一键在 Manus 中运行任何 Skill

omd-video

星标26

分支1

更新时间2026年7月23日 08:07

视频→逐段结构化笔记 (MiMo-v2.5 原生吃画面+音频, 非 whisper 转写; 可重入管线)。讲解/课程视频里 PPT 框架图/代码/提示词是画面独有、音频拿不到的信息。产 ALL-NOTES.md 交 /omd-council 或 dag_research 做综合。Trigger:/omd-video、抖音/B站/YouTube 讲解视频、课程系列、把这些视频学一遍/提炼、画面里有代码/图表/PPT。Skip:文字原文综合→/omd-council;网页内容→dag_research(检索版)。

安装

用 Codex 或 Claude 帮你安装复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。

在 Manus 中运行

来源

AbyssCN

AbyssCN/oh-my-dag

打开 GitHub 仓库查看创作者相关仓库

下载

在 Manus 中运行

/omd-video — 视频→逐段结构化笔记 (MiMo 多模态)

讲解类视频画面有大量 PPT/框架图/提示词/代码 = 音频拿不到 → MiMo-v2.5 原生吃视频(画面+音频),非 whisper 转写。确定性五阶段管线,可重入(已产出阶段自动跳过):discover/enumerate→download→segment→fanout→aggregate。综合/蒸馏不在本管线内——产物 ALL-NOTES.md 交给 omd dag 引擎。

何时用

抖音/B站/YouTube 讲解视频或课程系列要提炼成知识;画面信息密集(代码/图表/PPT)、音频拿不全的内容采集。

何时不用(边界)

已有文字原文要多视角综合 → /omd-council;要 web 页面内容/多源事实 → dag_research;要设计判优 → /omd-council。本管线只做"视频→笔记语料",综合让 dag 引擎做。

入口:先定用途,再定参数(跑之前必做)

视频采集是一次性昂贵操作(下载+切段+N 段并发喂模型),fps/分辨率选错 = 糊了读不到或烧钱重跑。所以拿到 url/描述后先判用途再定参数——能从用户描述/URL 推断就推断,并宣告选定参数再跑;只有画面构成不明(它决定 fps/res,猜错最贵)才问一句。不逐参数确认(反 ceremonial),一次问清用途即可。

三个要素定全部参数:① 画面构成(定 fps + media_resolution)② 要提取什么(定制 prompt)③ 时长量级(分段 + 成本预警)。

画面构成	`--fps`	`--media-resolution`	`--scale`	prompt 侧重
纯口播/访谈/播客	1(可 0.5)	default(无字·省钱)	640	口播要点
PPT 幻灯讲解	1	max	960	屏幕文字+框架图
代码演示/live coding	2	max	1280	逐行转录代码
动画/逐步 build/白板	2	max	960	抓状态变化时序
UI 操作/点选演示	2–3	max	960	操作步骤序列

「要提取什么」和 fps 正交,单独定制 fanout prompt(只要提示词模板 / 只要代码 / 完整转录 → --prompt-file 或改 DEFAULT_PROMPT)。画面构成不明时问一句:「画面主要是啥——纯人讲 / PPT / 敲代码 / 动画演示?重点抓口播还是画面里的代码/提示词?」用户答完 → 宣告选定 fps/res/scale/prompt → 跑。

怎么跑

脚本自包含在本技能目录,随 omd mcp 自装到 ~/.claude/skills/omd-video/run.py。用绝对路径调(尊重 CLAUDE_CONFIG_DIR):

SKILL="${CLAUDE_CONFIG_DIR:-$HOME/.claude}/skills/omd-video/run.py"

# 已有 url/id 列表 (每行 <url> 或 <id>|<slug>)
python "$SKILL" --urls list.txt --workdir /tmp/<job>

# 没链接只有题目: 平台搜索找片 (yt-dlp ytsearch 默认 / bilisearchN: B站; 抖音搜索不支持)
python "$SKILL" --search "<题目>" --max 6 --workdir /tmp/<job>

# 从抖音用户主页全自动枚举 (enumerate 阶段需 browser-harness 接管真 Chrome 登录态)
python "$SKILL" --enumerate "https://www.douyin.com/user/<sec_uid>" --workdir /tmp/<job>

# 单跑/补跑某阶段 (可重入)
python "$SKILL" --workdir /tmp/<job> --only fanout

env:MIMO_API_KEY 必需(os.environ 优先,否则找 CWD/.env 或 ~/.omd/.env);MIMO_BASE_URL 默认 https://api.xiaomimimo.com/v1。依赖:yt-dlp、ffmpeg/ffprobe 在 PATH 内。

阶段与产物 (落 workdir)

