AI 视频总结工具：Cursor Agent 实现多平台视频自动笔记
前言：看视频学习的痛点
打开一个 40 分钟的技术视频，心想这次一定好好做笔记。结果 10 分钟后，在暂停、截图、打字之间反复横跳，笔记写了三行，视频才看了一半。
更痛苦的是，做完笔记回头一看：写的啥？
既然让 AI 拥有各种超能力，那能不能让它帮我看视频、做笔记？于是，这个故事就开始了。
竞品调研
在动手造轮子之前，调研了市面上的工具：
| 工具 | 优点 | 缺点 |
|---|---|---|
| BibiGPT | 总结质量高，支持多平台 | 要钱，用多了钱包会痛 |
| Glarity | 浏览器插件，方便 | 也要钱，免费额度感人 |
| 通义听悟 | 阿里出品，中文友好 | 同样要钱，且有使用限制 |
| Kimi | 免费！ | 不支持视频总结 |
总结下来就是：好用的都要钱，免费的不好用。
于是我想：既然 AI 这么强，为什么不自己做一个？白嫖自己的算力，想看多少看多少，笔记格式还能自己定义。
项目介绍：video-summarizer
这是一个安装在 Cursor 里的 Agent Skill。GitHub 地址：https://github.com/keepongo/video-summarizer.git
它只需要丢一个视频链接给 AI，就能自动：
- 提取视频字幕/语音转文字（三层降级策略，总有一个能用）
- 抽取关键帧截图（每段配图，再也不是纯文字笔记）
- 生成结构化 Markdown 笔记（自动保存到本地）
支持的平台：
- B 站 — 公开 API，无需 Cookie，直接起飞
- 抖音 — 直接解析移动端页面，无需登录
- 小红书 — 同上，移动端直接拿数据
- YouTube — 字幕 API 可用（IP 有限制，后面说）
- 以及所有
yt-dlp支持的平台
效果展示
B 站：大模型 Token 科普视频
给 Skill 丢了一个 B 站的大模型 Token 科普视频链接，它直接提取了字幕和关键帧。上图是视频中对 Token 概念的可视化讲解——"我喜欢唱、跳、Rap 和篮球"被拆分成一个个 Token，经典永不过时。AI 把这些关键画面都精准地抽出来了。
DeepSeek 拿着剑，GPT 拿着电锯——这画风，一看就是讲大模型"军备竞赛"的。Skill 自动抓到了这个灵魂画面，配合生成的文字总结，不用看视频就能 get 到精髓。
B 站是最省心的平台，公开 API + WBI 签名就搞定了，完全不需要登录或 Cookie。字幕直接从官方 API 拿，又快又准。
抖音：《奔跑吧》第十三季
- 直接未登录抖音复制链接给 cursor。
- 后面增加截图功能，一样按要求保存到 D 盘的 images 文件夹。
抖音的实现挺有意思：直接解析移动端分享页面的 ，拿到视频的 CDN 直链，不需要 Cookie，不需要登录，甚至不需要 （当然字幕还是得靠 Whisper 转录，毕竟抖音没有字幕文件）。
