Claude Video Skill：让 Claude 真正「看懂」任意视频的视觉理解神器

Claude Video Skill：让 Claude 真正「看懂」任意视频的视觉理解神器

你曾经试过给 Claude 一个 YouTube 链接，问它视频里发生了什么吗？它只能靠标题猜，或者拉一个残缺的字幕——屏幕上的内容、画面的信息，它全都「看不见」。Claude Video 解决的就是这个问题：把任意视频（YouTube、Loom、本地录屏等）变成 Claude 能一帧帧观看的素材，让它真正具备视频理解能力。

功能与原则

Claude Video 是一个 Claude Code Agent Skill（/watch 命令），核心能力包括：

• 下载视频：支持 yt-dlp 能抓取的数百个平台（YouTube、Loom、TikTok、X、Instagram 等）或本地路径（.mp4、.mov、.mkv、.webm）
• 提取关键帧：ffmpeg 智能采样，scene-aware 模式优先抓场景变换帧，效率模式只抽关键帧，避免浪费 token
• 获取字幕：优先用平台原生字幕（免费、即时），没有字幕则调用 Whisper API 转录（Groqu faster-whisper 或 OpenAI whisper-1）
• 帧去重：提取后自动做 16×16 缩略图亮度对比，去掉近重复帧再送入 Claude
• 按需聚焦：可指定时间范围（--start / --end），只分析特定片段，大幅节省 token

设计原则：Claude 看到的不只是文字，是画面和音频的完整信息。不是「基于标题回答」，而是「看完了再回答」。

认可度

• GitHub Stars：12,430（截至 2026-07-29）
• 今日 GitHub Trending 上榜（出现在 trending 列表中）
• 支持 50+ Agent Skills 宿主：Claude Code、Codex、Cursor、Copilot、Gemini CLI 等
• 已在 Agent Skills 生态（agentskills.io）上架

链接

GitHub：https://github.com/bradautomates/claude-video

原作者

bradautomates（GitHub @bradautomates），专注于为 AI Agent 扩展多模态能力的独立开发者。旗下还有 claude-browser 等系列工具。

介绍

Claude 原本只能读文本和代码，无法感知视频内容。当你发一个教程视频给它，它只能猜；当你发一个 Bug 录屏，它也只能问你要截图。Claude Video 将 /watch 命令引入 Claude Code，等于给 Claude 装上了一双眼睛。

工作流程是：用户粘贴视频 URL 或本地路径 + 一个问题 → yt-dlp 优先拉字幕（无字幕才下载音频）→ ffmpeg 按策略提取关键帧 + 去重 → Whisper 转录时间戳字幕 → 所有素材打包给 Claude → Claude 以「看过视频的人」的身份回答。全部在本地完成，帧文件自动清理。

支持的宿主广泛，既可以通过 /plugin marketplace add 安装到 Claude Code，也可以用 npx skills add 装到任何兼容 Agent Skills 标准的平台。

特点

• 零配置启动：macOS 上 yt-dlp 和 ffmpeg 会自动通过 brew 安装；Linux/Windows 输出安装命令；字幕大多数公开视频免费获取，无需 Whisper key
• Token 预算可控：自动帧数上限（≤30s ~30帧；3–10min ~80帧；>10min 封顶 100 帧）；支持聚焦模式（--start / --end）二次分析
• 字幕优先策略：有字幕的 URL 直接拉字幕，0 帧消耗，速度约 4.5 秒；没有字幕才走 Whisper API
• 帧去重算法：基于亮度差的去重（阈值 2.0），避免同一画面重复计费；慢淡出也能正确处理
• 多宿主兼容：Claude Code（推荐）、Codex、Cursor、Copilot、Gemini CLI、CocoLoop、Smithery 等 50+ 平台

使用方法

安装（Claude Code，推荐）：

/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video

安装（其他宿主）：

npx skills add bradautomates/claude-video -g   # 全局安装

基本调用：

/watch https://youtu.be/xxxx what is the main argument?

指定时间范围：

/watch bug-repro.mov --start 0:30 --end 1:00 what's going wrong here?

聚焦模式（更细粒度）：

/watch https://youtu.be/xxxx --detail token-burner   # 全帧模式，无上限

首次运行会自动提示安装 yt-dlp / ffmpeg（macOS 通过 brew，其他系统输出命令）。

使用场景与人群

• 视频内容分析：短视频钩子结构、竞品发布视频、教程类视频的核心要点提取（不用自己看完）
• Bug 诊断：收到录屏时直接丢给 Claude 分析，不用打开文件
• 学习笔记：把课程视频、演讲转为文字笔记；播放列表可批量跑生成 per-video 摘要
• 去 hype 读产品更新：发布会视频 / 功能介绍视频 → 提取「真正新的是什么」
• 适用人群：开发者、内容创作者、产品经理、研究者——任何需要从视频中提取可操作信息的人

输入与输出案例

案例 1：视频问答

输入：/watch https://youtu.be/dQw4w9WgXcQ what happens at 0:30?
输出：At 0:30, the camera pans to reveal...
（Claude 基于提取的帧 + 时间戳字幕回答，画面级细节）

案例 2：Bug 录屏诊断

输入：/watch bug-repro.mov what's going wrong?
输出：The error occurs at t=00:47 — the dropdown menu fails to close
when clicking outside, leaving an open modal blocking the submit button.
（Claude 找到出问题的帧，描述画面，给出诊断）

GitHub: https://github.com/bradautomates/claude-video