
关于
使用 Memories.ai 大型视觉记忆模型搜索和分析视频内容,实现持久化视频智能。
name: seek-and-analyze-video description: "使用Memories.ai大型视觉记忆模型进行持久化视频智能的视频内容搜索和分析" category: data-ai risk: safe source: "https://github.com/kennyzheng-builds/seek-and-analyze-video" date_added: "2026-03-09" author: kennyzheng-builds tags: [video, ai, memories, social-media, youtube, tiktok, analysis] tools: [claude, cursor, gemini]
何时使用
当用户想要从TikTok、YouTube或Instagram搜索、导入或分析视频内容,总结会议或讲座录像,从视频内容构建可搜索的知识库,或研究社交媒体趋势和创作者时使用此技能。
视频搜索与分析
描述
此技能使AI代理能够使用Memories.ai的大型视觉记忆模型(LVMM)搜索、导入和分析视频内容。与一次性视频分析工具不同,它提供持久化视频智能——视频索引一次后可在多个会话中反复查询。支持社交媒体导入(TikTok、YouTube、Instagram)、会议总结、知识库构建,以及通过记忆增强生成(MAG)进行跨视频问答。
概述
该技能将21个API命令封装为面向工作流的参考指南,代理按需加载。SKILL.md中的路由表自动将用户意图映射到正确的工作流。
何时使用此技能
- 分析或询问URL视频相关问题时使用
- 按主题、标签或创作者在TikTok、YouTube或Instagram上搜索视频时使用
- 总结会议、讲座或网络研讨会录像时使用
- 从视频内容和文本记忆构建可搜索知识库时使用
- 研究社交媒体内容趋势、网红或病毒传播模式时使用
- 使用AI视觉分析或描述图像时使用
工作原理
步骤1:意图检测
代理读取SKILL.md工作流路由器,将用户请求匹配到6个意图类别之一。
步骤2:参考加载
代理加载相应的参考文件(例如,视频问答使用video_qa.md,社交媒体研究使用social_research.md)。
步骤3:工作流执行
代理遵循分步工作流:上传/导入 -> 等待处理 -> 分析/对话 -> 呈现结果。
示例
示例1:视频问答
User: "What are the key arguments in this video? https://youtube.com/watch?v=abc123"
Agent: uploads video -> waits for processing -> uses chat_video to ask questions -> presents structured summary
示例2:社交媒体研究
User: "What's trending on TikTok about sustainable fashion?"
Agent: uses search_public to find trending videos -> imports top results -> analyzes content patterns
示例3:会议记录
User: "Summarize this meeting recording and extract action items"
Agent: uploads recording -> waits -> gets transcript -> uses chat_video for structured summary with action items
最佳实践
- 在查询之前始终等待视频处理完成
- 使用caption_video进行快速分析(无需上传)
- 使用chat_video进行深度多轮分析(需要上传)
- 使用search_audio在视频中查找特定时刻或引用
- 使用memory_add存储重要发现以供后续检索
常见问题
-
问题: 在处理完成前查询视频 解决方案: 上传后始终使用
wait命令,然后再进行任何分析 -
问题: 只需快速描述时却上传了视频 解决方案: 一次性分析使用
caption_video;仅在需要重复查询时上传
限制
- 视频处理需要1-5分钟,取决于时长
- 免费层限制100积分
- 社交媒体导入需要公开内容
- 音频搜索仅适用于已处理的视频
相关技能
- 一次性分析的视频分析工具
- 非视频内容研究的网络搜索技能
兼容工具
Claude CodeCursor
标签
AI与机器学习