| name | transcreveai-video-intelligence |
| description | Use para transformar vídeos em conhecimento: extrair resumo, análise, dossiê e RAG de Reels, YouTube, TikTok, Loom etc. Dispare quando o usuário enviar um link de vídeo, pedir análise/resumo e/ou quiser transformar conteúdo audiovisual em conhecimento consultável no Codex/Claude. |
TranscreveAI Video Intelligence
Este é um artefato de skill do projeto (não é instalação global): usa transcreveai disponível no ambiente atual.
Use this skill for video-to-knowledge flows only. Prefer this path when the user sends a video URL/file and asks for extraction, summary, analysis, or to answer questions from video content.
Regra de uso aninhado
- Sempre que outro agente usar o TranscreveAI como capacidade, trate o fluxo como aninhado: isole e identifique
run_id, out e index-db quando aplicável, para que o dossiê gerado pertença ao contexto do agente chamador.
- Use retenção temporária por padrão quando o agente só precisa extrair, resumir ou responder a partir de YouTube, Reels, TikTok, Loom, arquivo local etc. Use
--out/--index-db isolados, leia os artefatos, responda e limpe arquivos brutos ao final.
- Use retenção durável somente quando o usuário pedir salvar, indexar, transformar em conhecimento consultável, auditar depois, ou reutilizar o dossiê.
- Quando a retenção durável for pedida, rode
transcreveai share RUN_ID --json depois da análise ou use a tool MCP share_run. Se o run usou índice isolado, passe o mesmo --index-db ou use transcreveai share --run-dir "$RUN_DIR" --json. Isso cria handoff.md, manifest.json, knowledge.md e analysis.json, e atualiza catalog.json/index.md na raiz de compartilhamento. Para redescobrir pacotes duráveis depois, use transcreveai share --catalog --json ou MCP shared_catalog.
- Se o dossiê for preservado ou indexado, informe explicitamente ao agente chamador:
O dossie que voce criou foi salvo para voce como conhecimento.
- Inclua junto dessa mensagem o caminho do
knowledge.md, o run_id e se o conteúdo foi indexado no índice real do usuário ou em um índice isolado de agente.
- Se a execução foi temporária e limpa, não diga que o dossiê ficou salvo; informe o
run_id, que a resposta foi baseada nos artefatos gerados, e que os temporários foram removidos.
Quando disparar
- Mensagem contém link de vídeo (
reel, youtube, youtu.be, tiktok, loom, vimeo, x/twitter) ou caminho de arquivo de mídia.
- Pedido explícito de
resumir, extrair, analisar, dossiê, transformar em conhecimento, ou transformar para Codex/Claude.
- Pedido de consulta posterior sobre vídeos já processados (
perguntar sobre vídeo, o que foi dito, etc.).
Fluxo obrigatório
- Caminho curto quando disponivel
- Se o cliente tiver a superficie MCP do TranscreveAI instalada, prefira a tool
agent_run para fluxo completo, agent_batch para listas salvas e sources_probe para pre-check. Use o CLI como fallback universal.
- Se o MCP ainda nao estiver validado no cliente, confirme a instalacao com
transcreveai-mcp --help e registre o servidor como comando stdio (transcreveai-mcp --transport stdio) antes de depender das tools. Use transcreve-ai[mcp,rag] quando index/ask forem necessarios.
- Prefira
transcreveai agent run "<origem>" --json quando o objetivo for executar o fluxo completo em CLI.
- Para varias URLs/origens em arquivo
.txt, .csv ou .json, prefira transcreveai agent batch "<arquivo>" --json. Use --strict quando qualquer item com falha deve bloquear a automacao chamadora; leia success, ok_count e failed_count no resumo.
- Use
--question "..." para fazer probe, analyze, indexacao e pergunta no mesmo comando.
- Quando o video tiver foco em criacao/distribuicao de conteudo, produto, marketing, vendas ou workflows de creator, inclua
--template content (ou templates: ["content"] via MCP). Leia tambem content.md/content.json/content.csv, que separam evidencia extraida de inferencia de produto/conteudo e geram campos para Notion/CSV.
- Quando o video mencionar skills, agentes, prompts, Claude, Codex, automacao ou workflows reutilizaveis, inclua
--template skill (ou templates: ["skill"] via MCP). Leia skill.md/skill.json antes de sugerir como adicionar o conteudo na ferramenta.
- Quando o usuario pedir para "usar nossa ferramenta", a resposta final deve partir dos campos/arquivos gerados pelo TranscreveAI (
answer, knowledge.md, analysis.json). Nao crie um dossie paralelo manual; se faltar qualidade, rerode a ferramenta com provider/visao/indexacao melhores e explique o limite.
- Execute o CLI a partir do repo/app configurado ou confirme o provider efetivo no JSON. O CLI carrega
.env do cwd e do pacote local, mas variaveis ja exportadas no shell continuam tendo precedencia.
