Bilibili Analyzer

Bilibili Video Analyzer

Description

B站视频内容分析工具。提供视频URL后，自动下载视频、拆解成帧图片，然后使用AI分析内容，最终生成高质量的专题文档或实操教程。

核心特点:

• 按主题重新组织内容，整理成一篇完整文档
• 实操类视频 → 生成可直接使用的操作教程
• 知识类视频 → 生成结构化的专题文档
• 报告中插入关键截图，使用 ![描述](./images/frame_xxxx.jpg) 格式

Source & Documentation

Resource Directories

• 执行脚本位于 scripts/
• 参考资料位于 references/

Installation

1. 安装 .NET 10 SDK

脚本使用 .NET 10 单文件执行功能，需要安装 .NET 10 SDK。

下载地址: https://dotnet.microsoft.com/download/dotnet/10.0

验证安装:

dotnet --version

2. 安装 FFmpeg

Windows:

# Chocolatey
choco install ffmpeg

# 或 Scoop
scoop install ffmpeg

# 或手动下载: https://ffmpeg.org/download.html

macOS:

brew install ffmpeg

Linux:

# Ubuntu/Debian
sudo apt install ffmpeg

# CentOS/RHEL
sudo yum install ffmpeg

验证安装:

ffmpeg -version

Trigger

• /bilibili-analyzer 命令
• 用户请求分析B站视频
• 用户提供B站视频链接并要求分析

Provided Script

本 skill 提供了 scripts/prepare.cs 脚本用于下载视频和提取帧图片。

脚本位置: skills/tools/bilibili-analyzer/scripts/prepare.cs

运行方式: 使用 .NET 10 单文件执行功能

使用方法

# 基本用法
dotnet run scripts/prepare.cs "<视频URL>" -o <输出目录>

# 示例
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output

# 长视频（降低帧率）
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --fps 0.5

参数说明

相似帧去重

脚本会自动对相邻帧进行相似度检测，去除相似度超过阈值（默认80%）的重复帧：

• 使用 ffmpeg 的 SSIM/PSNR 算法计算相似度
• 只比较相邻帧，不会跨帧比较
• 去重后自动重新编号（frame_0001.jpg, frame_0002.jpg, ...）
• 可通过 --similarity 0.85 调整阈值
• 可通过 --no-dedup 禁用去重

输出结构

<输出目录>/
├── video.mp4           # 下载的视频文件
└── images/             # 帧图片目录
    ├── frame_0001.jpg
    ├── frame_0002.jpg
    ├── frame_0003.jpg
    └── ...

Workflow (Prompt)

你是一个视频内容分析助手。当用户提供B站视频链接时，按以下步骤执行：

Step 1: 下载视频并拆帧

使用提供的脚本下载视频并拆解成帧图片：

dotnet run skills/tools/bilibili-analyzer/scripts/prepare.cs "<视频URL>" -o <输出目录>

注意事项:

• 短视频（<10分钟）: 使用默认 --fps 1
• 中等视频（10-30分钟）: 使用 --fps 0.5
• 长视频（>30分钟）: 使用 --fps 0.2

Step 2: 分析帧图片

使用 Task 工具分批并行分析 images/ 目录中的图片。

分批策略（根据总图片数动态计算）:

计算公式:

总图片数 <= 30: 1 批
总图片数 <= 60: 2 批
总图片数 <= 120: 3 批
总图片数 <= 200: 4 批
总图片数 > 200: 5 批

每批图片数 = 总图片数 / 分批数量（向上取整）

示例：假设有 85 张图片 → 分 3 批

Task 1: 分析 frame_0001.jpg ~ frame_0029.jpg（29张）
Task 2: 分析 frame_0030.jpg ~ frame_0058.jpg（29张）
Task 3: 分析 frame_0059.jpg ~ frame_0085.jpg（27张）

Task Prompt 模板:

读取并分析 <输出目录>/images/ 目录下的 frame_0001.jpg 到 frame_0020.jpg（共20张图片）。

【重要要求】
你的响应必须是这些图片内容的【完整详细报告】，不要省略任何信息。

对每张图片，详细记录：

1. **帧号**: frame_xxxx.jpg
2. **场景类型**: 代码编辑器/终端/浏览器/PPT/对话/其他
3. **界面内容**:
   - 窗口标题、菜单、按钮等UI元素
   - 当前打开的文件/页面
4. **文字内容**:
   - 完整转录屏幕上的所有文字
   - 代码内容（完整复制，保留格式）
   - 终端命令和输出
   - 注释和说明文字
5. **操作动作**:
   - 鼠标位置、点击目标
   - 正在进行的操作
6. **关键信息**:
   - 重要的配置项
   - 关键步骤说明
   - 错误信息或警告

【输出格式】

## frame_0001.jpg
- 场景: [场景类型]
- 内容: [详细描述]
- 文字/代码:

[完整的文字或代码内容]

- 操作: [正在进行的操作]
- 要点: [关键信息]

## frame_0002.jpg
...

【注意】
- 不要省略任何图片
- 代码和文字必须完整转录
- 信息越详细越好

分析要点:

