用途：当用户提供 YouTube 链接、要求下载或获取视频转录、字幕、说明文字时，使用该技能获取视频文本内容。
主要能力：按优先级获取字幕——先检查 yt-dlp 是否安装并按系统安装（macOS 用 brew install yt-dlp；Debian/Ubuntu 用 sudo apt update && sudo apt install -y yt-dlp；通用方式 pip3 install yt-dlp 或 python3 -m pip install yt-dlp）。随后用 yt-dlp --list-subs "YOUTUBE_URL" 列出可用字幕，优先下载人工字幕：yt-dlp --write-sub --skip-download --output "OUTPUT_NAME" "YOUTUBE_URL"；不可用时回退自动字幕：yt-dlp --write-auto-sub --skip-download --output "OUTPUT_NAME" "YOUTUBE_URL"。两者都没有时，最后才用 Whisper：先展示音频大小并征得用户确认，再用 yt-dlp -x --audio-format mp3 --output "audio_%(id)s.%(ext)s" "YOUTUBE_URL" 下载音频，然后 whisper audio_VIDEO_ID.mp3 --model base --output_format vtt 转录；模型可选 tiny、base、small、medium、large，资料建议先用 base。
使用方式：下载得到 VTT 文件后，可选转换为纯文本并去重（自动字幕常有重复行），保留原始说话顺序；文件名可用视频标题生成，注意替换 /、:、? 等字符。输出格式包括 VTT（含时间戳）和纯文本（便于阅读分析）。
适用场景：需要 YouTube 视频文本用于阅读、分析或后续处理。
限制与注意：部分视频为私有、年龄限制或地区受限；无字幕时需用户确认后才能下载音频并安装 Whisper（模型约需 1-10GB 空间）；安装可能依赖 ffmpeg、rust 等系统组件；遇到 SSL 问题可尝试 --no-check-certificate；处理后应清理临时文件。价格与收费暂未提供。