Hello World

01月14日

一、今日完成情况

• AI系统（B站视频内容总结）实现落地，至少打通两个环节 –全部完成
• 配置一下vscode还有相关的AI插件cline，vscode还是少不了，而且trae的付费我不是很喜欢。
• 制定一个衣物整理清点计划，我要知道自己的衣服如何收纳和数量 –完成

二、今日感悟

• 核心业务数据​：
  • 一个项目的搭建
  • vscode的配置
  • Orion浏览器的探索
• ​今日工作总结：​
  • 发现内嵌CLine的vscode编程效率更高了，我明天还得好好琢磨怎么快速上手，明天需要解决的问题有Gemini的vscode代码网络连接的问题，还有把B站视频内容快速总结的项目包装一下，让AI帮我配置一下前端代码，最后能够运行到服务器上，不过这就要求语音转文字功能不能使用本地模型了，必须要使用接口了，可以尝试。
  • 工欲善其事必先利其器，最近搞得事情不太专一，全是工具层面和宏观层面的，但是只有这样才能更好的对于这个学习路线和系统有自己的理解。
  • Orion果然是专业搞检索的，免费的才是最贵的，谷歌浏览器对于隐私保护，检索广告筛选本来以为相比于百度已经做的更好了，没想到付费的浏览器打磨的更好，检索的资料好干好干，就特别适合我这种深度检索的极客用户画像。
• ​明日工作计划：
  • 需要琢磨一下mac系统检测不到HDMI链接是什么问题，第一次链接的好好的，之后就连接不上了。解决实际问题一直都是我的强项。
  • 还要琢磨一下如何搭建AI 工作流批量的实现PDF文章的翻译，参考这个项目 https://www.bilibili.com/video/BV1MHk9Y2Ef7
• ​今日学习成长：​
  • 非常有成就感哦，这个AI视频笔记总结的效果满足我的预期了。B站昨天探索的市面上的产品还是挺贵的，虽然效果我的稍微好一点，而且可以把视频当中什么时间说了什么内容也标注好，可是还是没必要，我自己搭建的系统，可以实现总结已经很不错了。

三、备注

• 无

四、AI B站视频总结系统

我调用 Obsidian的MCP服务，直接让AI总结我刚才的项目笔记，然后直接导入到我的笔记当中：

至此，我只需要微调笔记内容即可。

1、项目思路

本项目的核心目标是构建一个自动化的B站视频知识转化工具。它接收一个B站URL，通过一系列AI处理模块，最终输出一份结构精美、内容详实的Markdown学习笔记，实现从被动观看视频到主动吸收知识的转化。

只需要配置好B站视频的链接、token登录信息，配置好对应的语言模型就可以了，视频链接可以在输入指令的时候一起输入，也可以在代码当中设置。

严格按照技术流程图来实现：
输入B站URL -> 模块1: 音频提取 -> 模块2: 语音转文本 -> 模块3: 文本总结 -> 模块4: 笔记生成 -> 输出Markdown文件

2、项目架构

项目采用高度模块化的架构，确保了代码的清晰度、可维护性和扩展性：

• main.py: 作为项目的主控制器和入口，负责按顺序调用各个功能模块，串联起整个处理流程。
• module_audio_extractor.py (模块1): 使用 yt-dlp 从视频URL中提取并下载音频文件。
• module_speech_to_text.py (模块2): 利用 openai-whisper 模型将音频文件精准地转录为原始文字稿。
• module_text_summarizer.py (模块3): 核心AI总结模块。它调用大语言模型（如DeepSeek, Gemini）API，并通过“Map-Reduce”策略处理长文本，生成精炼的内容摘要。
• module_note_generator.py (模块4): 笔记美化与生成模块。它使用一个精心设计的“元提示词”，将模块3生成的摘要二次创作成包含亮点、思考和术语解释的结构化Markdown笔记。
• config.yaml 与 .env: 采用配置与代码分离的最佳实践。config.yaml 定义模型、服务商等结构化信息，.env 则安全地存储API密钥。

3、 遇到的核心问题与解决方案

1. 问题: yt-dlp 在Python脚本中静默失败，无法生成音频文件，尽管在终端手动执行是成功的。

   • 排查过程: 通过在代码中加入 --verbose 详细日志，定位到问题根源是在脚本执行环境下，yt-dlp 自动使用了系统代理，导致B站下载请求失败。
   • 解决方案: 其实问题是，默认这里下载的事B站的高码率的视频，所以才需要会员导致下载失败，所以我在关闭代理的同时，调整代码下载内容，我只需要音频就可以了，

2. 问题: 如何灵活、安全地管理和切换多个大语言模型及其API密钥。

   • 排查过程: 用户最初设想在 .env 文件中配置复杂的模型结构，但这不符合 .env 的设计。
   • 解决方案: 引入了 config.yaml 文件来管理模型列表等结构化配置，而 .env 文件只用于存储敏感的API密钥。代码被重构为启动时读取 config.yaml，根据所选模型动态查找并加载对应的密钥，实现了高度灵活且安全的配置驱动架构。

3. 问题： LangChain 在近期版本中进行了模块化拆分，导致导入的库发生了问题，我修改了一下库的名字即可

   • 使用轻量级独立包，pip install langchain-text-splitters，修改代码为，from langchain_text_splitters import RecursiveCharacterTextSplitter即可。

