@baimingtao/lbs-agent 1.0.0

package/extensions/skills/builtin/index-cache/openai_skills_skills_.json

@@ -0,0 +1 @@
+[]

package/extensions/skills/builtin/media/DESCRIPTION.md

@@ -0,0 +1,3 @@
+---
+description: 处理媒体内容的 Skills —— 包括 YouTube 字幕、GIF 搜索、音乐生成和音频可视化。
+---

package/extensions/skills/builtin/media/gif-search/SKILL.md

@@ -0,0 +1,91 @@
+---
+name: gif-search
+description: "通过 curl + jq 从 Tenor 搜索/下载 GIF。"
+version: 1.1.0
+author: Hermes Agent
+license: MIT
+platforms: [linux, macos, windows]
+prerequisites:
+  env_vars: [TENOR_API_KEY]
+  commands: [curl, jq]
+metadata:
+  hermes:
+    tags: [GIF, Media, Search, Tenor, API]
+---
+
+# GIF 搜索 (Tenor API)
+
+使用 curl 通过 Tenor API 直接搜索并下载 GIF。无需额外工具。
+
+## 何时使用
+
+适用于查找表情 GIF、创建视觉内容，以及在聊天中发送 GIF。
+
+## 配置
+
+在您的环境中设置 Tenor API 密钥（添加到 `${HERMES_HOME:-~/.hermes}/.env`）：
+
+```bash
+TENOR_API_KEY=your_key_here
+```
+
+在 https://developers.google.com/tenor/guides/quickstart 获取免费的 API 密钥 — Google Cloud Console 的 Tenor API 密钥是免费的，并且具有宽裕的速率限制。
+
+## 前置条件
+
+- `curl` 和 `jq`（两者均为 macOS/Linux 的标准工具）
+- `TENOR_API_KEY` 环境变量
+
+## 搜索 GIF
+
+```bash
+# Search and get GIF URLs
+curl -s "https://tenor.googleapis.com/v2/search?q=thumbs+up&limit=5&key=${TENOR_API_KEY}" | jq -r '.results[].media_formats.gif.url'
+
+# Get smaller/preview versions
+curl -s "https://tenor.googleapis.com/v2/search?q=nice+work&limit=3&key=${TENOR_API_KEY}" | jq -r '.results[].media_formats.tinygif.url'
+```
+
+## 下载 GIF
+
+```bash
+# Search and download the top result
+URL=$(curl -s "https://tenor.googleapis.com/v2/search?q=celebration&limit=1&key=${TENOR_API_KEY}" | jq -r '.results[0].media_formats.gif.url')
+curl -sL "$URL" -o celebration.gif
+```
+
+## 获取完整元数据
+
+```bash
+curl -s "https://tenor.googleapis.com/v2/search?q=cat&limit=3&key=${TENOR_API_KEY}" | jq '.results[] | {title: .title, url: .media_formats.gif.url, preview: .media_formats.tinygif.url, dimensions: .media_formats.gif.dims}'
+```
+
+## API 参数
+
+| 参数 | 说明 |
+| ----------- | ------------- |
+| `q` | 搜索查询（URL 中的空符请编码为 `+`） |
+| `limit` | 最大结果数（1-50，默认为 20） |
+| `key` | API 密钥（来自 `$TENOR_API_KEY` 环境变量） |
+| `media_filter` | 过滤格式：`gif`、`tinygif`、`mp4`、`tinymp4`、`webm` |
+| `contentfilter` | 安全级别：`off`、`low`、`medium`、`high` |
+| `locale` | 语言：`en_US`、`es`、`fr` 等 |
+
+## 可用的媒体格式
+
+每个结果在 `.media_formats` 下都有多种格式：
+
+| 格式 | 适用场景 |
+| -------- | ---------- |
+| `gif` | 完整画质的 GIF |
+| `tinygif` | 小尺寸预览 GIF |
+| `mp4` | 视频版本（文件体积更小） |
+| `tinymp4` | 小尺寸预览视频 |
+| `webm` | WebM 视频 |
+| `nanogif` | 极小的缩略图 |
+
+## 说明
+
+- 对查询进行 URL 编码：空格使用 `+`，特殊字符使用 `%XX`
+- 若要在聊天中发送，`tinygif` 的 URL 体积更小、加载更快
+- GIF 的 URL 可以直接在 markdown 中使用：`![alt](url)`