阶段	干什么	产物
discover	`--search` yt-dlp 平台搜索找片	`urls.txt`
enumerate	browser-harness 滚主页抓全部作品	`urls.txt`
download	yt-dlp 批量下 (钉死真 .mp4,ffprobe 校验)	`vids/*.mp4`
segment	ffmpeg 逐段精确切 + 强制段首关键帧	`seg/*__NN.mp4`
fanout	N 段并发喂 mimo-v2.5,每段产笔记	`notes/*.note.md`
aggregate	按集聚合	`episode-notes/*.md` + `ALL-NOTES.md`

采样精度调参 (MiMo 原生采样层)

run.py 显式对齐 MiMo 的 fps/media_resolution,别用 API 默认值坑自己:

--fps(默认 1) = 本地抽帧率 = 帧数上限,也作为 API 采样率发过去(两层对齐,否则本地多转的帧被 API 默认 2fps 截断)。纯口播留 1;画面有翻页/逐步 build 动画升 2(时序 grid 内两帧相隔 0.5s,接得住转场;fps>2 才涨时间戳 token,一般没必要)。
--media-resolution(默认 max) = 按送进去的分辨率读画面文字。default 档每帧封顶 ~300 token≈739px,会把 960×540 压糊、读不清密集代码 → 本管线读文字故默认 max;纯口播省钱可切 default。
--scale(默认 960) 视频宽,配 max 才真正生效;极密代码可临时 1280。

关键坑 (已在脚本内根除,勿回退)

段切 IDR:必须逐段从原集 -ss 精确切 + -force_key_frames,不用 segment muxer——否则非关键帧切断致后续段无 IDR,mimo 报 Multimodal corrupted。
假 .mp4:yt-dlp 不限 format 常落 webm 命名成 .mp4 → 下游 glob('*.mp4') 全空 → 笔记空。脚本钉 --remux-video mp4 + ffprobe 校验视频流。
超长视频帧上限:API 单请求帧数上限 2048(时长×fps 触顶后截断);170s@1fps 段远低于此,靠分段规避,别一整集高 fps 直灌。

下一步:综合交 omd dag (本管线之外)

跑完读 ALL-NOTES.md,再交 omd 引擎综合——skill 产语料,dag 做综合:

/omd-council — 以你的聚焦为 goal 多视角判优(反中庸,挖非显然洞察);
dag_research — 多源综合(视频笔记作 anchors)。

同仓库更多 Skills

同仓库

omd-resume

AbyssCN/oh-my-dag

列出断掉/失败的 DAG run(带 goal)让 owner 挑一个续跑——从磁盘 checkpoint 重载 plan、跳过已绿节点接着跑。Trigger:/omd-resume、续跑、接着跑、断了的图、resume、跑一半挂了、429 断了。Skip:全新任务(/omd-execute 或 dag_run)、查状态不续跑(dag_status)。

2026-07-2426

omd-grill

AbyssCN/oh-my-dag

锁 plan/SDD 前的对抗式审问:沿决策树走、先给推荐答案、事实自查·技术 Decision 自裁·真 owner 岔口才阻塞问、对标外部实现逼问「为何偏离」;宽解岔口就地开 council;产决策记录表喂 /omd-sdd。审议纪律:只讨论不动手。Trigger:/omd-grill、审问、盘问这个方案、把这事讨论清楚、压测计划、stress-test。

2026-07-2326

omd-path

AbyssCN/oh-my-dag

打开/新建/列出 omd pathfinder 决策地图(经 omd MCP server)。大而模糊的多 session 工作先开图:把待决问题变成票,渐进散雾。Trigger:/omd-path、pathfinder、开图、决策地图、这活儿太大先规划。

2026-07-2326

omd-execute

AbyssCN/oh-my-dag

把已定的 SDD/规划交给 omd DAG 引擎执行(经 MCP dag_run 三段式),完成后按交叉验证 checklist 逐条判、四选一验收。Trigger:/omd-execute、开始执行、按 SDD 干、执行计划。

2026-07-2326

omd

AbyssCN/oh-my-dag

One table of every routed oh-my-dag skill: name → when to use. The one name to remember. Trigger: /omd / list skills / which skill / 有哪些技能 / 该用哪个技能.

2026-07-2326

omd-deliver

AbyssCN/oh-my-dag

执行 omd pathfinder 已散尽区域(编译 slice → 跑 DAG 真改文件 → 票翻 delivered),标 delivered 前逐票核对真身(delivered✅≠东西真在)。deliberate/build 的权力闸,仅 owner 明令。Trigger:/omd-deliver、交付、开始执行、动手吧。

2026-07-2226

name

omd-video

description

/omd-video — 视频→逐段结构化笔记 (MiMo 多模态)

讲解类视频画面有大量 PPT/框架图/提示词/代码 = 音频拿不到 → MiMo-v2.5 原生吃视频(画面+音频),非 whisper 转写。确定性五阶段管线,可重入(已产出阶段自动跳过):discover/enumerate→download→segment→fanout→aggregate。综合/蒸馏不在本管线内——产物 ALL-NOTES.md 交给 omd dag 引擎。

