第 6 课 视频摘要：给一个视频链接，AI 写摘要、列时间线、出理解题 | 大模型多模态专题

返回专题

• 做完你会得到什么
• 哪些组件能看视频
• 视频链接的要求（最容易卡住的地方）
• 准备
• 界面组件
• 分步搭
  • 第 1 步：换成视觉模型
  • 第 2 步：先在 App 里预览
  • 第 3 步：一个下拉框，四段提示词
  • 第 4 步：流式显示，看完可追问
  • 第 5 步：复制结果与出错处理
• 这一课的要点
• 常见问题
• 平台说明
• 下一课

做完你会得到什么

一个「视频摘要」App：粘贴一个视频链接，选「一句话概括」「分段时间线」「列出画面里的文字」「出 3 道理解题」，AI 看完视频把结果写出来；还能追问「第 2 段讲了什么」。

图为执行最终 .aia 里的真实积木生成的布局预览，不是真机截图；AI 的回答与照片、生成的图片都是示意。

下载本课 .aia（VideoSummary.aia）

哪些组件能看视频

视频链接的要求（最容易卡住的地方）

ChatWithVideoUrl(提示词, 视频地址) 并不上传视频，而是把地址交给模型服务，由服务器自己去下载。所以：

• 必须是公网能直接打开的地址，以 http:// 或 https:// 开头；
• 必须是视频文件直链：浏览器打开就直接播放、地址一般以 .mp4 结尾；
• 不行的：网盘分享页、视频网站的播放页（B 站、抖音的网页地址）、局域网地址（192.168.x.x）、手机里的本地文件路径；
• 视频越长越慢、越贵。先用几十秒到几分钟的短视频试。

自己的视频可以先上传到对象存储（阿里云 OSS、七牛等），拿到公开读的直链再用。本课界面里有「先预览一下」按钮：在 App 里能播放的地址，模型才有可能取得到。

准备

界面组件

分步搭

第 1 步：换成视觉模型

when Screen1.Initialize() {
  组件美化1.SetAsCard(垂直布局_密钥)
  组件美化1.SetAsCard(垂直布局_视频)
  组件美化1.SetAsCard(垂直布局_任务)
  组件美化1.SetAsCard(垂直布局_结果)
  // 默认的 qwen-plus 只懂文字，看视频要换成视觉模型
  Qwen1.ModelName = "qwen3-vl-plus"
  密码输入框_密钥.Text = 微数据库1.GetValue("qwenKey", "")
  使用密钥(密码输入框_密钥.Text)
}

第 2 步：先在 App 里预览

function 是网址(地址) {
  return startsat(地址, "http://") == 1 or startsat(地址, "https://") == 1
}

when 按钮_预览.Click() {
  var 地址 = trim(文本输入框_视频.Text)
  if not 是网址(地址) {
    底部提示条1.Show("视频地址要以 http:// 或 https:// 开头")
  } else {
    视频播放器_预览.Source = 地址
    视频播放器_预览.Visible = true
    视频播放器_预览.Start()
  }
}

中途验证：粘贴地址点「先预览一下」，视频能播放，说明是直链；播不了的地址，模型多半也取不到。

第 3 步：一个下拉框，四段提示词

每个任务一段提示词，都写明输出格式：时间线「每段一行，大约第几秒到第几秒：讲了什么」、理解题「每题 4 个选项，最后统一给出答案」。

global 正在回答 = false
global 当前视频 = ""

function 任务提示词(任务) {
  return choose(任务 == "分段时间线", "按时间顺序把这个视频分成 3 到 6 段，每段一行，格式为「大约第几秒到第几秒：这一段讲了什么」。", choose(任务 == "列出画面里的文字", "把视频画面里出现的文字（字幕、标题、招牌、黑板上的字等）按出现顺序逐条列出来，看不清的标注「看不清」。", choose(任务 == "出 3 道理解题", "根据这个视频出 3 道选择题考考观众，每题 4 个选项，最后统一给出答案。", "用一句话（不超过 50 字）概括这个视频讲了什么，再列出 3 个关键词。")))
}

