获取并阅读 YouTube 和 Bilibili 视频的字幕 transcripts。当需要总结视频内容、回答相关问题或提取信息时使用。

通过音频（字幕）和视觉（帧提取加图像分析）双通道对YouTube视频进行多模态分析。特别适用于教学、教程、演示和说明类视频，其中所展示的内容（如截图、UI演示、图表、代码、物理动作）与所说内容同等重要。当用户希望分析、总结YouTube视频，或根据视频创建分步指南，或分享YouTube链接并希望了解视频内容时，请使用此功能。触发条件包括：“分析这个YouTube视频”、“根据此视频创建分步指南”、“这个视频展示了什么？”、“总结这个教程”，或任何带有分析意图的YouTube链接。

使用 VLM Run CLI（vlmrun）与 Orion 视觉 AI 代理交互，通过自然语言处理图像、视频和文档。触发场景包括：图像理解与生成、目标检测、OCR、视频摘要、文档提取、图像生成、视觉 AI 聊天，以及“生成一张图像/视频”“分析这张图像/视频”“从中提取文字”“总结这个视频”“处理这个 PDF”

使用 Kagi 的通用摘要 API 对任意 URL 或文本进行摘要。支持多种模型（包括企业级 Muriel 模型）、要点提炼，并可将输出翻译为 28 种语言。适用于需要高质量摘要的文章、论文、视频字幕或任何文档。

获取并阅读YouTube视频的字幕文本。适用于需要总结视频内容、回答相关问题或提取其中信息的场景。

从GNews获取并总结用户提供的任何主题的最新新闻文章，然后生成包含日期、问候语和精选链接的Markdown摘要

使用 youtube2md 将 YouTube 视频摘要为结构化 Markdown 格式，包含分章笔记、时间戳链接和关键要点。当用户提供一个或多个 YouTube 链接并要求生成摘要、学习笔记、特定语言摘要、字幕提取或机器可读的 JSON 输出时使用。

使用 Google Gemini 多模态 AI 分析视频。从任意网址（如 Loom、YouTube、TikTok、Vimeo、Twitter/X、Instagram 及 1000 多个网站）下载视频，获取字幕、描述和问题答案。当需要观看、分析、总结或转录视频，或回答有关视频内容的问题时使用。当收到视频链接或涉及视频理解的请求时自动触发。

从ClawHub（公开的OpenClaw技能注册中心）安装、搜索、更新和管理技能。当用户希望通过slug安装技能（例如“clawhub install summarize”）、搜索技能、更新已安装的技能或以任何方式管理ClawHub技能时使用。