← Back to home
Skill

厨神

tencent_skillhub · 1.0.0 · Downloads 636 · Heat 48.3

Introduction

# 🍳 厨神 — Chef God > 厨神——从做菜视频链接直接生成结构化菜谱的 WorkBuddy skill。内置视频下载、字幕/音频提取、烹饪内容识别、菜谱 Markdown 生成全流程。支持 YouTube、B站、抖音、小红书。严格只处理烹饪教学/演示类内容。 # 🍳 厨神 — Chef God ## 概述 厨神是一个 All-in-One 菜谱生成 skill:用户甩一个做菜视频链接,Agent 会自动完成 **下载视频 → 提取字幕/音频 → 识别烹饪内容 → 生成结构化 Markdown 菜谱**。 **核心原则:基于视频,而非想象。可追溯,不造假。** > 视频下载模块基于 [kangaroking/kangaroking-skills/video-downloader](https://github.com/kangaroking/kangaroking-skills/tree/main/video-downloader) (MIT) 改造适配。 --- ## 触发方式 三种输入均支持: 1. **直接甩链接** ``` https://www.bilibili.com/video/BV1r34y1u7Uc ``` 2. **明确指令 + 链接** ``` 帮我生成这个视频的菜谱:https://v.douyin.com/FpwGDC6dptU/ ``` 3. **纯文本输入** ``` 今天教大家做番茄炒蛋。食材:番茄2个,鸡蛋3个... ``` --- ## 环境依赖 ### 必需 - **Python 3.11+** - **yt-dlp** ```bash pip install -r requirements.txt ``` - **ffmpeg**(用于提取音频) - Windows: `winget install ffmpeg` - macOS: `brew install ffmpeg` - Linux: `apt install ffmpeg` ### YouTube 登录(仅 YouTube 链接需要) YouTube 现在强制登录。请准备 `youtube_cookies.txt`: 1. 安装浏览器扩展 "Get cookies.txt LOCALLY" 2. 打开 [youtube.com](https://www.youtube.com) 并登录 3. 点击扩展图标 → Export 4. 将导出文件复制到本 skill 目录,重命名为 `youtube_cookies.txt` 5. **不要**将真实 `youtube_cookies.txt` 提交到 GitHub(已在 `.gitignore` 中排除) 本地 yt-dlp 配置已永久指向该 cookies 文件。 --- ## 工作流程 ### 场景 A:用户提供视频链接 ``` 1. 解析链接,识别平台(抖音/B站/YouTube/小红书) 2. 运行内置 fetcher: cd ~/.workbuddy/skills/recipe-chef/scripts python3 fetch_video.py "链接" --output-dir "./tmp/{video_id}" --extract-audio 3. 读取产物: - metadata.json:标题、作者、时长、平台、来源 URL - post_caption.txt:平台文案/描述 - transcript.txt:字幕/口播文本(如平台提供) - audio.mp3:提取的音频(用于 Agent 进一步转写) 4. 内容分类判断(严格执行): - ✅ 烹饪教学/演示 → 继续 - ❌ 探店/吃播/纯展示/非烹饪 → 告知用户并停止 5. 视频时长 > 30 分钟 → 提醒用户处理时间可能较长 6. 读取 prompts/recipe_generation.md 作为生成提示 7. 基于 transcript + caption + metadata 生成结构化菜谱 8. 多菜品视频 → 拆分为多个独立 Markdown 文件 9. 保存到项目工作区:recipes/YYYY-MM-DD_菜名_作者.md 10. 