AI agent skill · by @JimLiu

Video Blog

用户要把一个视频写成博客文章、公众号或专栏文章、图文稿时用：一篇不看视频也能读明白的完整文章，分作者视角（用户自己的视频，以用户名义发布）与观众视角（别人的视频，带出处的转述）。需要视频的转写。不用于只要摘要要点（用视频内容总结），也不用于与视频无关的写作。

Archived 2026-10-23 · Source updated 2026-10-12. Check the original repository for the latest version.

SKILL.md instructions

# 视频写成博客文章

读这篇文章的人没看过视频，多半也不打算看。他要的是一篇完整的文章：读完之后，视频里讲的道理他懂了，例子他记住了，步骤他能照着做。所以它既不是整理过的文稿，也不是总结：总结告诉读者这一期讲了什么，文章把这一期的内容完整地重讲一遍，让人读得下去。

最容易写坏的两种样子：一种是把文稿去掉口头禅、分几段、加几个小标题就交出去，读起来还是一个人在说话的记录，前后跳、指代不明、该解释的没解释；另一种是写着写着变成了总结，每个话题两句话带过，例子、数字和步骤都没了。前者读者读不顺，后者读者读完什么也带不走。

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）、两类读者与视角、篇幅与风格的档位、默认值都在那里，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：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。时间是剪辑后时间线上的时间；要标时间点时取它，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、发布平台、链接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 里有 SRT、TXT，直接读。
5. 长文稿先分段读（按章节或时间），每段记下主题块、要引用的原话和它们的时间码，再合起来写成品。只读了一部分时不写成品。
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`）。纯对话、读文稿就能懂的不取。帧是那个时刻的素材画面，不含字幕、文字与叠加的元素；从画面里看到的东西是你补的背景，写进去时读者要分得清。

## 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。

## 3. 动笔之前

先想清楚下面几件事，它们不进成品：

1. **视角是哪一种**。用户说了就照办；没说时按基线「视角」一节判断：用户的偏好里说明了身份、并且视频显然是用户自己的，用作者视角；显然是别人发布的，用观众视角；都看不出来按观众视角，拿不准可以简短地问一句。把别人的话说成用户自己的，比把用户的话写成转述更糟。

   | | 作者视角 | 观众视角 |
   | --- | --- | --- |
   | 什么时候 | 视频是用户自己的 | 视频是别人的 |
   | 写给谁 | 用户的读者：关注用户的人、搜到这篇的人 | 没看过视频、想了解内容的人 |
   | 目标 | 一篇能以用户名义发布、让人想读下去的文章 | 一篇能代替看视频的文章：完整、忠实 |
   | 口吻 | 用户本人；可以用第一人称 | 第三人称转述，观点归给说它的人 |
   | 开头 | 抓人（第 4 节） | 说明出处，再说这篇讲什么、对谁有用 |
   | 固定栏目 | 加上用户偏好里的署名、结尾的关注语等 | 不给用户署名或推广 |

2. **这篇文章最值得读的是什么**。一句话写下来：一个结论、一个结果、一个问题、一段经历。开头从它出发，标题从它出发。
3. **读者为什么会在意**。他本来好奇什么、纠结什么、默认相信什么？这件事落在他自己的工作和生活上是什么？「跟读者有什么关系」要说得具体，不说「这对每个人都很重要」这类话。
4. **文章的骨架**。视频里散在各处讲的同一个话题归到一节；结论可以提前；同一个意思说了好几遍的留最清楚的一遍。顺序按读者理解的需要排，不按视频的先后。调的过程里因果不能变。
5. **读者会卡住的地方**。说话人一句带过的人名、公司、术语、比喻、跳过的步骤，逐个问：没看过视频的人知道在说什么吗？不知道的，正文里补一句，或用大白话说出意思，或者不写。
6. **哪里要配图**。幻灯片、演示、图表、实物、操作的结果，光用文字说不清的，记下时间码（第 6 节）。

## 4. 开头

读者看完前几句就会决定要不要读下去。

**作者视角**：头几句告诉读者读下去能得到什么，从最值得读的一点开始。不寒暄，不用「今天想跟大家聊聊」「最近很多人问我」开头。抓人的东西正文里必须兑现。语气先按这次的风格，其次按用户的偏好，都没有时按用户在视频里说话的方式；用户在视频里的观点和保留意见不因语气改变。

