keynote-demo-2025
基于Ray的多模态视频分析智能体，处理音视频并智能问答。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：keynote-demo-2025。 它的用途是：基于Ray的多模态视频分析智能体，处理音视频并智能问答。 完整的 Skill 内容见：https://321skill.com/skills/keynote-demo-2025/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“分析这个YouTube视频链接，总结其主要讨论的视觉主题和关键论点。”，它会自动下载视频，通过Whisper提取字幕并理解内容，同时用CLIP分析关键帧的视觉主题，最后生成一份结合了视听元素的综合分析报告。你也可以进一步追问：“视频中第10分钟提到的概念，对应了哪些画面？”
介绍
Rayflix是一个基于Anyscale Ray平台构建的多模态视频分析演示项目。它旨在解决如何高效、规模化地从视频内容（如YouTube视频）中提取和理解结构化信息，并支持用户通过自然语言进行智能查询的问题。
该Skill通过一个清晰的流水线工作：首先，它会预处理视频，提取音频和视频帧；然后，利用Whisper模型进行音频转录，利用CLIP模型为视频帧生成视觉嵌入；最后，通过一个智能体服务层，用户可以用自然语言提问，系统会利用生成的文本和视觉嵌入，智能地路由并调用相应工具来回答问题。
它非常适合需要处理大量视频内容、进行内容分析、信息检索或构建视频理解应用的开发者和研究人员。例如，内容创作者可以快速分析视频中的关键话题和视觉元素，数据分析师可以批量处理视频数据集以提取洞察。
使用建议：由于涉及GPU计算，建议在配置了GPU资源的Ray集群上运行以获得最佳性能。初次使用前，请确保已正确配置Anyscale环境及相关依赖。
核心特点
核心区别在于其“智能体路由”架构，将传统的批处理视频分析流程与可交互的智能体服务结合，允许用户用自然语言动态查询分析结果，而非仅生成静态报告。同时，它利用Ray Data和Ray Serve实现了从预处理到服务的全流程GPU资源优化调度。
注意事项
不适合需要实时（秒级）处理视频流或对延迟极其敏感的场景，其优势在于批处理和智能查询。
常见问题
Rayflix能处理本地视频文件吗？
可以，其预处理模块支持处理本地的视频文件（如video.mp4）。
需要自己部署Whisper和CLIP模型吗？
不需要，Skill内部已集成这些模型，并通过Ray环境进行部署和调用。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/keynote-demo-2025/raw/index.md 读取 keynote-demo-2025 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/keynote-demo-2025/raw/index.md（查看排版版本）