Guaikei Video2text 1.0.1

把视频变成能直接用的文字稿：支持本地文件与抖音/小红书等公网链接，云端转写并剔除语气词、口误和重复，可按自定义 Prompt 生成总结、会议纪要、课程拆解、金句、分镜头脚本、中英互译与小红书/抖音/公众号文案。当用户提到视频转文字、字幕提取、语音转写、视频总结或短视频二创时触发；不适用于直播流、需登录或加密的链接、纯音乐视频与批量处理。

视频转文字（guaikei-video2text）

一句话：丢给它一个视频（链接或本地文件），它还你一份能直接用的文字稿。云端大模型转写，顺带把语气词、口误、重复内容都清掉；想总结、想改成小红书文案、想提金句，加个 --prompt 就行。这是 Whisper / FFmpeg 这类纯转写工具做不到的——它们只给你一份满是「嗯啊」的流水稿。

0. 🤖 AI 快速判断（识别与触发）

满足以下任意一条，就调用本技能：

• 用户想把「视频 / 语音」变成文字：视频转文字、视频转稿、字幕提取、语音转写、audio-to-text。
• 用户想「看懂」视频内容：总结、提炼卖点、会议纪要、课程拆解、直播复盘、采访整理、情感/受众分析。
• 用户想「基于视频内容产出新文案」：小红书 / 抖音 / 公众号风格改写、口播稿、探店脚本、短视频二创、金句提取、分镜头脚本、中英互译。

以下情况不要调用（避免误触发）：

• 正在直播的流（只吃「已播完」的视频或本地文件）。
• 需要登录 / 会员 / 加密才能访问的链接（先让用户下载成文件再传路径）。
• 纯音乐、无人声的视频（没东西可转）。
• 一次要批量处理一堆视频（本命令一次只吃一个，批量请用 shell 循环，别开高并发）。
• 用户只想「本地剪辑 / 加字幕烧录 / 格式转换」而不需要文字产出（用 FFmpeg 类工具）。

完整场景枚举见第 1 节，完整反例见第 2 节；执行决策见第 6 节；可靠性契约见第 13 节；规范约定见第 10 节。

1. ✅ 何时用（场景清单）

类别	典型说法
变成文字	视频转文字、视频转稿、字幕提取、语音转写
看懂内容	总结、提炼卖点、会议纪要、课程拆解、直播复盘、采访整理
变出新文案	小红书 / 抖音 / 公众号风格改写、口播稿、探店脚本
拆素材	金句、人物对话、分镜头脚本、中英互译

2. 🚧 何时不要用（反例清单）

反例	原因与替代
正在直播的流	只吃「已经播完」的视频或本地文件
要登录 / 会员 / 加密的链接	大概率解析不了，让用户先下载成文件再传路径
纯音乐、没人说话的视频	没东西可转，用音乐识别类工具
想一次跑一批	命令一次只吃一个视频，批量用 shell 循环并控制并发
只要剪辑 / 烧字幕 / 转格式	本技能只产出文字，用 FFmpeg 类工具

3. 🛠️ 用之前：配置 TOKEN

没配 GUAIKEI_API_TOKEN 会直接退出（退出码 3，不扣费）。TOKEN 在 guaikei 控制台 开通。

bash

# Windows（PowerShell，永久生效）
setx GUAIKEI_API_TOKEN "你的TOKEN"

# macOS / Linux（写进 ~/.bashrc 或 ~/.zshrc）
export GUAIKEI_API_TOKEN="你的TOKEN"

配完记得重启终端 / 会话才生效。

4. 🔒 安全与信任（Trust · T）

让用户敢把视频交过来，且知道边界在哪：

• 只跟 https://www.guaikei.com 说话，别的请求一个不发。
• 除了用户给的那个视频文件，不碰本地其他文件。
• 视频传上去解析完就销毁：不存储、不训练、不外发，商用放心。
• 失败不扣费；错误提示中性，不夹带营销文案、联系方式或官网链接（见第 13、14 节）。
• 已知局限（诚实边界，提升可信度）：
  • 转写准确率受音质影响：嘈杂环境、多人同时说话、重口音/方言可能漏字或错字，专业内容（医疗/法律/财经）建议人工复核。
  • 非 100% 还原：已自动去语气词/口误/重复，但极端口音或强背景音乐仍可能干扰。
  • 长视频耗时更久，且受平台单任务时长/并发限制；超长内容建议分段处理。
  • 本技能产出的是「文字」，不替代字幕烧录、视频剪辑、专业翻译审校——这类需求请用对应工具。

