fix: 统一知识库技能模型名称为 glm-5，补充 OCR 和 kb-funasr 说明

- kb-deep-analyzer: glm-4.7 → glm-5, gpt-4 → glm-5
- kb-workflow: 步骤5增加 OCR 和 kb-funasr 作为备用方案
- 统一命令使用 --type subtitle-download

kb-deep-analyzer/SKILL.md

@@ -31,7 +31,7 @@ python deep_analyzer.py -m meta.json -c content.json -o out.md --provider zhipu
 ```bash
 export AI_API_KEY="your-api-key"
 export AI_PROVIDER="zhipu"           # 或 openai, minimax
-export AI_MODEL="glm-4.7"           # 模型名称
+export AI_MODEL="glm-5"           # 模型名称
 export AI_BASE_URL="https://..."    # 可选，自定义 API 地址
 ```
 

kb-deep-analyzer/deep_analyzer.py

@@ -39,7 +39,7 @@ class SimpleAIClient:
     def __init__(self, api_key: str = None, provider: str = None, model: str = None, base_url: str = None):
         self.api_key = api_key or os.environ.get("AI_API_KEY", "")
         self.provider = provider or os.environ.get("AI_PROVIDER", "")
-        self.model = model or os.environ.get("AI_MODEL", "gpt-4")
+        self.model = model or os.environ.get("AI_MODEL", "glm-5")
         self.base_url = base_url or os.environ.get("AI_BASE_URL", "")
         self.max_retries = 3
 
@@ -447,7 +447,7 @@ def main():
     ai_client = SimpleAIClient(
         api_key=args.api_key or os.environ.get("AI_API_KEY", ""),
         provider=args.provider or os.environ.get("AI_PROVIDER", ""),
-        model=args.model or os.environ.get("AI_MODEL", "gpt-4"),
+        model=args.model or os.environ.get("AI_MODEL", "glm-5"),
         base_url=args.base_url or os.environ.get("AI_BASE_URL", "")
     )
     analyzer = DeepAnalyzer(ai_client)

kb-workflow/README.md

@@ -236,7 +236,7 @@ python3 kb-link-parser/link-parser.py --url "https://www.bilibili.com/video/BVxx
 python3 kb-bilibili-metadata/bilibili_metadata.py --id "BVxxxxx" --type video
 
 # 3. 内容下载
-python3 kb-bilibili-content/bilibili_content.py --id "BVxxxxx" --type subtitle
+python3 kb-bilibili-content/bilibili_content.py --id "BVxxxxx" --type subtitle-download
 
 # 4. 深度分析
 python3 kb-deep-analyzer/deep_analyzer.py --metadata meta.json --content content.json --output analysis.md

kb-workflow/SKILL.md

@@ -262,6 +262,31 @@ else
 fi
 ```
 
+**方式 C: kb-funasr（备用方案，Whisper 效果不佳时使用）**
+```bash
+# 当 Whisper 识别效果不好时，可尝试使用 FunAudioLLM 的 SenseVoice 模型
+# 支持中文、英文、粤语、日语、韩语等
+python3 /path/to/funasr_runner.py --input [video_path] --model sensevoice --output [content_dir]
+
+# 或使用 Paraformer 模型（更精准但稍慢）
+python3 /path/to/funasr_runner.py --input [video_path] --model paraformer --output [content_dir]
+```
+
+**方式 D: OCR 识别（当语音识别困难时的替代方案）**
+> ⚠️ **适用场景**：音频质量差、有背景音乐干扰、多种语言混合等情况，语音识别效果不佳时使用 OCR 作为补充或替代。
+
+```bash
+# 使用 kb-ocr-processor 进行视频 OCR 识别
+# 会截取视频帧并进行文字识别
+python3 /path/to/ocr_processor.py --input [video_path] --output [content_dir]
+```
+
+> 📌 **识别方式选择建议**：
+> - **首选 Whisper**（通用性强）
+> - **Whisper 效果不佳时**尝试 kb-funasr（中文支持更好）
+> - **音频质量极差或多种语言混合**时考虑 OCR
+> - **访谈/对话类视频**推荐使用带说话者分离的 Whisper
+
 3. 等待 Whisper 完成（定时汇报进度）
 
 4. 解析输出 JSON：
@@ -347,6 +372,8 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 | 4 | kb-zhihu-content | `--id "xxx" --type video` | `{p}_{id}.mp4` | **知乎视频下载** |
 | 5 | kb-whisper | `--input xxx.mp4 --model base` | `{p}_{id}.json`, `{p}_{id}.txt` | 仅当没有官方字幕时执行 |
 | 5 | kb-whisper-diarization | `--input xxx.mp4 --model base --diarize` | `{p}_{id}_diarized.json` | 带说话者分离（需 HF_TOKEN） |
+| 5 | kb-funasr | `--input xxx.mp4 --model sensevoice` | `{p}_{id}.json`, `{p}_{id}.txt` | **推荐用于中文视频** |
+| 5 | kb-ocr-processor | `--input xxx.mp4` | `{p}_{id}_ocr.json` | 语音识别困难时的替代方案 |
 | 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md --provider zhipu --model glm-5` | `{p}_{id}.md` | **使用 g5 模型，必须成功** |
 
 ## 条件分支逻辑
@@ -407,7 +434,7 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 ```
 
 > ⚠️ **重要：深度分析失败则整个流程失败**
-> - 深度分析必须使用正确的 AI 模型（glm-4.7）完整分析字幕内容
+> - 深度分析必须使用正确的 AI 模型（glm-5）完整分析字幕内容
 > - 如果 `kb-deep-analyzer` 返回 `success: false`，**必须汇报失败**，不能继续执行后续步骤
 > - 不能使用预设模板或降级内容来"假装成功"
 > - 失败时必须向用户报告具体的错误原因