video-understand：把"抽幀 + 轉寫 + 讀幀"打包給 Agent，讓它直接理解視頻

video-understand 是一個面向 Agent 的通用 AI 視頻理解 Skill，通過抽幀、語音轉寫、多模態讀幀三路輸入綜合產出視頻理解，覆蓋拆爆款結構、找 bug、總結要點、時間戳定位、提取口播稿五類任務。觸發詞包括讀懂視頻、看視頻、分析視頻、拆爆款、看錄屏等。適配所有同時支持 Bash 和多模態 Read 的 agent，如 WorkBuddy、Codex、Cursor、Trae、Claude Code、Gemini CLI 等。版本 1.2.1，來源 community，分類 content-creation，需 API Key。撰寫本文時官方頁面抓取失敗，文中未寫入未經覈實的安裝命令，接入前需以官方頁面爲準。