5. 🧺 参数速查

入口：node scripts/video2text/index.js（表中省略，相对技能根目录）

参数	别名	说明	必填
--file <URL或路径>	-F	视频链接（抖音/小红书等公网 URL）或本地文件路径	与 --id 二选一
--id <任务ID>	-I	历史任务ID；传 last 复用上一次任务	与 --file 二选一
--prompt <提示词>	-P	想要什么写什么；不填就给完整转写稿	可选
--help	-h	看帮助（退出码 0）	可选

写法约定（详见第 10.4 节）：--file=路径 等号写法也认；--file 路径 空格写法也认；裸跟一个值当 --file 用。

--id last 靠本地 tmp 目录里记的上次任务ID，只保 24 小时，过期就得重新用 --file 解析。

6. 🧠 执行决策（AI 准确调用的核心）

按下面的优先级把用户的话翻译成命令：

1. 有没有「新视频」？ 有链接或本地路径 → 一律用 --file。
2. 是不是接着上一次聊？ 没有新视频、想复用刚才的结果 → 用 --id last（24 小时内有效）。
3. 用户要总结 / 改写 / 提取 / 分析吗？ 把要求原样塞进 --prompt；没给 --prompt → 默认输出完整转写稿。
4. 链接和「上次任务」同时给了？ 优先听 --id（避免重复解析、重复计费）。
5. 一条命令只处理一个视频。 多个视频请逐个调用或用 shell 循环。

口诀：有链接/路径 → --file；没新视频、接着上次聊 → --id last；要加工 → 塞 --prompt；都没给 prompt → 全文转写。

7. 🗣️ 自然语言 → 命令（照这张表转）

用户说的话	就执行这条命令
提取 https://example.com/video.mp4 里的文字	node scripts/video2text/index.js --file "https://example.com/video.mp4"
总结这个视频的核心观点 https://example.com/video.mp4	node scripts/video2text/index.js --file "https://example.com/video.mp4" --prompt "总结这个视频的核心观点"
把本地 /path/to/video.mp4 改成小红书风格文案	node scripts/video2text/index.js --file "/path/to/video.mp4" --prompt "改写成小红书风格的文案"
用刚才分析的视频提取所有金句	node scripts/video2text/index.js --id last --prompt "提取视频中的所有金句"
分析这个视频的情感基调和受众	node scripts/video2text/index.js --file "<URL或路径>" --prompt "分析视频的情感基调和目标受众"

转命令口诀：有链接/路径 → --file；没新视频、接着上次的聊 → --id last；要总结/改写/提取/分析 → 塞进 --prompt；链接和任务ID都给了 → 听 --id 的；--prompt 没给 → 默认全文转写。

上表第 1、2、3、4 行与 frontmatter 的 examples 一一对应，两处必须同步修改（见第 10.8 节自检清单）。

8. 💬 Prompt 模板库（照抄就能用）

用户想要	--prompt 这样填
完整转写	（不用 --prompt，出全文）
要点总结	请用三个要点总结这个视频的核心内容
小红书文案	将这段内容改写成一篇风趣幽默的小红书文案，带表情符号和话题标签
抖音短标题	提炼 5 个适合抖音的爆款短标题
公众号文章	将内容整理成一篇结构清晰的公众号文章，含导语和结尾升华
口播稿	改写成口语化口播稿，句子短、节奏快
金句提取	提取视频中的所有金句，逐条列出
人物对话	提取全部人物对话，标注说话人
分镜头脚本	拆解视频分镜头脚本，含画面描述与台词
会议纪要	整理成结构化会议纪要：议题、结论、待办事项
情感与受众分析	分析视频的情感基调和目标受众
中英互译	将全文翻译成英文（或：将英文翻译成中文）

