DyNote

DyNote

把抖音视频变成可复用的数据资产，再按你的问题生成学习笔记。

DyNote 是一个面向 Codex 这类 Agent 的抖音学习工具。你给它抖音分享文案、视频链接、账号主页、话题关键词或评论分析任务，它会先保存字幕、转写、评论、元数据等原始资产，再从这些资产里按你的目标整理成可追溯的 Markdown 笔记。

它适合这些场景：

• 单条视频：总结内容、生成学习笔记、拆脚本、提取可复用选题。
• 评论区：默认先备份前 100 条主评论及对应楼中楼样本，必要时再全量抓取可见评论，整理用户需求、反对意见、购买顾虑、高频反馈和选题线索。
• 账号与话题：分析定位、栏目结构、钩子模板、内容模式和竞品样本。
• 知识库归档：保存原始材料、证据等级、元数据和后续可追问的笔记。

核心特点

• 事实主干优先：先找独立字幕轨；大多数抖音视频没有字幕时，主要依赖本地自动语音识别。中文视频优先复用 Qwen3-ASR，外语视频再用 Whisper 系后端。
• 资产先行，笔记后置：先把字幕、转写、评论和元数据变成 assets/，再按学习、复盘、评论洞察或写作需求生成笔记。
• 低密度再补视觉：长视频如果转写很少，DyNote 会优先提醒你用抖音网页版 问AI / 识别画面、关键帧或 OCR 补画面理解，不会把稀疏文本硬写成完整解析。
• 防幻觉分级：抖音问 AI 很适合补画面和时间线，但不能提取完整字幕；豆包只在抖音 AI 不可用或质量弱时备用，搜索式回答会标成草稿或假设。
• 不重复花时间：已有 douyin_ai_brief.md、transcript.txt、segments.json、metadata.json、note_budget.json 时，会先复用，只补真正缺的证据。
• 资产包优先：字幕、转写、评论样本或完整评论会进入 assets/，后续可以继续做评论聚类、用户研究、脚本复盘和知识库检索。
• 继承 Bili Note 的笔记逻辑：先保存原始材料，再根据视频时长、信息密度和互动质量生成适合长度的学习笔记。

快速使用

1. 安装

把下面这句话发给 Agent：

请帮我安装这个 skill：
https://github.com/Rimagination/dy-note

2. 分析一条视频

在抖音里点分享，复制完整分享文案，然后发给 Agent：

请用 DyNote 分析这条抖音视频，先拿字幕或本地转写；如果转写太少，再用抖音问 AI 补画面：
8.28 x@F.uf gbA:/ 07/06 :9pm 铁板牛排+炸土豆饼 向阳而生 # 助眠 # 治愈 # 美食 # 野外烹饪 # 牛排 https://v.douyin.com/xxxxxxx/ 复制此链接，打开Dou音搜索，直接观看视频！

你也可以直接说：

请用 DyNote 把这条抖音视频整理成学习笔记，保留来源和证据等级。

3. 分析评论、账号或话题

请用 DyNote 分析这条抖音视频和评论区，先抓前100条主评论和楼中楼样本，再看用户需求、反对意见和可复用选题。

请用 DyNote 分析这个抖音账号的内容定位、栏目结构和选题模式。

请用 DyNote 围绕“野外烹饪”这个话题做样本分析，先低成本筛选，再挑值得深挖的视频。

4. 保存到你的知识库

帮我存放在：“D:\知识库\短视频分析” 里。

5. 复用已有结果

请用 DyNote 先检查已有输出目录，不要重复跑抖音内置 AI、豆包、下载视频或本地自动语音识别。

默认路线

DyNote 会先判断你真正想要什么，再决定证据深度：

事实路线：学习笔记、逐句引用、脚本拆解和事实核查默认以字幕/本地转写为主。视觉路线：当 note_budget.json 提示转写密度低，或任务需要画面、贴纸文字、商品/价格、操作步骤时，再补抖音 问AI / 识别画面、关键帧或 OCR。

备用路线：如果抖音内置 AI 不可用或回答质量弱，DyNote 可以用已登录豆包网页版做快读；如果豆包结果是搜索派生内容，会标注为草稿或假设，不会当作完整字幕、逐帧视觉证据或最终事实。

输出内容

一次完整分析通常有两层结果。原始资产是事实层，笔记是按你的问题生成的学习视图。

• 主笔记：给人读的总结、学习笔记、脚本拆解、评论洞察或研究简报。
• 原始材料包：给复核、续写和追问用的结构化证据。

常见文件：

依赖与环境

第一次使用、换机器、浏览器路线失败，或准备转写音频前，让 Agent 检查环境：

请帮我检查 DyNote 的运行环境，并告诉我当前能走字幕/本地文本整理、中文 Qwen3-ASR、抖音问 AI 画面补证、备用豆包快读还是 Whisper 兜底。

Agent 会运行：

python scripts/check_environment.py

依赖按能力分层：

资产包

DyNote 不只输出一份总结。抓到的字幕、转写和评论会整理成可复用资产，之后换问题、做复核、导入知识库或继续分析评论区，都应先回到 assets/asset_manifest.json。

