把一段故障录屏丢给 Claude，它原本可能只能读到字幕，却看不见按钮何时报错。claude-video 补上了这块缺口：据项目官方 README，用户只需提供视频网址或本地文件，再输入问题，工具就会准备画面和文字，让 Claude 综合回答。
具体来说，它用 yt-dlp 下载网络视频，再用 FFmpeg 抽帧——按时间挑出部分画面，供模型查看。音轨则变成带时间位置的文字稿；公开视频有字幕时优先采用字幕，没有字幕才调用 Whisper API 转写。这样，编码 Agent 不只知道“说了什么”，也能结合“屏幕上发生了什么”，可用于分析演示、总结视频或排查录屏中的问题。它的价值不在于推出新的视频模型，而在于把下载、拆解和读取编排成一个命令；摘要未提供独立测试，实际效果仍取决于抽到的画面和转写质量。