9. 🌐 适配与变体（Adaptability · A）

同一个能力，要能接住用户千变万化的说法与场景：

• 平台适配：除抖音、小红书，公开可直链/可下载的视频页（如 B站、视频号、微博等）也能解析；解析不了的，引导用户先下载成本地文件再传路径。
• 指代适配：用户说「刚才那个 / 这个视频 / 上一条」→ 用 --id last；给了具体链接或路径 → 用 --file。
• 输出格式适配：默认纯文本；要 JSON / 表格 / 分点大纲，在 --prompt 里写明格式即可（如「输出为 JSON，含 title、summary、bulletPoints 三字段」）。
• 语言适配：视频可为中文/英文/方言；--prompt 用哪种语言，产出就跟随哪种语言（如「翻译成英文」即出英文稿）。
• 说法适配：同义触发词已在第 0 节与 tags 覆盖（视频转文字 / 字幕提取 / 语音转写 / 口播稿 / 提取文案…），换种说法也能命中。
• 规模适配：单次只处理一个视频；要批量，用 shell 循环并控制并发，避免触发限流。

10. 📐 规范约定（Convention · C）

本技能严格遵循 Agent Skills 规范，便于注册、检索与编排。以下每一项都可被机器校验。

10.1 技能标识（三处必须一致）

项	约定	本技能取值
name	kebab-case，仅小写字母/数字/连字符，≤64 字符	guaikei-video2text
技能包目录名	与 name 完全一致	guaikei-video2text/
package.json.name	与 name 完全一致	guaikei-video2text
文档 H1	「中文名 +（name）」	# 视频转文字（guaikei-video2text）
version	SemVer，与 package.json.version、打包目录名一致	1.0.1

10.2 Frontmatter 字段约定

字段	必填	规范	本技能
name	✅	kebab-case，≤64 字符	guaikei-video2text
description	✅	≤1024 字符；必含「做什么 + 何时触发 + 何时不触发」；第三人称陈述，不写「我」	176 字符，含否定边界
version	建议	SemVer MAJOR.MINOR.PATCH	1.0.1
license	建议	SPDX 标识符	MIT
author / homepage	可选	便于溯源	已填
compatibility	建议	运行环境与前置条件，一句话说清	已填（Node ≥16.14 + TOKEN + 仅连 guaikei.com）
metadata	可选	平台扩展字段，禁止把正文内容塞进来	enabled/type/runtime/requires
tags	建议	≤30 个，去重，中英双覆盖，与 package.json.keywords 单一事实来源	30 个
examples	建议	顶层字段；每条含 name + command，且 command 可复制即跑	4 条

YAML 书写约定：2 空格缩进、LF 换行、UTF-8 无 BOM、不使用 Tab、长字符串一律加引号。

10.3 目录结构约定

text

guaikei-video2text/                # 目录名 == name
├── SKILL.md                  # 唯一入口文档，Agent 只读这一个文件
├── package.json              # name/version/keywords 与 SKILL.md 对齐
├── README.md                 # 给人看，不复述 SKILL.md，避免双份维护
└── scripts/
    ├── video2text/index.js   # 唯一命令入口（约定路径，不可改名）
    ├── api/                  # 服务端接口封装
    ├── config/               # 常量配置
    └── utils/                # 参数解析、校验、下载、上传、清理

• 所有资源用相对技能根目录的路径引用，不引用技能目录之外的文件。
• 临时文件只写系统 tmp 目录，进程内自动清理过期文件（见第 14 节）。
• 详细参考资料若有，放 references/，由 SKILL.md 显式链接（渐进式披露）。

10.4 命令行接口约定（CLI Contract）

• 唯一入口：node scripts/video2text/index.js，全文档与 examples 保持一致。
• 参数命名：长参数 kebab-case 小写（--file / --id / --prompt / --help），短参数单字母大写（-F / -I / -P / -h）。
• 三种写法都认：--file X、--file=X、裸值（兜底为 --file）。
• --help 永远可用，输出用法后退出码 0，不触发任何网络请求。
• 参数定义单一事实来源：scripts/utils/args.js 的 SCHEMA ↔ 第 5 节参数表 ↔ --help 输出，三处同步。

10.5 退出码约定

退出码	含义	Agent 该做什么
0	成功；或 --help / 无参数打印帮助	正常读 stdout
1	参数错误、下载失败、上传失败、任务失败	按第 13.2 节修正后重跑，勿原样重试
3	未配置或无效 GUAIKEI_API_TOKEN（未发起计费请求）	提示配置 TOKEN，重试无意义
2 及其他	保留未分配	不使用 2（留给 shell 误用语义），避免歧义