• assets/transcripts/：保存字幕、转写文本和时间片段。
• assets/comments/comments.sample.json / comments.sample.csv：默认评论样本备份，通常是前 100 条主评论及对应楼中楼。
• assets/comments/comments.full.json / comments.full.csv：显式全量抓取后的完整可见评论备份。
• assets/comments/comments.rows.jsonl：适合继续做评论聚类、用户需求分析和二次处理。
• assets/comments/comments.text.md：适合人工快速浏览的评论全集。

这样你后面想重新分析评论区、换一个问题追问、做账号研究或导入知识库，不需要重新爬评论，也不会被某一次总结限制住。

DyNote 和 Bili Note 会共享可复用资源。默认共享目录：

%USERPROFILE%\.cache\rimagination-notes

Qwen3-ASR 虚拟环境默认放在：

%USERPROFILE%\.cache\rimagination-notes\qwen3-asr-venv

只要任意一个 skill 已经引导你安装过 Qwen3-ASR，另一个 skill 会优先复用同一套环境和模型缓存。

登录和隐私

• 抖音内置 AI 路线需要你已经在当前 Chrome 登录抖音网页版。
• 备用豆包路线需要你已经在当前 Chrome 登录豆包网页版。
• DyNote 只让浏览器自己加载页面，不会导出或保存 Cookie、localStorage、token、签名参数等登录凭据。
• 抖音视频链接和临时媒体地址可能包含签名信息，DyNote 会避免把这些敏感临时 URL 写进最终笔记。

写笔记的原则

• 先保存原始资产，再写学习笔记。
• 学习笔记必须从 assets/asset_manifest.json 指向的资产中生成；资产是事实层，笔记是解释层。
• 评论区不是一次性摘要素材；评论样本或完整评论要保留在 assets/comments/，方便后续再分析。
• 大评论区默认只抓前 100 条主评论及对应楼中楼，并提示这不是全部评论；只有需要完整复核、争议链路或用户明确要求时，再跑全量抓取，避免无意义等待。
• 字幕/本地转写是事实主干；抖音问 AI 和豆包只能作为快读、视觉补充或待核验假设。
• 快读适合草稿、筛选和视觉假设；发布级结论要补转写、关键帧、评论或外部来源。
• 长视频、长转写、高评论或高互动视频要写得更结构化。
• 短视频或低信息密度视频不要硬扩成长文。
• 评论区只保留有分析价值的内容：需求、反对意见、补充案例、争议点和转化阻力。
• 写学习笔记时优先遵守 note_budget.json，用推荐长度和写作粒度控制详略。

什么时候会重跑

默认会复用已有产物。只有这些情况才建议重跑：

• 换了视频链接或分享文案
• 分析目标变了
• 旧文件缺失、过期或质量不够
• 需要更高证据等级，例如从快读升级到完整转写
• 你明确要求重新跑

需要强制重跑时，在脚本命令里加：

--force

相关文件

• SKILL.md：Codex 使用这个 skill 时读取的完整工作流说明。
• scripts/check_environment.py：检查 web-access proxy、ffmpeg、Whisper、Qwen3-ASR 和本地模型缓存。
• scripts/archive_dy_note_assets.py：把字幕、转写、完整评论、AI brief 和元数据整理成 assets/ 资产包。
• scripts/douyin_web_ai_brief.py：使用当前已登录 Chrome 中的抖音网页版 问AI / 识别画面 提取视频章节要点和时间线。
• scripts/doubao_video_brief.py：备用路线，使用当前已登录 Chrome 中的豆包网页版快速解读抖音分享文案。
• scripts/extract_douyin_text.py：从抖音链接、本地音频或本地转写文件生成文本素材。
• scripts/fetch_douyin_comments.py：分阶段抓取抖音主评论和楼中楼，支持主评论 checkpoint、续抓回复、进度输出和覆盖率统计。
• scripts/compute_note_budget.py：按转写长度、时长、评论量和互动质量生成 note_budget.json。
• scripts/inspect_workflow_state.py：检查输出目录已有产物，推荐下一步并避免返工。
• scripts/setup_qwen_asr_env.py：创建或复用共享 Qwen3-ASR 环境。
• scripts/run_qwen_asr.py：调用 Qwen3-ASR-0.6B，可按 chunk 分段避免显存溢出。
• scripts/score_dy_note.py：把最终 Markdown 与 note_budget.json 比较，判断笔记过短、过长或合适。
• references/douyin-video-text-notes.md：实现细节、场景模式、证据分层、已知限制和后续改进建议。

社区友链

• Bili Note：同系列 B 站视频与图文笔记 skill，DyNote 的笔记预算、原始材料优先和学习型笔记思路都继承自它。
• LINUX DO：一个关注开发者、开源项目与 AI 工具交流的社区。感谢社区佬友对开源工具和 Agent 工作流的讨论与反馈。

致谢

DyNote 的设计和实现参考、依托了这些主要项目与生态：

• Bili Note：同系列项目，提供了原始材料归档、笔记预算和学习型笔记的核心设计参考。
• 抖音：视频、页面信息、评论和互动数据来源。
• 豆包：备用网页快读路线，用于抖音内置 AI 不可用时生成草稿。
• Qwen3-ASR：可选中文本地自动语音识别后端。
• FFmpeg：可选音频处理和转码。
• OpenAI Whisper 与 faster-whisper：可选外语视频转写后端。

许可证

本项目使用 MIT License，详见 LICENSE。