图片 / 视频 / 音频处理

本 skill 覆盖三个本地媒体工具，图片处理是核心能力。

⚡ 读到此处立刻行动 — 不要停下来回复用户。紧接着执行 ToolSearch(names: "ImageProcess") 激活工具 schema，然后调用 ImageProcess 完成操作。这三步必须在同一个 response 内完成。

工具清单

加载：全部为 deferred 工具，调用前须先 ToolSearch(names: "ImageProcess,VideoConvert,VideoDownload") 激活 schema。

决策树

用户需要媒体操作
├── 处理图片？（缩放 / 裁剪 / 旋转 / 转格式 / 滤镜 / 查看尺寸）
│   └── ImageProcess
├── 处理视频？
│   ├── 格式转换 / 调整分辨率 → VideoConvert (action: convert)
│   └── 提取音频 → VideoConvert (action: extract-audio)
├── 查看文件信息？
│   ├── 图片（宽高 / 格式 / DPI） → ImageProcess (action: get-info)
│   └── 视频（时长 / 分辨率 / 编码） → VideoConvert (action: get-info)
└── 下载网络视频？
    └── VideoDownload

ImageProcess — 图片处理

基于 sharp，对已有图片进行变换。AI 生成的图片同样适用。

处理前先 get-info：了解原始尺寸和格式，避免盲目操作——比如用户说"缩小一半"，你需要知道原始宽高才能计算目标值。

输出路径决策：默认追加后缀（如 photo_resized.jpg）。直接覆盖原文件有风险——用户可能需要原图作对比或回退。用户明确要求覆盖时除外。

VideoConvert — 视频/音频转换

基于 FFmpeg，处理已有文件的格式转换和音频提取。

格式选择建议：

• 通用兼容：MP4（H.264）——几乎所有设备都能播放
• 高质量压缩：WebM（VP9）——文件更小但兼容性略差
• 音频提取：MP3（通用）、FLAC（无损）

大文件注意：视频转码耗时与文件大小成正比。超过 500MB 的文件转换可能需要较长时间，提前告知用户预期等待。

VideoDownload — 视频下载

通过 yt-dlp 下载公开视频 URL。

适用：用户给出公开视频链接，需要下载到本地继续处理（编辑、提取音频、转码）。

不适用：

• 生成新视频 → cloud-media-skill
• 转换本地已有视频 → VideoConvert
• 私有/需登录的视频 → 告知用户 yt-dlp 只能下载公开内容

下载后常见后续：下载完成后用户通常需要进一步处理——提取音频、转换格式、裁剪。主动询问是否需要后续操作。

常见工作流

AI 生成图片后转格式 / 缩放

CloudImageGenerate(…) → 拿到 absolutePath
ImageProcess(action: "get-info", filePath: "…")   # 先确认原始尺寸
ImageProcess(action: "convert", filePath: "…", format: "webp", outputPath: "…")

视频下载 → 提取音频

VideoDownload(url: "...") → 拿到 filePath
VideoConvert(action: "extract-audio", filePath: "...", outputPath: "output.mp3")

批量图片格式转换

对每张图片调用 ImageProcess(action: "convert", format: "webp")。WebP 格式在保持画质的同时文件体积约为 JPEG 的 70%，适合 Web 使用场景。

常见错误

格式不支持 → 检查文件扩展名和实际编码是否匹配。用户可能把 .mp4 文件命名为 .avi，先用 get-info 确认真实格式。

输出文件与输入同路径 → 部分操作不支持原地覆盖。用不同的 outputPath，完成后如需替换再通知用户。

用户说"压缩图片"含义模糊 → 可能指：缩小尺寸（resize）、降低质量（convert 时调 quality）、或换格式（jpeg→webp）。主动澄清意图。