package/extensions/skills/builtin/media/heartmula/SKILL.md

@@ -0,0 +1,171 @@
+---
+name: heartmula
+description: "HeartMuLa: 类似 Suno 的基于歌词 + 标签的歌曲生成模型。"
+version: 1.0.0
+platforms: [linux, macos, windows]
+metadata:
+  hermes:
+    tags: [music, audio, generation, ai, heartmula, heartcodec, lyrics, songs]
+    related_skills: [audiocraft]
+---
+
+# HeartMuLa - 开源音乐生成
+
+## 概览
+HeartMuLa 是一系列开源音乐基础模型 (Apache-2.0)，能够根据歌词和标签生成音乐，并支持多语言。可以通过歌词 + 标签生成完整的歌曲。在开源领域可媲美 Suno。包含：
+- **HeartMuLa** - 用于通过歌词 + 标签生成的音乐语言模型 (3B/7B)
+- **HeartCodec** - 用于高保真音频重建的 12.5Hz 音乐 codec
+- **HeartTranscriptor** - 基于 Whisper 的歌词转录
+- **HeartCLAP** - 音频文本对齐模型
+
+## 适用场景
+- 用户想通过文本描述生成音乐/歌曲
+- 用户想要开源的 Suno 替代方案
+- 用户想要本地/离线音乐生成
+- 用户询问关于 HeartMuLa、heartlib 或 AI 音乐生成
+
+## 硬件要求
+- **最低要求**：在 `--lazy_load true` 下需 8GB VRAM（按顺序加载/卸载模型）
+- **推荐配置**：16GB+ VRAM，以获得更流畅的单 GPU 使用体验
+- **多 GPU**：使用 `--mula_device cuda:0 --codec_device cuda:1` 跨 GPU 分配任务
+- 3B 模型在开启 lazy_load 时峰值显存占用约为 6.2GB
+
+## 安装步骤
+
+### 1. 克隆仓库
+```bash
+cd ~/  # or desired directory
+git clone https://github.com/HeartMuLa/heartlib.git
+cd heartlib
+```
+
+### 2. 创建虚拟环境（需要 Python 3.10）
+```bash
+uv venv --python 3.10 .venv
+. .venv/bin/activate
+uv pip install -e .
+```
+
+### 3. 修复依赖兼容性问题
+
+**重要**：截至 2026 年 2 月，锁定的依赖项与较新的 package 存在冲突。请应用以下修复：
+
+```bash
+# Upgrade datasets (old version incompatible with current pyarrow)
+uv pip install --upgrade datasets
+
+# Upgrade transformers (needed for huggingface-hub 1.x compatibility)
+uv pip install --upgrade transformers
+```
+
+### 4. 修补源代码（transformers 5.x 必需）
+
+**补丁 1 - RoPE 缓存修复**，位于 `src/heartlib/heartmula/modeling_heartmula.py`：
+
+在 `HeartMuLa` 类的 `setup_caches` 方法中，在 `reset_caches` try/except 代码块之后、`with device:` 代码块之前，添加 RoPE 重新初始化代码：
+
+```python
+# Re-initialize RoPE caches that were skipped during meta-device loading
+from torchtune.models.llama3_1._position_embeddings import Llama3ScaledRoPE
+for module in self.modules():
+    if isinstance(module, Llama3ScaledRoPE) and not module.is_cache_built:
+        module.rope_init()
+        module.to(device)
+```
+
+**原因**：`from_pretrained` 会首先在 meta device 上创建模型；`Llama3ScaledRoPE.rope_init()` 会跳过在 meta tensors 上构建缓存，随后在权重加载到真实设备时也不会重建。
+
+**补丁 2 - HeartCodec 加载修复**，位于 `src/heartlib/pipelines/music_generation.py`：
+
+为所有的 `HeartCodec.from_pretrained()` 调用添加 `ignore_mismatched_sizes=True`（共有两处：`__init__` 中的 eager load 以及 `codec` 属性中的 lazy load）。
+
+**原因**：VQ codebook 的 `initted` buffers 在 checkpoint 中的形状为 `[1]`，而在模型中为 `[]`。数据相同，只是标量与 0-d tensor 的区别。可以安全忽略。
