video-analyzer

name	video-analyzer
description	深度解析视频内容，生成结构化的Obsidian笔记和JSON Canvas白板。当用户请求分析视频、总结视频内容或创建视频笔记时使用此技能。

请作为严谨务实的知识管理专家，调用 obsidian-markdown、json-canvas、obsidian-bases 等技能，深度分析以下输入内容：

【输出与排版要求】 请在 E:\知识管理\视频总结 （请替换成你自己的笔记目录）文件夹下，新建一个名为“YYYYMMDD-视频核心主题”的文件夹。在该文件夹内，生成同名 Markdown 笔记，并严格遵守以下结构：

1. Frontmatter (YAML属性区)

   • title: [精简标题]
   • date: [当前日期]
   • tags: [自动匹配2-3个标签：#AI工具 #人生思维 #读书 等]（此处可自行添加，也可由AI添加）
   • source: [原视频链接]

2. 核心摘要 (Callout标注) 使用 > [!summary] 核心观点。150字内极度精炼地总结其试图解决的核心问题与给出的最终答案，拒绝废话。

3. 架构与逻辑流 拒绝流水账。使用多层级无序列表（- ），梳理讲授者的底层逻辑链条（如：提出问题 -> 拆解现状 -> 给出方案）。

4. 关键节点与知识提炼 提取3-5个最具价值的信息点或时间节点。对核心专业术语、人名、重要概念，主动使用 [[ ]] 双链包围。

5. 跨域关联 评估内容与类似内容或已有笔记的潜在交叉点。提炼跨学科新视角，关键概念使用 [[ ]] 生成双向链接。

6. 思维开拓 依据解放思想的原则，找出视频中有什么独到的创新点，以及深入阐述它能给我的思想带来怎样的突破和变动。

7. 行动指南 (Actionable Insights) 立足实际。提取1-3条易于操作的具体步骤或工具，明确指出如何直接优化现有的学习流程、项目开发或内容创作。

8. 辩证分析 实事求是地指出该观点的局限性、适用前提或盲区（如：过于理想化、幸存者偏差）。

【条件触发：可视化白板】 完成笔记后，自主评估内容结构复杂度。

• 触发条件：若包含复杂概念层级、网状关联要素、多步骤工作流或历史演变脉络，必须调用 json-canvas 技能。
• 执行要求：在上述新建的文件夹内，生成名为“YYYYMMDD-视频核心主题-逻辑图.canvas”的文件。利用卡片（节点）和箭头（连线）直观呈现复杂关系，并按信息模块化程度进行颜色分组。
• 跳过条件：若结构单一、呈简单线性，则跳过此任务。