Loom视频流程分析

技能简介

Loom Workflow Analyzer 是一款面向 Loom 录屏视频的 AI 原生流程分析工具。通过下载视频、智能抽帧、语音转写和多模态分析，将屏幕录制中的业务操作拆解为结构化的 Lobster 可执行工作流。

业务背景

业务团队常用Loom录屏记录操作流程，但视频难以沉淀为可复用的标准作业程序。该工具将录屏自动转化为结构化工作流，识别操作步骤、所用工具及决策分叉点，让隐性的个人经验变成显性的团队资产，减少培训成本与执行偏差。

落地案例：某运营专员用Loom录制了"处理退款申请"的完整操作：登录后台、核对订单、判断退款类型、提交审批。工具解析视频后生成Lobster工作流文件，清晰列出每一步点击位置与分支条件，并标注"判断是否符合特殊退款政策"等需人工确认的环节。团队审核后即可上线运行，新人无需反复观看视频即可按标准流程操作。

能做什么

• 解析 Loom 视频，提取步骤、工具和决策节点
• 识别流程中的模糊点与需人工干预的环节
• 生成 Lobster 格式的工作流文件（含审批节点）
• 支持多语言视频自动检测与处理

使用说明

安装依赖

# 需预先安装以下工具
yt-dlp    # 视频下载
ffmpeg    # 抽帧与场景检测
whisper   # 语音转录
# 另需配置支持视觉的 LLM 用于分析步骤

完整流程

{baseDir}/scripts/loom-workflow analyze https://loom.com/share/abc123

分步执行

1. 下载视频：{baseDir}/scripts/loom-workflow download <url>
2. 智能抽帧：{baseDir}/scripts/loom-workflow extract ./video.mp4
3. 视觉分析：将 output/workflow-analysis-prompt.md 与帧图片提交给视觉模型，保存 JSON 响应至 workflow-analysis.json
4. 生成工作流：{baseDir}/scripts/loom-workflow generate ./output/workflow-analysis.json

输入与输出

见下方输入与输出表格。

风险提示

• 视觉分析步骤需外部视觉模型，未内置在脚本中
• 生成的 Lobster 工作流包含 approve 审批门，需人工确认破坏性/外部操作
• 流程中的隐式知识（如”按惯例处理”）会被标记为待澄清项
• 凭证和上下文信息不会自动提取，需手动补充

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/g9pedro/loom-workflow/SKILL.md
来源类型：GitHub 仓库