bili-note

Bili Note

把 B站视频和图文动态变成可检索、可复用的 Markdown 知识笔记。视频优先拿字幕；字幕拿不到时再转写音频；图文优先抓正文、图片和代码块；用户要评论区时抓取评论并过滤无关讨论。

联网或登录态操作必须先使用 web-access。

网页 AI 字幕支持两条路线：Chrome 使用 web-access，Edge 使用开启远程调试的 Chromium DevTools Protocol 直连。两条路线都让已登录的 B站页面自己请求字幕接口，不读取或复制 Cookie/profile。Playwright 临时浏览器不属于受支持路线。

Bili Note 与 DyNote 共享可复用本地资源。默认共享目录是 %USERPROFILE%\.cache\rimagination-notes，Qwen3-ASR 环境默认是 %USERPROFILE%\.cache\rimagination-notes\qwen3-asr-venv。如果任一 skill 已经安装过 Qwen3-ASR，另一个 skill 必须优先复用，不要重复安装。Hugging Face、Whisper 和 faster-whisper 缓存按本机通用缓存复用。

字幕密度与视觉理解

B 站视频优先拿字幕，但字幕/转写不等于完整理解。长视频如果字幕字数明显偏少，可能说明核心信息在画面、PPT、板书、代码演示、屏幕操作或无解说片段中。

• 每次视频运行都必须先做轻量预检，再询问用户是否开启“关键帧视觉理解”。预检只读取元数据、分P信息和已有字幕文件，不下载视频；它会显示时长、字幕字数、字幕密度和画面依赖建议。收到明确的 on 或 off 后才能进入后续流程。询问时说明：on 会抽取最多 12 帧，先合成为一张 4×3 联系图，再按需要打开单帧，视觉输入会增加 tokens；off 只走字幕、转写、评论和元数据路线，节省视觉输入 tokens。
• 用户选择 on 时，给 run_bili_note.py 传 --visual-review on；选择 off 时传 --visual-review off。脚本默认 --visual-review ask，直接在终端运行也会在轻量预检后停下来等待选择。
• 关键帧理解选择只对视频运行生效。图文/动态已有图片材料，按图文视觉理解流程处理。
• 归档后必须读取 metadata/note_budget.json。如果 visual_dependency.needs_visual_review=true，不要把稀疏字幕写成完整学习笔记。
• 这种情况下，先采用更合适的技术：抽取代表性关键帧或截图，再做 OCR 或多模态视觉理解；必要时重新抓网页 AI 字幕或补本地自动语音识别。
• 如果当前接入的模型或工具不能看图，必须告诉用户：关键帧理解属于高级视觉能力，需要多模态模型、OCR 工具或人工查看；当前只能基于字幕/元数据生成有限笔记并标注覆盖范围。
• 最终笔记和用户回复要转述 visual_dependency.warnings，并说明是否已经补了视觉证据。

关键帧视觉理解采用低成本的两阶段读取：先看一张 4×3 联系图建立全片画面地图；联系图中出现文字、代码、图表或界面细节时，再依据工作目录的 keyframes_manifest.json 打开对应单帧。归档后对应路径是 archive_dir/metadata/keyframes_manifest.json。不要默认把 12 张完整图片全部送入模型。

选择 on 后，先查看 keyframes/contact_sheet.png，再结合 keyframes/README.md 和工作目录的 keyframes_manifest.json 定位时间点。把视觉观察写入材料包的 metadata/visual_review.md，每条关联 KF-Pxx-xx、分P、时间和观察结论；不确定的画面标记为待核实。关键帧证据可通过 indexes/关键帧索引.jsonl 和总证据索引回查。

依赖与环境检查

默认路线尽量零第三方 Python 依赖：视频元数据、公开字幕、图文正文、图片清单、评论、归档、证据索引和笔记预算都用标准库完成。网页 AI 字幕和音频转写是增强路线，不是启动门槛。

第一次使用、换机器、用户怀疑依赖不全，或准备使用网页 AI 字幕 / 音频转写兜底时，先运行：

$skill = "$env:USERPROFILE\.codex\skills\bili-note"
$py = "python"
& $py "$skill\scripts\check_environment.py"