dsh-video-digest · 视频速读

本地开发备忘（怎么改、改完怎么生效、踩过的坑）：见 NOTES.md。

把视频链接丢给 DSH，拿回一份带依据的总结：它读什么、没读到什么，都会写在结果里。

一个 DeepSeek Harness 插件，注册两个工具：

工具	作用
video_digest	链接 → 抓取可读材料 → 调用当前默认模型 → 结构化总结（标题、一句话结论、正文、要点、时间线、依据、置信度）
video_transcript	链接 → 只取带时间码的字幕逐字稿，不调用模型

支持 B 站（BV/av、多分 P、b23.tv 短链）、YouTube、抖音（用本机 Edge/Chrome 无头渲染页面，取文案与话题），以及任何带视频元信息的普通网页；装了 yt-dlp 之后还能抓更多站点的字幕。

抖音没有公开字幕接口，插件也不做语音转写，所以抖音链接给的是「页面文案 + 话题 + 发布信息」的提炼，不是逐字总结。 另外，DSH 桌面宿主进程可能不允许直接拉起浏览器（表现为渲染返回空页面）：此时可在终端跑 node scripts/smoke.mjs <链接> 取材料，或把文案贴给模型。

它到底"看"了什么

这是本插件最重要的设计取舍：它不解码画面和音频（那需要 ffmpeg + 语音识别模型，代价和失败率都高得多），而是按可用性从高到低找材料，然后在结果里如实标注用了哪一档。

材料	需要什么	强度
字幕逐字稿	B 站登录 cookie（SESSDATA）/ yt-dlp	高 —— 真正逐字读完
B 站官方 AI 总结	B 站登录 cookie	高
章节（view_points）、简介、标签	不需要	中
弹幕采样 + 热评	不需要	低，只作侧写
页面正文 / OG 元信息	不需要	视页面而定

因此输出里永远有 basis（依据）和 confidence（high / medium / low），没有任何字幕时 warnings 会写明"未获得逐字稿"。它不会假装自己看了视频。

弹幕不是原样塞给模型：先按长度和内容过滤掉"哈哈""1""？"这类噪音并去重，再沿整条时间轴均匀采样，让模型看到的是全程走向而不是开场刷屏。

安装

插件以 bundle 形式声明（package.json 里的 dsh.bundle.patch → cordis.patch.yml），装进 DSH 的 profile 即可：

1. 在 DSH 里打开 插件 → 安装本地插件包（或让 agent 调用 plugin_manager 的 install_bundle）；
2. 包目录选择本仓库根目录；
3. 重启会话后，工具列表里出现 video_digest 和 video_transcript。

卸载：在插件列表里禁用或移除 dsh-video-digest 即可，工具会随之卸载（插件是 fiber 作用域）。

用法

直接用自然语言：

帮我总结这个视频 https://www.bilibili.com/video/BV1Xdnc6jEbL

这个视频的核心论点是什么？只看技术细节 https://youtu.be/xxxxxxxxxxx

模型会调用 video_digest。需要原文引用时：

把 BV1Xdnc6jEbL 的字幕原文取出来

调用 video_transcript。

参数：

• url（必填）：视频页链接
• focus：想看的角度，例如"核心论证""代码实现"
• language：输出语言，默认简体中文
• detail：brief / standard / detailed（detailed 会送更多逐字稿进模型）
• page：B 站多分 P 时看第几 P
• cookie：B 站 SESSDATA，建议改用环境变量

配置

环境变量	作用
BILI_COOKIE	B 站 SESSDATA（可只填值，也可填完整 cookie 串）。设置后解锁字幕逐字稿与官方 AI 总结
YT_DLP_PATH	指向 yt-dlp 可执行文件。设置后 YouTube 及其他站点走 yt-dlp 抓字幕；B 站没拿到字幕时也会尝试用它补
VIDEO_DIGEST_PROVIDER + VIDEO_DIGEST_MODEL	覆盖总结用的模型路由；默认跟随 DSH 当前的 agentDefaultModel
DSH_VIDEO_DIGEST_CONFIG	覆盖下面这个插件配置文件的路径

单独给本插件指定模型（不影响 DSH 全局默认）：

// ~/.dsh-video-digest/config.json
{ "provider": "deepseek-account", "model": "deepseek-v4-pro", "reasoningEffort": "max" }

优先级：工具参数 → 环境变量 → 这个配置文件 → agentDefaultModel → 第一个已注册 provider。 reasoningEffort 可省略，省略时用模型自己的默认档位。

插件自己不保存任何 API key：总结走 DSH 已经在用的 provider/model，所以你换了默认模型它也照常工作。

输出示例

{
  "title": "中文已死：为什么我们越来越不敢好好说话？",
  "platform": "bilibili",
  "author": "大圆镜科普",
  "durationSeconds": 427,
  "headline": "用热梗代替表达，让语言在省力中磨损",
  "summary": "……",
  "keyPoints": ["……"],
  "chapters": [{ "time": "0:00", "title": "热梗是压缩包", "startSeconds": 0 }],
  "basis": "基于章节、弹幕、热评（未获得逐字稿）",
  "confidence": "medium",
  "warnings": ["未登录 B 站，看不到字幕列表（字幕接口需要 SESSDATA）。"],
  "model": "deepseek-account/deepseek-flash"
}

开发

node --test            # 21 个单元测试：URL 解析、wbi 签名、弹幕 inflate/XML、VTT、JSON 还原
node scripts/smoke.mjs https://www.bilibili.com/video/BV1Xdnc6jEbL   # 真实抓取，不调用模型
BILI_COOKIE=... node scripts/smoke.mjs <url>                         # 顺便验证字幕路径

代码结构：

index.js          插件入口：注册 video_digest / video_transcript，声明输出 schema
lib/index.js      分发器：平台识别、yt-dlp 兜底、digest 流水线
lib/bilibili.js   B 站：view → player/v2 → 字幕 / AI 总结 / 章节 / 弹幕 / 热评，含 wbi 签名
lib/web.js        YouTube oEmbed、通用网页元信息、yt-dlp、VTT / json3 字幕解析
lib/evidence.js   材料 → 提示词文本；依据、置信度、时间码格式化
lib/prompt.js     提示词、JSON 还原、结果规范化、markdown 渲染
lib/summarize.js  模型路由解析与流式调用（复用宿主 llm 服务）
lib/http.js       带超时/体积上限的 fetch，统一错误码

局限

• 无登录时 B 站字幕接口返回空列表——这是接口行为，不是 bug；
• 无法直连 YouTube 的网络里，YouTube 链接会明确报错并给出提示；
• 不下载、不转写音频，因此没有字幕的视频只能得到侧写式总结；
• 依赖平台未公开接口，平台改版时可能失效，scripts/smoke.mjs 是最快的自查手段。

License

MIT