when 按钮_开始.Click() {
  var 地址 = trim(文本输入框_视频.Text)
  if 正在回答 {
    底部提示条1.Show("还在看上一个视频，稍等一下")
  } else if Qwen1.APIKey == "" {
    底部提示条1.Show("先在上面填好 API Key 并点保存")
  } else if not 是网址(地址) {
    底部提示条1.Show("视频地址要以 http:// 或 https:// 开头")
  } else {
    当前视频 = 地址
    Qwen1.StartNewChat()
    开始回答(join("正在看视频（", 下拉框_任务.Selection, "）……"))
    Qwen1.ChatWithVideoUrl(任务提示词(下拉框_任务.Selection), 地址)
  }
}

每次点「开始」都开新对话：同一个视频换一种任务，也不会把上一轮的长回答再带上。

第 4 步：流式显示，看完可追问

procedure 开始回答(状态) {
  正在回答 = true
  标签_结果.Text = ""
  标签_状态.Text = 状态
  按钮_开始.Enabled = false
  按钮_追问.Enabled = false
}

when Qwen1.GotStream(part, finished) {
  标签_结果.Text = join(标签_结果.Text, part)
  if finished {
    正在回答 = false
    按钮_开始.Enabled = true
    按钮_追问.Enabled = true
    标签_状态.Text = "看完了。可以接着追问，或换一种任务再看一遍。"
  }
}

when 按钮_追问.Click() {
  var 问题 = trim(文本输入框_追问.Text)
  if 当前视频 == "" {
    底部提示条1.Show("先让 AI 看一个视频")
  } else if 正在回答 {
    底部提示条1.Show("还在回答，稍等一下")
  } else if 问题 == "" {
    底部提示条1.Show("先写下想问的话")
  } else {
    文本输入框_追问.Text = ""
    开始回答(join("追问：", 问题))
    Qwen1.Chat(问题)
  }
}

中途验证：选「分段时间线」点开始，结果一行行出现；追问「第 2 段里出现了什么」，回答针对的就是这个视频。

第 5 步：复制结果与出错处理

when 按钮_复制.Click() {
  if 标签_结果.Text == "" {
    底部提示条1.Show("还没有结果可复制")
  } else {
    信息分享器1.CopyToClipboard(标签_结果.Text)
    底部提示条1.Show("已复制，可以粘贴到笔记里")
  }
}

when Screen1.ErrorOccurred(component, functionName, errorNumber, message) {
  正在回答 = false
  按钮_开始.Enabled = true
  按钮_追问.Enabled = true
  标签_状态.Text = 错误说明(message)
}

function 错误说明(message) {
  return choose(containstext(message, "401"), "API Key 不对：检查是否抄全，或到百炼控制台重新创建。", choose(containstext(message, "Arrearage"), "阿里云账户欠费：充值后再试。", choose(containstext(message, "429"), "请求太频繁了，等几秒再试。", choose(containstext(downcase(message), "download") or containstext(downcase(message), "url"), "视频取不到：要用公网能直接打开的 .mp4 直链，网盘分享页、视频网站的播放页地址都不行。", join("出错了：", message)))))
}

服务器下载视频失败时，错误消息里通常带 download 或 url 字样（例如 Download the media resource timed out），用 downcase 统一转小写再判断。

这一课的要点

• ChatWithVideoUrl 交的是地址，视频由模型服务器去下载：直链、公网、能播放，三个条件缺一不可。
• 下拉框 + 提示词表 是做「多功能」AI App 最省事的结构：加一个功能 = 加一个选项 + 一段提示词。
• 视频理解比图片慢得多，状态行要写清楚「正在看视频」，按钮变灰防重复。

常见问题

平台说明

• 安卓、鸿蒙都能运行；鸿蒙版 Qwen 组件同样有 ChatWithVideoUrl。
• 业务检查见验证记录：地址校验、视频以 video_url 形式发出、四个任务的提示词、追问时请求里带着视频、复制、下载失败等都逐条执行过。真实视频的理解效果没有在验证中调用模型。

下一课

第 7 课 照片绘本：综合课。一张照片先交给 DeepSeek 写成小故事，再把故事里的画面交给豆包画插画——两个模型接力。