对话中预览关键信息 + 文件保存路径 ``` ### 场景 B:用户直接提供文本 ``` 1. 内容分类判断 2. 直接基于文本生成菜谱 3. 保存文件(无视频来源时标注「纯文本输入」) 4. 预览 + 告知路径 ``` --- ## 内容分类(严格执行) ### ✅ 接受 - 完整的做菜教程 - 烹饪演示视频(核心操作完整) - 含至少 60% 以上完整操作步骤的烹饪内容 ### ❌ 拒绝 - 探店/美食测评/吃播 - 纯成品展示(无操作过程) - 食材介绍/科普(非烹饪教学) - 任何非烹饪类内容 **分类依据**:视频标题、描述、转录文本前 60 秒内容。 --- ## 视频下载策略 内置 `scripts/fetch_video.py`(旧入口 `download_video.py` 仍兼容)。 ### 抖音 - H5 分享页解析 `window._ROUTER_DATA` → 无水印下载 - 兜底:yt-dlp / CDN 直连 ### B站 - 路由 1:yt-dlp - 路由 2(yt-dlp 触发 412):B站公开 API 直取 DASH 音频流 + ffmpeg 转码 - 路由 3:yt-dlp + 浏览器 cookies ### YouTube - 路由 1:yt-dlp + `youtube_cookies.txt` - 路由 2:yt-dlp + EJS 组件(`--remote-components ejs:github`) - 路由 3:Invidious/Piped 镜像站 - 路由 4:WebSearch 找博主在其他平台发布的文字版食谱 ### 小红书 - 主路由:yt-dlp - 兜底:浏览器 cookies --- ## 菜谱输出模板 生成 Markdown 文件保存到 **项目工作区 `/recipes/`** 目录,文件名:`YYYY-MM-DD_菜名_作者.md` ```markdown # [菜名] > 📹 来源:[平台] · [作者] · [视频链接] > 📅 生成日期:YYYY-MM-DD ## 📋 基本信息 | 项目 | 内容 | |------|------| | 难度 | ⭐/⭐⭐/⭐⭐⭐ | | 准备时间 | X 分钟 | | 烹饪时间 | X 分钟 | | 总耗时 | 约 X 分钟 | | 分量 | X 人份 | ## 🥬 食材清单 | 食材 | 用量 | 处理方式 | 替代建议 | |------|------|----------|----------| | 五花肉 | 500g | 切 3cm 方块 | 可用梅花肉 | ## 🧂 调料 | 调料 | 用量 | 放入时机 | |------|------|----------| | 生抽 | 2 汤匙 | 步骤 3 | ## 🔪 食材预处理 1. **[01:23]** 五花肉冷水下锅,加姜片、料酒,焯水 5 分钟 - ⚠️ 注意:冷水下锅才能充分去血水 ## 🍳 烹饪步骤 ### 步骤 1:炒糖色 [03:45](约 3 分钟) - **操作**:锅中放少量油,加冰糖,小火慢炒至枣红色 - ⚠️ **关键注意**:火不能大,否则糖色发苦 ## 💡 关键技巧 & 避坑指南 1. **[03:55]** 炒糖色宁可颜色浅一点也不要炒糊 ## 🍽️ 成品参考 - **口感**:肥而不腻,入口即化 ## ⚠️ 信息可信度说明 | 标记 | 项目 | 来源 | 时间戳 | |------|------|------|--------| | ✅ | 菜名:红烧肉 | 视频标题 | — | | 🤖 | 五花肉用量:约 500g | AI 推断(视频说「一块」) | [00:52] | | ❓ | 是否加盖 | 视频未提及 | — | --- *本菜谱由厨神 AI 基于视频内容生成。* ``` --- ## 信息处理规则 - 视频明确说的 → `✅` - 视频说「适量」「少许」「一块」→ `🤖` AI 推断常见用量 - 完全未提及 → `❓` 视频未提及 - 核心步骤缺失 > 40% → 拒绝生成 - 多菜品 → 拆分独立文件 --- ## 质量检查清单 - [ ] 所有操作步骤有对应时间戳 - [ ] 所有 AI 推断项在可信度说明中标出 - [ ] 文件命名符合 `日期_菜名_作者.md` - [ ] 多菜品已拆分 - [ ] 非烹饪内容已被拒绝 --- ## 安全提醒 仅处理用户拥有权限或可合法存档的视频内容。不绕过 DRM、付费墙或平台限制。