**观众视角**：第一段说明这是谁的视频、哪一期、发在哪里（按视频信息），说话人是谁、在这个话题上凭什么值得听，再说这篇讲什么、对谁有用。出处写得具体，但不写成简历：说他做过的和这个话题直接相关的那件事，不写头衔的堆叠。

对比一下（只是示意，不要照搬句式）：

不好：今天想跟大家聊聊代码审查这件事。随着 AI 工具越来越普及，很多团队都遇到了新的问题。下面我就结合自己的经验，分几个方面来谈谈。

好：我们团队上线 AI 写代码的头两周，交付速度一点没快，反而慢了。代码产出涨了三倍，卡在审查上：没人看得过来。这篇讲我们怎么把审查流程改过来，以及改完之后被迫改的第二件事。

前一个开头读完，读者只知道「要谈代码审查」；后一个开头，读者已经知道这篇讲什么、跟自己有什么关系，并且想往下看。

**多人对话**两种视角里都可能出现：要么写成转述（按主题分组，观点归到人），要么保留问答体；问答体也要编辑过，不是贴文稿。

## 5. 从说到写

- 去掉口头禅、重说、半截话和离题的闲聊；同一点说了好几遍的，留最清楚的一遍。
- 把说话时靠语气、手势和画面传达的东西写出来：「这个」「那边」指的是什么，当时屏幕上在演示什么。看了帧的，把看到的写明白。
- 保留例子、数字、步骤和原话里的关键措辞。它们是文章最有价值的部分，也是最容易在「整理」时丢掉的部分。
- 立场不变。说话人留了余地的地方（「我猜」「可能」「在我们这种情况下」），文章里也留余地；不把「有时候管用」写成「管用」。
- 术语：说话人顺口提到的工具名、框架名、技术细节，先问它对读者理解这一节是不是必需。不必需的不写；能用大白话说清的就不出现术语本身；绕不开的核心概念第一次出现时用一句读者能想象出来的话解释，不用另一个术语去解释。说话人自己打的比方通常是最好的解释，用在正文里。
- 转述不掺评价。读者要分得清哪句是说话人说的、哪句是作者说的。观众视角里尤其如此：对方说了什么照实转述，评论是作者的，并且分开写。
- 补背景遵守基线第 4 条。补的是帮读者理解视频内容的事实，不是你自己对这个话题的延伸讨论；不加视频没有表达的观点。

## 6. 结构与配图

- **标题**由内容决定，从最值得读的一点出发；作者视角的标题还要吸引人，同样只说视频兑现的东西。
- **正文分节**，每节的小标题说这一节的结论或讲什么（「瓶颈从写代码转到了审代码」，不是「关于代码审查」，更不是「第一部分」）。视频的章节可以作为分节的起点，但章节是给观众跳着看的，文章的分节按阅读的需要来。
- 节内用自然段落，不用列表：列表装不下「因为……，所以……」。本身就是列表的内容（步骤、清单、对比）例外。
- **结尾**在内容结束处停下，不加「总之」「希望对你有帮助」；作者视角有固定的结尾栏目就加上。
- **配图**：有些内容要配图才说得清：幻灯片、演示、图表、实物、操作的结果。在这些地方写明需要什么画面、对应视频里哪个时间点（取自文稿的时间码），下面配一句图说。图辅助文字，不代替文字：去掉图，这一段仍然读得明白；只在需要画面的地方配图，不为好看每节一张。用 videos_frames 取到的帧可以直接给用户当素材（它是素材画面，不含字幕与叠加）；要带字幕或叠加效果的画面，请用户在编辑器里截。视频里没有、要另外画的插图标明是补的。用户同意生成插图时可以用 image 生成（不带 `video`）：只画示意图与概念图（一个比喻、一个场景、一种关系），不冒充视频里的画面、产品界面、真人或数据；全篇用同一段风格说明，比例按图在文章里的位置（通常横图 `16:9` 或 `4:3`），画面里不要字。用 artifacts_save 存到文章同一个目录，文件名同样扁平（如 `<视频名>.blog.fig-1.png`），图注写明是生成的。怎么调用、画不了时怎么办，用 `skills_read` 读 `baocut-catalog-media` 的「生成图片」。
- **用户要了关键帧插图时**（工具页勾了「添加关键帧插图」，或在对话里说要配图）：只在上面说的需要画面的地方取帧，用 videos_frames 给出那几个时刻（`at`，时间线上的秒数），一处一帧；画面在说话中变化时多取两三帧挑最清楚的一张。帧文件在工作目录的 `.baocut-out/frames/<videoId>/` 里，把用到的复制到文章同一个目录，文件名带上文章名、不建子目录（如 `<视频名>.blog.at-12500ms.png`；交付时子目录保不住，扁平的文件名在哪都成立），在文章里写成相对路径的 Markdown 图片 `![图注](<视频名>.blog.at-12500ms.png)`，图下面一句图注说图里是什么、对应视频的时间点。没勾、也没说要配图时不插图片，只按上一条写明需要什么画面。按第 9 节交付文章时，图片一张张同样交出去，仍和文章放在同一个目录，并告诉用户共几张、放在哪。

