這個DEMO是kevinclaw上演示的,丟影片給AI, 然後由AI做出SOP, 其實內容和這篇是一樣的, 只是差別是, 那篇文章是由google antigravity做的,而這篇的SOP則由我在自己寫的這kevinclaw作業的,使用的AI大模型是GEMINI-2.5-FLASH.
下圖是第1次作業失敗的紀錄,它說背景去跑,但實則後來在背景睡著了,沒再醒來..
下圖是第二次調整程式後便成功了..kevinclaw里設計的方式是改進原有的影片固定五秒的抽幀方式,變為密集點直到看到完整指令之後再抽幀,
然後將截下的圖做OCR, 最後產出SOP. 這是簡單的流程介紹.
下圖便是最後產出的SOP說明
可以看下方使用的是GOOGLE平台上的GEMINI-2.5-FLASH大模型.總計跑了350秒.
下圖紀錄了在kevinclaw中,要完成這個自動將影片轉成SOP的系統作業環境需求一覽表
以下為當時對話的完整截圖, 分為有含工具使用歷程的,及單純問答結果,不含工具歷程的完整全頁截圖.
