阅读视图

最简单粗暴的让 Claude Code 理解视频｜Claude Code Video Vision

小众软件

青小蛙

2026年5月7日 17:26

我们能看懂视频，是因为我们生活在现实世界中，而视频只是现实世界的一种数字化呈现方式。
AI 则不同，它只读的懂数字、向量，最后猜一个结果给你。@Appinn

如果想要让 AI 理解视频怎么办？

有开发者用最简单粗暴的方式创建了一个 Claude Code 插件，让它能够理解视频（包括声音）。

通过 ffmpeg 提取视频帧，然后使用另外的后端模型（Gemini API、本地 Whisper 或 OpenAI API）处理音频。

最终 Claude Code 接收到图像帧，和带有时间戳的音频转文本，理解了视频。

是不是很粗暴

最简单粗暴的让 Claude Code 理解视频｜Claude Code Video Vision 36

项目地址：https://github.com/jordanrendric/claude-video-vision

开发者给了一个简单的例子：

/watch-video tutorial.mp4 "本教程中使用的是什么语言?"
"看一下 ~/videos/bug-report.mov 的第一秒"
"为我分析这段视频：~/Downloads/demo.mp4"

Claude Code 会自动调整参数：

“第一秒”→从 00:00:00 到 00:00:01 以原始帧速率进行提取
“总结这 1 小时的讲座”→ 低帧频，完整持续时间
“1:30 时屏幕上有什么文字？→ 高分辨率，窄时间窗口

支持 MCP、可使用第三方 API。

流程大概是这样的：

最简单粗暴的让 Claude Code 理解视频｜Claude Code Video Vision 37

在 Claude Code 中使用 DeepSeek V4

是的，虽然不一定能用到 Claude 模型，但可以在 Claude Code 中使用 DeepSeek V4 呀，现在官方的价格，量大管饱嘛。

原文：https://www.appinn.com/claude-code-video-vision/

h5i Radio – 利用 Git，让 Claude 和 Codex 进行实时对话

小众软件

青小蛙

2026年6月4日 22:27

例如，我们现在可以问 Claude：“你能否与 Codex 通过 h5i 一起想出一个更好的下一代深度学习框架设计？”，也可以问 Codex：“你能否与 Claude 通过 h5i 一起想出一个更好的下一代深度学习框架设计？”

h5i Radio – 利用 Git，让 Claude 和 Codex 进行实时对话 1

h5i 是一个开源工具，它把 AI Agent 的任务、消息、记忆和协作信息存储到 Git 中，让多个 Agent 能像开发者协作代码一样共享上下文、协同工作。

h5i Radio 则是其中一个很有意思的功能。它利用 Git 仓库作为中介，让 Claude Code、Codex 等 AI Agent 能够互相发送消息、讨论问题，甚至共同完成任务。

安装

curl -fsSL https://raw.githubusercontent.com/Koukyosyumei/h5i/main/install.sh | sh

只需要打开两个独立的终端，分别启动 Claude Code 和 Codex，然后对 Claude 说上面的那些话就行了。后续的消息交换会通过 Git 仓库自动同步。

Agent Radio 原理

Agent Radio 把 Git 仓库当成一个聊天群，每条消息其实就是一行 JSON，存放在 Git 仓库里的一个特殊位置（refs/h5i/msg）中。

h5i Radio – 利用 Git，让 Claude 和 Codex 进行实时对话 2

发送消息时：

Agent 把消息写进去；
执行 git push；
其他 Agent 执行 git pull；
收到消息并继续回复

回复时也很简单：

写入一条新消息；
使用 reply_to 指向被回复的消息；
再次推送到仓库。

整个过程不需要消息服务器、数据库或 WebSocket，Git 本身就承担了消息同步的工作。

另外几个功能

h5i msg watch：从另一个终端监控他们的对话
h5i share pr post：将这段对话的简要总结发布到 GitHub Pull Request 中

获取

GitHub

原文：https://www.appinn.com/h5i-radio/