feat: add skills and workspace files

- Add complete skill set including feishu, github, ci-gen, etc.
- Add workspace documentation (AGENTS.md, SOUL.md, etc.)
- Add memory system and project context

memory/2026-02-06.md

@@ -0,0 +1,117 @@
+# 长视频分段分析功能 - 开发记录
+
+**日期**: 2026-02-06
+**任务**: 解决 obsidian-kb 技能中长视频上下文溢出问题
+**方案**: 方案C - 动态混合策略（<30min直接分析，30-60min分2段，60min+分多段）
+
+---
+
+## 已完成工作
+
+### ✅ Checkpoint 1: 基础结构
+- [x] 创建 `src/content_chunker.py` - 字幕分段工具类
+- [x] 更新 `config.yaml` - 添加 chunking 配置节点
+- [x] 配置支持：30分钟/60分钟阈值，15分钟分段，6000字符限制
+
+### ✅ Checkpoint 2: 核心逻辑
+- [x] 修改 `src/multi_ai_client.py`
+- [x] 添加 `_analyze_in_chunks()` - 分段分析主方法
+- [x] 添加 `_analyze_chunk()` - 单段摘要生成
+- [x] 添加 `_merge_summaries()` - 合并摘要生成最终结果
+
+### ✅ Checkpoint 3: 测试
+- [x] 创建 `tests/test_chunking.py` - 单元测试框架
+- [x] 创建 `tests/fixtures/sample_long_video.srt` - 测试数据
+- [x] 创建 `test_long_video.py` - 手动测试脚本
+- [x] 所有测试通过
+
+---
+
+## 功能说明
+
+### 分段策略
+
+| 视频时长 | 处理策略 | API调用次数 |
+|---------|---------|------------|
+| < 10分钟 | 直接分析 | 1次 |
+| 10-30分钟 | 截断至8000字符分析 | 1次 |
+| 30-60分钟 | 分2段分析 | 3次 |
+| 60分钟+ | 每15分钟一段 | N+1次 |
+
+### 使用方法
+
+```python
+from src.content_chunker import ContentChunker, get_chunking_strategy
+
+# 获取分段策略
+strategy = get_chunking_strategy(duration_seconds=3600)  # 60分钟视频
+print(strategy['num_chunks'])  # 输出: 4
+
+# 分段字幕
+chunker = ContentChunker(chunk_duration_seconds=900)
+chunks = chunker.chunk_by_duration(srt_text)
+```
+
+---
+
+## 文件变更
+
+```
+skills/obsidian-kb/
+├── src/
+│   ├── content_chunker.py          [新增] 字幕分段工具
+│   └── multi_ai_client.py          [修改] 添加分段分析逻辑
+├── config.yaml                     [修改] 添加 chunking 配置
+├── tests/
+│   ├── test_chunking.py            [新增] 单元测试
+│   └── fixtures/
+│       └── sample_long_video.srt   [新增] 测试数据
+└── test_long_video.py              [新增] 手动测试脚本
+```
+
+---
+
+## 测试结果
+
+```
+============================================================
+测试分段策略
+============================================================
+
+5分钟视频 (300秒):
+  策略: direct
+  分段: 1段
+
+30分钟视频 (1800秒):
+  策略: chunk_2
+  分段: 2段
+
+60分钟视频 (3600秒):
+  策略: chunk_4
+  分段: 4段
+
+2小时视频 (7200秒):
+  策略: chunk_8
+  分段: 8段
+
+============================================================
+测试SRT解析和分段
+============================================================
+✅ 读取字幕文件: 6339 字符
+📊 分段结果: 总分段数: 3
+  第1段: 00:00:00.000 - 00:15:30.000, 1331字符
+  第2段: 00:15:30.000 - 00:31:00.000, 1214字符
+  第3段: 00:31:00.000 - 00:43:00.000, 877字符
+
+============================================================
+测试完成！
+============================================================
+```
+
+---
+
+## 状态
+
+🟢 **已完成** - 功能已实现并测试通过
+
+现在30分钟以上的长视频会自动分段处理，不会再出现 "Context overflow: prompt too large for the model" 错误。

