用途：回答关于已观看或已索引视频的问题，例如“他们怎么说 X”“出现什么错误码”“2:30 发生了什么”。每个已观看视频都保存在持久化索引中，针对它的提问都从该索引作答，文本优先，仅在需要时使用画面帧，并附带时间戳、置信度评分，当视频未显示答案时会如实拒绝。追问不会重新执行一次观看。
主要能力：支持任意语言，答案以提问语言返回；引擎在不确定时会自行升级（密集重采样、zoom-crop 重 OCR、更强模型），并打印约节省 N tokens 的行。时刻类问题会获得密集窗口，而非整段视频提问。
用法： watch-skill ask <video_id-or-original-url> "<question>" 时刻问题示例：watch-skill ask <video_id> "what is on screen around 2:30?" 搜索示例：watch-skill search "<phrase>"，在所有观看过的视频上进行关键词与语义混合搜索，并按脚本做归一化（阿拉伯语折叠、CJK 分词、泰语分词）；命中后用 ask 或 moment 继续。
读取结果的规则：引用给出的时间戳，它们是真实证据；信任拒绝，当提示视频未清楚显示答案时，这就是答案，不要编造；帧路径仅在引擎希望你自己查看时列出，可用 --frames 强制输出。MCP 上的智能体有专用 get_moment 工具，接受显式时间戳和窗口；CLI 通过 ask 回答同一问题。用户纠正时应上报，以便下次回答更好（见 learning-from-mistakes 技能）。
限制：仅针对已观看或已索引的视频；视频不显示答案时会拒绝回答；具体模型、定价、平台支持等信息暂未提供。