10.6 I/O 约定（Unix 惯例）

• stdout 只有最终文案：纯文本、无前缀、无日志、无进度条，可直接 > result.txt 或接管道。
• stderr 只有诊断：进度、日志、错误，绝不混入给用户的内容。
• 非交互：不读 stdin、不依赖 TTY、不弹确认框，可在 CI / 编排链路中安全调用。
• 编码：UTF-8 输出，跨平台（macOS / Linux / Windows）行为一致。

10.7 文档约定

• 单一事实来源：同一事实只在最相关的章节出现一次，其余用「见第 N 节」引用，避免多处维护漂移。
• 示例可复制：所有命令示例可直接粘贴执行，占位符统一写成 <URL或路径>。
• 不复述代码：文档描述行为与契约，不粘贴实现细节。
• 渐进式披露：SKILL.md 保持单文件可读（控制在 500 行以内），长篇参考资料下沉到 references/。
• 术语一致：全文统一称「文案」「任务ID」「TOKEN」，不混用「稿件」「jobId」「密钥」。

10.8 发布前自检清单（逐项打勾）

• name / 技能包目录名 / package.json.name 三处完全一致
• version 在 SKILL.md、package.json、打包目录名三处一致
• description ≤1024 字符，含触发条件与不触发边界
• YAML 可被解析：无 Tab、无 BOM、LF 换行、字符串已加引号
• tags ≤30 个、已去重，且与 package.json.keywords 完全一致
• examples[].command 与第 7 节表格、第 5 节参数表一致，且可复制即跑
• 文档中引用的 scripts/** 路径真实存在
• 退出码表与 scripts/video2text/index.js 实际行为一致
• 文案只走 stdout、诊断只走 stderr
• 无硬编码 TOKEN；错误提示中性、不含营销内容

11. 🎯 效果最大化（Effectiveness · E）

让用户花最少力气拿到最好结果：

• Prompt 越具体越好：与其「总结一下」，不如「用 3 个要点总结核心观点，并单独列出一句最打动人的金句」。
• 转写即润色：已自动去语气词/口误/重复，稿子直接可用，一般不必二次清洗。
• 复用省时省钱：长视频首次解析后，后续提取/改写/翻译都用 --id last，避免重复解析与计费。
• 选对计费档：短视频走「<1 分钟档（0.1 元/10 秒）」更划算；长内容走「≥1 分钟档（0.6 元/分钟）」。
• 难搞的源先本地化：加密/会员链接先下载成文件再传，解析成功率更高。
• 质量预期管理：口播、访谈、课程类效果最佳；纯音乐、强噪声、多人抢话会下降，必要时人工复核。

12. 📜 输出怎么读（AI 必看）

拿到什么	从哪拿	说明
最终文案	stdout	干净稿子，可直接 > result.txt 或接管道
进度 / 日志 / 错误	stderr	别把它当文案念给用户
成功 / 失败	退出码	0 = 成功；1 = 参数错或任务失败；3 = 没配 TOKEN（不扣费）

铁律：文案只认 stdout。 stderr 里是进度条和日志，别混着输出给用户。完整契约见第 13.3 节。

13. 🔧 可靠性契约（Reliability · R）

让 Agent 每次调用都「可预期、可校验、可恢复」。严格照此硬规则执行，可靠性才有保障。

13.1 调用前自检（Pre-flight，先过这关再跑）

• GUAIKEI_API_TOKEN 已设置且非空（否则必以退出码 3 失败，白跑一轮）。
• 提供了 --file 或 --id 二者之一（详见 13.2）。
• 若用 --file 且为本地路径：先确认文件存在；为 URL：确认是 http(s) 且来自抖音/小红书等公开平台。
• 单次只传一个视频，不要在一行命令里塞多个。

13.2 输入校验与冲突解决（硬规则，不靠猜）

情况	行为
完全不带参数	打印帮助并退出码 0，不发起请求
有参数但既没给 --file 也没给 --id	拒绝执行，提示必须提供其一（退出码 1）
--file 与 --id 同时给	以 --id 为准，不重复解析、不重复计费
--file 是非法路径 / 无法访问的 URL	任务失败（退出码 1），先让用户换可访问源
--id last 但本地无记录	明确报「未找到上一次的任务ID」，不傻等、不重试
--id 非 last 且查不到	明确报「任务ID不存在」，不傻等、不重试
--prompt 为空	输出完整转写稿（默认行为，不是错误）

