从0到1打造你的AI视频机器人！基于ffmpeg的智能体保姆级全攻略，一篇通收藏够了

FFmpeg AI Agent：一条自然语言指令，实现一个简单音视频处理。让用户说一句：音视频的处理要求，AI Agent帮你把活给做了。实现比较简单，抛砖引玉，留下tools接口，可以无限扩展。

程序猿李巡天

736人浏览 · 2025-09-23 12:52:07

程序猿李巡天 · 2025-09-23 12:52:07 发布

FFmpeg AI Agent：一条自然语言指令，实现一个简单音视频处理。

让用户说一句：音视频的处理要求，AI Agent帮你把活给做了。

实现比较简单，抛砖引玉，留下tools接口，可以无限扩展。

项目开源地址:

https://github.com/runner365/gollmagent

主要功能

支持连接多个大模型平台：

openai
yuanbao (腾讯)
qwen (阿里)

当前支持下面一些音视频处理功能：

将多媒体文件提取音频, 转换为m4a格式
将多媒体文件转换为mp4格式, 主要为视频文件，并显示进度
合并多个多媒体文件为一个带有视频和音频的mp4文件
合并多个多媒体文件的音频为一个纯音频的m4a文件
给视频添加图片水印
给视频添加文字水印
给视频添加字幕
基于视频的I帧生成图片
在指定时刻截取视频帧

如何使用

2.1 基础环境

golang开发环境
安装ffmpeg：可以系统下运行ffmpeg命令行
设置环境变量LLM_API_KEY：大模型的API_KEY，从各个大模型云厂商获取和配置你自己的API_KEY，个人测试过腾讯元宝大模型，阿里QWen大模型，OpenAI大模型

个人推荐腾讯元宝大模型，它的tools比较灵活，输入语句缺少参数信息，会有多轮对话自动提醒功能，国内的大模型网络也比较快。

环境ready后，

直接运行: go run gollmagent.go

系统启动一个对话命令行，可以与AI大模型继续聊天，来完成音视频处理任务。

下面给出一些通过与AI大模型聊天，来处理音视频文件的例子。

2.1 转码视频

直接向AI提问，要求转码一个视频文件，并指明分辨率

用户: 请转码一个视频文件为360p，文件地址:D:\movies\src\wenjian.mp4

转码完成后，可以得到一个自己想要分辨率的媒体文件。

2.2 合并多个视频

向AI提出要求，合并多个视频文件，给出文件列表。

用户: 合并多个视频文件，文件列表为: D:\movies\src\1.mp4, D:\movies\src\2.mp4, D:\movies\src\3.mp4

合并完成后，AI告知合成后的媒体文件地址。

2.3 截取视频某个时刻的图片

向AI提出要求，截取某个视频某时刻一张图片

用户: 对视频文件D:\movies\src\2.mp4，在00:00:15截取一张图片

完成后，AI告知图片的地址。

2.4 获取视频所有IFrame的图片

向AI提出要求，截取某个视频中所有IFrame，并生成图片列表

用户: 对视频D:\movies\src\1.mp4的所有iframe截取图片

完成后，AI会告诉图片的目录。目录下生成所有的iframe图片：

2.5 对视频文件加入图片水印

向AI提出要求，对某视频文件加入图片水印

用户: 对视频文件D:\movies\src\1.mp4添加水印:D:\movies\src\media_talk_Logo.png, 位置左上角

AI生成新视频后，会告知新视频文件地址。

其他的一些功能(不再详细叙述)：

将多媒体文件提取音频, 转换为m4a格式
合并多个多媒体文件的音频为一个纯音频的m4a文件
给视频添加字幕

扩展：动态添加新功能

AI Agent的tools功能，就是向大模型注册一个Tools列表，包含一些功能，功能映射的函数，函数需要的参数；

这里程序给出简单的注册新tools function接口，在llmproxy/tools.go中注册写的函数接口。

以注册一个图片截图功能为例。

第一步：向AI大模型注册功能，如下

funcAddScreenshotAtMomentTool() *pub.ToolDefinition {

第二步：实现"screenshot_at_moment"功能函数

funcCreateFunctionToolsHandler() {

只需要两步，就能注册一个新的AI Agent功能。

{


第二步：实现"screenshot\_at\_moment"功能函数

```code-snippet__js
funcCreateFunctionToolsHandler() {

只需要两步，就能注册一个新的AI Agent功能。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

在这里插入图片描述

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。

在这里插入图片描述

适合人群

在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。