YouTube 智能精剪 Pro (Agentic Workflow)

作为主智能体 (Main Agent),你的职责是 “指挥官” (Orchestrator)。 你不再需要亲自去处理正则表达式或逐字翻译,你的任务是协调 Python 脚本和专家 Subagent 来共同完成任务。

🗓️ 工作流概览

0. 环境检测 (Environment Check): 确保所有依赖工具就绪。
1. 下载 (Download): 下载视频与字幕素材。
2. 规划 (Planning): 唤醒 AnalysisAgent 分析内容,直到用户满意。
3. 选择 (Selection): 用户选择要处理的章节。
4. 生产 (Production): 自动切分选中的章节。
5. 并行处理 (Parallel Processing):
   • 唤醒 TranslationAgent 翻译字幕
   • 唤醒 TweetAgent 生成推特文案
   • 自动烧录最终成品
6. 交付 (Delivery): 展示最终成果。

🚦 执行步骤指南

⚠️ 重要: 所有命令都必须在 Skill 目录下执行！

Skill 目录位置: .agent/skills/Youtube-clipper-skill/ 或 .claude/skills/Youtube-clipper-skill/

每次执行命令前，都必须先切换到 Skill 目录。

请严格遵循以下剧本执行:

Step 0: 环境检测 (Environment Check)

确保所有必需工具和依赖都已安装。

1. 检测 yt-dlp

   cd .agent/skills/Youtube-clipper-skill
   yt-dlp --version
   

2. 检测 FFmpeg 和 libass 支持

   cd .agent/skills/Youtube-clipper-skill
   ffmpeg -version
   ffmpeg -filters 2>&1 | grep subtitles
   

3. 检测 Python 依赖

   cd .agent/skills/Youtube-clipper-skill
   python3 -c "import yt_dlp; print('✅ yt-dlp available')"
   

如果检测失败:

• yt-dlp 未安装: brew install yt-dlp 或 pip install yt-dlp
• FFmpeg 无 libass: brew install ffmpeg (macOS)
• Python 依赖缺失: pip install yt-dlp

💡 必须通过环境检测才能继续

Step 1: 准备素材 (Download)

询问用户 YouTube URL,然后执行:

cd .agent/skills/Youtube-clipper-skill
python3 scripts/video_clipper_pro.py download <URL> --browser chrome

💡 为什么使用 --browser chrome? YouTube 现在会进行机器人检测,使用浏览器 Cookie 可以绕过验证。 如果您使用其他浏览器,可以改为 --browser firefox 或 --browser safari

下载完成后,继续执行:

cd .agent/skills/Youtube-clipper-skill
python3 scripts/video_clipper_pro.py prepare

💡 脚本会输出一个 for_analysis_agent.txt 文件路径。请记住它。

Step 2: 智能分析 (Analysis Loop)

这里是关键交互点。

1. 切换角色: 此时,请你调用/扮演 AnalysisAgent (.claude/agents/AnalysisAgent.md)。
2. 输入: 读取 for_analysis_agent.txt。
3. 任务: 按照 AnalysisAgent 的 Prompt 要求,生成章节方案,并询问用户反馈。
4. 循环: 如果用户不满意,持续修改,直到用户确认。
5. 输出: 最终确认后,请手动将生成的 JSON 内容保存到 youtube_clips_pro/chapters.json 文件中。

✅ 检查点 (必须验证):

• 确认 chapters.json 已生成
• 验证每个章节都包含以下 7 个字段:
  • id: 整数序号 (从 1 开始)
  • title: 章节标题 (无特殊字符)
  • start_time: 开始时间 (HH:MM:SS 格式)
  • end_time: 结束时间 (HH:MM:SS 格式)
  • duration_seconds: 时长(秒)
  • description: 章节描述
  • selected: 布尔值 (默认 false)
• 如格式错误,请参考 .claude/agents/AnalysisAgent.md 的输出示例修复

Step 3: 用户选择章节 (User Selection)

让用户选择要处理的章节。

1. 展示所有章节列表(带编号):

   📊 章节列表:
   
   1. [00:00 - 02:00] Google's AI Comeback
   2. [02:00 - 04:00] Google's Full Stack Advantage
   3. [04:00 - 06:00] Robotics Breakthrough Coming
   ...
   

2. 询问用户选择:

   请选择要处理的章节编号:
   - 单个: 输入 "1"
   - 多个: 输入 "1,3,5"
   - 全部: 输入 "all"
   

3. 更新 chapters.json,为选中的章节添加 "selected": true 字段

💡 仅处理 selected=true 的章节

Step 4: 原子化生产 (Asset Splitting)

确认 chapters.json 存在后,执行:

cd .agent/skills/Youtube-clipper-skill
python3 scripts/video_clipper_pro.py split

💡 脚本会为每个选中的章节创建独立的文件夹,并生成 en.srt。

Step 5: 并行处理 (Parallel Processing)

对每个选中的章节,并行执行三个任务:

5.1 翻译字幕 (TranslationAgent)

1. 切换角色: 调用/扮演 TranslationAgent (.claude/agents/TranslationAgent.md)
2. 遍历: 遍历每个 selected=true 的章节文件夹
3. 输入: 读取 en.srt
4. 任务: 翻译为中英双语
5. 输出: 保存为 zh_en.srt

5.2 生成推特文案 (TweetAgent) ⭐ 新增

1. 切换角色: 调用/扮演 TweetAgent (.claude/agents/TweetAgent.md)
2. 遍历: 遍历每个 selected=true 的章节文件夹
3. 输入: 读取 meta.json (标题、描述)
4. 任务: 生成推特风格的分享文案
5. 输出: 保存为 tweet.md

5.3 烧录字幕 (Burn Subtitles)

当所有章节都已生成 zh_en.srt 后,执行:

cd .agent/skills/Youtube-clipper-skill
python3 scripts/video_clipper_pro.py burn

💡 脚本会自动遍历所有目录,检测双语字幕并烧录。

⚡ 并行优化: 翻译、文案生成、烧录可以交替进行,无需等待全部完成。

Step 6: 交付 (Delivery)

向用户展示最终生成的文件列表:

✨ 处理完成!

📁 输出目录: /Users/blessed/Desktop/skills/youtube_clips_pro/

已处理章节:
  🎬 Google's AI Comeback/
     ├── Google's AI Comeback_source.mp4 (27.6 MB)
     ├── en.srt
     ├── zh_en.srt
     ├── Google's AI Comeback_final_bilingual.mp4 (28.9 MB)
     ├── meta.json
     └── tweet.md ⭐

  🎬 Robotics Breakthrough Coming/
     ├── ...
     └── tweet.md ⭐

快速预览:
open "/Users/blessed/Desktop/skills/youtube_clips_pro/Google's AI Comeback/Google's AI Comeback_final_bilingual.mp4"

🛠️ 故障排查

• 如果 AnalysisAgent 表现不佳,提醒用户可以提供更具体的指令(如”只切3段”)。
• 如果 TranslationAgent 术语不准,可以在 Context 中补充术语表。
• 如果 TweetAgent 文案不够吸引,可以要求重新生成并提供具体方向。