Claude Watch Skill：让 AI 直接看懂任意视频的结构化分析工具

Skill超级捕获手 技术创作者 2026-08-31 12 阅读

Claude Watch Skill：让 AI 直接”看懂”任意视频的结构化分析工具

Claude Watch 是一款让 Claude 直接观看并分析任意视频的 Agent Skill——粘贴一个 YouTube/本地视频链接，Claude 自动完成下载、抽帧、语音转文字、多帧图像读取，最后输出一份包含 TL;DR、关键节点、开头钩子拆解、引用片段的结构化报告。它打通了视频这种 LLM 此前无法直接处理的”盲区”，用法覆盖竞品内容分析、Bug 录屏诊断、视频摘要三大场景。截至 2026-08-31，GitHub 约 718 星、近两周持续出现在 Python 日榜 trending，是近期值得关注的垂直场景 Skill。

功能与设计原则

Claude Watch 的核心设计理念是：让视频内容与文本、图像处于同一输入层级。传统 LLM 可以读取网页、运行脚本、分析代码，但面对视频只能靠标题和字幕瞎猜——这正是 /watch 要填补的缺口。它不依赖模型原生视频理解能力，而是将视频拆解为 LLM 可以处理的文本（字幕）+ 图像（关键帧）+ 音频（Whisper 转写）三层信息，再由 Claude 做综合分析。

整体采用 Pipeline 架构：yt-dlp 下载 → ffmpeg 抽帧 → 字幕/Whisper 转写 → Claude 读帧 + 脚本生成报告 → 可选 Obsidian 自动存入知识库。全程无需人工介入。

认可度

  • GitHub Stars：约 718（截至 2026-08-31，segmentfault 当日热榜抓取数据），Forks 约 144
  • Trending 记录：2026-08-31 当日现身 GitHub Python 语言 trending 日榜
  • 技能市场：发布于 Claude Code 插件市场（/plugin marketplace add taoufik123-collab/claude-watch），支持 Claude.ai Web、Codex 等多端安装

链接

GitHub：https://github.com/taoufik123-collab/claude-watch

原作者

taoufik123-collab（GitHub 个人账号），MIT License，开源社区维护。

介绍

Claude Watch 起源于一个朴素的日常痛点：刷到一个爆款视频，想知道它的开头钩子怎么设计、结构怎么组织，以前只能自己坐下来用笔记本看。现在只需把链接扔给 /watch，Claude 会自动完成全部分析。

Pipeline 分四步走：下载（yt-dlp 支持 YouTube、Loom、TikTok、X、Instagram 等数百个平台，本地 .mp4/.mov/.mkv/.webm 也可直接传入）→ 抽帧（ffmpeg 按场景切换检测，只抓真实镜头切换点，而非固定间隔均匀采样，Token 消耗不随视频时长膨胀）→ 转写（优先用视频自带字幕免费获取，平台无字幕时走 Groq/OpenAI Whisper API）→ 分析（Claude 逐帧读图，结合时间戳字幕，输出结构化报告）。

报告内容固定包含：TL;DR、关键节点时刻表、开头 0-10 秒钩子显微镜（含逐帧 + 逐词 Whisper）、编辑画像、可引用片段、提及实体/概念，以及完整转写文本。

另有 Obsidian 自动存入功能（$WATCH_VAULT_DIR 环境变量指向知识库路径），看过的视频自动变成一条互相关联的 Wiki 条目，无需手动复制粘贴。

特点

  • 场景切换抽帧：ffmpeg select=gt(scene,...) 按真实镜头切换点采样，Token 消耗与视频时长解耦
  • 开头钩子显微镜：前 10 秒 2fps 密集采样 + 逐词级 Whisper，精确还原每一个画面切换与语音落点
  • 多格式兜底转写：平台字幕（免费）→ Whisper API（按需），自适应不翻车
  • 多端安装：Claude Code（/plugin marketplace）、Claude.ai Web（手动上传 .skill 文件）、Codex / 通用 px skills
  • 零配置起步：macOS 首跑自动通过 brew 安装 yt-dlp 和 ffmpeg，Linux/Windows 输出安装命令

使用方法

Claude Code 安装：

/plugin marketplace add taoufik123-collab/claude-watch
/plugin install watch@claude-watch

Claude.ai Web：从 GitHub Releases 下载 watch.skill，手动导入 Settings → Capabilities → Skills

Codex / 通用：

git clone https://github.com/taoufik123-collab/claude-watch.git ~/.codex/skills/watch

基本调用：

/watch https://youtu.be/xxxxxxxx how does this creator hook viewers in the first 45 seconds?

首次运行自动安装 yt-dlp 和 ffmpeg（如未安装）。无字幕平台自动回退 Whisper，转写精度由平台字幕质量或 API Key 决定。

使用场景与人群

  • 内容创作者 / 运营：分析竞品视频的开头结构、钩子设计、节奏分布，不用真的逐帧看完
  • 产品 / 市场调研：快速提取长视频（播客、采访、线上分享）的核心信息，比 2 倍速刷更高效
  • 开发者：接收 Bug 复现录屏时直接让 Claude 看帧定位问题，减少来回截图确认
  • 知识工作者：将看过的视频自动存入 Obsidian，形成可检索的第二大脑素材库

输入与输出案例

输入 1：

/watch https://youtu.be/iYG5tiFfK3E how does this creator hook the viewer in the first 45 seconds?

输出 1：

  • TL;DR：3 秒内出现文字 + 人声双通道进入，第 5 秒完成第一次视觉信息密度提升
  • 钩子显微镜：0-10 秒逐帧描述 + 逐词 Whisper，标注每个画面切换与语音重叠节点
  • 关键节点时刻表：标注了第 3、12、28、45 秒的叙事转折点

输入 2：

/watch bug-repro.mov what's going wrong?

输出 2：

  • 帧号 + 时间戳定位到问题首次出现的画面（鼠标悬停某按钮时 UI 状态异常）
  • 结合转写文本描述操作步骤，Claude 推断出根因是前端状态更新未阻断并发请求

GitHub: https://github.com/taoufik123-collab/claude-watch

评论区

0 条评论

登录后可评论。

Skill超级捕获手 12 阅读