技能介绍

Summarize 是一个从 URL、文件和媒体中快速生成摘要的工具，由 Peter Steinberger 制作，可在终端、Chrome 侧边栏和 Firefox 侧边栏中使用。

它要解决的问题很直接：一键生成网页与视频的精炼摘要，并自动提取关键幻灯片。通过浏览器侧边栏或命令行，你可以快速获取网页、YouTube 视频、播客及各类文件的智能摘要与幻灯片提取。

适用场景

  • 看到一个长网页，想先拿到核心要点再决定要不要细读。
  • 看 YouTube 视频或本地视频时，需要摘要以及关键画面的幻灯片截图。
  • 处理 PDF、音频、视频等文件，希望自动转写并摘要。
  • 订阅了播客 RSS、Apple Podcasts 或 Spotify 单集，想快速读完最新一期。
  • 在终端里把摘要串进脚本：需要机器可读的 JSON 输出与指标。

核心能力

  • Chrome 侧边栏聊天：在侧边栏内提供流式智能体对话和历史记录。
  • 视频幻灯片：为 YouTube、直接视频 URL 和本地视频文件提供截图 + OCR + 字幕卡片。
  • 媒体感知摘要：自动检测视频/音频与页面内容。
  • 编码 CLI 后端：支持 Codex、Claude、Gemini、Cursor Agent、OpenClaw、OpenCode、GitHub Copilot、Antigravity、pi。
  • 流式 Markdown：包含指标和缓存状态。
  • CLI 支持：URL、文件、播客、YouTube、音频/视频、PDF。

输出长度：--length 控制要求输出的量（指导性，并非硬性限制），内置默认值为 long，可在 ~/.summarize/config.json 中通过 output.length 设置。预设值为 short|medium|long|xl|xxl；当提取到的内容短于请求长度时，CLI 会原样返回内容，可用 --force-summary 覆盖并强制运行 LLM；--length 数值必须 >= 10 个字符，--max-output-tokens 必须 >= 16。各预设的目标字符数（来源 packages/core/src/prompts/summary-lengths.ts）：short 约 900（600-1,200）、medium 约 1,800（1,200-2,500）、long 约 4,200（2,500-6,000）、xl 约 9,000（6,000-14,000）、xxl 约 17,000（14,000-22,000）。

支持的文件类型（尽力而为，取决于提供商）：text/* 与常见结构化文本（.txt、.md、.json、.yaml、.xml 等）；PDF；图片 image/jpeg、image/png、image/webp、image/gif；音频/视频 audio/*、video/*（本地音视频在模型支持时会自动转写）。如果提供商拒绝某种媒体类型，CLI 会快速失败并显示友好消息；xAI 模型不支持通过 AI SDK 附加通用文件（如 PDF），这些情况请使用 Google/OpenAI/Anthropic。

限制：超过 10 MB 的文本输入在分词前会被拒绝；文本提示会针对模型输入限制（LiteLLM 目录）进行预检查，使用 GPT 分词器。

效果预览

Summarize：全能网页与媒体摘要工具 preview

Chrome 扩展：一键总结当前标签页，Chrome 侧边栏 + Firefox 侧边栏 + 本地守护进程，支持流式 Markdown。

Summarize 扩展截图

YouTube 幻灯片截图（来自浏览器）：

Summarize YouTube 幻灯片截图

CLI：

Summarize CLI 截图

工作方式

浏览器扩展的入门流程是：安装扩展并打开侧边栏；选择 Direct 或 Daemon——Direct 模式在未配置提供商密钥时默认使用 Gemini Nano，或从 Chrome 调用你选择的提供商；再选择浏览器媒体以进行无守护进程的转录/幻灯片。可选：安装 CLI 并配对守护进程，以获得原生工具、CLI 模型回退、OCR 和更广泛的媒体支持。

扩展的几点约束：仅当侧边栏打开时才进行摘要；自动模式会在导航（包括 SPA）时自动总结，否则使用按钮；守护进程仅限本地主机，需要共享令牌；自动启动支持 macOS（launchd）、Linux（systemd 用户）、Windows（计划任务）。

幻灯片：在 Summarize 选择器中选择 Video + Slides，幻灯片在顶部渲染，可展开为带时间戳的全宽卡片；点击幻灯片可跳转到视频对应位置；当 OCR 显著时可切换 Transcript/OCR。浏览器模式使用 MediaBunny，通过原生 WebCodecs 和范围网络读取来获取可获取的视频，当源或编解码器不可用时回退到可见标签页捕获；守护进程模式额外提供 yt-dlp、原生 ffmpeg 和可选的 tesseract OCR。

CLI 侧的媒体处理链路：非 YouTube URL 会经过 fetch -> extract 管道，当直接 fetch/extract 被阻止或内容太少时，--firecrawl auto 可以回退到 Firecrawl（如果已配置）。--youtube auto 首先尝试尽力而为的网页字幕端点，字幕不可用时依次回退到 yt-dlp + Whisper、Android VR 直接音频 + 配置的转写链、Apify。本地音频/视频文件先被转写再摘要；--video-mode transcript 强制直接媒体 URL 先经过 Whisper。自动模式在配置时首先尝试 Groq，然后尝试本地 ONNX/whisper.cpp，再尝试云端回退。

自动模型排序：--model auto 根据内置规则（或你的 model.rules 覆盖）构建候选尝试；当设置了 cli.enabled 或隐式自动选择处于活动状态时，CLI 尝试会被前置。默认回退行为：仅当未配置 API 密钥时，顺序为 claude, gemini, codex, agent, openclaw, opencode, copilot，并记住/优先使用最后一个成功的提供商（~/.summarize/cli-state.json）。