+
+### 5. 下载模型 Checkpoints
+```bash
+cd heartlib  # project root
+hf download --local-dir './ckpt' 'HeartMuLa/HeartMuLaGen'
+hf download --local-dir './ckpt/HeartMuLa-oss-3B' 'HeartMuLa/HeartMuLa-oss-3B-happy-new-year'
+hf download --local-dir './ckpt/HeartCodec-oss' 'HeartMuLa/HeartCodec-oss-20260123'
+```
+
+这 3 个可以并行下载。总大小为几 GB。
+
+## GPU / CUDA
+
+HeartMuLa 默认使用 CUDA（`--mula_device cuda --codec_device cuda`）。如果用户拥有支持 PyTorch CUDA 的 NVIDIA GPU，则无需额外设置。
+
+- 已安装的 `torch==2.4.1` 内置了 CUDA 12.1 支持
+- `torchtune` 可能会显示版本 `0.4.0+cpu` — 这只是 package 元数据，它依然会通过 PyTorch 使用 CUDA
+- 要验证是否正在使用 GPU，请在输出中查找 "CUDA memory" 相关日志（例如 "CUDA memory before unloading: 6.20 GB"）
+- **没有 GPU？** 你可以使用 `--mula_device cpu --codec_device cpu` 在 CPU 上运行，但生成速度会**极其缓慢**（单首歌曲可能需要 30-60 分钟以上，而在 GPU 上只需约 4 分钟）。CPU 模式还需要大量 RAM（约需 12GB+ 可用内存）。如果用户没有 NVIDIA GPU，建议使用云 GPU 服务（如配备 T4 的 Google Colab 免费版、Lambda Labs 等）或使用在线演示版：https://heartmula.github.io/ 。
+
+## 用法
+
+### 基础生成
+```bash
+cd heartlib
+. .venv/bin/activate
+python ./examples/run_music_generation.py \
+  --model_path=./ckpt \
+  --version="3B" \
+  --lyrics="./assets/lyrics.txt" \
+  --tags="./assets/tags.txt" \
+  --save_path="./assets/output.mp3" \
+  --lazy_load true
+```
+
+### 输入格式
+
+**标签**（逗号分隔，无空格）：
+```
+piano,happy,wedding,synthesizer,romantic
+```
+或
+```
+rock,energetic,guitar,drums,male-vocal
+```
+
+**歌词**（使用括号括起来的结构标签）：
+```
+[Intro]
+
+[Verse]
+Your lyrics here...
+
+[Chorus]
+Chorus lyrics...
+
+[Bridge]
+Bridge lyrics...
+
+[Outro]
+```
+
+### 关键参数
+| 参数 | 默认值 | 说明 |
+| ----------- | --------- | ------------- |
+| `--max_audio_length_ms` | 240000 | 最大长度（毫秒），240秒 = 4分钟 |
+| `--topk` | 50 | Top-k 采样 |
+| `--temperature` | 1.0 | 采样温度 |
+| `--cfg_scale` | 1.5 | Classifier-free guidance scale |
+| `--lazy_load` | false | 按需加载/卸载模型（节省 VRAM） |
+| `--mula_dtype` | bfloat16 | HeartMuLa 的 Dtype（推荐使用 bf16） |
+| `--codec_dtype` | float32 | HeartCodec 的 Dtype（为保证质量推荐使用 fp32） |
+
+### 性能
+- RTF (Real-Time Factor) ≈ 1.0 — 生成一首 4 分钟的歌曲大约需要 4 分钟
+- 输出：MP3，48kHz 立体声，128kbps
+
+## 常见陷阱
+1. **不要对 HeartCodec 使用 bf16** — 会降低音频质量。请使用 fp32（默认）。
+2. **标签可能会被忽略** — 已知问题 (#90)。歌词往往占据主导地位；可以尝试调整标签的顺序。
+3. **Triton 在 macOS 上不可用** — 仅限 Linux/CUDA 用于 GPU 加速。
+4. 上游 issue 报告了 **RTX 5080 不兼容** 的情况。
+5. 依赖版本锁定冲突需要应用上述的手动升级和补丁。
+
+## 链接
+- Repo: https://github.com/HeartMuLa/heartlib
+- Models: https://huggingface.co/HeartMuLa
+- Paper: https://arxiv.org/abs/2601.10547
+- License: Apache-2.0

