プラグイン

低コストな動画理解ツール。video_understand ツールが Bilibili リンク / BV / ローカル動画を AVIS 情報層（ASR + シーン構造 + オブジェクト追跡 + YOLO ラベル）に変換し、要約 + Q&A を返す。質問主導のレイヤー間ダイナミックルーティング（L0 ASR / L1 オブジェクト追跡 / L2 キーフレーム VLM）、繰り返し質問向けの意味レイヤー再利用、質問ごとの予算上限を備える。Python エンジン: コア層には faster-whisper / opencv / yt-dlp が必要（約200-300MB）。任意の意味層を追加すると torch / transformers / ultralytics が約2GB 増える。付属の doctor --fix が venv をセットアップし、両方をインストールする。

フローティングサイドバーウィンドウにTikTok風の動画フィードを表示します。ローカルまたはSMB-NASフォルダをスワイプするか、オンライン動画URL（yt-dlp、bilibili/YouTube、cookies.txtログイン状態）を貼り付けられます。ウィンドウは動画のアスペクト比に自動適合し、フルスクリーン、ドラッグリサイズ、Rangeストリーミング、エージェント動画キューエンドポイントを備えます。

Downloads a Bilibili video with yt-dlp, samples key frames, and transcribes it — from the site subtitles, or from a local faster-whisper install when there are none. Registers the skill the agent uses to write the summary; activates when a user message contains only a video link. Requires yt-dlp and ffmpeg on PATH; transcription needs faster-whisper.