claude-video让Claude真的把视频看一遍，而不是读个标题就完事

claude-video是个只有一个命令的skill，/watch，它干的是那些不体面但让视频对agent变得可读的管道活儿。给它一个链接，它用yt-dlp下载，用ffmpeg按场景切换和关键帧抽画面，用原生字幕或者Whisper转录，然后把画面当图片、连同带时间戳的文字稿一起交给Claude。接着你就能问第30秒发生了什么，得到的答案是基于屏幕上真实内容的，不是扒来的元数据。v0.2.0是7月1日发的，4100星，今天在GitHub trending上往上蹿了一截。

它有用，是因为视频一直是coding和research agent的盲区。你要复现的bug是一段录屏。竞品的钩子藏在一条TikTok的第40秒。一场两小时的演讲里，你要的只是其中一页幻灯片。把YouTube链接丢进对话框，你拿到的是对视频简介的总结；用这个，你拿到的是真正的内容，画面加声音，以一种模型能拿去推理的形式。

跟OfficeCLI一样，它是作为一个可移植的skill发布的，能插进50多个agent，Claude Code、Cursor、Codex、Copilot。这个模式值得留意：能力正在以SKILL.md包的形式发布，你把它拴到你手头本来就在用的那个agent上，而不是做成一个独立App。agent还是那个agent，感官却在不停增殖。光这一周，它就学会了读你的表格、看你的视频。链接：github.com/bradautomates/claude-video