用途：从本地视频文件中提取屏幕上可见的文字，适合读取视频中的字幕、界面文本、链接、邮箱、票据编号等内容。
主要能力：技能内含一个自包含的 Python 脚本 scripts/video_feed_ocr.py，支持两种 OCR 引擎。快速路径使用 Tesseract（--fast，延迟较低但准确率可能下降）；高质量路径使用本地多模态 LLM（复杂版式效果更好）。LLM 模式模型在脚本中硬编码为 qwen/qwen3-vl-4b。
使用方式：先确认输入视频存在且可读，然后运行脚本并指定输出目录（建议放在 /tmp 或当前工作区）。快速模式示例：python3 scripts/video_feed_ocr.py --input /path/to/video.mp4 --output-dir /tmp/video-ocr --fast。高质量模式去掉 --fast 即可。运行后查看 ocr_raw.txt 获取完整文本，可用 --pattern 生成 ocr_hits.txt 过滤结果。技能要求在 escalation 权限模式下运行。
常用选项：--fps N 每秒采样帧数（默认 1）；--interval S 每 S 秒采样一帧；--frame-limit N 限制帧数；--pattern REGEX 正则筛选；--fast 使用 Tesseract；--lang LANG 快速模式语言（默认 eng）；--psm N 快速模式页面分割模式（默认 6）；--task-prompt TEXT 自定义 LLM 提取指令；--timeout SEC 每次 OCR 超时。省略 --task-prompt 时使用默认提示，要求按阅读顺序原样提取、保留换行、不转述不翻译，不确定处加 (?)，不可读处写 [illegible]，仅返回 Markdown。
适用场景：视频字幕提取、界面文字抓取、从视频中查找邮箱或 URL 等特定模式。
限制：OCR 可能存在拼写错误、低对比度或运动模糊导致的漏读，LLM 模式存在模型幻觉风险，报告中应说明置信度注意事项。若快速输出噪声大、缺行或误读，应去掉 --fast 重跑。其他平台支持、收费与价格信息暂未提供。