الفيديوهات تُعلِّم الناس. أمّا الآن فهي تُعلِّم ذكاءك الاصطناعي.

ما هو video-to-skill؟

video-to-skill (V2S) أداة مجانية ومفتوحة المصدر تحوّل أي درس فيديو — سواء كان رابط YouTube أو ملفًا على جهازك — إلى مهارة قابلة للتثبيت ومُتحقَّق منها بالتنفيذ لوكلاء الذكاء الاصطناعي البرمجيين. يشاهد الفيديو، ويقرأ النص الظاهر على الشاشة، ويجرّب كل خطوة يدوّنها، ثم يسلّم وكيلك مهارة يستطيع تنفيذها فعلًا.

أمر واحد يكفي للتثبيت:

npx skills@latest add brenoepics/video-to-skill

منذ الإصدار v0.2.3 تُثبَّت المهارة المُولَّدة لكل وكيل يُكتشَف على الجهاز — Claude Code وCodex وCursor وGemini CLI وGitHub Copilot وOpenCode وAmp — كنسخة واحدة حقيقية في ~/.agents/skills مع رابط رمزي نسبي من كل موضع آخر. مصدر واحد للحقيقة، فأي تحديث لاحق يصل إلى الجميع.

لماذا لا يكفي النص المكتوب وحده

يقرأ video-to-skill النص الظاهر على الشاشة من إطارات الفيديو نفسها، لا من تفريغ الصوت وحده، لأن التفريغ يُسقط تحديدًا التفاصيل التي تجعل الخطوة قابلة للتنفيذ. ثلاثة أخطاء سماع مُسجَّلة من عمليات حقيقية:

النص الظاهر على الشاشة يتقدّم على التعليق الصوتي في كل مرحلة: الأوامر تُقرأ من البكسل، ولا تُعاد صياغتها أبدًا. وتحمل كل خطوة كذلك مرجع [t=MM:SS] والإطار الذي قُرئت منه، فيمكن مراجعة أي ادّعاء عند الثانية نفسها من الفيديو.

كيف يعمل التحقّق

يتولّى التحقّق في video-to-skill وكيل فرعي جديد يعمل في بيئة معزولة، لا يرى سوى الحزمة المُولَّدة ولا يرى الفيديو إطلاقًا. ينفّذ كل خطوة في مواجهة معايير نجاحها الخاصة، والشارة هي ما استحقّته تلك المحاولة:

• ✅ مُتحقَّق منها — نُفِّذت الخطوة واستوفت معايير نجاحها.
• 🟡 مُتحقَّق منها جزئيًا — بعض المعايير تحقّق والبعض الآخر تعذّر فحصه.
• ⚠ غير مُتحقَّق منها — تعذّر تنفيذ الخطوة، والمهارة تقول ذلك صراحةً.

الخطوات التي يكون تنفيذها غير آمن تُتخطّى وفق السياسة ويُشار إليها بأنها متخطّاة، ولا تُصبَغ بالأخضر في صمت أبدًا.

إصلاح من عملية حقيقية: خطوة اللصق في أحد الدروس تُرجمت إلى "+P، وهي تلصق من سجلّ Vim الداخلي لا من حافظة النظام. نفّذتها البيئة المعزولة فأخفق المعيار، فصحّحها طور الإصلاح إلى "+p، وأثبتت الإعادة صحّة اللصق مقابل حافظة macOS الحقيقية.

الخطوات التي لا تطمئنّ إليها المنظومة تُنشر موسومة بأنها منخفضة الثقة بدل أن تمرّ بصمت، والفيديو الذي لا يتضمّن أي إجراء يُرفض مع تقرير تحليلي بدل أن يُختلق منه خطوات.

