Watch Skill 是一个视频理解和自我验证工具。它会把视频、录屏或浏览器画面处理成带时间点的证据，让 Codex 能回答哪一刻发生了什么、依据是什么、接下来该怎么做。
普通的视频转写只能给出一大段文字。Watch Skill 还会保留关键画面、转写内容、时间点和可搜索证据，适合会议回放、产品演示、网页操作录屏和测试过程。它负责理解和验证，不等于自动完成最终剪辑。
先打开官方仓库，确认项目是 oxbshw/watch-skill，然后在终端运行：
uvx –from “watch-skill[standard]” watch-skill setup
这一步会准备 Watch Skill 的本地运行环境。
安装引擎后，把 Skill 加到 Codex：
npx skills add oxbshw/watch-skill -g
完成后检查 Skills 列表，确认 Watch Skill 已启用。没有显示时，重启 Codex 再检查。
Watch Skill 支持本地语音识别和本地模型。优先选择本地 Whisper 或本地 Ollama，云端语音识别作为可选项。第一次使用时，先检查本地服务是否正常运行。
把一段会议录屏或操作视频交给 Codex，再提出具体问题，例如：“谁确认了上线时间？请给出对应的时间点和原话？” Watch Skill 会返回答案，并附上可以点击跳转的时间点。
如果有很多录屏，可以先批量处理：
watch-skill batch ./recordings –limit 50
然后查看视频库概览：
watch-skill library overview
这样可以从多段视频里统一搜索。
提问时要求答案同时返回结论、时间点、对应画面或转写片段，必要时再做前后对比。例如：
watch-skill library ask “谁确认了上线时间？请列出所有相关时间点。”
拿到答案后，点击时间点回看原视频，确认没有混入相邻句子或相似画面。
Watch Skill 还可以持续观察浏览器，把完成标准交给它检查：
watch-skill loop start –source “browser:http://127.0.0.1:3000” –criteria “Checkout completes and the total is always a valid currency amount”
它会记录关键时刻，并留下通过或失败的依据，适合网页测试和演示验收。
需要交付或复盘时，可以导出 HTML 报告：
watch-skill viewer <video_id> –out video-report.html
报告可以集中查看视频、时间线、转写、OCR 和关键截图。
稳定的工作方式是：先让 Watch Skill 找证据，再把证据时间点和截图交给 Codex，最后让 Codex 生成处理建议或执行下一步。不要只说“视频里好像有问题”，要说清楚时间点、画面内容和希望 Codex 做什么。
三个提醒：先问具体问题；关键结论一定点击时间点回看；原片、证据报告和最终结果分开保存。
Watch Skill 的核心，是把视频变成可搜索、可回放、可验证的证据，再交给 Codex 继续工作。
本文来自投稿，不代表OPC中国立场，如若转载，请注明出处：https://www.opcchina.ai/?p=4329