package/extensions/skills/builtin/media/songsee/SKILL.md

@@ -0,0 +1,83 @@
+---
+name: songsee
+description: "通过 CLI 生成音频频谱图/特征 (mel, chroma, MFCC)。"
+version: 1.0.0
+author: community
+license: MIT
+platforms: [linux, macos, windows]
+metadata:
+  hermes:
+    tags: [Audio, Visualization, Spectrogram, Music, Analysis]
+    homepage: https://github.com/steipete/songsee
+prerequisites:
+  commands: [songsee]
+---
+
+# songsee
+
+从音频文件生成频谱图和多面板音频特征可视化。
+
+## 前置条件
+
+需要安装 [Go](https://go.dev/doc/install)：
+```bash
+go install github.com/steipete/songsee/cmd/songsee@latest
+```
+
+可选：若需处理 WAV/MP3 以外的格式，则需要 `ffmpeg`。
+
+## 快速开始
+
+```bash
+# 基础频谱图
+songsee track.mp3
+
+# 保存到特定文件
+songsee track.mp3 -o spectrogram.png
+
+# 多面板可视化网格
+songsee track.mp3 --viz spectrogram,mel,chroma,hpss,selfsim,loudness,tempogram,mfcc,flux
+
+# 时间切片（从 12.5秒开始，持续 8秒）
+songsee track.mp3 --start 12.5 --duration 8 -o slice.jpg
+
+# 从标准输入读取
+cat track.mp3 | songsee - --format png -o out.png
+```
+
+## 可视化类型
+
+使用 `--viz` 并以逗号分隔参数值：
+
+| 类型 | 说明 |
+| ------ | ------------- |
+| `spectrogram` | 标准频谱图 |
+| `mel` | Mel 尺度频谱图 |
+| `chroma` | 音高类别分布 |
+| `hpss` | 谐波/打击声分离 |
+| `selfsim` | 自相似矩阵 |
+| `loudness` | 响度随时间变化 |
+| `tempogram` | 节奏估计 |
+| `mfcc` | Mel 频率倒谱系数 |
+| `flux` | 频谱通量（用于音符起始检测） |
+
+指定多个 `--viz` 类型时，会在单张图片中以网格形式渲染。
+
+## 常用标志
+
+| 标志 | 说明 |
+| ------ | ------------- |
+| `--viz` | 可视化类型（以逗号分隔） |
+| `--style` | 色彩调色板：`classic`, `magma`, `inferno`, `viridis`, `gray` |
+| `--width` / `--height` | 输出图片尺寸 |
+| `--window` / `--hop` | FFT 窗口及步长 |
+| `--min-freq` / `--max-freq` | 频率范围过滤器 |
+| `--start` / `--duration` | 音频的时间切片 |
+| `--format` | 输出格式：`jpg` 或 `png` |
+| `-o` | 输出文件路径 |
+
+## 说明
+
+- WAV 和 MP3 会被原生解码；其他格式需要 `ffmpeg`
+- 可以使用 `vision_analyze` 检查输出图像，以实现自动化音频分析
+- 可用于对比音频输出、调试音频合成或记录音频处理流程