كيف تنمو المهارة عبر عدّة فيديوهات

ضمّ فيديو ثانٍ للمهمة نفسها إلى مهارة قائمة يقوّيها ولا يمحوها: مواضع الاتفاق بين الفيديوهين تكتسب مرجعًا مزدوجًا، ومواضع التعارض تتحوّل إلى بدائل موثَّقة بدل استبدال صامت، ويسجّل قسم «المصادر» تاريخ الدمج. وكل عملية دمج تُبطل الشارة، إذ يُعاد التحقّق قبل إعادة التثبيت.

أين يقف V2S من غيره

يقف video-to-skill إلى جوار عائلتين معروفتين من الأدوات، لكنه يؤدّي عملًا مختلفًا عنهما. أدوات تحويل الفيديو إلى مستند تصنع من الفيديو نصًّا يقرؤه إنسان؛ وأدوات تسجيل سير العمل تصنع من جلسة تؤدّيها أنت دليلًا يقرؤه إنسان. أمّا V2S فيحوّل فيديو لم تسجّله أنت إلى خطوات يستطيع وكيل تنفيذها.

الفارق الجوهري: المستند يشرح إجراءً لإنسان، أمّا المهارة فتسلّم الوكيل خطوات يستطيع تنفيذها — وكل خطوة منها قد نُفِّذت فعلًا مرّة واحدة في بيئة معزولة قبل نشرها.

الأداء

عالج video-to-skill درسًا مدّته دقيقتان بدقّة 720p من أوّله إلى آخره في 3.3 ثانية زمن فعلي — أي 36.5 ضعف الزمن الحقيقي — على معالج Apple M5 بتسريع Metal. المقطع نفسه يستغرق 67.5 ثانية، أي 1.8 ضعف، على منصّة macOS لدى GitHub بثلاث أنوية ودون معالج رسوميات. والتفريغ الصوتي وحده يعمل بـ8.0 أضعاف محليًا و1.3 ضعف في التكامل المستمر.

الرقمان قابلان لإعادة الإنتاج على عتادك أنت، فالمجموعة نفسها تطبع الجدول نفسه:

vts-extract bench

أرقام التكامل المستمر مأخوذة من أجهزة افتراضية مشتركة بثلاث أنوية بلا تسريع Metal، فهي الطرف البطيء من المدى لا الحالة المعتادة.

الخصوصية والأمان

يعمل video-to-skill بالكامل على جهازك أنت. الفيديو لا يغادره أبدًا، ولا يدخل سياق النموذج سوى الإطارات التي يختار الوكيل فحصها. لا حسابات، ولا مفاتيح واجهات برمجية، ولا قياس عن بُعد.

الفيديو مدخل غير موثوق يسير في اتجاه خطوات قابلة للتنفيذ، ولذلك رُسمت الحدود صراحةً. كل تنزيل مثبَّت ببصمة تحقّق ويحمل شهادة منشأ بناء من GitHub يمكنك فحصها بنفسك عبر gh attestation verify. ويرفض المُصرِّف السلاسل التي تبدو كأسرار والبرامج النصية من نوع «نزِّل ونفّذ»، أمّا النص الذي يخاطب الوكيل داخل الفيديو فيُعامَل بوصفه محاولة حقن أوامر مشتبهًا بها، لا تعليمات تُتّبع.

الحدود

يعمل video-to-skill في أفضل حالاته مع تسجيلات الشاشة، ودروس سطر الأوامر والواجهات الرسومية، والمحاضرات. العروض المادية السريعة تفقد تفاصيل الحركة بين الإطارات المفتاحية. والادّعاءات التي تظهر في الواجهة الرسومية وحدها قد يتعذّر التحقّق منها بالتنفيذ — وتُنشر موسومة بذلك، لا مخبّأة خلف الشارة. أمّا الفيديوهات الخالية من أي إجراء فتُرفض بدل أن يُختلق منها خطوات، والخطوات منخفضة الثقة تُنشر موسومة.

المنصّات المدعومة هي macOS، مع تسريع Metal على معالجات Apple Silicon، وLinux.