YouTube 总结技能

自动从 YouTube 视频中获取字幕文本，生成结构化摘要，并将完整字幕发送至消息平台。

适用场景

在以下情况下启用该技能：

• 用户分享 YouTube 链接（youtube.com/watch、youtu.be、youtube.com/shorts）
• 用户请求总结或转录某 YouTube 视频
• 用户询问某 YouTube 视频内容的相关信息

依赖项

必需：MCP YouTube Transcript 服务端必须已安装于以下路径：
/root/clawd/mcp-server-youtube-transcript

若未安装，请执行以下命令进行安装：

cd /root/clawd
git clone https://github.com/kimtaeyoon83/mcp-server-youtube-transcript.git
cd mcp-server-youtube-transcript
npm install && npm run build

工作流程

1. 检测 YouTube URL

从以下格式中提取视频 ID：

• https://www.youtube.com/watch?v=VIDEO_ID
• https://youtu.be/VIDEO_ID
• https://www.youtube.com/shorts/VIDEO_ID
• 纯视频 ID：VIDEO_ID（11 个字符）

2. 获取字幕文本

运行以下命令获取字幕：

cd /root/clawd/mcp-server-youtube-transcript && node --input-type=module -e "
import { getSubtitles } from './dist/youtube-fetcher.js';
const result = await getSubtitles({ videoID: 'VIDEO_ID', lang: 'en' });
console.log(JSON.stringify(result, null, 2));
" > /tmp/yt-transcript.json

将 VIDEO_ID 替换为上一步提取的实际 ID。输出结果保存在 /tmp/yt-transcript.json 中，可从此文件读取。

3. 数据处理

解析 JSON，提取以下字段：

• result.metadata.title — 视频标题
• result.metadata.author — 频道名称
• result.metadata.viewCount — 格式化后的播放量
• result.metadata.publishDate — 发布日期
• result.actualLang — 实际使用的语言
• result.lines — 字幕片段数组

完整文本拼接方式：result.lines.map(l => l.text).join(' ')

4. 生成摘要

使用如下模板生成结构化摘要：

📹 **Video:** [title]
👤 **Channel:** [author] | 👁️ **Views:** [views] | 📅 **Published:** [date]

**🎯 Main Thesis:**
[1–2 句核心论点／主旨]

**💡 Key Insights:**
- [见解 1]
- [见解 2]
- [见解 3]
- [见解 4]
- [见解 5]

**📝 Notable Points:**
- [补充要点 1]
- [补充要点 2]

**🔑 Takeaway:**
[可落地的应用建议或结论]

撰写要求：

• 主论点：最多 1–2 句
• 关键见解：3–5 条，每条 1–2 句
• 补充要点：2–4 条支持性细节
• 核心收获：具实操性的结论

5. 保存完整字幕

将完整字幕保存为带时间戳的文件：

/root/clawd/transcripts/YYYY-MM-DD_VIDEO_ID.txt

文件内容应包含：

• 视频元数据头部信息
• 完整字幕文本
• 原始 YouTube URL 引用

6. 平台适配发送

若目标渠道为 Telegram：

message --action send --channel telegram --target CHAT_ID 
  --filePath /root/clawd/transcripts/YYYY-MM-DD_VIDEO_ID.txt 
  --caption "📄 YouTube Transcript: [title]"

若目标渠道为其他平台或 webchat：
仅回复结构化摘要（不附加文件）。

7. 向用户返回摘要

将结构化摘要作为最终响应发送给用户。

错误处理

若字幕获取失败：

• 检查该视频是否启用了字幕功能
• 若请求的语言不可用，尝试以 lang: 'en' 作为备用语言重试
• 向用户说明字幕不可用，并提供替代方案：
  • 使用 YouTube 自带的手动字幕功能
  • 该视频可能未提供任何字幕
  • 建议尝试其他视频

若 MCP 服务端未安装：

• 提供安装说明
• 如当前上下文允许，可主动提供自动安装选项

若视频 ID 提取失败：

• 请用户直接提供完整的 YouTube URL 或明确的视频 ID

示例

参见 examples/ 目录下的样例输出。

质量规范

• 简洁性：摘要应在 30 秒内完成快速浏览
• 准确性：不得添加字幕中未出现的信息
• 结构性：保持统一格式，便于阅读理解
• 上下文适配性：根据视频时长动态调整摘要详略程度
  • 短视频（<5 分钟）：简明摘要
  • 长视频（>30 分钟）：更细致的分段解析

备注

• MCP 服务端采用 Android 客户端模拟技术，绕过 YouTube 的云 IP 封锁机制
• 在 VPS／云环境等 yt-dlp 常常失效的场景下仍能稳定运行
• 支持多语言字幕，并在目标语言不可用时自动回退至英语
• 字幕质量取决于 YouTube 提供的自动生成字幕或人工字幕