# KB Deep Analyzer Skill

**kb-deep-analyzer** - AI-powered deep content analysis.

## Features

- Multi-type analysis (tutorial, documentation, news)
- Template-based output
- Quality scoring
- Automatic tagging
- **多格式元数据支持**: 支持扁平结构 `{"title":"xxx"}` 和嵌套结构 `{"data":{"metadata":{...}}}`

## Commands

```bash
# 分析内容（推荐：使用 -u 参数强制无缓冲输出）
AI_API_KEY="your-api-key" AI_PROVIDER="zhipu" AI_MODEL="glm-4.7" \
  python3 -u deep_analyzer.py --metadata meta.json --content content.json --output analysis.md

# 指定类型
python deep_analyzer.py --metadata meta.json --content content.json --type tutorial --output tutorial.md

# 指定 AI 提供商
python deep_analyzer.py -m meta.json -c content.json -o out.md --provider zhipu --model glm-4
```

## 环境变量配置

**必须设置以下环境变量**：

```bash
export AI_API_KEY="your-api-key"
export AI_PROVIDER="zhipu"           # 或 openai, minimax
export AI_MODEL="glm-5"           # 模型名称
export AI_BASE_URL="https://..."    # 可选，自定义 API 地址
```

### 重要提示

**必须使用 `-u` 参数运行 Python**，确保输出实时显示在终端：

```bash
python3 -u deep_analyzer.py ...
```

如果不使用 `-u` 参数，Python 的 stdout 缓冲会导致输出延迟或看不到进度。

## 执行方式选择

### 方式1: 并发执行（推荐，默认）
- 使用 `batch_size=3`（默认）
- 6个分片约 100 秒完成
- 适合快速分析

```bash
python3 -u deep_analyzer.py --metadata meta.json --content content.json -o out.md
```

### 方式2: 顺序执行
- 使用 `batch_size=1`
- 6个分片约 735 秒完成
- 适合调试和问题排查

```bash
# 在代码中设置 batch_size=1
# analyzer.analyze(metadata, content, "video", batch_size=1)
```

## Metadata Format

支持两种元数据格式：

```json
// 格式1: 扁平结构
{
  "title": "视频标题",
  "author": "作者名",
  "duration": 619,
  "bvid": "BVxxx"
}

// 格式2: 嵌套结构（kb-bilibili-metadata 输出）
{
  "data": {
    "metadata": {
      "title": "视频标题",
      "author": "作者名",
      "duration": "10:19"
    }
  }
}
```

会自动转换为扁平格式进行分析。