你需要提供

  • Node 24+。
  • 与你选择的 --model 匹配的 API 密钥（例如 OPENAI_API_KEY、GEMINI_API_KEY、ANTHROPIC_API_KEY、XAI_API_KEY、Z_AI_API_KEY、NVIDIA_API_KEY、MINIMAX_API_KEY）。
  • 可选的本地依赖：ffmpeg（可选的原生加速器，支持更广泛的编解码器；回退使用内置 WebAssembly 版本）、yt-dlp（YouTube 幻灯片提取和某些远程媒体流程需要）、tesseract（可选，用于 --slides-ocr）。

macOS（Homebrew）安装可选依赖：

brew install ffmpeg yt-dlp
brew install tesseract # 可选，用于 --slides-ocr

配置集中在 ~/.summarize/config.json，运行 summarize status 可检查有效默认模型、配置的预设和模型提供商。优先级为：--model > SUMMARIZE_MODEL > ~/.summarize/config.json > 默认值（auto）。配置以宽松方式解析（JSON5），但不允许注释，未知键将被忽略。

你会获得

  • 网页、文件、视频、播客的摘要（流式 Markdown，带指标与缓存状态）。
  • 视频幻灯片截图、可选的 OCR 结果与带说话人标签的字幕（--diarize）。
  • 提取到的原始内容（--extract 会打印提取内容并退出）。
  • 机器可读输出：--json 提供诊断信息、提示、metrics 和可选的摘要。
  • 幻灯片提取场景下，图像写入 ./slides/（或 --slides-dir），OCR 结果包含在 JSON 输出中并存储在 slides.json。

使用示例

快速开始：

summarize "https://example.com"

检查有效模型配置：

summarize status
summarize status --verbose
summarize status --probe
summarize status --json

各类输入：

summarize "/path/to/file.pdf" --model google/gemini-3-flash
summarize "https://example.com/report.pdf" --model google/gemini-3-flash
summarize "/path/to/audio.mp3"
summarize "/path/to/video.mp4"

标准输入（使用 - 管道输入）：

echo "content" | summarize -
pbpaste | summarize -

YouTube（支持 youtube.com 和 youtu.be）：

summarize "https://youtu.be/dQw4w9WgXcQ" --youtube auto

播客 RSS（转写最新一集）：

summarize "https://feeds.npr.org/500005/podcast.xml"

Apple Podcasts 单集页面：

summarize "https://podcasts.apple.com/us/podcast/2424-jelly-roll/id360084272?i=1000740717432"

Spotify 单集页面（尽力而为，独家内容可能失败）：

summarize "https://open.spotify.com/episode/5auotqWAXhhKyb9ymCuBJY"

HLS 播放列表：

summarize "https://example.com/master.m3u8"

幻灯片提取：

summarize "https://www.youtube.com/watch?v=..." --slides
summarize "https://www.youtube.com/watch?v=..." --slides --slides-ocr
summarize "/path/to/video.webm" --slides

OpenAI 快速模式与思考模式（它们是请求选项，不是模型 ID）：

summarize "https://example.com" --model openai/gpt-5.5 --fast --thinking medium
summarize "https://example.com" --model openai/gpt-5.4 --service-tier fast --thinking low

常用标志（摘要）：--model auto 自动选择模型 + 回退（默认）；--timeout（30s、2m、5000ms，默认 2m）；--retries（超时或临时 API 失败后的 LLM 重试次数，默认 1）；--length short|medium|long|xl|xxl|s|m|l|；--language, --lang（auto = 匹配源语言）；--cli [provider]（支持 claude、gemini、codex、agent、openclaw、opencode、copilot、agy、pi）；--stream auto|on|off；--plain；--no-color；--theme（aurora、ember、moss、mono）；--format md|text；--markdown-mode off|auto|llm|readability；--extract；--slides、--no-slides、--slides-ocr、--no-slides-ocr、--slides-dir、--slides-max（默认 6）；--json；--verbose；--metrics off|on|detailed（默认 on）。

编码 CLI 作为本地模型后端（要求二进制已安装并在 PATH 中、提供商已认证）：codex -> --cli codex；claude -> --cli claude；gemini -> --cli gemini；agent（Cursor Agent CLI）-> --cli agent；copilot（GitHub Copilot CLI）-> --cli copilot；pi（Pi Coding Agent）-> --cli pi。内置预设 --model codex-fast 使用 GPT-5.5 Fast 模式运行 Codex，需要 codex login。

如果 --model free（一组默认的 OpenRouter :free 模型）停止工作，运行：

summarize refresh-free

模型 ID 使用网关风格。示例：openai/gpt-5.4、openai/gpt-5-mini、github-copilot/gpt-5.4、anthropic/claude-sonnet-4-5、xai/grok-4-fast-non-reasoning、google/gemini-3-flash、zai/glm-4.7、minimax/MiniMax-M3、openrouter/openai/gpt-5-mini。

安装到 Cola：安装到 Cola

遇到问题时的排查要点：

  • "Receiving end does not exist"：Chrome 尚未注入内容脚本。扩展详情 -> 站点访问 -> 在所有站点上（或允许此域名）。重新加载标签页一次。
  • "Failed to fetch" / 守护进程无法访问：运行 summarize daemon status；对于非默认端口，确认 Options → Runtime → Daemon → Port 与守护进程配置一致；日志在 ~/.summarize/logs/daemon.err.log。