使用听语AI总结-B站大佬程序员小山与Bug分享的skills原理
时间：2026-3-12 11:01 作者：wanzi 分类： AI Coding
关于听语AI
他是一款面向本地部署与私有化使用的转写与内容抽取平台，覆盖视频/音频转写、会议录音处理、结构化内容输出与任务管理。支持本地与云端 ASR 混合使用，适合需要稳定、可控、可扩展的生产场景。
这款开源项目，目前已经完成开发源码版本，后续推出跨平台的打包版本，同时放一个传送门
如何下载b站高清视频
在开始之前，我给大家分享下我自己平时是如何下载高清视频的。
工具站下载
我们可以访问B站视频解析网站（ps：这个也是我自己做的），然后在把b站的视频地址复制上，在粘贴到工具的输入框后点击提交就行了，如果大家需要1080p的，点击右侧二维码，大家用自己的b站app扫码登录就行（ps：不会记录任何用户数据，放心使用）
浏览器插件下载
1、ACG助手 - 提供视频下载消息
这是一个十分强大的专业b站下载插件，功能十分丰富，一般情况在不开通会员下就能满足，放一个传送门
2、万能猫爪
这个工具就不过多介绍了，没用过的朋友还是给你们一个传送门
内容卡片：Cloud Code 中 Skill 的底层实现解析
标题
Cloud Code 中 Skill 的底层实现与 Function Calling 机制解析
摘要
本视频探讨了 Cloud Code 中 Skill 的底层实现原理，通过抓包分析展示了其基于 Function Calling 的工作机制。作者详细讲解了如何通过配置 HTTP 协议抓取请求数据，并逐步拆解了 Skill 的动态描述拼接逻辑。视频还强调了 Token 消耗的重要性及其在对话轮数增加时的指数级增长趋势。（00:00-03:57）
章节
1. 抓包分析 Cloud Code 的请求机制
- 内容：Cloud Code 使用 HTTPS 协议进行双向验证，难以通过中间人抓包。为解决这一问题，作者将网关地址改为 HTTP 协议（如火山支持 HTTP），并通过设置代理端口（8888）启动抓包工具。（00:00-00:44）
- 关键帧：
2. 请求体与 Function Calling 模块解析
- 内容：通过抓包工具捕获请求后，作者分析了请求体中的 JSON 数据，包括系统提示词和 Function Calling 模块的具体功能。模块中包含 task、task output、base、global 等字段，以及一些特定功能如文件编辑、联网搜索等。（00:44-01:26）
- 关键帧：
3. Skill 的动态描述拼接逻辑
-
内容：Skill 是一个特殊的 Function，其描述会根据 skill 文件夹中的头信息动态拼接。例如，当调用 PPT 相关技能时，详细的描述会被二次传递给大模型。（01:26-02:44）
-
关键帧：
4. Token 消耗与对话状态管理
-
内容：即使是简单的“你好”输入，底层也会发送大量数据，消耗大量 Token。随着对话轮数增加，历史聊天记录必须携带，导致 Token 消耗呈指数级增长。（03:10-03:57）
-
关键帧：
总结与思考
-
总结：
- Cloud Code 中的 Skill 底层实现基于 Function Calling，其描述通过动态拼接生成。（02:44-03:10）
- 抓包分析揭示了请求体的结构和具体功能模块的设计逻辑。（00:44-01:26）
- Token 消耗在对话过程中至关重要，尤其是随着对话轮数增加，历史记录的携带会导致消耗激增。（03:10-03:57）
-
思考：
- 动态拼接的描述机制是否可以进一步优化以减少 Token 消耗？
- 在实际应用中，如何平衡功能丰富性与 Token 成本之间的关系？
附注
所有图像均来自视频关键帧，未对画面细节进行推测或杜撰。