gitbyeos Fetch What Say
URL / 本地视频 -> yt-dlp / 复制 -> transcript.srt -> transcript.txt -> summary.txt -> viewer.html
依赖
Python 包：
pip install esflow mlx-whisper
系统二进制（yt-dlp / ffmpeg）：
brew install yt-dlp ffmpeg # macOS
sudo apt install yt-dlp ffmpeg # Debian/Ubuntu
快速使用
python3 scripts/run.py "https://www.bilibili.com/video/BV1pzjy6GEkC"
python3 scripts/run.py ~/Movies/local.mp4
python3 scripts/run.py --view ~/Downloads/fetch-what-say/<id>/
输出目录：
<out>/<id>/
├── video.<ext>
├── transcript.srt
├── transcript.txt
├── summary.txt
└── viewer.html
summary.txt 由 Agent 用下方 Summary Prompt 生成，脚本负责抓取、转写、网页查看器。
Flow 结构
esflow DAG 编排（scripts/flow.py 声明，scripts/nodes/ 各节点）：
resolve → download → extract_audio → transcribe → agent_summary → export_html
(TO_AGENT)
| 节点 | 职责 |
|---|---|
resolve |
解析 input/cookies，算 media_id，建 work_dir，产出 plan |
download |
URL 走 yt-dlp，本地文件复制到 work_dir |
extract_audio |
ffmpeg 提取 16k 单声道 wav |
transcribe |
mlx-whisper 转写，产出 transcript.srt 与 transcript.txt |
agent_summary |
TO_AGENT:agent 读 transcript.txt 用 Summary Prompt 写 summary.txt |
export_html |
生成 viewer.html 并弹出 |
Agent 介入
# 1. 首跑：到达 agent_summary 节点,进程退出码 2
python3 scripts/run.py "https://www.bilibili.com/video/BVxxx"
# stderr 打印 [to_agent] 完成后续跑:python3 scripts/run.py --resume <job_dir>
# 2. Agent 读上游产物里的 transcript.txt,用下方 Summary Prompt 写 summary.txt 到 work_dir
# 3. 续跑生成 viewer.html
python3 scripts/run.py --resume <job_dir>
调试单节点：esflow run scripts/ --node transcribe（上游从产物目录复用）。
Cookies
优先使用显式 --cookies；不传时按 URL 域名匹配 ~/Downloads/fetch-what-say/cookies/ 下的 .txt。例如 bilibili_cookies.txt 只会自动用于 bilibili.com。脚本不读浏览器 cookies，也不读环境变量。
需要登录权限的网站：用浏览器插件 Get cookies.txt LOCALLY 导出 Netscape cookies.txt，放入上述目录，文件名须包含域名关键词。
参数
常用：
| 参数 | 说明 |
|---|---|
input |
完整 URL，或本地视频文件 |
--out <dir> |
输出根目录，默认 ~/Downloads/fetch-what-say |
--view <dir> |
生成并打开 viewer.html（不进 flow） |
--no-transcribe |
只下载媒体，不转写 |
--resume <job_dir> |
续跑 TO_AGENT 节点 |
--dry-run |
只跑 resolve 产出 plan |
--schema |
输出 JSON 契约 |
高级：
| 参数 | 默认 | 说明 |
|---|---|---|
--height |
360 |
最高分辨率 |
--prefer |
size |
同分辨率下偏小体积，或 bitrate 偏高码率 |
--merge-format |
mp4 |
合并容器格式 |
--model |
mlx-community/whisper-large-v3-turbo |
mlx-whisper 模型 |
--language |
zh |
转写语言 |
退出码：0 ok / 1 runtime / 2 to_agent / 3 validation / 4 auth
Summary Prompt
请阅根据下方文章对话或教程内容，生成一份结构化的思维导图式摘要。
输出格式要求：
1. 根节点（第0层）：用文档的核心主题提炼出一个概括性标题，单独置于顶部，不加序号，不加树形前缀。标题下方用树形符号（│ 和 ├─）连接下一层。
2. 一级分支：用带圆圈的数字编号（①、②、③、④…）标记每个主要主题，置于同一列，上方共用一条水平主干线。
3. 二级及以下分支：使用 ASCII 树形符号（├─、└─、│）表示层级关系，缩进体现父子关系。
4. 展开深度：至少到三级（根 > ① > ├─ > └─），根据需要可到四级。
5. 节点内容：不得出现完整段落，每句话不超过25字，每句话必须增加信息密度，同类合并。
6. 内容组织：完全根据文档实际内容提炼主题，不预设任何固定板块。自动识别文章的论述结构（可按论点分层、问题分类、时间顺序、人物观点、结论建议等逻辑），动态生成分支。
7. 输出纯文本
风格要求：
- 拒绝散文式叙述，拒绝连接词和过渡句
- 每条只呈现关键事实、判断或结论
- 同一层级条目数量不限，但力求均衡
格式示例如下：
文档核心标题
│
├─ ① 第一主题
│ ├─ 子要点A
│ │ ├─ 细节1
│ │ └─ 细节2
│ └─ 子要点B
│ └─ 细节3
├─ ② 第二主题
│ ├─ 子要点C
│ │ └─ 细节4
│ └─ 子要点D
└─ ③ 第三主题
├─ 子要点E
└─ 子要点F
请**严格按照上述格式**（根节点独立 + 树形符号 + 圆圈序号）生成，内容完全基于您对下方内容的理解。