youtube-summarizer

youtube-summarizer 技能概览

youtube-summarizer 的作用

youtube-summarizer 技能可以把 YouTube 链接转换成结构化的转录摘要，并可选提供章节级拆解和二次利用角度。它适合那些想直接获取视频内容、而不想手动复制字幕再塞进通用 prompt 的人。

最适合的使用场景

当你需要从视频里快速提炼管理层简报、从访谈或播客中整理研究笔记，或者想生成一份便于内部分享的干净摘要时，就该用 youtube-summarizer。它尤其适合竞品情报、知识沉淀，以及把长篇 YouTube 内容变成可检索资料。

为什么值得安装

和一次性 prompt 相比，安装 youtube-summarizer 能让你形成可重复的工作流：识别 URL、抓取转录、按统一格式总结，并保留视频元数据。这会降低配置摩擦，也能避免把错误文本总结了，或者丢失原视频上下文这一常见失误。

如何使用 youtube-summarizer 技能

安装与依赖检查

使用 npx skills add BrianRWagner/ai-marketing-skills --skill youtube-summarizer 安装该技能。在使用前，先确认转录后端可用：该技能依赖位于 /root/clawd/mcp-server-youtube-transcript 的 MCP YouTube transcript server，并且需要 Node.js >=18.0.0。

从完整请求开始

想要更好的 youtube-summarizer 使用效果，请把视频 URL 和你想要的输出形式一起交给 agent。一个更强的 prompt 可以这样写：“请把这个 YouTube 视频按 standard 模式总结给产品团队，包含核心论点、5 条洞察和一个可执行收获。”如果你希望更深入，就提前要求章节拆解或二次利用建议；如果只是想快速浏览，就直接要求 quick。

先看对的文件

如果你在改造这个工作流，先预览 SKILL.md、README.md、SKILL-OC.md、_meta.json、package.json 和 examples/sample-output.md。在这个 repo 里，这些文件能比通读整个目录树更快告诉你激活规则、输出模式、依赖路径，以及一份合格最终摘要应该长什么样。

能提升输出质量的工作流建议

把 URL 当作输入，而不是把转录文本本身当作输入。这个技能在能同时提取元数据和转录内容、再基于同一来源进行总结时，表现最好。如果视频很长或很技术化，请明确受众，以及你要的是简短 TL;DR、研究摘要，还是内容资产版本，这样模型才不会把内容抽象过头。

youtube-summarizer 技能 FAQ

youtube-summarizer 只能做摘要吗？

不是。它的主要任务确实是摘要，但 youtube-summarizer 技能也会保留转录文本中的细节，并且在你需要章节拆解或二次利用笔记时，支持更深入的工作流，而不只是快速概述。

什么时候不该用这个技能？

如果你已经有一份干净的转录文本，只需要做一般性的语言改写，那就不必用它；如果来源也不是 YouTube URL，同样不适合。它也不适合那种需要基于视频本身做人工核验，而不是基于转录摘要的场景。

对新手友好吗？

友好，只要你能提供 YouTube URL 并选定模式即可。新手最常见的错误，是只说“做个总结”，却不说明要 quick、standard 还是 deep，结果要么太浅，要么比需求详细得多。

它和普通 prompt 有什么区别？

普通 prompt 可以总结你粘贴进去的文本，但 youtube-summarizer 是按 YouTube 工作流来设计的：URL 识别、转录抓取，以及带元数据的输出。这让它在 youtube-summarizer 的总结任务上更稳，尤其适合内容原本就存在于视频平台上的场景。

如何改进 youtube-summarizer 技能

给模型一个更明确的目标

提升 youtube-summarizer 结果最快的方法，就是把受众和使用场景说清楚。“给创始人看”会更偏战略收获；“做学习笔记”会更偏结构和记忆点；“写 newsletter 初稿”则更需要锋利角度。使用场景越具体，摘要就越不容易泛化。

明确要提取什么

如果第一次输出感觉太宽泛，就直接要求你真正关心的部分：主张、数据点、行动项、异议，或者章节转折。对 youtube-summarizer 的使用来说，更强的输入胜过更长的 prompt。比如，“只提取最重要的 5 条运营收获和文中提到的所有数字”就比“请写得详细一点”更有效。

通过约束来迭代

常见失败模式包括：摘要过于四平八稳、过于空泛，或者过度盯着说话人的填充结构。下一轮可以加上约束来改进，比如“排除开场和赞助段落”、“优先保留新信息”或“标记任何未经证实的断言”。这也是获取更高信号 youtube-summarizer 指南里最实用的方式之一。

把第一轮当作筛选器

把初次摘要当作分流层，先判断这个视频值不值得继续深挖，再用更窄的目标重新运行技能。如果内容可复用，就要求按章节给出二次利用机会；如果研究信息很多，就改要一份简洁的证据地图。这样可以避免 youtube-summarizer 在你需要可直接决策的输出时，仍然做成泛泛而谈的通用总结。