dsh-video-to-knowledge:把视频课沉淀成带时间戳的知识卡

前言

在 DSH(DeepSeek Harness)里做智能体或知识工作流时,常见痛点是:长视频课看完只剩「看过」,难以检索、回跳和复盘。手工抄笔记、自己拼 yt-dlp 和 Markdown 模板,链路长且难统一质检。下面介绍的插件由社区维护者 yayuqianhuang 发布,把「视频链接 → 带时间戳的 Markdown 知识卡 → 落盘 kb/」整条 AJTC 触发链封装成可对话触发的工具,并附带环境自检、素材准备、五项机器校验、查重与计数核验。

这是什么

dsh-video-to-knowledge 是 DeepSeek Harness 插件(npm 包名同仓库名,当前版本 0.1.11,MIT 许可证)。定位一句话:抓字幕 → 清洗切块 → 组装卡片 → 校验 → 查重 → 落盘 → 核验 →(可选)回写大纲。

每张卡片带 [mm:ss] 锚点与 source_url#t=秒 深链,写入知识库后可跳回原视频对应时刻。仓库:https://github.com/yayuqianhuang/dsh-video-to-knowledge;社区目录页:https://www.skillhub.cn/plugins/yayuqianhuang/dsh-video-to-knowledge。

核心功能

流水线能力

插件文档描述的完整链包括:抓字幕、清洗切块、组装卡片、五项机器校验、查重、落盘、计数核验,以及可选的大纲回写。素材行格式为 [mm:ss] 内容,时间戳为整视频累计时间(多 P 视频也不是分 P 内相对时间)。

五个主要工具

工具 作用 会联网
vk_doctor 环境自检(含 B 站登录态) 否
vk_login 登录引导:登记 cookie 路径 / 自动发现 / 操作说明 否
vk_config 查看 / 修改配置 否
vk_prepare 元数据 + 字幕 + 清洗切块 + 素材包 是(有缓存则复用)
vk_run 校验 → 查重 → 落盘 → 核验 → 大纲 仅在需要重抓字幕时

另保留 AJTC 相关能力:ajtc_list_chains、ajtc_run_chain(文档标明仅 mock)、ajtc_recall_memory。

两种常见产物

落库时,卡片进 kb/<collection>/;若要求「大纲与骨干完整版」,还会在 reports/ 下产出横向重组的《大纲与骨干》。长课文档建议两份一起看:卡片回答「这一节具体说了什么」,大纲回答「这门课讲什么、该看哪几节」。

配置方式

本插件没有图形设置页(未发布 dsh 客户端 bundle)。可调项通过 vk_config 与配置文件完成,优先级为:工具入参 > 环境变量 > 配置文件 > 会话工作区 > cwd。

配置 必填 默认 说明
outputDir 否 <工作区>/videoToKnowledge/ 输出根;kb/、runs/、cards/ 均在其下
cookiesPath 否 无 B 站 Netscape 格式 cookie(无 BOM)
pythonPath 否 自动探测 一般无需改

查看与修改示例:

{ "action": "get" }
{ "action": "set", "key": "outputDir", "value": "D:/kb" }
{ "action": "set", "key": "cookiesPath", "value": "D:/tmp/bili-cookies.txt" }

安装与启用

插件声明的宿主要求:dsh >=0.1.0-rc.7 <0.3.0,Node >=22.19。

官方安装命令(README 原文):

dsh plugin --profile web add github:yayuqianhuang/dsh-video-to-knowledge
dsh plugin --profile web list          # 应能看到 dsh-video-to-knowledge

市场按 GitHub 仓库 topic dsh-plugin 收录;README 提到也可用 npm 安装作为兜底(见仓库内 PUBLISH.md)。

你需要自备(插件无法打包)

依赖 用途 检查方式
Python 3.10+ 跑流水线脚本 依次尝试 py -3、python3、python;可设 VK_PYTHON
yt-dlp 抓元数据与字幕 pip install -U yt-dlp
ffmpeg + faster-whisper 仅无字幕视频走本地 ASR 时需要 不装也能用平台字幕
B 站登录 cookie need_login_subtitle 视频的字幕 见下文

安装后建议先做一次环境自检,再处理需要登录态的 B 站链接。

典型用法

第一次用:三步

文档给出的顺序如下:

