抖音知识搜集器

要解决的问题

从抖音获取行业知识常被卡在“内容分散、无法检索、音频难转写”。单个视频观点碎片化，批量手动下载、转录、整理成本高，而且 Whisper 中文输出常缺少标点、混入繁体，错别字也需要人工校验。这个技能面向工程师和数据分析师，提供一个可重复的采集管道：输入行业关键词，输出可用于知识库构建的转录文本与结构化材料。

工作方式

核心链路是：Chrome CDP 搜索抖音 → 提取视频 URL → 下载音频或视频 → Whisper 转录 → 质量报告与知识库整理。关键步骤包括：

• 搜索与采集：通过 Chrome DevTools Protocol 连接已登录抖音的 Chrome，只取首页视频，避免深度滚动带来的风控压力；支持关键词间随机等待、视频间隔、CDP 断连重试。
• 音频提取：优先抓取 DASH 音频流，失败时回退完整视频；下载支持断点续传与重试，减少网络波动导致的中断。
• 转录与清洗：使用 openai-whisper 进行中文转录，默认通过 initial_prompt 引导输出带标点的中文，并用内置繁简映射表转换繁体字。
• 质量分级：生成 quality_report.json，按 high/medium/low 区分转录内容长度与可用性，便于优先处理长文本。
• 知识整理：将 transcripts/ 下的文本合并、去重、按主题分段，并输出原始版与提炼版知识库。

适用边界

该技能只适配抖音平台，不适用于 B 站、小红书或 YouTube。它依赖已登录抖音的 Chrome、Python、ffmpeg 和 whisper 等环境；whisper 中文准确率约 85%，生成最终知识库前仍需人工修正谐音错字、专业术语和数字量级。