用途：从无内嵌字幕的视频（如演示、讲座、录屏）中提取屏幕文字，生成可搜索的结构化 Markdown 报告。
主要能力：先用 ffprobe 获取时长、分辨率、帧率、编码、文件大小等元数据；再用 FFmpeg 按设定间隔（默认每 30 秒）截取带时间戳的 JPEG 帧；然后对每帧执行 Tesseract OCR，默认 PSM 模式无有效文本时回退到全自动页面分割；最后汇总为 Markdown 文档。
使用方式：需配合 scripts/extract_video.py 使用，该文件未随资料提供，属于外部前置文件，须自行从上游来源获取或使用用户已安装的版本，并确认许可与运行条件。参数为 video_path、output_dir、interval（秒）、lang。示例：python scripts/extract_video.py recording.mp4 ./output 60 eng；python scripts/extract_video.py lecture.mp4 . 15 chi_sim+eng。也会在 Agent 提示中触发，如使用该技能从 lecture.mp4 提取内容，输出 lecture.md 与 lecture_frames/ 目录。
建议：文字变化频繁的内容用 10–15 秒间隔，幻灯片或慢速讲座用 30–60 秒以减少重复帧；中文内容需安装 chi_sim 语言包，可用 tesseract --list-langs 核对。
限制：需本机 PATH 中可访问 FFmpeg 与 Tesseract；OCR 准确率受画质、字号、字体清晰度影响；不提取音频、不做语音转文字；按时间而非场景变化抽帧，可能产生近似重复帧；短视频间隔在大视频上会生成大量帧，需足够磁盘空间。全部处理在本地完成，不联网，不修改或删除原视频。