B站优先检索与视频分析

把「上网查资料」这件事，做成可追溯、可复核、可复现的流程：搜索 → 质量筛选 → 取字幕全文 → 可信度审查 → 分级精读 → 输出结论。

核心价值：不靠标题和播放量下判断，而是读完整字幕，并对来源做三维可信度审查与 S/A/B/C 分级。

一、适用场景

• 用户要求"上网查一下 / 调研 / 学习 / 了解某主题"
• 产品/工具的横评对比与消费决策（"X 值不值得买"）
• 需要从视频里提取方法、流程、框架、参数、实测数据
• 明确要求"以 B站为优先信息源"或"信息要有 B站来源"

二、依赖与环境

> 不需要 yt-dlp / playwright / ffmpeg / whisper —— 本技能走官方字幕接口（秒级），
> 这也是"单个视频分析控制在 5 分钟内"的关键。遇到无字幕视频，换一个候选，不做音频转写。

pip install requests websocket-client

三、登录态配置（一次性）

能力分界线：搜索 / 视频详情 / UP主粉丝数免登录可用；
字幕列表、UP主认证、投稿数、最早投稿时间必须登录态。

方式 A：一键自动抓取（推荐）

python {baseDir}/scripts/bili_auth.py auto              # 启动浏览器窗口 → 登录 → 自动写入
python {baseDir}/scripts/bili_auth.py auto --timeout 900
python {baseDir}/scripts/bili_auth.py launch            # 只启动窗口（稍后再抓）
python {baseDir}/scripts/bili_auth.py dump               # 从已存在的调试窗口抓取
python {baseDir}/scripts/bili_auth.py check              # 检查调试实例与 cookie
python {baseDir}/scripts/bili_auth.py status             # 查看本地凭证并验证有效性

原理：用 Edge/Chrome 的 CDP 调试端口（默认 9222）读取 Cookie。
SESSDATA 是 HttpOnly，网页脚本 document.cookie 读不到 —— 这是用户"找不到"的头号原因，
只有 CDP 或 DevTools 的 Cookies 表格能拿到。

> ⚠️ 必须由用户侧启动浏览器：从 AI 会话直接启动 GUI 进程通常会被沙箱进程树回收，
> 窗口起来即失效。可行做法是把 auto 命令包成用户可双击的 .bat。

方式 B：手动提供 SESSDATA

1. 浏览器登录 bilibili.com → F12 → Application/应用（不是"控制台"）
2. 左侧 Cookies → https://www.bilibili.com → 在名称列找 SESSDATA，复制同行的值
3. 若表格里翻不到：切「网络/Network」→ F5 刷新 → 点任意 api.bilibili.com 请求
   → 请求标头里的整行 Cookie: 复制出来，由 AI 解析

凭证位置

~/.workbuddy/data/bilibili-research/auth.json      # 新建默认位置
~/.workbuddy/data/bilibili-video-summary/auth.json # 旧路径，自动兼容回退

{ "sessdata": "<值>", "bili_jct": "<值，可选>" }

也可用环境变量 BILI_RESEARCH_DATA（数据目录）或 BILI_SESSDATA（凭证）覆盖。

四、五步工作流

Step 1 · 搜索 + 质量筛选

python {baseDir}/scripts/bili_research.py search "<关键词>" --limit 10
python {baseDir}/scripts/bili_research.py search "<关键词>" --limit 10 --check-subs
python {baseDir}/scripts/bili_research.py search "<关键词>" --limit 10 --json

内置机制（直接用默认参数，不要另写搜索逻辑）：

评分权重顺序（关键）：

诚信风险（否决级）→ 内容质量 → 评论数/评论率 → 收藏率 → 弹幕密度 → 播放/粉丝

• 评论数是重要质量信号（讨论量与评论率）
• 收藏率是"干货"的强信号（用户愿意存下来照做）
• 藏率异常低（播放≥5万但收藏率<0.2%）= 典型的"看完就走"营销内容 → 降权

输出解读：✅ 通过全部门槛，❌ 被淘汰并打印原因；
标记列出现"导购型标题 / 推广线索 / 超长合集 / 资历待核 / 藏率异常低"时，需在交付物中如实说明。

Step 2 · 选片

1. 优先分数高 + 时长 5–60 分钟（信息密度最高、总结最快）
2. 60–180 分钟可接受；超 3 小时先用 info 看是否多 P，只取最相关的一讲
3. 同主题尽量跨 2–3 个不同 UP 主，避免单一视角
4. 任务类型决定选源侧重（详见 references/selection-and-credibility-standard.md）

python {baseDir}/scripts/bili_research.py info BV1xxxxxxxxx    # 分P列表 + 字幕可用性

Step 3 · 取字幕全文

python {baseDir}/scripts/bili_research.py sub BV1xxxxxxxxx --paragraph --out 01_UP名.txt
python {baseDir}/scripts/bili_research.py sub BV1xxxxxxxxx --p 4 --json    # 多P指定第几P

• 字幕优先级：UP主上传的人工中文 > B站 AI 中文 > 其它语言
• --paragraph：按停顿把逐句字幕合并为段落（语义更完整、更省 token）
• subtitle.ai=true 表示 AI 字幕，专业术语错字很多，必须纠错后再引用

Step 4 · 三维可信度审查（强制，不可跳过）

python {baseDir}/scripts/bili_research.py analyze BV1xxxxxxxxx
python {baseDir}/scripts/bili_research.py analyze 01.txt --duration 443 --title "视频标题"

三维模型：

商业内容占比分级（看占比，不看有无）：

⛔ 弃用红线（只认这四类，与"是否带货"无关）

1. 字幕与标题严重不符（搬运号 / 字幕错配）
2. 关键参数自相矛盾（同一对象前后打架）
3. 整体以推广为主体且无实测（全片念参数、无一手证据）
4. 商业关系不透明（通篇导流却不标注，或以"自发测评"包装广告）

> 带货不是原罪：UP 主需要生存，商业合作是行业常态。判定看的是"内容是否真实"与"关系是否透明"。

Step 5 · 分级精读 + 输出

输出规范（重要）：

• 对话窗口只回答用户提出的问题：结论先行、简洁直接，不铺陈检索过程
• 详情一律生成自包含 HTML 网页：检索过程、门槛与放宽档位、评分、S/A/B/C 分级、
  弃用理由、AI 字幕纠错表、数据冲突与不确定性、完整依据与复现命令
• 每条来自视频的信息标注 BV号｜UP主｜标题｜字幕来源；B站来源占比 ≥50%（自检）

五、命令速查

search 常用调参：--min-fans --min-play --min-duration --min-like-rate --per-up --orders

六、实测陷阱清单（务必遵守）

七、参考文档

• references/selection-and-credibility-standard.md — 选源与可信度分级标准（含量化权重、四类任务选源侧重、实测校准案例）

八、版本