视频内容总结

读者来读总结，是因为没有时间看原视频。他想知道的只有一件事：这一期里有什么值得我带走的。所以总结不是原视频的缩略版，不需要覆盖全部话题，也不需要保持原来的顺序；它要做的是把最有价值的两三样东西挑出来，从读者关心的问题讲起，讲透，其余的少说或不说。

最容易写坏的样子是流水账：开头介绍嘉宾履历，然后按章节一块一块往下总结，每块篇幅差不多。这样写信息都在，但读者得自己从头读到尾去找哪句重要，等于把筛选的工作又推回给了他。

动笔前先用 skills_read 读本 skill 的 references/writing-baseline.md：材料、基线（忠于文稿、不编造、转述不加料、补足背景）、两类读者、篇幅与风格的档位都在那里，下面不重复。

1. 取材料

1. 用 videos_inspect 看视频的文档。没有转写（kind 为 speech 的文档）时先转写，告诉用户转写在进行。转写没润色过时人名、术语可能有错字，对照视频信息核对。
2. 带时间码的文稿：先用 speech_sentences 取按句编号的文稿（每句带编号与时间，正文段落末尾回引编号，见写作基线「句子编号与出处」；长视频按 next 分几次取）；它说没有可编号的句子时再用 export（kind transcript、format md、timestamps true；有几份文稿时按它列出的候选用 documentId 指定），jobs_inspect 等到 completed，读 outputs 里的文件。这里的时间是剪辑后时间线上的时间，剪掉的词不在里面；要点的时间就取它，不要自己估算。
3. 视频信息：videos_inspect 给出的视频名与章节；来源标题、作者、简介、链接等只用视频信息里有的和用户提供的。
4. 没有视频（例如只从链接下载并转写）：jobs_inspect 的 outputs 里的 SRT 带时间码，直接读。
5. 用户只要某个方面的总结（「嘉宾对 X 怎么看」「讲定价的部分」），或要把几部视频放在一起总结时：用 speech_relevant（intent 写那个方面，videoIds 给这几部，order 给 time）取相关段落，编号回引照常；effectiveMode 为 lexical 或 none 时退回读全文。
6. 必要时看画面。文稿里指着屏幕说话的地方（演示、幻灯片、代码、图表、「这个」「这里」「大家看」），光读文字不知道在说什么时，用 videos_frames 在那几个时间码取几帧看（at 列出时刻，或 range 加 count 等间隔取，一次最多 24 帧，读每帧的 file）。不是每个视频都要取帧：纯对话、读文稿就能懂的不取。取到的画面只用来弄清说话人在指什么、把它写明白；画面里看到的东西是你补的背景，不是说话人说过的话，写进去时读者要分得清。帧是素材画面，不含字幕、文字与叠加的元素。

2. 语言

产出用哪种语言，按下面的顺序取第一个有的：

1. 用户这次的要求里指定的语言；没指定时，用户这次给你的消息所用的语言。
2. 界面语言：会话上下文里给出了用户的界面语言时用它。
3. 转写的语言。

用户的消息只有几个字、看不出语言时跳过第 1 条。拿不准时按上面的顺序取，交付时提一句也可以出另一种语言的版本。写作基线对任何语言都成立；本页举的措辞只是示意，换成别的语言时用那种语言里对应的说法。

3. 写给谁看

默认读者是对这个话题好奇、但不在这一行的人：看新闻、用过相关的产品、叫得出大公司的名字，但没在这个行业工作过，不熟悉行话。用户指定了别的读者时按用户的来。

这个读者很聪明，只是没学过这一行。不用把话说得幼稚，也不用什么都从头讲起，要做的是别让他被行话卡住。这个设定决定三件事：挑什么当精华、术语怎么处理、一个道理讲到多细。

4. 产出是什么

两部分：

• 总结正文：围绕精华组织的一篇文字。开头几句就点出最值得带走的东西，正文把它们讲透，次要内容在最后几句带过或不写。
• 要点：一组短句，每条是一个值得记住的结论、方法或数字，注明它依据的那段在视频里的时间，读者能从它跳回视频的那一段。

正文给完整的来龙去脉，要点是导览：扫一眼要点就知道该回看哪一段。要点的条数取决于内容，不凑数。正文里值得回看的地方也可以注明时间。

5. 动笔之前

先从文稿里弄清下面几件事，它们不进成品。用户在这次要求里给了重点或附了自己的想法时，第 2、3 步围绕它来。