Resource Information

Author:user_9ec9e4b3
Category:Search Research
Version:1.0.0
Auth: No auth
Pricing: Not specified

License information is collected from official sources and may be outdated or missing. Refer to the LICENSE file in the original repository before commercial use.

Tags
健康管理

Information boundary

Information on this page is collected from official documents for technical presentation only and does not imply our endorsement. Pricing, quotas and availability are subject to the latest official statements. We make no commitment regarding any action you take after leaving this site.

Similar skills

防诈专家

Freemium

反电信网络诈骗(反诈)专家技能。当用户描述一个疑似诈骗的场景、短信、电话、链接、聊天记录、App、投资平台、招聘信息或转账要求,并询问「这是不是诈骗」「要不要转钱」「怎么止损」「钱还能不能追回来」,或需要识别诈骗话术、拆解骗局结构、生成报案材料与取证清单时使用。同时在对话中主动嗅探「转账、验证码、屏幕共享、安全账户、保证金、刷单、稳赚、百万保障、跑分」等风险词并插入预警,即使对方并未询问反诈。适用场景还包括:家属求助劝阻疑似被骗的亲人、企业/银行/支付机构/互联网平台做涉诈账户识别与交易监测规则、涉诈资金链(跑分、卡四件套、GOIP)分析、反诈合规与员工培训、反诈实战演练。

育儿专家

Not specified

简介 循证育儿专家 · 0-18 岁全场景养育支持,先托举家长,再托举孩子。 详细描述 育儿专家是一个循证取向的 0-18 岁家庭养育支持系统,覆盖日常照护、发育里程碑、行为情绪、沟通话术、父母自我成长、危机识别与早教启蒙九大模块。 不喊"育儿"也能触发:你说"我家娃又半夜哭""写作业磨蹭",它直接接住。 危机优先:自伤、虐待、紧急症状等红色信号,先给安全引导,其余全停。 分级回应:你正在发火时给 30 秒版,平静时给完整六板块方案。 边界清晰:不诊断、不处方,只做"症状→可能情况"关联与就医指征。 渐进式加载:按需读取对应章节,回答聚焦、不堆砌。 适合:0-18 岁孩子家长、孕爸妈、隔代养育者。

防骗大师.Skill

Freemium

防骗大师.Skill:你身边的生活类防骗专家。 当用户贴来可疑的短信、聊天记录、邮件、链接、App 或电话转述,想知道"这是不是骗局"时立即出动,一眼看穿套路;当对话中冒出转账、验证码、屏幕共享、陌生链接、安全账户、冒充公检法等危险信号时主动亮剑,及时拦住伸向钱包的手;当用户想要防骗科普、话术识别或实战演练时随时开课,寓教于练。覆盖刷单返利、杀猪盘、冒充公检法、冒充客服、虚假投资、钓鱼链接、冒充老板转账、资金盘、0元购消费全返等高发骗局,守住每一分血汗钱。

WorkBuddy积分助手

Marked paidAPI key required

WorkBuddy积分助手(WorkBuddy积分查询、获取、播报 Skill,跨平台支持 Windows / macOS / Linux)积分余额、连续登录天数、当月活跃地图、本周进度、本期活动与连续奖励分档;只读展示成长计划任务/进度/当前 Buddy;只读展示派猫猫旅行状态(地点、倒计时、可领积分);支持一键自动签到(幂等)与派猫猫旅行全自动闭环(先领后派,需显式 --travel-auto)。支持三通道授权(本机登录态 / 网页会话 / 长效令牌),跨平台 Windows/macOS/Linux。触发词:查积分、我的积分多少、积分余额、今天记录没、今天签到了吗、连续登录几天了、全勤能得多少分、还差几天到下一档、下一档奖励、活动入口、去哪领积分、记录催办、帮我签到、自动签到、每日签到、每日播报、桌面播报、积分情况、派猫猫旅行、派 Buddy 去旅行、猫猫旅行、旅行积分、领旅行奖励、Buddy 在旅行吗、推送积分、消息推送、发通知、推送到钉钉。

同程程心 Tongcheng Chengxin Travel Search

FreemiumAPI key required

同程程心—基于同程旅行大模型的在线旅游搜索,提供机票、火车票、酒店、度假、攻略、行程规划、特价票、汽车票、景区门票等实时查询,官方数据保障,一键预订,旅行更轻松愉快。

Jina Web Fetcher - 网页抓取

Not specified

使用 Jina AI 抓取网页内容,绕过搜索引擎限制。支持任意URL,支持 Google 搜索结果抓取。

What is a Skill

A Skill is a packaged single capability, such as text recognition, document summarization, or keyword extraction. Developers wrap the calling logic and prompts into a plugin-like unit, so users can load it without understanding the underlying model. StackPilot indexes a large number of skills that can be tried instantly or assembled into a plan.