docs: start milestone v1.6 语义分段改进

This commit is contained in:
2026-03-21 23:43:58 +08:00
parent c8dcc3e09b
commit cf858027d4
2 changed files with 48 additions and 46 deletions
+19 -12
View File
@@ -1,15 +1,23 @@
# kb-skills 工作流重构
## Current State: v1.5 B站字幕简化处理 (Shipped 2026-03-21)
## Current Milestone: v1.6 语义分段改进
**Delivered:** B站视频简化处理流程 — 基于 SRT 字幕生成易读的 Markdown 文档
**Goal:** 使用 LLM 语义分析实现智能分段,解决当前基于时间+长度规则的问题
**Key Features:**
- SRT 字幕解析与时间戳去除
- 简单语义分段(基于时间间隔和长度)
- LLM 自动纠正语音识别错误(可选)
- Pipeline 平台路由(B站视频使用 SRTProcessor)
- 文件命名包含视频标题
**目标特性:**
- LLM 语义分析 — 识别视频类型并适配分段策略
- 主题/章节识别 — 自动识别并添加标题
- 论点/观点分段 — 保持内容完整性
- 内容变化边界 — 自然分段位置
- 通用自适应 — 支持各种类型视频
### Active
- [ ] **语义分段改进** — 使用 LLM 替代简单规则,实现智能分段
- [ ] **视频类型识别** — 自动判断视频类型(知识类、故事类、对话类等)
- [ ] **主题识别与标题** — 识别主题章节并生成标题
- [ ] **内容完整性** — 保持话题/论点的完整性,避免错误截断
- [ ] **自然分段边界** — 在句子/段落边界处分段
## Previous Milestones
@@ -125,7 +133,6 @@ python3 kb-workflow/kb_workflow.py process "https://www.bilibili.com/video/BVxxx
### Deferred / Backlog
- [ ] **语义分段改进** — 当前基于简单规则(时间+长度),无法识别话题转换(已记录到 `.planning/backlog/semantic-segmentation.md`)
- [ ] **ADV-01**: 进度可见性 — 实时显示工作流执行进度
- [ ] **ADV-02**: 并行步骤执行 — 支持独立步骤的并行执行
- [ ] **ADV-03**: 说话者分离默认启用 — HF_TOKEN 配置后自动使用
@@ -164,7 +171,7 @@ python3 kb-workflow/kb_workflow.py process "https://www.bilibili.com/video/BVxxx
### 技术债务
- 环境变量配置分散 (~/.kb_env, HF_TOKEN, ZHIHU_COOKIE)
- SKILL.md 需要更新为简化的 CLI 使用方式
- 语义分段需要改进(基于简单规则,无法识别话题转换)
- 语义分段 v1.5 使用简单规则(v1.6 中改进)
## Constraints
@@ -189,10 +196,10 @@ python3 kb-workflow/kb_workflow.py process "https://www.bilibili.com/video/BVxxx
| playwright-stealth | 使用外部库实现指纹伪装 | ✓ Good — 成熟方案,活跃维护 |
| stealth 默认启用 | stealth_config=None 时默认启用 | ✓ Good — 向后兼容,无需修改现有代码 |
| SRT 独立模块 | SRT 处理独立于 DeepAnalyzer,位于 kb_workflow/srt/ | ✓ Good — 职责分离 |
| 简单分段规则 | 语义分段基于时间间隔+长度,不依赖 LLM | ✓ Good — 快速,低成本 |
| LLM 语义分段 | 使用 LLM 分析内容语义,实现智能分段 | — Pending — v1.6 目标 |
| ASR 纠错可选 | AI 不可用时返回原文 | ✓ Good — 降级策略 |
| 平台路由 | B站视频使用 SRTProcessor,其他使用 AnalyzeProcessor | ✓ Good — 灵活性 |
| disable_reasoning 参数 | ASR 纠错禁用思考模式获得直接结果 | ✓ Good — 避免 AI 分析过程输出 |
---
*Last updated: 2026-03-21 after completing v1.5 milestone*
*Last updated: 2026-03-21 after starting v1.6 milestone*