zhinkgit/normalskills/video-analyzer

工作流程

第一步：明确异常描述

从用户消息中提取：

1. 视频文件路径（必须）
2. 要找的异常现象（必须）——如果用户没说，问一句："请描述一下视频中应该出现什么异常？比如数值跳位、界面卡死、报告编号不连续等。"

第二步：提取帧

python "<SKILL_DIR>/scripts/extract.py" "<视频路径>" [--fps N] [--max-frames N]

• <SKILL_DIR> 是本 SKILL.md 所在目录的绝对路径
• 默认最多提取 60 帧（通常足够）；如视频较长或需要更细粒度，用 --max-frames 调大
• 如果用户关心快速变化的内容（如数字跳变），可用 --fps 指定更高帧率（如 --fps 5）
• 脚本输出 MANIFEST=<路径> 一行，以及完整帧列表

第三步：逐帧视觉分析

读取每一张帧图片（用 Read 工具读取图像文件），结合用户描述的异常现象，分析画面内容：

分析策略：

• 按时间顺序逐帧观察，记录每帧的关键信息（显示的数值、状态、界面元素）
• 与前一帧对比，找出异常变化点
• 对于"数值跳位"类异常：记录每帧的数值变化序列，标记出跳变位置
• 对于"状态异常"类：关注界面状态切换是否符合逻辑
• 对于"报告不连续"类：关注序号、编号、记录号是否有跳跃

效率技巧：

• 先快速浏览首帧、末帧和几个中间帧，建立对画面内容的理解
• 再针对可疑区域密集分析
• 如果帧数较多（>20），可先每隔 3-5 帧读一张做粗扫，确定大致范围后再细看

第四步：输出分析结果

向用户汇报：

1. 视频基本信息（时长、分辨率）
2. 逐帧内容摘要——简述每帧画面的关键数据/状态
3. 发现的异常——精确到时间戳，描述"X 时刻 → Y 时刻 发生了什么"
4. 分析结论——结合用户提供的代码或背景，推测可能的原因

第五步（可选）：保存分析报告

如有必要，将分析结论写入输出目录下的 analysis_report.md：

<视频所在目录>/video-analyzer/<视频名>/analysis_report.md

参数说明

经验参考：

• 6 秒视频，默认约 10fps → 60 帧，可以看到每 0.1 秒的变化
• 60 秒视频，默认 1fps → 60 帧，每秒一张
• 关注细微数字变化：用 --fps 5 或更高
• 只需快速定位大致位置：用 --max-frames 20

config.json

只存 ffmpeg 路径，首次运行时自动生成：

{
  "ffmpeg_path": "C:/ffmpeg/bin/ffmpeg.exe"
}