视频总结 skill：让 Claude Code、OpenClaw、Hermes 读懂 B站、抖音、YouTube 链接

# Claude Code、Cursor、Codex、OpenClaw、Trae 等（skills CLI）
npx skills add jcaiagent7143-ui/linkdigest-mcp --skill bilibili-video-to-text

# Hermes Agent
hermes skills install jcaiagent7143-ui/linkdigest-mcp/skills/bilibili-video-to-text
hermes skills install clawhub/bilibili-video-to-text   # 或从 ClawHub 安装

# OpenClaw（ClawHub）
clawhub install jackchew7143/bilibili-video-to-text

换成表里别的技能，把名字替换掉就行。全部 25 个技能在 GitHub 仓库 jcaiagent7143-ui/linkdigest-mcp 的 skills/ 目录，MIT 许可， 每个是一份 SKILL.md 加一个只用 Python 标准库的脚本，可以先打开看它会执行什么。

• 是什么：一份 SKILL.md（告诉 agent 什么时候用、怎么用）加一个 Python 脚本。你在对话里贴链接，agent 自己运行脚本，把结果读回来。
• 读取在哪里发生：脚本只是把链接发给 LinkDigest 的接口，读取在我们的服务器上完成，返回 Markdown 或 JSON。你的电脑上不开浏览器，不装别的依赖，有 python3 就行。
• Key 放哪里：环境变量 LINKDIGEST_API_KEY，在 API 密钥 页创建，随时可以撤销。

# 装好以后，在对话里直接说：
#   “总结一下这条 B站视频：https://www.bilibili.com/video/BV1FtHg6nEE2/”
# agent 会自己运行技能里的脚本。想手动跑，命令是：

export LINKDIGEST_API_KEY=ld_live_...

python3 scripts/linkdigest.py "https://www.bilibili.com/video/BV1FtHg6nEE2/"   # BV 链接、b23.tv 短链、整段分享文字都行
python3 scripts/linkdigest.py "<视频链接>" --depth script       # 只要口播：每 2 分钟 1 积分，不收基础积分
python3 scripts/linkdigest.py "<视频链接>" --depth transcript   # 长视频：整条逐字稿 + 少量截帧
python3 scripts/linkdigest.py "<YouTube 链接>" --translate-to zh-CN   # 译成中文，+1 积分
python3 scripts/linkdigest.py "<视频链接>" --max-credits 6      # 超过 6 积分就不读、不扣
python3 scripts/linkdigest.py "<视频链接>" --format json        # 要结构化数据

结果还没准备好时，脚本会自己等；长视频要几分钟。读完后最后一行写这次花了多少积分。

• 逐字稿 527 句、29,916 字，每句带时间。
• 一份 17 节的带时间大纲，每节有起止时间、标题和要点。
• 45 积分（约 ¥6.48）；同一条只要口播是 44 积分。这个长度超过了免费账户的单条上限（60 分钟），要 Dev。

按加量包折算：$5 = 250 积分，支付宝按人民币结算 ¥36，每积分 ¥0.144。注册送 10 积分（一次性）。 任何人读过的链接再读 0 积分；读不出内容不收费。

• 不发布、不互动：不替你发 B站、抖音内容，不评论、不点赞、不私信、不自动回复。这些技能只读。
• 不登录、不要 Cookie：不用你的 B站、抖音账号，不向你要 Cookie 或密码，所以也读不了要登录才能看的内容和你自己的后台数据。
• 不下载视频、不去水印：返回的是文字（逐字稿、图上的字、要点）。视频只在读取时临时处理，读完就删，不提供下载。
• 不爬账号历史：不按账号名把一个人的全部作品抓下来。读的是你贴的链接，或一次搜索列出的那几条。

私密、已删除、平台不给外部读取的视频读不了，会说明原因，不扣积分。每个平台是怎么读的，见数据来源。

读小红书笔记的技能见 小红书 skill；抖音文案、搜索和爆款拆解的技能见 抖音 skill。 不装技能、用 MCP 或 REST 接，看接入和中文文档。 只想在网页上总结一条 B站视频，看 B站 AI 总结；要带时间的大纲当笔记，看 B站视频笔记； 其他平台的长视频见长视频转文字。

仓库里一共 25 个技能，这一页只列了读视频和播客的几个。

视频总结 skill 是什么？和直接把链接发给 AI 有什么区别？

skill（技能）是装在 Claude Code、OpenClaw、Hermes 这类 agent 里的一份说明加一个脚本。只把 B站、抖音链接发给 AI，它多半打不开视频页，更听不到视频里说的话；装了技能以后，agent 遇到视频链接会运行脚本，把这条视频读成逐字稿、画面上的字和要点，再根据这些文字写总结。

B站视频总结用哪个 skill？

bilibili-video-to-text：BV 链接、b23.tv 短链或整段分享文字都行，返回分段带时间的逐字稿、画面上的字、标题简介和要点。一小时以上的课程和讲座，加 --depth transcript 或 --depth script，每 2 分钟 1 积分。这个技能要 Key，注册送 10 积分。

OpenClaw 里怎么装？

两条路都行：clawhub install jackchew7143/bilibili-video-to-text 从 ClawHub 装；或者 npx skills add jcaiagent7143-ui/linkdigest-mcp --skill bilibili-video-to-text 直接从 GitHub 仓库装。Hermes 用 hermes skills install。装完设置环境变量 LINKDIGEST_API_KEY。

免费吗？

技能本身开源（MIT），装它不花钱；读视频按用量算积分。标 ★ 的技能没有 Key 也能先看：每个地址每天 2 条，只给摘要。注册送 10 积分（一次性，不用绑卡），1 分钟的视频 2 积分，10 分钟只要口播 5 积分。用完后支付宝 ¥9.9 买 50 积分，一次性、不订阅、不过期。任何人读过的链接再读不扣积分，读不出来也不扣积分。

多长的视频能读？

连画面上的字都读的完整读取，一条最长 10 分钟（Dev 月付 30 分钟）。只要口播（--depth script）和逐字稿优先（--depth transcript）这两档，一条最长 60 分钟，Dev 是 2 小时。YouTube 没有这两个省钱档，按完整读取算。

逐字稿是哪来的？准吗？

没有平台字幕时，逐字稿来自语音识别（OpenAI gpt-4o-mini-transcribe）。它只返回文字、不返回逐句时间：音频按最长约 170 秒一段识别，再按标点切成句子，每句的开始时间按它在这一段里的位置估算（approx 为 true，Markdown 里带 ≈）。要按秒定位，也可以看 on_screen（画面里的字，带 ≈ 时间）。普通话口播大多准确；数字、人名、英文术语和方言容易错，要引用的句子对着时间回视频核对一遍。YouTube 是另一条路：由 Gemini 直接看视频给出逐字稿，结果里会写明。

本地的视频文件能总结吗？

技能读的是链接。电脑里的视频文件不走技能：登录后在网页控制台点「上传视频」，读出来的内容和读链接是一样的结构。

能顺便把视频下载下来吗？

不能，也不做。技能只返回文字：逐字稿、画面上的字、要点。不下载视频，不去水印，不用你的 B站、抖音账号或 Cookie。

不想装 skill，用 MCP 行吗？

行，是同一个读取。Claude Code、Cursor 这类接 MCP 的工具加一行配置，对话里贴链接时 AI 调用 digest_url。做法见「接入」页（linkdigest.dev/zh/jieru）。