前言¶

在 DeepSeek Harness 裏讓模型「看視頻」，常見做法是抽幾幀或依賴雲端摘要，容易漏細節，也難以覈對講解與畫面是否一致。若需要本地處理公網 B 站分 P 或 YouTube 單視頻、按時間分段看圖與字幕，並把分析結果排成 16:9 研究型幻燈片，單靠通用聊天能力往往不夠。下面介紹社區插件 視頻精讀（npm 包名 dsh-video-learning，倉庫 SZUold8/dsh-video-learning），維護者爲 SZUold8，在 SkillHub 目錄中歸類爲 聯網工具。

這是什麼¶

視頻精讀 是 DSH 的視頻內容研讀插件，當前 Windows 分發版 v0.3.5。它接受合法取得的本地視頻，或 B 站標準鏈接/BV、YouTube 單視頻鏈接；插件側提供帶時間索引的畫面與講解證據（抽幀、拼圖、可選離線轉寫與字幕導入），再由當前聊天模型逐段分析。設計重點是內容保留、細節覈對和誠實列出遺漏，而不是用少量代表幀生成快摘要。

README 明確說明：這不是視頻播放器，也不是保證「100% 看懂視頻」的模型；抽幀完成不等於 AI 已讀完，語音識別、變化檢測和模型分析都可能漏錯。

核心功能¶

抽幀與分段¶

• 默認每 3 秒 基礎採樣，按 5 分鐘 分段。
• 全片逐源幀做 640 寬灰度局部變化檢查，補首末幀和變化前後精確 PTS 幀；補幀預算按 5 分鐘時間段分配。超預算會標記 partial 並記錄每段省略數量。

語音與字幕¶

• 可選本地 faster-whisper 轉寫（Windows CPU 兼容依賴鎖定 faster-whisper 1.2.1、CTranslate2 4.4.0 等；模型文件由用戶單獨配置）。
• 可導入完整 SRT/VTT；可用已有本地模型轉寫完整音軌並保留逐詞時間，運行時不下載模型。
• 無字幕且無本地 ASR 時，只能分析畫面，不能聲稱聽過完整講解。

圖版與補看¶

• 3×3 帶時間拼圖用於總覽，另存 原分辨率 PNG，便於尺寸與小字覈對。
• 可按時間點或短時間窗補幀（默認 0.5 秒），可裁切原圖區域。

聯網獲取¶

• 獲取 B 站標準鏈接/BV 的 單個分 P、YouTube 單視頻，儘量保留策略內可訪問高清影音，不強制 360P，不重編碼。
• 政策上不支持直播、付費節目、交互分支等；不讀瀏覽器 cookie、不嘗試登錄或 DRM 繞過（詳見倉庫 README「獲取政策與隱私」）。

分頁與 PPT¶

• 分段讀取圖版分頁默認 4 張，返回下一頁偏移，避免千幀數據超出聊天工具輸出限制。
• 模型分析完成後，可通過 video_learning_pptx 把結果排版成 16:9 研究型 PPT（封面、段落總結、分節圖版＋要點、收尾）；文字由模型撰寫，插件負責版式與按時間取圖。

暴露的工具¶

共七個工具：video_learning_doctor、video_learning_fetch、video_learning_prepare、video_learning_segment、video_learning_detail、video_learning_transcribe、video_learning_pptx。長任務返回 job_id，用 job_output 收集、job_kill 取消，不重複啓動。

系統與依賴¶

當前只支持 Windows。 需要 DSH 中現有的 pwsh、tools、skills 和 jobs（長任務）服務；基於 DSH Desktop 0.2.1-rc.3 驗證，package.json 聲明 dsh 引擎 >=0.2.0-rc.1。

插件以當前 DSH 進程權限運行；安裝前應自行查看倉庫源碼與 MIT 許可證。插件不調用雲端 LLM、不上傳用戶視頻，但 AI 隨後通過當前模型或 ModLens 看圖時，圖像可能送到所選服務。

安裝與啓用¶

發給他人安裝時使用 dsh-video-learning-0.3.5.tgz；ZIP 爲源碼包，不是直接安裝包。SkillHub 目錄頁：https://www.skillhub.cn/plugins/SZUold8/dsh-video-learning。

1. 先打開一次 DSH Desktop 完成初始化，然後 完整退出 DSH。
2. 使用該 Desktop 自帶 CLI（不是通用 npm 安裝的 DSH CLI）：

& '<DSH安裝目錄>\resources\runtime\cli\bin\dsh.cmd' plugin --profile desktop add '<安裝包完整路徑>\dsh-video-learning-0.3.5.tgz'

若 Desktop 自帶 dsh 已在 PATH，可縮寫爲：

dsh plugin --profile desktop add '<安裝包完整路徑>\dsh-video-learning-0.3.5.tgz'

3. 在安裝後的包目錄（通常爲 %USERPROFILE%\.dsh\profiles\desktop\node_modules\dsh-video-learning）配置依賴。先只檢查：

.\scripts\setup.ps1

顯式安裝核心與下載依賴：

.\scripts\setup.ps1 -Install -WithFetch -Python '<Python完整路徑>'

需要語音識別時另加 -WithAsr；需要 PPT 時用 setup.ps1 -WithPptx 或手動安裝 requirements-pptx.txt。腳本不會下載模型或 FFmpeg。

4. 重新打開 DSH，在聊天中讓 AI「檢查視頻精讀依賴」，或在包目錄執行：

node scripts/doctor.mjs

典型用法¶

在 DSH 聊天中可直接用自然語言驅動，README 示例包括：

• 「用視頻精讀分析這個本地視頻，先處理前 5 分鐘。」
• 「獲取這個 B 站鏈接的第 2P，按內容還原標準逐段分析。」
• 「對 125～130 秒每 0.5 秒補幀，放大尺寸標註。」

流程上：聯網獲取後根據真實 media_path 調用 prepare；存在 subtitle_path 才傳入。輸出 PPT 時，先讓模型讀完分節內容，再寫 brief JSON（含 title、theme、summary、sections、closing），然後調用 video_learning_pptx（brief 必填，out 爲新目錄，manifest 可選）。輸出 deck.pptx 與 deck-manifest.json。

適用場景與注意¶

適合需要在 Windows 上、在 DSH 對話裏 系統性精讀 教程或講座視頻的智能體開發者：要時間軸證據、要分段翻頁、可選本地 ASR 與 16:9 彙報稿，且能接受「還原優先、明確標註遺漏與 partial」而非一鍵摘要。

務必注意：灰度變化檢測可能漏掉細小或低對比變化；ASR 與字幕可能錯認術語；默認安全限額爲 2GiB/2 小時，可顯式提高。證據限制與 HTTP 獲取邊界見倉庫 README。

DeepSeek Harness 生態理念是「一切皆插件」；SkillHub 爲社區目錄，與 DeepSeek / 幻方無官方從屬關係，本文不將其描述爲官方應用商店。

結尾¶

視頻精讀 把公網或本地視頻變成帶時間索引的 PNG、拼圖、字幕/轉寫證據，並配合七個工具與可選 PPT 輸出，方便在 DSH 裏做逐段、可覈對的研讀。詳情與更新以 GitHub 爲準：

• 目錄頁：https://www.skillhub.cn/plugins/SZUold8/dsh-video-learning
• 倉庫：https://github.com/SZUold8/dsh-video-learning