video-to-skill (opentoolsorg/video-to-skill) + Claude Code / Codex部分实测🌏 海外

video-to-skill 把一条 YouTube 技术分享做成 Agent 技能包:每条要点带 [mm:ss] 时间戳和「看到 / 推测 / 未知」证据标签,聊到相关话题时 Agent 会自动加载

海外开发者 @prince_twets(prince)做的 video-to-skill:给一个 YouTube 链接或本地视频,按 summarize CLI → yt-dlp 字幕 → 本地 Whisper 的顺序拿转写,再让 Agent 写成 SKILL.md + 分段笔记、速查表、术语表、时间戳跳转表,每条结论标 [mm:ss] 和 [seen]/[guessed]/[unknown],最后用 validate.py 检查。他第一个实测是把一条讲 Vercel CEO 生产级 AI 工程做法的视频转成 vercel-ceo-skill 并公开。我们跑了它的环境检查和单元测试,用校验器检查了作者公开的成品(通过,245 个证据标签),也试了从服务器抓 YouTube 字幕(被 429 限流)。

访问官网 video-to-skill (opentoolsorg/video-to-skill) + Claude Code / Codex ↗
定价
免费
地区
海外
出自哪里
海外社区
上架日期
2026 年 10 月 28 日
实测日期
2026 年 10 月 28 日
用的版本
video-to-skill v2 (opentoolsorg/video-to-skill @ 9cdf066, 2026-10-24); yt-dlp 2026.10.26; Python 3.13
分类
调研搜索编程开发
原作者
prince @prince_twets ↗
我们实测
部分实测
成本 / 耗时
技能 MIT 免费;summarize、yt-dlp、ffmpeg、faster-whisper 都免费。写技能包用的是你自己的 Claude Code / Codex 额度,长视频转写较长,token 花费随视频长度上升。
来源
X @prince_twets ↗GitHub opentoolsorg/video-to-skill ↗GitHub princepal9120/skills (vercel-ceo-skill) ↗

要解决的事

把看过的技术分享、教程、访谈里的做法沉淀下来,让编程 Agent 在相关任务时自动用上,而且每条都能回到视频原处核对,避免自动字幕听错的词变成「事实」。

步骤

  1. 装技能:`git clone https://github.com/opentoolsorg/video-to-skill ~/.claude/skills/video-to-skill`(Codex 放 `~/.codex/skills/`;README 里的 princepal9120/video-to-skill 地址会跳转到这里)。
  2. 装依赖:推荐 `npm i -g @steipete/summarize`(作者称能绕开 YouTube 的 429 机器人检查),再装 `yt-dlp`、`ffmpeg`;没有字幕的视频或本地文件需要 `pip3 install faster-whisper`。
  3. 自检:`python3 scripts/extract.py --check`,看哪一级提取可用。
  4. 在 Claude Code 里运行 `/video-to-skill <视频链接> <技能名>`;也可以先单独跑 `python3 scripts/extract.py <链接>` 只拿转写和元数据。
  5. Agent 读转写,按「框架 / 做法 / 演示 / 反模式」整理,写出 SKILL.md(≤4k token)和 segments、cheatsheet、patterns、glossary、timestamps、sources 等文件,每条带 [mm:ss] 和 [seen]/[guessed]/[unknown]。
  6. 跑 `python3 scripts/validate.py <技能目录>`,再自己翻一遍 sources.md 里的「证据账本」:哪些是视频里说的、哪些是推测。
  7. 放进技能目录,之后在相关任务里 Agent 会按描述自动加载;拿不准的点按时间戳回看原视频。

提示词

/video-to-skill https://www.youtube.com/watch?v=<视频ID> <技能名> 用视频原本的术语;每条结论都要带 [mm:ss] 和 [seen]/[guessed]/[unknown];自动字幕可能听错的专有名词标 [guessed] 并写明原字幕;赞助口播略过;写完跑 validate.py,并把 references/ 或 segments/ 下所有文件也检查一遍有没有本机绝对路径。

