Hermes Agent YouTube视频摘要失败的五大解决步骤：一、验证字幕可获取性；二、强制启用字幕提取工具；三、调整上下文窗口并分块处理；四、替换结构化摘要提示词；五、启用Whisper本地语音转文字备用路径。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您尝试让 Hermes Agent 为 YouTube 视频生成摘要，但结果为空、不完整或与视频内容严重偏离，则可能是由于视频 URL 未正确解析、字幕不可用或模型上下文截断所致。以下是解决此问题的步骤：
一、验证视频字幕可获取性
Hermes Agent 依赖 YouTube 视频的自动字幕（CC）或上传字幕作为摘要原始文本。若字幕被禁用、设为私有或语言不支持，Agent 将无法提取有效文本。
1、在浏览器中打开目标 YouTube 视频页面。
2、点击右下角“设置”图标（齿轮形状），选择“字幕/CC”。
3、确认字幕已开启，且显示语言为Agent 配置中指定的默认语言（如 zh 或 en）。
4、若无字幕选项，手动检查 URL 是否含 t= 参数或时间戳干扰项，将其移除后重试。
二、强制启用字幕提取工具
Hermes 默认可能跳过字幕抓取以节省 Token，需显式调用字幕提取技能并绕过缓存判断。
1、在终端或 Telegram 中向 Hermes 发送指令：提取 https://youtu.be/XXXXXX 的完整字幕文本，强制启用 yt-dlp 工具。
2、等待 Agent 返回原始字幕段落（含时间戳和换行）。
3、若返回错误“no subtitles found”，则执行：hermes tool yt-dlp --sub-langs all --write-subs --skip-download https://youtu.be/XXXXXX。
三、调整摘要生成上下文窗口
长视频字幕可能超出模型单次处理长度，导致截断。需拆分处理并合并摘要，而非依赖单次大模型推理。
输入视频主题、关键词、产品信息，输出 5 分钟 YouTube 维修科普视频的完整 10 列分镜脚本。 严格对齐运营 Excel 蓝本：Section/镜号/景别/画面内容/参考画面(生图prompt)/ 台词初版中英/二次验证中英/建议画面。符合北美机械师口语习惯，内置 FridayParts 技术准确性规范，...
1、确认当前模型最大上下文长度：hermes config get model.context_window。
2、若值小于 8192，改用支持长上下文的模型（如 nous-hermes-2-yi-34b）并重启 Agent。
3、运行：hermes skill youtube_summary_split --url https://youtu.be/XXXXXX --chunk_size 1200，触发分块摘要流程。
四、替换默认摘要提示词模板
内置摘要提示词可能过于通用，未适配视频口语化、重复性高、信息密度低的特点，需注入结构化约束。
1、编辑文件：~/.hermes/skills/youtube_summary.md。
2、将原有 prompt 替换为：“你是一名技术视频摘要专家。仅基于以下字幕文本，严格按三段式输出：①核心论点（≤25字）；②三个关键证据（每条≤15字，用短横线引导）；③未覆盖但重要的反方观点（若无则写‘无’）。禁止添加解释、评价或额外段落。”。
3、保存后执行：hermes skill reload youtube_summary。
五、启用本地语音转文字备用路径
当 YouTube 字幕完全不可用时，Hermes 可调用本地 Whisper.cpp 模型对视频音频进行离线转录，确保摘要原料可用。
1、确认 Whisper.cpp 已安装并可执行：whisper-cpp -h。
2、运行：hermes tool whisper_local --url https://youtu.be/XXXXXX --model tiny.en --output_format txt。
3、将生成的 output.txt 内容粘贴至 Hermes，指令：基于以下文本生成 YouTube 视频摘要：[粘贴内容]。
