seek-and-analyze-video
À propos
Cette compétence permet aux agents IA d'indexer de manière persistante et d'interroger intelligemment le contenu vidéo de plateformes comme YouTube et TikTok en utilisant le LVMM de Memories.ai. Elle est conçue pour créer des bases de connaissances vidéo consultables, analyser les tendances des réseaux sociaux ou résumer des conférences et des réunions. Les développeurs doivent l'utiliser lorsque leurs applications nécessitent une analyse profonde et réutilisable du contenu vidéo plutôt qu'un traitement ponctuel.
Installation rapide
Claude Code
Recommandénpx skills add boisenoise/skills-collections -a claude-code/plugin add https://github.com/boisenoise/skills-collectionsgit clone https://github.com/boisenoise/skills-collections.git ~/.claude/skills/seek-and-analyze-videoCopiez et collez cette commande dans Claude Code pour installer cette compétence
Dépôt GitHub
Frequently asked questions
What is the seek-and-analyze-video skill?
seek-and-analyze-video is a Claude Skill by boisenoise. Skills package instructions and resources that Claude loads on demand, so Claude can perform seek-and-analyze-video-related tasks without extra prompting.
How do I install seek-and-analyze-video?
Use the install commands on this page: add seek-and-analyze-video to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does seek-and-analyze-video belong to?
seek-and-analyze-video is in the data-ai category, tagged video, ai, memories, social-media, youtube and tiktok.
Is seek-and-analyze-video free to use?
Yes. seek-and-analyze-video is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Compétences associées
Cette compétence offre des conseils d'expert sur le déploiement et l'optimisation de LLM locaux en utilisant des outils comme Ollama, llama.cpp et vLLM. Utilisez-la pour sélectionner des modèles, calculer les besoins en VRAM et appliquer des formats de quantification (GGUF, EXL2) pour une inférence locale efficace. Elle est idéale pour les développeurs ayant besoin d'un déploiement d'IA axé sur la confidentialité sur leur propre matériel.
Cette compétence permet aux agents IA de rechercher, d'importer et d'analyser de manière persistante des contenus vidéo provenant de plateformes comme YouTube et TikTok en utilisant le Large Visual Memory Model de Memories.ai. Elle est conçue pour créer des bases de connaissances vidéo consultables, résumer des enregistrements ou étudier les tendances des réseaux sociaux. Les développeurs doivent l'utiliser lorsque leur agent Claude a besoin d'interroger à plusieurs reprises du contenu vidéo indexé plutôt que d'effectuer une analyse ponctuelle.
Cette compétence offre des conseils d'expert sur le déploiement et l'optimisation de LLM locaux en utilisant des outils comme Ollama, llama.cpp et vLLM. Elle aide les développeurs à sélectionner des modèles, gérer la VRAM et appliquer des formats de quantification (GGUF, EXL2) pour une inférence locale efficace. Utilisez-la lors de la planification des exigences matérielles ou de la mise en œuvre de solutions d'IA axées sur la confidentialité sur du matériel local.
Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.