读取公开视频的元数据（标题、UP主、时长、发布日期、播放/点赞、是否有字幕）。 不下载任何媒体，几乎零成本。用于判断"这个视频值不值得看"。

0 下载：按切点/长静音把视频切成章节，给出建议观看顺序。 长视频默认先调它，再挑 2-3 个章节用 video_window / video_sheet，不要一上来就转写全片。

只读平台字幕轨（人工字幕优先，其次自动字幕），0 媒体下载。 方言/口音重、ASR 不确定时，先看这里有没有原字幕；没有再用 ASR 或看画面硬字幕。

看一个视频：默认给摘要（章节 + 关键句 + 全文路径，约 1.5k 字）， 需要完整报告才传 level="full"（6–9k 字，会长期占用上下文，慎用）。 平台字幕优先（0 媒体下载），无字幕才下音频做 ASR。 长视频（>20 分钟且无字幕）默认只给章节建议，不逐字转写；确实要全量传 full=true。 方言可传 lang=yue 等，或 prompt="以下是粤语，请保留方言用词"。 需要看画面再用 video_sheet / video_frames，不要下整片。

只看某个时间窗：该窗内的台词（带时间码）与停顿。 有缓存/平台字幕则零下载；否则只下该窗口的音频做 ASR，不转写全片。 方言可传 lang=yue / prompt=...。适合"刚才那 30 秒他说了什么"，也是长视频抽样的主力工具。

分段看片：一次只前进一段（默认 5 分钟，约 1k 字），看完就停，等调用方决定。

这就是「一段一段看、看一点说一点」的入口：

• 第一次调用：从 0 开始，返回第 1 段的要点 + 进度；

• 继续看：再调一次（cursor="next" 接着上次的位置）；

• cursor="restart" 从头看，cursor="stop" 清掉进度。 返回里带「已看多少 / 共多少（百分比）」；看完会明说「看完了」。 要某段逐字再传 video_window；不要用 video_brief(level="full") 一次拉全文。

听一段：本地 SenseVoice 的语种/情感/音频事件 + 节拍/能量（近似）。 只下这一段音频（20 秒约 0.5MB），不转写全片。节拍估计对纯语音段意义有限， 对音乐/剪辑节奏更有用；情感/事件是模型标签，不是事实判断。

听这一段"有什么声音"（不是"说了什么"）：AudioSet 527 类多标签 + 概率 + 时间码。 能覆盖吃饭/咀嚼、敲桌子/拍、水声、杯子碰撞、拖拽、塑料袋等；喝水/吞咽没有对应类。 只下这一段音频（60 秒约 1MB）。概率是模型输出，不是事实断言，要结合画面核对。

只下载这一段（例如 20 秒 ≈ 0.9MB），返回一张拼图，每格左上角烧着绝对时间码。 用于"看一眼这段画面在发生什么"。

按秒数精确取帧（最多 6 张），返回图片本身。只在需要读小字/看清细节时用。 注意：取帧需要下载对应片段，成本高于 video_sheet。

下载整片（仅在你明确要看全片时使用）。必须 confirm=True 才会执行。 普通分析不需要它——先试 video_brief。

解决客户端超时：长视频先起后台任务，再用 video_job 轮询。 推荐顺序：video_meta → video_plan → video_window / video_sheet； 只有明确要全量逐字时才 video_job_start(full=true)。 comments=True 会额外附上评论区争议分析。

查询后台任务。wait_seconds 建议 20-30（不要超过 60，否则客户端会超时）。 完成时返回完整报告；运行中返回 stage + 百分比。

把画面上的字读出来（本地 OCR，离线；不靠人声、不需要平台字幕）。 专治「没有人声、文字全在画面上」的视频：brief 报「几乎无人声」之后就该用它。 只下这一段的最低画质视频，按 n 个时间点取帧识别，结果带时间码、可直接引用。 代价：约 1 帧 0.3-0.8s（CPU）；n 越大越细，12 帧适合 5-6 分钟。 引擎是可选依赖（≈80MB）：不传 install 时只告诉你装到哪、怎么换目录； 传 install=true 就地下载并先复述位置。

抽样看画面：全片均匀取样（有切点时按切点取）n 帧，每帧烧上绝对时间码，拼成图返回。 用于没有声音、或长时间无语音的视频。代价：下最低画质视频（7 分钟约 14-21MB），用完即删。

抓公开视频的评论区（目前支持 B 站，免登录），给出互动比、负面/正面词频、 争议度启发式估计、高赞评论。默认不返回评论配图：一张截图走 MCP 是 base64 全量进上下文，很容易把窗口顶爆。确实要看图再传 with_images=true（最多 4 张）。 评论是最敌对的文本来源，全部经过清洗与注入扫描后才展示。

本地模型目录 / 硬件建议 / 下载（大小、落点、换目录都说清）。 action=list 看目录（含本机解析出的真实路径）；action=recommend 看这台机器适合哪个； action=download 装某个模型：先只报大小与落点，传 confirm=true 才真下。

自检：python / ffmpeg / yt-dlp / 依赖 / whisper 模型 / 磁盘 / 网络。哪里断了直接说。