① vk_doctor   →  看缺失项
② vk_prepare  →  抓元数据 + 字幕 + 清洗切块,拿到按分 P 的素材包
③ (模型读素材写卡片正文)→ vk_run  →  校验 + 落盘 + 核验

① 自检

入参示例:

{ "url": "https://www.bilibili.com/video/BVxxxxxxx", "cookiesPath": "D:/tmp/bili-cookies.txt" }

输出会说明 Python / yt-dlp / ffmpeg / whisper 是否可用,以及 B 站登录态为 valid / partial / invalid。

② 准备素材

vk_prepare 返回结构包含 videoId、materialDir、materials(按分 P 的 txt)以及 next 提示。素材准备好后,由模型在 <workDir>/cards/ 下创建 card-<videoId>-pNN.md,只写正文,不要写 frontmatter;frontmatter、命名与索引由链自动生成。

卡片正文可参考 README 中的章节模板(一句话结论、核心要点带时间戳、章节时间轴、关键概念、可执行清单、存疑等)。

③ 落盘

vk_run 入参示例:

{
  "url": "https://www.bilibili.com/video/BVxxxxxxx",
  "kbPath": "D:/kb",
  "collection": "bilibili",
  "mode": "upload",
  "outlinePath": "D:/notes/学习大纲.md"
}

返回执行报告:卡片数、quality.ok、查重命中、verify 计数、大纲回写节数等。

用自然语言触发(装好后)

README 列出六条常用说法,覆盖大部分场景:

你想干什么 说这句话
全流程沉淀一张卡 「把这个视频沉淀成知识卡:<链接>」
卡片 + 大纲骨干完整版 「沉淀成知识卡,另外再给一份《大纲与骨干》完整版:<链接>」
只要大纲/骨干,不落库 「分析这个视频的大纲和骨干,先不落库:<链接>」
批量处理 「依次把这三个链接沉淀进 kb:<链接1> <链接2> <链接3>」
登录态排障 「B 站字幕抓不到,帮我配登录态」
环境自检 「先自检环境,缺什么告诉我」
质检返工 「检查 kb 里这批卡片的质量,不合格的按素材重写」

内部映射简述:「沉淀成知识卡」会走 vk_doctor → vk_prepare →(模型写 cards/)→ vk_run → kb/<collection>/;「只分析不落库」则 vk_prepare 后直接输出到 <outputDir>/reports/。

B 站登录态(无图形表单)

  1. 浏览器登录 B 站(cookie 等同账号密码,文档建议用小号)。
  2. 导出 Netscape 格式 cookie 到任一路径,例如 ~/.dsh-video-to-knowledge/bili-cookies.txt 或工作目录下的 bili-cookies.txt。
  3. 调用 vk_login 登记路径;也可在工具入参里直接给 cookiesPath。

vk_login 只做文件存在性与 SESSDATA 字样判断,不读取、不打印 cookie 内容。常见坑包括:文件带 BOM、扩展导出的是提示文字而非 cookie、Chrome --cookies-from-browser 解密失败等,README 有对照表。

字幕排障顺序:先看 vk_doctor 的「字幕轨」与「B 站登录态」;登录过期先重导 cookie;若仍不可用且播放器里只有画面内硬字幕,则需本地 ASR/OCR 或换有 ai-zh 字幕轨的视频。

适用场景与注意

适合谁:需要把 B 站等平台长课变成可检索 Markdown 知识库、且愿意在 DSH 会话里用自然语言或工具链驱动沉淀的开发者;批量链接、质检返工、大纲不落库等场景在 README 中都有对应说法。

运行与安全:插件在 当前 dsh 进程权限 下执行,会调用 Python、yt-dlp,并在需要时联网抓元数据与字幕。安装前应自行查看仓库源码与 MIT 许可证;B 站 cookie 文件由你本地保管,勿提交到版本库。

生态说明:DSH 理念是「一切皆插件」;SkillHub 等社区目录为独立站点,与 DeepSeek / 幻方无官方从属关系,本文仅作插件能力说明。

结尾

经过上面的步骤,你可以把「看完视频」变成「带时间戳、可回跳、可质检的知识卡落盘」。进一步细节以仓库 README 为准:

  • 目录页:https://www.skillhub.cn/plugins/yayuqianhuang/dsh-video-to-knowledge
  • GitHub:https://github.com/yayuqianhuang/dsh-video-to-knowledge
羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