video-analyzer

Video Analyzer

通过视觉/视频大模型分析视频内容，支持本地视频文件和互联网视频。

使用场景

• 用户要求分析、理解或描述一段视频
• 用户提供视频文件路径或 URL，希望了解视频内容
• 用户需要对视频进行问答

配置

环境变量

根据使用的模型设置对应的 API Key 环境变量：

# 火山引擎（豆包）
export ARK_API_KEY="your-api-key"
 
# OpenAI
export OPENAI_API_KEY="your-api-key"

模型配置

编辑项目根目录的 agent_config.toml，在 [video-analyzer] 分区中配置模型：

每个模型需要：

• base_url — API 地址
• api_key — API Key（直接填写，优先读取）
• api_key_env — 环境变量名（api_key 为空时 fallback）
• model — 模型 ID
• api_type — responses 或 chat_completions
• supports_video — 是否支持原生视频输入

API Key 读取优先级：CLI --api-key > 配置文件 api_key > 环境变量 api_key_env

配置文件查找优先级：CWD → Skill 目录 → Git 根目录。可参考 agent_config.example.toml。

工作流程

1. 确认视频来源：获取用户提供的视频路径或 URL。
2. 确认分析需求：明确用户想了解什么（如概括内容、回答问题、描述场景等）。如果 $ARGUMENTS 非空，将其作为分析提示词。
3. 选择模型：默认使用 models.json 中的 default_model，用户也可指定。
4. 执行分析：运行脚本（在 scripts/ 目录下执行）：

   uv run analyze.py --video <视频路径或URL> --prompt "<分析提示词>"
   可选参数：
   • --model <名称> — 指定模型（对应 models.json 中的 key）
   • --frames <数量> — 抽帧数量（默认 10）
   • --max-size <像素> — 帧最大边长（默认 720）
   • --json — 要求模型返回 JSON 并解析（自动附加视频帧数/帧率/时长到 prompt，便于返回帧序号）；解析失败时降级打印原文
5. 展示结果：将模型返回的分析结果展示给用户。

CLI 参考

# 本地视频
uv run analyze.py --video /path/to/video.mp4 --prompt "描述视频内容"
 
# 互联网直接视频 URL
uv run analyze.py --video https://example.com/video.mp4 --prompt "分析视频"
 
# 视频站点 URL（YouTube、Bilibili 等）
uv run analyze.py --video https://www.youtube.com/watch?v=xxxxx --prompt "总结视频"
 
# 指定模型和抽帧数
uv run analyze.py --video video.mp4 --model doubao-vision --frames 20 --prompt "分析"
 
# 结构化输出（要求 JSON，自动附视频帧数/帧率/时长，便于返回帧序号）
uv run analyze.py --video video.mp4 --prompt "用 JSON 描述视频的关键时刻" --json
 
# 典型用例：为 spritesheet 分析循环动画区间（prompt 模板见 references/loop-analysis.md）
uv run analyze.py --video animation.mp4 --prompt "<循环分析模板>" --json

注意事项

• 视频站点 URL 下载依赖 yt-dlp，已作为 Python 依赖自动安装
• 抽帧模式下，帧数越多分析越详细，但 API 调用成本也越高
• 大视频文件下载可能需要较长时间，请耐心等待