AI 智能体 视频转录，用于检索、引用和总结

调用transcribe后，工具会等待转录并返回第1页。如果任务还没完成，保存返回的id，改用get_transcription查询。2个工具的参数见MCP工具文档。

给智能体明确区分“创建任务”和“读取任务”。前者会开始转录，可能消耗分钟数；后者用于查看进度或读取已有文本。不要用重新提交来代替查询。

把任务ID写入持久化任务状态，不要只留在模型的对话里。智能体重启后，仍应能接着读取。处理一组视频时，每个ID都保留对应的输入链接。

完整帖子链接可以匹配近期相同选项的转录，短分享链接在提交时无法匹配。知道ID就直接读取，这是避免重复任务最简单的办法。下面的例子使用公开Bluesky视频帖子的链接占位符。

支持Agent Skill的智能体可以从索引发现transcript1，再读取SKILL.md中的使用说明。

MCP提供可调用的工具，Agent Skill说明调用顺序和错误处理方式。自行搭建REST流程时，也可以沿用相同的任务生命周期，不必先接入MCP客户端。llms.txt只是文档入口，不会收集转录文本。

交互式助手适合用MCP分页读取；后台采集服务适合用REST提交任务，再接收带签名的完成Webhook。2种方式共用账号限制和转录分钟数，控制并发时要把所有客户端一起计算。

通过API读取带时间戳的文本，再交给模型。MCP长文本应分多页读完；REST批量任务可用Webhook接收通知。

搭建LLM 转录 管道时，把源链接、任务ID和片段的起止时间一起保留。只给模型一段脱离出处的文字，后续就很难回到录音核对。做检索时，按完整片段或话题切分，不要从词语或一次发言中间截断。

总结和信息提取由助手完成，不是transcript1的转录功能。要求模型分清直接引用和转述，并注明原文没有提供的信息。Instagram演示视频可能只在画面里展示操作，模型不能从转录文本猜出这些步骤。

只要返回next_from_seconds，就还有后文。把它作为下一次调用的from_seconds，继续读取，并记录已经读过的页。第1页可能只有开场介绍，不能据此声称分析了整段视频。

长录音先逐页整理证据，再汇总。中间笔记保留时间戳，留意后文有没有修正观点或补充限制条件。比较多个来源时，列明读完了哪些录音、哪些读取失败，不要把无法访问的来源当成赞同或没有证据。

遇到login_required或no_audio，需要更换或修正输入；任务仍在运行，则继续查询状态。把这2种情况明确传给用户或上层流程。读取失败不能写成空转录文本，否则模型可能误以为录音里没有人说话。

本地文件需要能上传文件的运行环境。MCP负责预留上传和确认完成，文件字节通过MCP之外的HTTP PUT发送。如果助手做不到，让用户先在控制台上传，再用生成的任务ID读取转录文本。