13.3 输出契约（stdout 长这样，可预期）

• 唯一产出在 stdout：干净的纯文本（转写稿或 --prompt 衍生文案），无多余前缀、无日志、无进度条。
• stderr 永远不是文案：只含进度 / 日志 / 错误，绝不混进给用户的内容。
• 可管道 / 可重定向：> result.txt 或接后续处理都不会夹带脏数据。
• 确定性预期：同一媒体转写结果稳定；--prompt 衍生文案可能每次略有差异，属正常，不影响可靠性。
• Agent 取结果时：只读 stdout；把 stderr 当诊断，不当产物。

13.4 重试与幂等（失败怎么救，不瞎重试）

失败类型	是否重试	做法
退出码 3（TOKEN 问题）	否	先让用户配好 TOKEN 再重跑；重试无意义
退出码 1 + 参数错	否	按 13.2 修正参数后重跑，原样重试必再失败
链接失效 / 文件损坏 / 超时	可	同一条 --file 重试安全（失败不扣费、幂等）；仍失败就换源
任务ID不存在	否	改用 --file 重新解析，别死磕旧 ID
任务进行中（长视频轮询）	否（等即可）	进度在 stderr；中途退出后用 --id last 取，不重复发起

13.5 超时与轮询边界

• 长视频会自动轮询直到完成，进度打到 stderr；不要自行加 timeout 杀进程导致半途而废。
• 中途退出没关系：24 小时内用 --id last 回取结果，不重复计费。
• 无「全局超时」强杀需求时，让命令自然跑完最可靠。

14. 🛡️ 出错了怎么办（速查，详见第 13 节契约）

• TOKEN 没配 / 不对：以退出码 3 立刻退出并输出中性错误提示（不扣费、不附带营销文案、联系方式或官网链接），提示用户去配置即可。
• 链接失效 / 文件坏 / 超时：任务失败不扣费，错误信息看 stderr；按 13.4 可安全重试。
• 任务ID不存在：明确报错（如「任务ID不存在」），不傻等、不重试（见 13.4）。
• 视频很长：进入轮询等待，进度在 stderr 里刷；急的话先干别的，回头用 --id last 取结果。
• 网上的视频：先自动下到系统 tmp 目录再上传，过期的临时文件每次运行自动清。

15. 💰 计费（按量付费，无最低消费）

档位	单价	结算粒度	适合
视频时长 ≥ 1 分钟	0.6 元/分钟	10 秒为最小单位	课程、会议、长访谈
视频时长 ＜ 1 分钟	0.1 元/10 秒	10 秒为最小单位	短视频、片段素材

• 算账：86 秒 = 0.6 + 0.1×3 = 0.9 元；10 分钟 = 10×0.6 = 6 元。
• 失败不扣费（链接失效 / 文件损坏 / 超时）；用量大可谈阶梯价。

16. 🤔 常见问题

1. 跟 Whisper / FFmpeg 比强在哪？ 它们给你原始流水稿（口误、语气词全在），本技能转写即润色、还能带任意 Prompt 定制产出，云端跑不占本地算力，用完自动删源文件。
2. 视频安全吗？ 传输加密、单次解析、用完即焚，不存储不外泄不训练。
3. 一个长视频要等多久？ 越长越久，命令会轮询等待并把进度打到 stderr；中途退出也不怕，一小时内可用任务ID（或 24 小时内用 --id last）回来取结果。

17. 🤝 联系与商务

• TOKEN 申请 / 技术咨询 / 错误反馈：微信 13395823479
• 官网：https://www.guaikei.com
• 大客户阶梯优惠、企业定制对接：联系上述微信洽谈

18. 📊 TRACE 五维对照（自评速查）

维度	含义	本技能如何达成	对应章节
T Trust	安全、诚实、可信赖	只连 guaikei.com、用完即焚、失败不扣费、中性错误、明示已知局限	4、14、15
R Reliability	可预期、可校验、可恢复	调用前自检、输入校验硬规则、输出契约、重试/幂等矩阵、轮询边界	13
A Adaptability	适配多样说法/场景	多平台、指代/格式/语言/说法/规模适配	0、9
C Convention	符合 Agent Skills 规范	三处标识一致、完整 frontmatter（version/compatibility/tags/examples）、目录结构约定、CLI 与退出码契约、I/O 与文档约定、发布前自检清单	10
E Effectiveness	高效达成目标	Prompt 模板库、转写即润色、复用省成本、效果最大化 tips	8、11