何时用

抖音/B站/YouTube 讲解视频或课程系列要提炼成知识;画面信息密集(代码/图表/PPT)、音频拿不全的内容采集。

何时不用(边界)

入口:先定用途,再定参数(跑之前必做)

三个要素定全部参数:① 画面构成(定 fps + media_resolution)② 要提取什么(定制 prompt)③ 时长量级(分段 + 成本预警)。

画面构成	`--fps`	`--media-resolution`	`--scale`	prompt 侧重
纯口播/访谈/播客	1(可 0.5)	default(无字·省钱)	640	口播要点
PPT 幻灯讲解	1	max	960	屏幕文字+框架图
代码演示/live coding	2	max	1280	逐行转录代码
动画/逐步 build/白板	2	max	960	抓状态变化时序
UI 操作/点选演示	2–3	max	960	操作步骤序列

怎么跑

脚本自包含在本技能目录,随 omd mcp 自装到 ~/.claude/skills/omd-video/run.py。用绝对路径调(尊重 CLAUDE_CONFIG_DIR):

SKILL="${CLAUDE_CONFIG_DIR:-$HOME/.claude}/skills/omd-video/run.py"

# 已有 url/id 列表 (每行 <url> 或 <id>|<slug>)
python "$SKILL" --urls list.txt --workdir /tmp/<job>

# 没链接只有题目: 平台搜索找片 (yt-dlp ytsearch 默认 / bilisearchN: B站; 抖音搜索不支持)
python "$SKILL" --search "<题目>" --max 6 --workdir /tmp/<job>

# 从抖音用户主页全自动枚举 (enumerate 阶段需 browser-harness 接管真 Chrome 登录态)
python "$SKILL" --enumerate "https://www.douyin.com/user/<sec_uid>" --workdir /tmp/<job>

# 单跑/补跑某阶段 (可重入)
python "$SKILL" --workdir /tmp/<job> --only fanout

env:MIMO_API_KEY 必需(os.environ 优先,否则找 CWD/.env 或 ~/.omd/.env);MIMO_BASE_URL 默认 https://api.xiaomimimo.com/v1。依赖:yt-dlp、ffmpeg/ffprobe 在 PATH 内。

阶段与产物 (落 workdir)

阶段	干什么	产物
discover	`--search` yt-dlp 平台搜索找片	`urls.txt`
enumerate	browser-harness 滚主页抓全部作品	`urls.txt`
download	yt-dlp 批量下 (钉死真 .mp4,ffprobe 校验)	`vids/*.mp4`
segment	ffmpeg 逐段精确切 + 强制段首关键帧	`seg/*__NN.mp4`
fanout	N 段并发喂 mimo-v2.5,每段产笔记	`notes/*.note.md`
aggregate	按集聚合	`episode-notes/*.md` + `ALL-NOTES.md`

采样精度调参 (MiMo 原生采样层)

run.py 显式对齐 MiMo 的 fps/media_resolution,别用 API 默认值坑自己:

--fps(默认 1) = 本地抽帧率 = 帧数上限,也作为 API 采样率发过去(两层对齐,否则本地多转的帧被 API 默认 2fps 截断)。纯口播留 1;画面有翻页/逐步 build 动画升 2(时序 grid 内两帧相隔 0.5s,接得住转场;fps>2 才涨时间戳 token,一般没必要)。
--media-resolution(默认 max) = 按送进去的分辨率读画面文字。default 档每帧封顶 ~300 token≈739px,会把 960×540 压糊、读不清密集代码 → 本管线读文字故默认 max;纯口播省钱可切 default。
--scale(默认 960) 视频宽,配 max 才真正生效;极密代码可临时 1280。

关键坑 (已在脚本内根除,勿回退)

段切 IDR:必须逐段从原集 -ss 精确切 + -force_key_frames,不用 segment muxer——否则非关键帧切断致后续段无 IDR,mimo 报 Multimodal corrupted。
假 .mp4:yt-dlp 不限 format 常落 webm 命名成 .mp4 → 下游 glob('*.mp4') 全空 → 笔记空。脚本钉 --remux-video mp4 + ffprobe 校验视频流。
超长视频帧上限:API 单请求帧数上限 2048(时长×fps 触顶后截断);170s@1fps 段远低于此,靠分段规避,别一整集高 fps 直灌。

下一步:综合交 omd dag (本管线之外)

跑完读 ALL-NOTES.md,再交 omd 引擎综合——skill 产语料,dag 做综合:

/omd-council — 以你的聚焦为 goal 多视角判优(反中庸,挖非显然洞察);
dag_research — 多源综合(视频笔记作 anchors)。