chubbyskills 部署助手
帮用户把开源项目 chubbyskills（14 个 Agent Skills + CLI：多平台内容采集、视频转逐字稿、知识库管理）部署到用户自己的电脑上。本技能基于对该项目的实测调研与 Windows 原生环境适配经验整理而成。
工作流程
第 1 步：确认系统环境（必问）
- Windows 10/11 → 用
assets/windows-native-guide.md（完整 PowerShell 方案，无需 WSL） - macOS / Linux → 官方原生支持，直接用
bash setup.sh light|video|podcast|wechat（见下方梯队说明） - 同时确认：Python 版本（建议 3.11/3.12）、是否与 ComfyUI 等已有 AI 环境共存（必须 venv 隔离）
第 2 步：按梯队给安装步骤（先轻后重，不要一次全装）
第一梯队（零模型，10 分钟跑通，价值最高）
| 技能 | 依赖 |
|---|---|
| xiaohongshu-ingest（小红书图文采集） | 零依赖，建议配 XHS_COOKIE |
| wechat-article-ingest（公众号采集） | bs4 + markitdown + pymupdf |
| industry-intelligence-radar（行业雷达） | 零依赖纯标准库 |
| bilibili-transcribe 字幕路径 | yt-dlp |
第二梯队（转录全家桶，约 6-8GB 磁盘，装一次共享）
# funasr + torch（CPU 版即可，SenseVoice 走 CPU 推理，30 分钟视频约 1 分钟）
pip install funasr modelscope torch torchaudio
pip install faster-whisper # 播客技能单独用，支持 GPU 加速
SenseVoice-Small 模型（893MB）首次转录时自动从 ModelScope 下载（国内直连快）。
GPU 提醒：有 NVIDIA 显卡（如 RTX 3060）时，faster-whisper 可后续 CUDA 加速，但 funasr/SenseVoice 路径 CPU 已够用——先 CPU 跑通全流程，别一开始就折腾 CUDA DLL。
第 3 步：逐项验收
用户每装完一块，按 assets/acceptance-checklist.md 逐项验证：ffmpeg 可用 → check_env 通过 → 各技能真实链接实测 → 简报/转录产物落盘。
第 4 步：踩坑排查
用户报错时，先查 assets/windows-native-guide.md 末尾的踩坑速查表（python3 命令不存在、venv 激活被拒、ffmpeg PATH、中文路径乱码、pip 超时换清华镜像、GitHub 换 Gitee 镜像、抖音短链过期、小红书 cookie 过期等）。
关键判断规则
- 用户想采集的平台的链接打不开/抓不到 → 查项目
docs/platform-status.md的状态标签（stable/beta/manual fallback），如实告知成功率预期，给兜底路径（本地文件转录、--fallback-text 手动正文） - 用户想转录微信直接发的视频 → 保存到本地后走 podcast-transcribe 或本地视频转录路径（无微信直连通道）
- 用户设备装不动转录全家桶（低配电脑）→ 只装第一梯队；采集链接类内容用字幕优先路径
- Windows 用户报"setup.sh 跑不了" → 用 Git Bash 跑，或按 Windows 指南的等效 pip 命令
与笔记 / 知识库的配合
部署后的产物是本地 Markdown 文件（带来源 frontmatter）。用户想把成果归档：粘贴产物内容让 Agent 存成笔记，或导入知识库。
边界与声明
- 本技能只提供部署指导，采集/转录能力由用户本地的 chubbyskills 提供，本技能不在运行环境内执行采集
- 原项目限定个人学习研究用途，提醒用户遵守平台条款、勿商用批量爬取
- 原项目 MIT 协议，原作者 chubbyguan；本技能为独立整理的部署指南，不含原项目代码
运行环境
- Python：3.9+
- 第三方库：
beautifulsoup4（pip install beautifulsoup4）、faster-whisper（pip install faster-whisper）、funasr（pip install funasr）、yt-dlp（pip install yt-dlp）
开工前先跑一次自检，缺什么当场补，别等跑到一半报错：
python3 -c "import beautifulsoup4" 2>/dev/null || echo "缺 beautifulsoup4，请执行 pip install beautifulsoup4"
python3 -c "import faster_whisper" 2>/dev/null || echo "缺 faster-whisper，请执行 pip install faster-whisper"
python3 -c "import funasr" 2>/dev/null || echo "缺 funasr，请执行 pip install funasr"
python3 -c "import yt_dlp" 2>/dev/null || echo "缺 yt-dlp，请执行 pip install yt-dlp"
> 缺依赖时用中文告诉用户缺什么、装完就能用，不要把 Python 的英文 traceback 原样贴给用户。
示例
用户说：「我想在自己电脑上把视频转成文字，怎么装？」
技能会：先问系统（Windows / macOS / Linux）与用途（长视频 / 短视频 / 会议录音）→ 按「先轻后重」给安装梯队（先纯 Python 轻量方案，再上模型重的方案）→ 逐项验收 → 给出踩坑排查表。
产出：一份分步安装清单（每条命令可直接复制），末尾附「装完怎么验证」和「常见报错怎么解」。
失败时：用户的显卡/内存不满足重方案时，直接推荐轻量档并说明质量差异，不要让用户先装 10GB 再发现跑不动。