1. 完整转录所有文字和代码内容
2. 详细描述界面元素和操作步骤
3. 记录每张图片的关键信息
4. 标注重要的截图帧号（如 frame_0042.jpg）

Step 3: 生成文档

根据视频类型，将分析结果重新组织整理成 视频分析.md：

判断视频类型:

• 实操类: 编程教程、软件操作、配置演示等
• 知识类: 概念讲解、原理分析、经验分享等

【关键】图片与内容必须严格对应:

错误示例 ❌:
### 安装 Node.js
首先下载 Node.js...
![截图](./images/frame_0001.jpg)  ← 图片可能是其他内容

正确示例 ✅:
### 安装 Node.js
首先下载 Node.js...
![frame_0015: Node.js官网下载页面](./images/frame_0015.jpg)  ← 图片确实是下载页面

生成文档的正确流程:

1. 先整理所有 Task 返回的分析结果

   • 汇总所有帧的分析内容
   • 建立「帧号 → 内容」的对应关系

2. 按主题重新组织内容（不是按时间顺序）

   • 将相关内容归类到同一章节
   • 确定每个章节需要哪些帧的信息

3. 插入图片时必须核对

   • 只插入与当前内容直接相关的图片
   • 图片描述要准确反映图片实际内容
   • 使用格式: ![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

4. 代码必须来自图片中的实际代码

   • 不要自己编造代码
   • 代码块标注来源: <!-- 来自 frame_0025 -->

重要原则:

1. 图文对应 - 每张图片必须与其上下文内容匹配
2. 不要时间线流水账 - 重新组织内容，像写文章一样
3. 结构清晰 - 有章节划分和逻辑顺序
4. 代码真实 - 只使用图片中出现的代码，不要编造
5. 独立可读 - 不看视频也能完全理解

Output Format

实操教程类

# {教程主题}

## 简介

{教程目标}
{前置条件和要求}

## 环境准备

{需要安装的软件}
{配置要求}

## 操作步骤

### 1. {步骤标题}

{详细说明，内容必须与下方图片对应}

![frame_xxxx: 图片实际内容的准确描述](./images/frame_xxxx.jpg)

<!-- 代码来自 frame_xxxx -->
```代码块```

### 2. {步骤标题}

{详细说明}

![frame_xxxx: 准确描述](./images/frame_xxxx.jpg)

...

## 完整代码

<!-- 汇总自 frame_xxxx, frame_xxxx, frame_xxxx -->
{汇总所有代码片段，标注来源帧号}

## 常见问题

{可能遇到的问题和解决方案}

## 总结

{核心要点回顾}
{延伸学习建议}

知识文档类

# {主题}

## 概述

{主题背景介绍}
{为什么重要}

## {章节1标题}

{内容，必须与配图对应}

![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

## {章节2标题}

{内容}

![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

## 核心要点

- 要点1
- 要点2
- 要点3

## 延伸阅读

{相关资源和建议}

图片插入规范

API Reference

Bilibili API

脚本使用 Bilibili 官方 API 下载视频：

# 获取视频信息
GET https://api.bilibili.com/x/web-interface/view?bvid=BV1xx411c7mD

# 获取播放地址
GET https://api.bilibili.com/x/player/playurl?bvid=BV1xx411c7mD&cid={cid}&qn=80&fnval=1

API 文档: https://github.com/SocialSisterYi/bilibili-API-collect

FFmpeg 拆帧命令

# 每秒1帧
ffmpeg -i video.mp4 -vf "fps=1" -q:v 2 images/frame_%04d.jpg

# 每秒0.5帧（每2秒1帧）
ffmpeg -i video.mp4 -vf "fps=0.5" -q:v 2 images/frame_%04d.jpg

# 指定时间范围
ffmpeg -i video.mp4 -ss 00:01:00 -to 00:05:00 -vf "fps=1" -q:v 2 images/frame_%04d.jpg

# 提取关键帧（场景变化）
ffmpeg -i video.mp4 -vf "select='gt(scene,0.3)'" -vsync vfr -q:v 2 images/frame_%04d.jpg

更多选项: https://ffmpeg.org/ffmpeg.html

Examples

示例1: 分析编程教程

# 1. 下载并拆帧
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./react-tutorial

# 2. 分析图片（使用 Task 工具）
# 3. 生成 react-tutorial/视频分析.md

示例2: 分析长视频

# 降低帧率，减少图片数量
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./long-video --fps 0.2

示例3: 只下载视频

dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --video-only

Quality Checklist

生成文档前，逐项检查以下要求：

内容质量

• 内容重新组织，不是时间线流水账
• 章节结构清晰，有逻辑顺序
• 不看视频也能理解全部内容
• 包含环境准备/前置条件说明
• 包含总结和核心要点

图文对应（重要！）

• 每张图片都标注了帧号: ![frame_xxxx: 描述](...)
• 图片描述准确反映图片实际内容
• 图片上下文的文字与图片内容直接相关
• 没有随意插入不相关的图片
• 代码块标注了来源帧号: <!-- 来自 frame_xxxx -->

代码质量

• 代码来自图片中的实际代码，不是编造的
• 代码片段完整，可直接复制使用
• 完整代码章节汇总了所有代码并标注来源

Tags

bilibili, video-analysis, ai, frame-extraction, markdown, tutorial, ffmpeg, dotnet

Compatibility

• Codex: Yes
• Claude Code: Yes