核心用法
YouTube Knowledge Extractor 是一款多模态视频分析技能，专门解决传统YouTube工具"只听不看"的局限。它通过音频通道（字幕/转录）与视觉通道（关键帧提取+图像分析）的双通道同步，实现对教程、演示、HowTo类视频的深度理解。
典型应用场景：
- 将软件操作录屏转换为带截图的步骤指南
- 分析UI演示视频，提取具体的按钮位置、菜单路径
- 从物理操作视频中提取动作要领与视觉参考
- 生成技术教程的图文对照文档
工作流程： 获取视频元数据 → 提取时间轴字幕 → 下载视频并提取关键帧 → 按时间戳同步音画 → 多模态综合分析 → 输出结构化文档
显著优点
1. 双通道验证：语音描述与视觉画面相互印证，避免"听到但找不到"或"看到但听不懂"的脱节
2. 场景自适应：根据视频时长自动调整采样间隔（5分钟内10秒/帧，超长视频60秒/帧）
3. 智能帧提取：支持固定间隔与场景变化检测两种模式，UI演示类视频可用0.3阈值精准捕获界面切换
4. 字幕鲁棒性：采用--dump-json+curl双步法规避YouTube 429限流，支持多语言回退链（en→de→en-orig→fr→es）
潜在局限
- 依赖外部工具链：需预装
ffmpeg、yt-dlp、python3，Windows支持未明确 - 网络波动敏感：YouTube反爬机制可能导致字幕下载失败，需人工重试与User-Agent轮换
- 长视频成本：60分钟以上视频帧数可能超过120张，分析 token 消耗显著增加
- 视觉盲区：固定间隔采样可能错过快速UI操作（如3秒内的弹窗闪现）
适合人群
- 技术文档工程师：将视频教程转化为可搜索的图文手册
- 软件评测者：需要精确引用UI元素位置、按钮名称的分析师
- 教育工作者：从YouTube资源构建带视觉参考的课程材料
- 自学用户：希望以图文速查代替反复拖拽进度条
常规风险
- 版权合规：下载与分析受版权保护的内容需确保符合本地法律及YouTube ToS
- 年龄限制内容：技能明确提示无法处理年龄限制或私享视频
- 临时文件管理：工作目录使用
/tmp/yt-analysis-XXXXXX，分析完成后显式清理，但异常中断可能残留大体积视频文件 - API限流：高频使用可能触发YouTube IP封禁，建议增加请求间隔