cnife Bilibili Transcript
把哔哩哔哩直播回放转成按时间线组织、按主题分组的 Recap Markdown。
领域语言见 CONTEXT.md；形态决策见 docs/adr/。
前置
- Linux 一等支持；仓库根即 skill 根（本文件与代码同仓）
- 已 clone 本仓库，并按所选后端安装依赖（见 README）
- 宿主 agent 能在本仓库根目录执行命令、读写文件，并用自身 LLM 写 Recap
- 公开可下载的单 P 视频（无 cookie；大会员 / 地区限制 / 非公开内容不保证）
产物链
Video → Audio → Transcript → Recap
- prepare 脚本（确定性）：下载音频 + ASR → Transcript（
transcript.json+meta.json） - agent LLM（推理）：读 Transcript 写 Recap
Transcript 是缓存层：同一 BV 已生成则跳过 ASR。重跑 Recap 时步骤 2 直接缓存命中，不重下载、不重转录。
步骤
0. 解析 Backend（首次必问）
后端三选一，禁止静默替用户决定、禁止自动降级：
| backend | 含义 | 依赖 extra | 费用 |
|---|---|---|---|
cpu |
本地 SenseVoice，CPU | cpu |
免费 |
rocm |
本地 SenseVoice，ROCm GPU | rocm |
免费 |
aliyun |
云端 Paraformer-v2 | aliyun + .env 凭证 |
按量 |
解析顺序：
- 若项目根已有
.bilibili-transcript.json且含合法backend→ 采用之，向用户确认本次沿用（一句话即可） - 否则在仓库根执行：
uv run bili-prepare --probe
根据 JSON（suggested、rocm_available、aliyun_ready 等）给出建议，询问用户选 cpu / rocm / aliyun。
3. 用户确认后写入项目根（该文件已 gitignore）：
{
"backend": "cpu"
}
可用 shell 写入，例如：
printf '%s\n' '{"backend":"cpu"}' > .bilibili-transcript.json
- 后端不可用（如选
rocm但 GPU 不可用、选aliyun缺凭证）→ 硬失败；向用户解释错误，征得同意后改配置/参数再跑，不要擅自换后端重试。
1. 跑 prepare（下载 + ASR）
在项目根目录同步执行（不要后台）：
uv run bili-prepare <BV号或URL> --backend <cpu|rocm|aliyun> [--force]
- 已写入配置时可省略
--backend；推荐显式传入以便日志与用户预期一致 - 时长参考（约）：16 分钟音频 rocm ~25s；同长 cpu 约 1 分钟量级；2h 音频 rocm 约 1–3 分钟、cpu 约 5 分钟、aliyun 约 5–10 分钟 → 长音频把命令超时放宽到 10–15 分钟
- 产物在
.cache/<BV>/：transcript.json（segments[{start, end, text}]，秒）、meta.json（元信息 + ASR 统计） - 失败即退出（exit ≠ 0，ASR 零段也视为失败）；
--force重下载并重跑 ASR
完成标准：exit 0，transcript.json 非空（≥1 段），meta.json 可读且含 backend、duration_s、title。
2. 读 Transcript 写 Recap（单次 LLM 调用）
读 .cache/<BV>/transcript.json 的全部 segments（整段喂入，不做 map-reduce）与 meta.json（title、uploader、duration_s）。
超长分支：转录文本超出上下文窗口时，按时间顺序切块，每块按同一契约归纳，再按时间合并；任何块不得整块丢弃。
Recap Markdown 契约：
- 标题：
# {视频标题} - 主题段：
## {主题} (start-end)，时间戳MM:SS，时间戳只出现在段级标题，条目内不加 - 段内正文：用简洁的一段话总结该主题内容（2-4 行，一句起）
- 主题从内容归纳，不机械切片；段落按时间线排序，同一主题聚在一段
- 段数约 1 段/2-3 分钟（2h 视频 15-30 段）
示例：
# 老木匠直播20260808（弹幕版）
## 开场闲聊 (00:00-05:00)
开场打招呼说早上变冷了，和弹幕聊了会儿天气，气氛轻松。
## 木工话题 (05:00-30:00)
开始讲今天的木工活：准备做一张桌子，先交代木料选择和尺寸规划。
完成标准（全部可检查）：
- 覆盖到结尾：最后一段的区间终点 ≥
duration_s - 60，尾段不得遗漏 - 每段带
MM:SS-MM:SS区间，与段内内容的时间范围一致；段内正文无时间戳 - 段数约 1 段/2-3 分钟；主题从内容归纳（可辨认的素材，不是机械切片）
3. 交付
写 recaps/{标题}.md（recaps/ 在项目根，不存在则创建；标题取 meta.json 的 title，把 /\:*?"<>| 替换为 _，去掉首尾空白）。
告知用户：Recap 路径 + ASR 统计（backend、耗时、成本，取自 meta.json）。
边界
- 单视频（单 P UGC 直播回放）；不处理合集、多 P
- 不做说话人分离；下载无 cookie（仅公开视频）
- 大会员 / 登录墙 / 地区限制内容不保证可下载
- 一次只处理一个 BV
- 首发不支持 NVIDIA CUDA 一等后端（本地 GPU 仅 rocm）