- Probe da origem
transcreveai sources probe "<origem>" [--json]- Se usar
--json, capture kind, adapter, requires_cookies, notes.
- Se não usar
--json, leia a mensagem humana do comando e mapeie os sinais de restrição.
- Se estiver em fluxo agente via API web, use também:
POST /api/sources/probe com JSON {"source":"<origem>"} (ou equivalente via cliente HTTP interno).- Só avance para envio do job se o
source vier normalizado e os sinais de risco estiverem claros.
- Escolha de execução
- Se
requires_cookies=true para a origem, tente:
transcreveai analyze "<origem>" --cookies-browser chrome --ai auto ...- ou
--cookies /caminho/para/cookies.txt (somente se o usuário autorizou e arquivo está seguro localmente).
- Se não houver necessidade de IA (privacidade/baixo custo), use
--ai off.
- Se o usuário quiser máxima riqueza de contexto, use
--ai auto (padrão) e --provider adequado.
- Para fontes já locais e sem necessidade de modelos, combine
--provider local.
- Para reduzir custo de prova/ajuste, rode primeira passada com
--ai off e, se necessário, reavalie com --ai auto.
- Executar análise
transcreveai analyze "<origem>" --out outputs [opções]- Opções úteis:
--language pt|en, --frame-interval, --max-frames, --visual-limit, --provider.
- Para fontes repetidas e reprocessamento forçado:
--force.
- Ler evidências e normalizar saída
- Sempre leia
knowledge.md e analysis.json gerados no diretório de saída informado pelo CLI.
- Se
--template content foi usado, leia content.md, content.json e, quando relevante, content.csv antes de responder sobre copy, distribuição, backlog, Notion/CSV, hooks ou roteiros.
- Se
--template skill foi usado, leia skill.md e skill.json antes de responder sobre virar skill, MCP, CLI, prompt operacional, automacao ou melhoria de ferramenta.
- Extraia: fonte, resumo, capítulos, timeline, entidades/ferramentas, afirmações e trechos de evidence.
- Se o usuário pediu “para Codex/Claude”, forneça uma versão compacta com fontes e limites de confiança (sem inventar conteúdo ausente).
- Indexação e perguntas
- Se precisa consulta estruturada posterior, rode:
transcreveai index <run_id> para um run específico ou transcreveai index --all.
- Para checar retrieval sem LLM:
transcreveai ask "..." --search-only.
- Para resposta completa:
transcreveai ask "...".
- Use
--run-id para restringir o escopo quando o usuário indicar contexto específico.
Saídas esperadas
- CLI prints path do diretório de execução (
OK:) e os arquivos knowledge.md/analysis.json.
- Templates opcionais:
content: content.md, content.json, content.csv.skill: skill.md, skill.json.
- Batch prints/grava
batch.md e batch.json, com template_paths por item quando templates forem usados.
- Se necessário, confirme run com
transcreveai runs list --json e repita com --run-id em ask/index.
- Em fluxos web, registre o
run retornado por /api/jobs (ou equivalente) antes de chamar ask/index; isso evita consultar o dossier errado.
Custos, privacidade e segurança
--ai off = mínimo custo; --ai auto/full pode gerar chamadas de LLM.- Em validacoes e demos, combine
--index-db, --out /tmp/..., --ai off, --provider local e --force para evitar custo, estado global e dedupe acidental.
- Não compartilhe chaves de API nem conteúdo bruto de
cookies em chat.
cookies-browser/cookies.txt devem ser usados apenas com arquivos de origem do usuário, curtos no escopo e sem exportação adicional.- Evite logar URLs sensíveis completas; cite IDs e caminhos locais quando possível.
- Se for necessário reter artefatos, sinalize onde estão gravados e como remover (
runs rm --purge) quando apropriado.
- Se não for necessário reter artefatos, limpe a pasta temporária ao final para não ocupar espaço no dispositivo.
Exemplos
transcreveai sources probe "https://www.instagram.com/reel/..." --json
transcreveai analyze "https://www.instagram.com/reel/..." --ai auto --language pt --template content --template skill
transcreveai agent batch ./sources.txt --template content --template skill --json
transcreveai index --all --provider local
transcreveai ask "o que foi mostrado no vídeo?" --search-only
curl -X POST http://127.0.0.1:8000/api/sources/probe \
-H "Content-Type: application/json" \
-d '{"source":"https://www.instagram.com/reel/..."}'
Palestra tecnica, aula ou tutorial longo
Use --frame-strategy slides: os frames saem na troca de tela em vez de a cada
N segundos, entao nenhum slide se perde nem aparece repetido. O padrao auto ja
liga isso sozinho quando o video e longo demais para o intervalo cobrir.
transcreveai analyze "<url>" --ai auto --frame-strategy slides
Codigo mostrado na tela e reconhecido e sai em bloco cercado no knowledge.md,
com a indentacao reconstruida a partir da posicao do texto na imagem. Em
slides os frames sao gravados em PNG: o JPEG borra texto fino e arruina o OCR
de codigo.