package/extensions/skills/builtin/media/youtube-content/SKILL.md

@@ -0,0 +1,75 @@
+---
+name: youtube-content
+description: "将 YouTube 字幕转换为摘要、推文线程和博客文章。"
+platforms: [linux, macos, windows]
+---
+
+# YouTube 内容工具
+
+## 适用场景
+
+当用户分享 YouTube URL 或视频链接、要求总结视频、请求获取字幕，或者希望从任何 YouTube 视频中提取并重新排版内容时，请使用此工具。它可以将字幕转换为结构化内容（章节、摘要、推文线程、博客文章）。
+
+从 YouTube 视频中提取字幕，并将其转换为有用的格式。
+
+## 配置
+
+使用 `uv` 将依赖项安装到运行 helper script 的 Hermes 托管环境中：
+
+```bash
+uv pip install youtube-transcript-api
+```
+
+## Helper Script
+
+`SKILL_DIR` 是包含此 SKILL.md 文件的目录。该脚本接受任何标准的 YouTube URL 格式、短链接 (youtu.be)、shorts、嵌入链接、直播链接，或者原始的 11 个字符的视频 ID。
+
+```bash
+# 包含元数据的 JSON 输出
+uv run python3 SKILL_DIR/scripts/fetch_transcript.py "https://youtube.com/watch?v=VIDEO_ID"
+
+# 纯文本（适合通过管道传递以进行后续处理）
+uv run python3 SKILL_DIR/scripts/fetch_transcript.py "URL" --text-only
+
+# 包含时间戳
+uv run python3 SKILL_DIR/scripts/fetch_transcript.py "URL" --timestamps
+
+# 指定语言及后备语言链
+uv run python3 SKILL_DIR/scripts/fetch_transcript.py "URL" --language tr,en
+```
+
+## 输出格式
+
+获取字幕后，根据用户的请求对其进行格式化：
+
+- **Chapters**：按话题转换分组，输出带有时间戳的章节列表
+- **Summary**：涵盖整个视频的 5-10 句话简明概述
+- **Chapter summaries**：带有每章简短段落摘要的章节
+- **Thread**：Twitter/X 线程格式 —— 带编号的帖子，每条不超过 280 个字符
+- **Blog post**：包含标题、章节和关键要点（key takeaways）的完整文章
+- **Quotes**：带有时间戳的精彩语录
+
+### 示例 — Chapters 输出
+
+```
+00:00 Introduction — host opens with the problem statement
+03:45 Background — prior work and why existing solutions fall short
+12:20 Core method — walkthrough of the proposed approach
+24:10 Results — benchmark comparisons and key takeaways
+31:55 Q&A — audience questions on scalability and next steps
+```
+
+## 工作流程
+
+1. **获取 (Fetch)**：通过 `uv run python3` 使用带有 `--text-only --timestamps` 参数的 helper script 获取字幕。
+2. **验证 (Validate)**：确认输出不为空，且语言与预期一致。如果为空，去掉 `--language` 重试以获取任何可用的字幕。如果依然为空，告知用户该视频可能已禁用字幕。
+3. **分块 (Chunk if needed)**：如果字幕长度超过约 5 万字符，请将其切分为带有重叠部分的分块（约 4 万字符，包含 2 千字符的重叠），并在合并之前对每个分块进行总结。
+4. **转换 (Transform)**：转换为请求的输出格式。如果用户未指定格式，默认使用 summary 格式。
+5. **校验 (Verify)**：在展示结果之前，重新通读转换后的输出，检查其连贯性、时间戳的准确性以及内容的完整性。
+
+## 错误处理
+
+- **字幕被禁用**：告知用户；建议他们检查视频页面上是否提供了字幕。
+- **私密/不可用的视频**：转达错误信息，并要求用户核对 URL。
+- **没有匹配的语言**：去掉 `--language` 重试以获取任何可用的字幕，然后向用户说明实际使用的语言。
+- **缺少依赖项**：运行 `uv pip install youtube-transcript-api` 并重试。

package/extensions/skills/builtin/media/youtube-content/references/output-formats.md

@@ -0,0 +1,56 @@
+# 输出格式示例
+
+## 章节
+
+```
+00:00 Introduction
+02:15 Background and motivation
+05:30 Main approach
+12:45 Results and evaluation
+18:20 Limitations and future work
+21:00 Q&A
+```
+
+## 摘要
+
+包含 5-10 个句子的概述，涵盖视频的要点、核心论点和结论。使用第三人称、一般现在时撰写。
+
+## 章节摘要
+
+```
+## 00:00 Introduction (2 min)
+The speaker introduces the topic of X and explains why it matters for Y.
+
+## 02:15 Background (3 min)
+A review of prior work in the field, covering approaches A, B, and C.
+```
+
+## 推文 (Twitter/X)
+
+```
+1/ Just watched an incredible talk on [topic]. Here are the key takeaways: 🧵
+
+2/ First insight: [point]. This matters because [reason].
+
+3/ The surprising part: [unexpected finding]. Most people assume [common belief], but the data shows otherwise.
+
+4/ Practical takeaway: [actionable advice].
+
+5/ Full video: [URL]
+```
+
+## 博客文章
+
+包含以下内容的完整文章：
+- 标题
+- 引言段落
+- 针对每个主要主题的 H2 小节
+- 关键引语（附带时间戳）
+- 结论 / 要点
+
+## 引语
+
+```
+"The most important thing is not the model size, but the data quality." — 05:32
+"We found that scaling past 70B parameters gave diminishing returns." — 12:18
+```

package/extensions/skills/builtin/media/youtube-content/scripts/fetch_transcript.py

