Video to Article 全能视频转图文工作流

这个技能用于把视频内容转换成可读、可复用的图文笔记，偏重实际可落地的生产流程。

安全边界与执行原则

默认先走只读预览模式，不要一上来就下载、写文件、执行脚本或提交 Git。

只读预览模式

适用于用户只想：

• 看视频是否可下载
• 获取元信息
• 评估转录方案
• 规划截图和文章结构
• 基于字幕做总结、问答、术语提取

在这个模式下：

• 不下载视频
• 不写入 Vault 或仓库
• 不执行生成脚本
• 不做 git commit 或 git push

执行模式

只有在用户明确确认后，才允许执行以下有副作用的操作：

• 下载视频或字幕
• 使用 Cookie / 登录态
• 写入 Obsidian Vault、课程目录或仓库
• 执行 _batch_screenshots.sh 这类生成脚本
• 修改 index.md、写日志、git commit
• git push

明确限制

• 如果用户没有明确给出输出目录，不要擅自写入默认路径
• 如果内容涉及付费、私有或登录后资源，先确认用户有权访问
• 不要在回复、日志、笔记或仓库中泄露 Cookie、Token 或其他认证信息
• 对任何将要执行的 shell 脚本，先展示用途、输出路径和关键命令，再执行
• git push 必须单独确认，不能视为默认收尾步骤

核心能力矩阵

模式 A：单视频转图文笔记

常见触发词

只有在用户明确表达“要落盘执行”时再触发完整工作流，例如：

• “把这个视频整理成可落盘的图文笔记”
• “下载视频并生成 Obsidian 图文文章”
• “把整个课程目录批量导入成文章”
• “基于字幕生成学习材料，但不要修改本地文件”

如果用户只是说“总结一下视频”或“帮我看看讲了什么”，优先走只读分析，不要自动进入下载和写文件流程。

工作流

Step 1：识别平台和认证需求

Bilibili Cookie 导出示例：

# 将浏览器 Cookie 导出成 Netscape 格式
python3 path/to/bili_cookie_to_netscape.py

Cookie 安全要求：

• Cookie 属于敏感认证信息，等同于登录态
• 仅在用户明确授权访问其账号可见内容时使用
• 不要把 Cookie 写入仓库、笔记、日志或聊天输出
• 如果只是公开内容预览，优先先尝试无 Cookie 方案

Step 2：解析视频 ID 并获取元信息

# 解析 Bilibili 短链
VIDEO_ID=$(curl -sL "https://b23.tv/XXXXX" -o /dev/null -w "%{url_effective}" | sed 's/.*/video///;s/[/?].*//')

# 不下载直接读取元信息
yt-dlp --no-download --print "%(title)s|%(duration)s|%(uploader)s" ""

Step 3：下载视频

这是有副作用操作。只有在用户明确同意下载，并且已经确认输出目录后再执行。

实用默认策略：

• 小于 4 分钟：优先 1080p
• 大于等于 4 分钟：优先 720p

# 先查看可用格式
yt-dlp -F ""

# 下载（Bilibili 需要时加 --cookies）
mkdir -p "/"
yt-dlp -o "//video.%(ext)s" 
  -f "" --merge-output-format mp4 ""

Step 4：用 Whisper 转录

如果用户只是要摘要或问答，优先复用现有字幕或已有转录，不要默认重新下载并转录整段视频。

python3 << 'PYEOF'
from faster_whisper import WhisperModel
model = WhisperModel("base", device="cpu", compute_type="float32",
                     download_root="")
segments, _ = model.transcribe("//video.mp4", language="zh", beam_size=5)
with open("//transcript.txt", "w") as f:
    for seg in segments:
        f.write(f"[{seg.start:.1f}s - {seg.end:.1f}s] {seg.text.strip()}n")
PYEOF

语言建议：

• 中文：language="zh"
• 英文：language="en"
• 自动识别：省略语言参数

模型取舍：

• tiny：最快
• base：推荐默认
• small：更准但更慢

Apple Silicon 加速：

• device="mps", compute_type="float16"

Step 5：先分类内容，再规划截图

先根据转录内容判断视频类型，再决定截图密度。

截图时间点经验：

• 讲演类：标题画面、引出核心概念、每个主要论点首帧、金句时刻、结尾
• 教程类：每个关键步骤变化、UI 切换、结果展示画面
• 避免截图：填充性口播、画面没变化的 talking head、重复画面

命名规范：

• 使用英文 kebab-case
• 使用两位数字前缀
• 例如：01-intro.jpg、02-core-concept.jpg

Step 6：批量抽帧

这是文件写入操作。执行前先确认截图输出目录和命名规则。

VIDEO="//video.mp4"
OUTDIR="//screenshots"
mkdir -p "$OUTDIR"
ffmpeg -y -ss  -i "$VIDEO" -frames:v 1 "$OUTDIR/01-intro.jpg"

Step 7：生成图文笔记

这是持久化写入操作。只有在用户明确要求写入 Vault 或指定目录后再执行。

mkdir -p "/assets/video/"
cp //screenshots/*.jpg "/assets/video//"

推荐笔记结构：

---
title: <核心主题>
source: 
author: <作者>
type: 文献笔记
tags: [视频笔记, <主题标签>]
created: 
---

# <作者>：<标题>

> **来源**：<平台> @<作者>

## 核心洞见
1-2 段概括

![[../../../assets/video//02-xxx.jpg]]

## <分节标题>
...
![[../../../assets/video//xxx.jpg]]
> "<转录中的引用原文>"

## 行动清单
- [ ] ...

## 金句
> ...

## 相关笔记
- [[已有笔记]] - 关联原因

图片引用格式：

![[../../../assets/video//.jpg]]

Step 8：把笔记接入知识库

默认只给出关联建议。只有在用户明确要求更新知识库时，才执行全文搜索和实际写入动作。

find "" -name "*.md" | xargs grep -li ""

Step 9：提交并推送

这一步必须拆开处理：

• git add / git commit 仅在用户明确要求版本化本次结果时执行
• git push 必须单独确认，不能默认执行

cd "" && git add -A && git commit -m "video note: