中文社媒内容入库助手

要解决的问题

中文社交与媒体内容常以短视频、播客或长文形式散落在抖音、小宇宙、微信公众号等平台，Agent 直接处理时面临三个典型痛点：

• 工具链割裂：需同时调度 yt-dlp（视频下载）、ffmpeg（音视频处理）、SenseVoice（ASR 转写）等工具，缺乏统一入口
• 格式非结构化：原文夹杂口语化表达、弹幕、广告等内容，直接入库会污染知识库质量
• 本地化缺失：多数平台仅提供 Web 界面，Agent 难以自动化提取原始数据并持久化

技能如何工作

该技能通过标准化流程将中文内容转化为结构化知识单元：

• 多模态采集：

- 支持抖音短视频、播客音频、公众号长文三类主流内容源
- 使用 yt-dlp 直接抓取视频/音频流，通过 ffmpeg 进行格式转换

• 语义增强处理：

- 音频内容经 SenseVoice 或 faster-whisper 生成带时间戳的转写文本
- 长文内容自动提取标题、作者、发布时间等元数据

• 知识库适配：

- 生成符合 Obsidian 规范的 Markdown 文件，包含正文、标签、来源链接
- 支持自定义清洗规则（如过滤水印、去除重复段落）

适用边界与注意点

• 环境依赖：需本地安装 ffmpeg（音视频处理）和 Python 依赖包（如 yt-dlp）
• 转写精度：

- 中文方言内容建议使用 SenseVoice 替代通用 Whisper 模型
- 专业术语需人工校验，自动转写可能存在识别偏差

• 合规性：

- 仅处理用户有权获取的公开内容，避免违反平台服务条款
- 敏感内容需在入库前进行脱敏处理