可用性需自行驗證。

核心功能¶

官方簡介把能力分成三塊，下面按官方口徑列出，只寫資料中已覈實的部分。

查看¶

從本地文件、URL、RTSP/直播源或實時錄製桌面獲取內容；返回實時上下文和可播放流鏈接。這一層解決的是「素材怎麼進來」，並且要求拿到的是可直接播放的流，而不是一堆二進制。

理解¶

提取幀，構建視覺/語義/時間索引，並通過時間戳和自動剪輯搜索片段。這一層解決的是「長視頻怎麼找」，索引建好之後，定位靠時間戳和自動剪輯，而不是逐幀掃。

行動¶

轉碼和標準化（編解碼器、幀率、分辨率、寬高比），執行時間線編輯（字幕、文本/圖像疊加、品牌化、音頻疊加、配音、翻譯），生成媒體資源（圖像、音頻、視頻）。這一層解決的是「拿到結果之後怎麼改」。

三塊能力是遞進關係：沒有查看就沒有素材，沒有理解就無法定位，沒有行動就只停留在分析。

安裝與啓用¶

已抓取資料裏只給出了官方地址、座標、版本、分類、發佈者和 requires_api_key=true 標籤，沒有提供具體的安裝命令、目錄路徑或配置文件字段。

因此這裏如實說明：安裝方式請以官方頁面爲準，不要按其他 Skill 的慣例猜測命令。官方地址有兩個，一個是 API 端點，一個是 SkillHub 頁面：

https://api.skillhub.cn/user_fccf428b/videodb
https://www.skillhub.cn/skills/user_fccf428b/videodb

另外，標籤 requires_api_key=true 意味着啓用前需要準備好可用的 API Key，具體在哪個配置項裏填，資料中未給出，需查閱官方文檔。

典型用法¶

已抓取資料只保留了官方簡介，沒有提供可復現的調用示例、參數說明或命令行用法，因此這一節不寫示例，避免編造。

如果你要在項目裏接入，建議先按下面的順序自己驗證，而不是直接照搬：

1、打開官方頁面，確認當前版本的功能描述與本文是否一致。
2、準備好 API Key，確認它有權限訪問視頻相關的接口。
3、用一段短視頻做查看與理解的最小驗證，再擴展到轉碼和時間線編輯。

適用場景與注意¶

適合誰：需要把長視頻的取流、檢索、剪輯串成一條鏈路，並且希望由 Agent 直接執行而不是人工寫腳本的開發者。

限制與坑：

1、安裝量爲 0，社區驗證程度低，接入前要自己跑通最小流程。
2、需要 API Key，涉及密鑰管理和成本。
3、RTSP/直播源和桌面錄製這類實時取流場景，穩定性取決於網絡與源本身，Skill 只負責取，不負責保證源可用。
4、時間線編輯（字幕、配音、翻譯）屬於生成類操作，產出結果需要人工複覈，尤其是字幕和翻譯。
5、分類爲 design-media，偏媒體處理，不是通用的對話或推理能力。

結尾¶

這個 Skill 的價值在於把「看視頻、找片段、改視頻」這三件事放進同一個入口，而不是分別去寫取流腳本、索引腳本和 ffmpeg 命令。如果工作裏有長視頻理解或批量剪輯的需求，可以先用官方地址接入，再按查看、理解、行動的順序逐層驗證。

官方地址：https://api.skillhub.cn/user_fccf428b/videodb ；SkillHub 頁面：https://www.skillhub.cn/skills/user_fccf428b/videodb