## 7. 篇幅与风格

文章没有固定长度：写到清楚为止，读者多读的每一段都应该有所得。给非专业读者把一件事讲明白要多花些字，这部分篇幅从砍掉的专业细节里省出来。档位的含义见基线第 4 节，对文章具体是：

| 篇幅 | 文章是什么样 |
| --- | --- |
| 短 | 一篇短文：只讲这个视频里最值得讲的一两件事，讲清楚 |
| 中（默认） | 视频的主要内容都覆盖到；关键的例子和步骤保留 |
| 长 | 完整重讲视频内容：每个论证、例子、步骤和数字都在，背景补全，每个需要画面的地方都写明了配图 |

| 风格 | 在文章里 |
| --- | --- |
| 平实（默认） | 把内容讲清楚，不评论。作者视角默认用用户在视频里说话的方式 |
| 科普 | 为外行重新组织：从读者已经知道的讲起，逐个解释术语，多用例子和比喻 |
| 吐槽 | 作者带着态度讲：评论和调侃。观众视角里，对方说了什么照实转述，评论是作者的 |
| 其他 | 照用户的描述写；给了范本时学它的语气和结构，不抄它的句子 |

文稿很长又要长版时，后半部分和前半部分写得一样充分。

## 8. 要避免的

- 不要把文稿去掉口头禅就当文章交；也不要写着写着变成总结。
- 不要用「今天想跟大家聊聊」「随着……的发展」开头；观众视角不要把人物交代写成简历。
- 不要把说话人提到的工具名、框架名、技术细节一个个照搬进来。
- 正文不要列 bullet points，小标题不要写成「第一部分」「关于 X」。
- 不要编造文稿里没有的内容；说话人的头衔、经历、数据尤其不能靠推测补全。
- 不要把评价混进转述里；「更妙的是」「反讽的是」这类承接词也是评价。
- 不要加「总之」「综上所述」「希望这篇对你有帮助」，不要强行升华。
- 作者视角不要替用户做视频里没做的承诺、宣布用户没说过的计划。

## 9. 交付

- 写成工作目录里的 Markdown 文件（如 `<视频名>.blog.md`；多种语言时在扩展名前加语言标签，如 `<视频名>.blog.en.md`）。不同篇幅或风格的版本各存一份；大改之前把上一版另存，小修直接改。会话不属于项目时工作目录用户看不到：再用 downloads_save 放进下载目录，把它返回的 path 告诉用户；插了关键帧的，图片文件一张张同样处理。
- 向用户说明：文件的真实路径；用的是哪种视角、依据是什么；产出用了哪种语言、按哪条规则定的；文稿之外补了哪些背景（含从画面里看到的）；哪些信息没有核实、哪些链接要用户补；哪些配图需要用户截取；插了关键帧时，图片文件在哪、共几张。

## 10. 自查

- 视角对：作者视角用用户的口吻；观众视角说明了出处，没有把别人的观点说成用户的。
- 只读开头，读者知道这篇讲什么、跟自己有什么关系、想不想往下读吗？作者视角抓人的东西正文兑现了吗？
- 不看视频也读得明白；每个「这个」「那里」都有所指；每个留下的术语、人名、公司都必需，并且第一次出现时解释了。
- 每个事实、数字和名字都在文稿或视频信息里；补的背景分得清，而且确定；从画面里看到的东西读者分得清是补的。
- 说话人的立场和保留意见都在；转述里没有混进评价。
- 例子、数字、步骤还在，没有在「整理」时丢掉。
- 没有整段照搬文稿，也没有写成总结。
- 只扫一遍小标题，能看出每一节讲什么。
- 需要画面的地方写明了要什么画面；去掉图也读得明白。用户要了关键帧插图的，每张图都有图注，路径相对文章所在目录，图片文件和文章放在一起。
- 产出的语言符合第 2 节的顺序；篇幅与风格是这次要的档位与风格。