4、项目效果图

项目代码日志示意：

笔记效果示意：

笔记内容要求：

因为我主要总结的视频内容是知识类型的笔记，所以需要有一定的结构限制，我的笔记是限定提示词的，提示词如下：

你的输出必须严格遵循以下Markdown格式，不得有任何偏差：

1. 主总结 (段落): 首先，用一段流畅、引人入生的文字对视频核心内容进行概括。
2. 亮点 (列表): 提取3-5个视频中最具价值或最关键的亮点，使用列表形式（以 📚, 🛠️, 📝, 🔍, 💡 等表情符号开头），并可选择性地标注时间戳（如果摘要信息中包含）。
3. 标签 (Hashtags): 生成3-5个高度相关的标签，用于内容归类。
4. 思考 (问答): 基于视频内容，提出1-2个能够引发深入思考或探究的问题，并给出你基于视频内容的解答。格式为：

• 问题: [提出的问题]
• 解答: [你的解答]

1. 术语解释 (列表): 识别并解释视频中出现的3-5个关键术语或概念。格式为：

• 术语名称: [术语的定义]

笔记内容展示：

主总结 (段落):

在信息全球化的今天，高效精准地翻译学术论文、技术文档等PDF文件，同时保持其原有的复杂排版、公式图表，是一项极具挑战性的需求。PDF Translate 这款开源工具正是为此而生。它巧妙地结合了深度学习、文档解析和自动化排版技术，不仅能通过多种翻译引擎（从传统API到前沿AI大模型）处理文本，更能近乎完美地还原PDF的原始布局，为用户提供了从在线体验到本地离线部署的完整解决方案，尤其适合对格式保真度和数据隐私有高要求的专业场景。

亮点 (列表):

• 📚 格式无损翻译：核心突破在于使用U-Net模型进行布局分析，确保翻译后的PDF在公式、图表、目录、版式上与原文完全一致。

• 🛠️ 灵活部署方案：提供从“Windows一键脚本”快速启动、Python虚拟环境安装到命令行直接调用的多种部署方式，兼顾易用性与灵活性。

• 📝 引擎聚合与AI增强：内置MassTranslate库，可多线程调用谷歌、DeepL等多种翻译API，并支持配置OpenAI等大模型API以显著提升翻译质量。

• 🔍 离线的优势：在线服务有文件大小和页数限制，而本地部署无此限制，能处理更大文档，且保障了数据隐私和安全。

• 💡 输出格式可选：用户可根据需要，选择生成双语对照或纯中文版本的PDF，满足不同阅读习惯和分发需求。

标签 (Hashtags):

#PDF翻译 #文档处理 #本地化部署 #AI工具 #开源项目

思考 (问答):

• 问题: 为什么PDF Translate在翻译技术文档或学术论文时，比简单的“复制文本到翻译软件”方案更具优势？

• 解答: 简单的复制粘贴会彻底丢失PDF中所有的非文本元素（如图表、公式、特殊排版）和结构信息（如目录、页码、分栏）。PDF Translate通过“布局分析-内容提取-页面重构”的技术流程，将文本与版式分离处理，翻译后再按原坐标精确重组，从而实现了“所见即所得”的格式保真，这是手动操作无法企及的。

术语解释 (列表):

• U-Net模型: 一种最初用于生物医学图像分割的卷积神经网络架构，因其高效的像素级定位能力，在此工具中被用于精准识别和定位PDF页面中的文本块、图像、公式等不同元素。

• PyMuPDF: 一个功能强大的Python库，用于处理PDF、XPS等文档。在PDF Translate中，它负责根据布局分析结果和翻译后的文本，重新生成和渲染最终的PDF页面。

• MassTranslate: 项目自带的翻译聚合库。它的作用是统一接口，管理并多线程调用不同的翻译服务API（如谷歌翻译、DeepL等），提高翻译效率并提供回退机制。

五、衣物清点计划

1、问题

袜子、短袖、长袖、夏季短裤、秋季长裤、冬日长裤、卫衣、外套、毛线衫等等衣服，零散不好寻找，而且没有分类，昨天找衣服我已经领教到这个坏习惯的弊端了，而且还有一个问题，是很多衣服根本没有进入我的穿衣轮转当中，会导致衣服的浪费。

这就是衣服太多的烦恼，所以我痛定思痛，一定要把衣服裤子分个类别，这样我在设计自己的穿衣风格的时候也可以灵活自由，从而在穿着设计上尝试一下。

毕竟未来总是要带外面，留给其他人的第一印象还是挺重要的，我的自己倒无所谓，邋里邋遢的也就过来了。

2、解决方案

分类：袜子、短袖+长袖 、薄长裤 + 短裤、后长裤，至于毛衣、外套我就放在柜子了。

购买五个收纳盒，不大不小，放置冬天以外的服装刚刚好

任务完成。

六、vscode 插件配置心得

CLine效果比较拔尖，而且可以使用免费的模型数量比较多，也可以使用Claude 模型的免费额度，只不过token比较贵，很快就要用完

vscode的copilot插件效果一般，自定义程度不高，而且长时间使用必须得是copilot会员才可以，不建议使用。

现在我使用英语看各种软件和网页教程的配置，越看越顺眼，果然作为一个合格的程序员英语文档查看的能力还是非常重要的，算是未来基本功。

感觉vscode功能特别完善，自定义程度太高了，而且我设置的英语语言，导致在我看来vscode反而是相对于PyCharm、trae等IDE门槛最高的了，不过一定要上手的，vscode还是扩展性非常强，用起来最丝滑的，一旦上手，且基本配置熟练之后，就没什么问题了。

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 kipleyarch@gmail.com