菜单
基于DeepSeek视觉大模型（deepseek-v4-flash-vision-exp）的视频理解与问答（video RAG）。当用户提到视频、录像、mp4、监控、游戏录像、影片、动画，并想提问、查找、定位、总结或理解其内容，或问"什么时候发生的""某一秒在干什么"、要时间戳定位、片段回放时，使用本skill。支持剧情理解、事件时间线、OCR字幕/HUD识别；回答带 [MM:SS] 时间戳引用，并生成可播放片段与关键帧展示给用户。无音频分析能力。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/liangdabiao/deepseek-v4-flash-vision-video-rag --skill deepseek-v4-flash-vision-video-rag命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | deepseek-v4-flash-vision-video-rag |
| description | 基于DeepSeek视觉大模型（deepseek-v4-flash-vision-exp）的视频理解与问答（video RAG）。当用户提到视频、录像、mp4、监控、游戏录像、影片、动画，并想提问、查找、定位、总结或理解其内容，或问"什么时候发生的""某一秒在干什么"、要时间戳定位、片段回放时，使用本skill。支持剧情理解、事件时间线、OCR字幕/HUD识别；回答带 [MM:SS] 时间戳引用，并生成可播放片段与关键帧展示给用户。无音频分析能力。 |
让视觉大模型"看懂"一段视频：先把视频按时间轴抽帧阅读、建立索引（一次性、缓存
复用），再对用户问题做 本地粗筛 → 视觉精排 → 深读回答，回答带 [MM:SS] 时间戳
引用，并自动切出可播放片段、关键帧和自包含 HTML 预览。
模型没有音频模态——所有理解基于画面；音频轨会被忽略（如实告知用户）。
openai（本机已装）DEEPSEEK_API_KEY 或本机 ~/.deepseek_api_key 文件（首行）读取，
代码中不内置任何密钥；缺失时报错并给出设置指引scripts/ 下，Windows 直接 python scripts/xxx.pypython scripts/ingest.py "<视频路径>"
--fps 可覆盖）→ Files API 上传 → 25 帧/批视觉卡片 → 段聚合（30s/段）→ 本地场景切换检测--force 重建｜--limit-frames N 先试前 N 帧｜--clean 清缓存python scripts/ask.py "<视频路径>" "用户的问题"
[MM:SS] 引用的回答--micro 00:04-00:07 强制指定窗口，--no-micro 禁用stdout 分段：=== 答案 ===、=== 引用时刻 ===、=== 关键帧 ===、
=== 可播放片段 ===（均为 ./video-vision-out/ 下文件）、=== 预览 ===。
终端里用户未必能看到 inline 图片/视频，必须给出可自行打开的路径，按优先级：
./video-vision-out/<视频名>_<问题>.html —— 自包含单文件，
答案 + 引用时刻的可播放片段（base64 内嵌 <video>）+ 关键帧，双击浏览器打开。
Windows 下可代用户执行 start "<路径>"用户想直接看某个时刻/片段：
python scripts/show.py "<视频路径>" --at 00:07 # 该时刻帧
python scripts/show.py "<视频路径>" --clip 00:05-00:12 # 可播放片段
python scripts/show.py "<视频路径>" --micro 00:04 # 12fps 中心放大帧序列
[MM:SS] 时间戳引用标记references/video-sampling.md；索引结构见 references/index-schema.mdscripts/ds_client.py 前先读 references/video-sampling.md 的踩坑清单