我今天尝试写了个比较简单的SKILL，用途就是发一个视频链接自动下载音频，ASR转录后派子 Agent 分段润色成文章，输出 Markdown 文件。转录用的是 Qwen3-ASR-1.7B-gguf 效果和速度都蛮不错。

有这个需求是因为我觉得视听的效率比较低，不管是耗时还是“吸收率”都较低。所以有时候听完还是想有一份文本可以阅读一下。我也不强求是逐字稿，所以让 Agent 根据 ASR 结果自行分段然后选择我已经准备好的不同风格的提示词交给“子Agent”去并行润色。最后主 Agent 做些小修小补就可以输出了。

写好之后跑了下“俞敏洪张朝阳星空下对话”，音频差不多有6个小时，之前已经听过两回了，SKILL 输出的效果我还是蛮满意的。

————我问管理员：“你是不是有什么视频需要转成文字版的？我写了个SKILL。”管理员说：“那海了去了。”

我十分愿意把 SKILL 分享给她，不过这个 SKILL 的依赖还不少，直接发 SKILL 过去大概率会翻车。所以我参考了群友之前的方式，写一个 txt 来指导 Agent 完成环境的搭建和 SKILL 的导入测试。

ASR的模型和工具我之前做过一些微调，所以打包后放在内网的NAS里了。Cookie 的获取也是一个麻烦的事情，不过内网有 CookieCloud 的服务，所以直接同步后解密即可。

这个 txt 写的步骤也比较简单：第1步：确认 CloudBox 挂载第2步：解压 Qwen3-ASR-Transcribe 到 D 盘第3步：将 transcribe.exe 加入 PATH第4步：安装 yt-dlp 和 ffmpeg第5步：通过内网安装 SKILL

我去洗澡之前把 txt 发给管理员，让她试一下让 Hermes 照着文档准备一下环境。洗完澡出来就看到已经搞定。接下来的事情就是让管理员找个视频召唤 SKILL 实际跑一下。

过程比较顺利，Agent 最后交付了一个 Markdown 文件。这时我想起来，管理员想要的应该是 PDF 文档才对。于是我让管理员自己试一下，让 Hermes 继续干活，输出 PDF。

管理员点开 PDF 后觉得不是很满意，跟我说排版有些干巴巴的，我说：“有要求就和 AI 提，不用跟我说。” 聪明的管理员一教就会，最后的排版和样式她就很满意。

Hermes 还自动更新了我的 SKILL，会自动交付 PDF 文件了。