@@ -0,0 +1,124 @@
+#!/usr/bin/env python3
+"""
+Fetch a YouTube video transcript and output it as structured JSON.
+
+Usage:
+    uv run python3 fetch_transcript.py <url_or_video_id> [--language en,tr] [--timestamps]
+
+Output (JSON):
+    {
+        "video_id": "...",
+        "language": "en",
+        "segments": [{"text": "...", "start": 0.0, "duration": 2.5}, ...],
+        "full_text": "complete transcript as plain text",
+        "timestamped_text": "00:00 first line\n00:05 second line\n..."
+    }
+
+Install dependency:  uv pip install youtube-transcript-api
+"""
+
+import argparse
+import json
+import re
+import sys
+
+
+def extract_video_id(url_or_id: str) -> str:
+    """Extract the 11-character video ID from various YouTube URL formats."""
+    url_or_id = url_or_id.strip()
+    patterns = [
+        r'(?:v=|youtu\.be/|shorts/|embed/|live/)([a-zA-Z0-9_-]{11})',
+        r'^([a-zA-Z0-9_-]{11})$',
+    ]
+    for pattern in patterns:
+        match = re.search(pattern, url_or_id)
+        if match:
+            return match.group(1)
+    return url_or_id
+
+
+def format_timestamp(seconds: float) -> str:
+    """Convert seconds to HH:MM:SS or MM:SS format."""
+    total = int(seconds)
+    h, remainder = divmod(total, 3600)
+    m, s = divmod(remainder, 60)
+    if h > 0:
+        return f"{h}:{m:02d}:{s:02d}"
+    return f"{m}:{s:02d}"
+
+
+def fetch_transcript(video_id: str, languages: list = None):
+    """Fetch transcript segments from YouTube.
+
+    Returns a list of dicts with 'text', 'start', and 'duration' keys.
+    Compatible with youtube-transcript-api v1.x.
+    """
+    try:
+        from youtube_transcript_api import YouTubeTranscriptApi
+    except ImportError:
+        print("Error: youtube-transcript-api not installed. Run: uv pip install youtube-transcript-api",
+              file=sys.stderr)
+        sys.exit(1)
+
+    api = YouTubeTranscriptApi()
+    if languages:
+        result = api.fetch(video_id, languages=languages)
+    else:
+        result = api.fetch(video_id)
+
+    # v1.x 返回 FetchedTranscriptSnippet 对象；将其归一化为字典
+    return [
+        {"text": seg.text, "start": seg.start, "duration": seg.duration}
+        for seg in result
+    ]
+
+
+def main():
+    parser = argparse.ArgumentParser(description="Fetch YouTube transcript as JSON")
+    parser.add_argument("url", help="YouTube URL or video ID")
+    parser.add_argument("--language", "-l", default=None,
+                        help="Comma-separated language codes (e.g. en,tr). Default: auto")
+    parser.add_argument("--timestamps", "-t", action="store_true",
+                        help="Include timestamped text in output")
+    parser.add_argument("--text-only", action="store_true",
+                        help="Output plain text instead of JSON")
+    args = parser.parse_args()
+
+    video_id = extract_video_id(args.url)
+    languages = [l.strip() for l in args.language.split(",")] if args.language else None
+
+    try:
+        segments = fetch_transcript(video_id, languages)
+    except Exception as e:
+        error_msg = str(e)
+        if "disabled" in error_msg.lower():
+            print(json.dumps({"error": "Transcripts are disabled for this video."}))
+        elif "no transcript" in error_msg.lower():
+            print(json.dumps({"error": f"No transcript found. Try specifying a language with --language."}))
+        else:
+            print(json.dumps({"error": error_msg}))
+        sys.exit(1)
+
+    full_text = " ".join(seg["text"] for seg in segments)
+    timestamped = "\n".join(
+        f"{format_timestamp(seg['start'])} {seg['text']}" for seg in segments
+    )
+
+    if args.text_only:
+        print(timestamped if args.timestamps else full_text)
+        return
+
+    result = {
+        "video_id": video_id,
+        "segment_count": len(segments),
+        "duration": format_timestamp(segments[-1]["start"] + segments[-1]["duration"]) if segments else "0:00",
+        "full_text": full_text,
+    }
+    if args.timestamps:
+        result["timestamped_text"] = timestamped
+
+    print(json.dumps(result, ensure_ascii=False, indent=2))
+
+
+if __name__ == "__main__":
+    main()

package/extensions/skills/builtin/mlops/DESCRIPTION.md

@@ -0,0 +1,3 @@
+---
+description: 机器学习运维（MLOps）的知识与工具 - 用于训练、微调、部署和优化 ML/AI 模型的工具与框架
+---

package/extensions/skills/builtin/mlops/evaluation/DESCRIPTION.md

@@ -0,0 +1,3 @@
+---
+description: 模型评估基准、实验追踪、数据整理、分词器与可解释性工具。
+---