2026-06-28

22 条消息 · 8 人发言

---

技巧

各家 code CLI 的「视频理解」都是抽帧，效果排序 Gemini > Kimi > CC

@阿星 · 22:34、@辛一 · 23:03

@阿星 指出 Kimi Code 用 ReadMediaFile 工具「通过提取帧数实现视频理解」。@辛一 确认并给排序：Kimi「效果比 cc 好一些」，「gemini 最好」。原理：工具后台解析 MP4（容器/编码/时长/分辨率），按规则抽关键帧转成带时间戳的图像序列 + 元数据，再交多模态模型理解每帧的人物/文字（OCR）/动作串成故事线。一句话：「视频不是原样进上下文，是工具先把视频切片成带时间戳的关键帧图像，我再理解叙事」。