原文怎么说

@prince_twets:技术分享看完一周忘掉 80%,于是做了 video-to-skill。输入 YouTube 链接或本地视频,输出 SKILL.md、分段深读、速查表、术语表、完整时间戳跳转表;每条结论引用 [mm:ss],并标 [seen]/[guessed]/[unknown],「自动字幕会听错,标签让错误不会变成事实」;validate 检查 frontmatter、时间戳、证据标签并去掉私有路径;提取按 summarize CLI、yt-dlp、本地 Whisper 逐级兜底;纯 Markdown,支持 Cursor、Claude Code、Codex 等。流程「看完 → 运行 /video-to-skill → 看证据账本 → 放进技能目录」,几分钟。首个实测:Vercel CEO 讲生产级 AI 工程 → vercel-ceo-skill(不变量契约、方向审计、对抗式 breaker agent),每点链回时间戳。

我们实测

没有在 Claude Code 里跑完整的 /video-to-skill,没有自己生成技能包,也没装 summarize CLI / faster-whisper。我们浅克隆仓库(commit 9cdf066,2026-10-24),跑了 `extract.py --check`、自带的 test_vts.py,在 venv 装 yt-dlp 2026.10.26 后对作者示例用的 YouTube 视频跑 extract.py;再克隆作者的 princepal9120/skills,用 validate.py 检查公开的 vercel-ceo-skill,并构造了两个故意出错的副本。

我们亲自试下来:环境检查正确识别出本机只有 ffmpeg;4 个单元测试全过。YouTube 字幕下载在我们服务器上返回 HTTP 429,extract.py 没崩,给出安装 faster-whisper 的提示后跳过。作者的 vercel-ceo-skill(SKILL.md + 12 个 references 文件)校验 PASSED,全包共 215 个 [seen]、19 个 [guessed]、11 个 [unknown]。删掉 SKILL.md 里的时间戳后校验 FAIL(「zero timestamp citations」);但把 /Users/... 私有路径写进 references/patterns.md 仍 PASS,写进 SKILL.md 才 FAIL——说明校验覆盖不到 references/ 目录。

怎么用上

原帖在 X(英文),代码在 GitHub(英文 README)。依赖 YouTube:国内需能访问 YouTube,或改用本地视频文件 + faster-whisper;B 站等平台视频可以试 yt-dlp 支持的链接。

适合谁

常看英文技术分享、课程、访谈,又想让编程 Agent 记住其中做法的开发者;需要把视频知识整理成可核对笔记的团队。

踩坑提示

  • 我们实测:从云服务器用 yt-dlp 抓 YouTube 字幕直接 HTTP 429,extract.py 随后提示「没有字幕也没有本地语音识别」并跳过;服务器上跑要装 summarize CLI 或 faster-whisper,或在本机跑。
  • 我们实测:validate.py 只扫顶层 *.md 和 segments/*.md;作者自己公开的 vercel-ceo-skill 把详细内容放在 references/ 下,这部分不会被检查——我们往 references 里塞了一个 /Users/... 私有路径,校验照样 PASS。
  • 校验器只检查「整个包里至少出现过一个时间戳和一个证据标签」,不是逐条检查;「每条都有标签」要靠 Agent 自觉和你自己翻。
  • 作者说的「Vercel CEO 演讲」实际来源是 AI LABS 频道对访谈的拆解视频(sources.md 里写明了),不是 CEO 原话;部分 [seen] 还参考了操作者笔记。二手视频转出来的技能要按二手资料看待。
  • 仓库很新(GitHub 约 1 星),作者只公开了一个成品示例;README 写的 segments/ 结构和示例实际用的 references/ 不一致。
  • 自动字幕会把专有名词听错(示例里 claw.md → CLAUDE.md 被标成 [guessed]),重要结论一定按时间戳回看。

同类用例