Video Study Batch — 视频批量学习
Overview
把任意在线课程视频（政务网课 / 商业 LMS / Bilibili / 直链）批量转化为三样可学习成品：
① 原音 MP3（磨耳朵/复听）② 原文字幕（中英文自动识别，中文输出简体）③ 中文学习报告（要点+金句+行动项）。
不保留视频文件（版权与磁盘考量），视频仅作中间产物用完即删。
本技能已实测三个平台：重庆干部网络学院（localStorage 登录态 + 直链 mp4）、
luminaedu（cookie 登录态 + 腾讯云 VOD SimpleAES DRM 加密流）、Bilibili（免登录原生下载）。
工作流总览
用户给链接/课程
│
├─ 单视频：run_one.py --url <链接>
├─ 整门课：collect_course_items.py → run_batch.py --list <清单>
│
▼
① 下载视频（临时 _tmp/，按平台自动选引擎）
② 提取 原音 MP3 + ASR wav（extract_media.py）
③ Whisper 离线转写 → 原文字幕（transcribe.py）
④ 删除视频 + ASR wav（只留 MP3/字幕）
⑤ AI 读字幕提炼要点 → keypoints json
⑥ build_report.py → 中文报告（md + html）
快速开始
场景 0：陌生平台先用探测脚本（智能体自我弥补的关键）
遇到不在已知列表里的平台时，先运行探测脚本，它会输出结构化诊断报告
（视频源类型 / DRM / 播放器 / 抓到的媒体请求 / 缺口判断 / 适配建议）：
python scripts/probe_video.py --url "<播放页URL>" [--profile edge-profile] [--cookies xxx.txt] [--json]
智能体自我弥补工作流（本技能的设计哲学）：
1. 运行 probe_video.py → 读诊断报告
2. adapter_gap == "无缺口" → 用现有引擎直接处理
3. adapter_gap == "缺口" → 根据报告的 media_requests 分析视频源模式，
参照 references/platform-guide.md 的方法论自行编写适配器（参考 vod_download.py
的腾讯云 VOD 三级结构 + XHR 取 key 技巧），把新引擎接入 run_one.py 的引擎分流逻辑
4. 用真实视频验证 → 若平台常见，可将新指纹/引擎回写进技能（持续进化）
场景 1：单个视频 → 三样成品
# Bilibili / 直链 / 需登录平台
python scripts/run_one.py --url "https://www.bilibili.com/video/BVxxxx" --title "视频名"
# 本地视频文件
python scripts/run_one.py --video "/path/to/video.mp4" --title "视频名"
场景 2：整门课程 → 批量
# ① 采集课程视频清单（luminaedu 等有 module/list API 的平台）
python scripts/collect_course_items.py --course <课程ID> --out jobs.txt --uid <用户uid>
# ② 批量处理（断点续跑，失败不阻塞）
python scripts/run_batch.py --list jobs.txt --title "课程名"
# ③ AI 提炼要点（主进程/AI 读字幕 → 写 keypoints json）
# ④ 汇总报告
python scripts/build_report.py --keypoints kp1.json,kp2.json --out report.md --title "课程名" --html
场景 3：需登录平台首次配置
# cookie 型平台（如 luminaedu）：用户日常浏览器登录后提取 cookie
python scripts/extract_cookies.py --name <平台> --domain-filter .example.com
# localStorage 型平台（如重庆干部学院）：搬运登录态到专用 profile
# 见 references/platform-guide.md 第二节
核心脚本说明
| 脚本 | 职责 | 何时使用 |
|---|---|---|
run_one.py |
单视频端到端（自动选下载引擎） | 单视频主入口 |
run_batch.py |
批量调度（断点续跑） | 整门课程 |
collect_course_items.py |
课程视频清单采集 | 有课程 API 的平台 |
probe_video.py |
通用平台探测诊断（输出适配报告） | 新平台先用它 |
extract_media.py |
提取 原音MP3 + ASR wav | 被 run_one 调用 |
transcribe.py |
Whisper/Vosk 离线转写 | 被 run_one 调用 |
build_report.py |
keypoints → 中文报告 | AI 提炼后汇总 |
vod_download.py |
腾讯云 VOD DRM 解密下载 | luminaedu 等平台 |
download_video.py |
直链视频下载 | 通用直链 |
extract_cookies.py |
cookie 提取 | 需登录平台 |
login_helper.py |
登录辅助/登录态导出 | 首次配置 |
qcloud_vod_download.py |
腾讯云 VOD 下载（API 模式） | 备用 |
职责边界（重要）
- 脚本只做机械活：下载 / 提音 / 转写（确定性操作）
- AI 做智能活：读字幕 → 提炼要点（keypoints json）→ 生成报告
- 脚本不生成占位 keypoints（会导致批量调度误判"已完成"）
- 提炼要点时，AI 应：读完整字幕 → 按视频内容提炼 8-15 条要点（headline+detail+timestamp）
→ 提取金句 → 写 keypoints json（结构见build_report.py支持的字段）
转写引擎与语言
# 自动检测语言（推荐，中英文通吃，中文输出简体）
python scripts/transcribe.py --audio a.mp3 --out sub.md --lang auto --engine auto
# 强制中文
python scripts/transcribe.py --audio a.mp3 --out sub.md --lang zh --engine auto
# 强制 Vosk（更快但中文碎片化，不推荐）
python scripts/transcribe.py --audio a.mp3 --out sub.md --lang zh --engine vosk
引擎策略：默认 Whisper（句子级输出、连贯、多语言）；Vosk 仅显式指定时用。
简体引导：Whisper base 默认倾向繁体/口语，--lang zh 已内置简体 initial_prompt。
平台适配
详细方法论见 references/platform-guide.md（平台类型矩阵、登录态两通道、腾讯云 VOD 三级结构、
DRM key 获取的 XHR 技巧、沙箱环境注意）。
核心结论（上架价值）：
- 平台差异 = 登录态类型（cookie/localStorage）× 视频源引擎（直链/VOD-DRM/免登录）
- 腾讯云 VOD 加密流：psign 直调 getplayinfo 拿 master → 页面内 XHR（非 fetch）请求
getlicense 拿 DRM key → AES-128-CBC 解密分片 → 拼接转码
- 登录态搬运：localStorage 平台复制 leveldb 到专用 profile（删 LOCK 文件）
产物目录
workspace/
├── raw/audios/*.mp3 ① 原音（保留）
├── raw/subtitles/*.md ② 原文字幕（保留）
├── raw/keypoints/*.json ③ AI 要点（保留）
├── reports/*.md + .html 中文报告（保留）
├── _tmp/ 临时（视频+ASR wav，用完即删）
└── edge-profile/ 登录态 profile（仅需登录平台）
沙箱环境注意事项
- 沙箱会拦截
os.remove（SAFE_DELETE_FAIL_CLOSED）→ 脚本内 try/except 忽略；
定期用 PowerShellRemove-Item清理_tmp/和raw/videos/ - Playwright headful 在部分环境秒杀窗口 → 用 headless + profile 搬运
- 首次运行 Whisper 会下载模型到
~/.cache/whisper/（base.pt 约 142MB）
依赖
- Python 3.10+：playwright / yt-dlp / whisper（openai-whisper）/ vosk / cryptography
- ffmpeg（建议用
~/.workbuddy/tools/ffmpeg/...或系统 PATH） - 浏览器：Edge（Playwright channel=msedge）