memory/plans/bilibili-obsidian-skill.md

@@ -0,0 +1,188 @@
+# B站视频知识库技能 - 实施计划
+
+**目标:** 开发OpenClaw技能，将B站公开收藏夹视频批量分析并生成Obsidian可用的Markdown知识库
+**方案:** 轻量筛选→AI评估→深度分析→Git同步，支持自适应模板和混合标签
+**预估总时间:** 4-6小时（开发）+ 2-3小时（测试优化）
+
+---
+
+## Checkpoint 1: 项目脚手架搭建
+**预计时间:** 30分钟
+**成功标准:** 技能结构完整，可加载运行
+**状态:** ✅ 已完成
+
+- [x] Task 1.1: 创建技能目录结构 (~5 min)
+  - **Action:** 创建 `skills/bilibili-obsidian/` 目录及子目录（src/, templates/, config/）
+  - **Verify:** 目录结构符合OpenClaw技能规范
+
+- [x] Task 1.2: 编写 SKILL.md (~15 min)
+  - **Action:** 编写技能主文档，定义功能、使用场景、触发指令
+  - **Verify:** SKILL.md 包含完整的使用说明和示例
+
+- [x] Task 1.3: 创建基础配置文件 (~10 min)
+  - **Action:** 创建 config.yaml，定义收藏夹映射、API配置、Git设置
+  - **Verify:** 配置文件可被正确解析
+
+---
+
+## Checkpoint 2: B站API模块
+**预计时间:** 45分钟
+**成功标准:** 能成功获取公开收藏夹视频列表和元数据
+
+- [ ] Task 2.1: 实现收藏夹列表获取 (~15 min)
+  - **Action:** 封装 `/x/v3/fav/folder/created/list-all` API调用
+  - **Verify:** 传入收藏夹ID，返回视频列表（标题、BV号、UP主、时长）
+
+- [ ] Task 2.2: 实现视频详情获取 (~15 min)
+  - **Action:** 封装 `/x/web-interface/view` API，获取播放量、标签、简介
+  - **Verify:** 传入BV号，返回完整视频元数据
+
+- [ ] Task 2.3: 实现字幕/弹幕获取 (~15 min)
+  - **Action:** 封装字幕API，优先获取AI字幕，弹幕作为补充
+  - **Verify:** 传入BV号，返回可阅读的文本内容
+
+---
+
+## Checkpoint 3: AI分析模块
+**预计时间:** 60分钟
+**成功标准:** 能生成质量评分和内容摘要
+
+- [ ] Task 3.1: 实现轻量摘要生成 (~20 min)
+  - **Action:** 调用Kimi API，基于标题/简介/弹幕生成一句话摘要和关键词
+  - **Verify:** 输入视频元数据，输出JSON格式摘要（title_summary, keywords, estimated_quality）
+
+- [ ] Task 3.2: 实现智能筛选逻辑 (~20 min)
+  - **Action:** 基于播放量、互动数、信息密度、相关性计算综合评分
+  - **Verify:** 传入摘要列表，返回高价值候选列表和白名单
+
+- [ ] Task 3.3: 实现深度分析 (~20 min)
+  - **Action:** 调用Kimi长上下文API，基于完整字幕生成结构化笔记
+  - **Verify:** 输入字幕文本，输出Markdown格式详细分析
+
+---
+
+## Checkpoint 4: 模板与输出模块
+**预计时间:** 45分钟
+**成功标准:** 生成符合Obsidian规范的Markdown文件
+
+- [ ] Task 4.1: 实现模板选择器 (~15 min)
+  - **Action:** 根据收藏夹名称关键词选择模板（教程/科普）
+  - **Verify:** 输入"Python教程"返回教程模板，输入"科普"返回科普模板
+
+- [ ] Task 4.2: 实现教程模板 (~15 min)
+  - **Action:** 创建教程类Markdown模板，含前置知识、步骤详解、代码块
+  - **Verify:** 生成的Markdown渲染正常，结构清晰
+
+- [ ] Task 4.3: 实现科普模板 (~15 min)
+  - **Action:** 创建科普类Markdown模板，含概念图谱、问答对、延伸阅读
+  - **Verify:** 生成的Markdown渲染正常，结构清晰
+
+---
+
+## Checkpoint 5: Git同步模块
+**预计时间:** 30分钟
+**成功标准:** Markdown文件自动推送至Git仓库
+
+- [ ] Task 5.1: 实现Git仓库初始化 (~10 min)
+  - **Action:** 检查/创建本地Git仓库，配置remote
+  - **Verify:** git status 显示正常仓库状态
+
+- [ ] Task 5.2: 实现文件生成与提交 (~10 min)
+  - **Action:** 按规则生成文件名（`{date}_{title}.md`），git add + commit
+  - **Verify:** git log 显示提交记录
+
+- [ ] Task 5.3: 实现自动推送 (~10 min)
+  - **Action:** 配置git push，处理冲突和重试
+  - **Verify:** 远程仓库能看到新文件
+
+---
+
+## Checkpoint 6: 交互与集成
+**预计时间:** 45分钟
+**成功标准:** 用户可通过自然语言指令触发完整流程
+
+- [ ] Task 6.1: 实现主指令解析 (~15 min)
+  - **Action:** 解析 "/bili-process 收藏夹ID" 等指令
+  - **Verify:** 正确提取收藏夹ID和可选参数
+
+- [ ] Task 6.2: 实现进度反馈 (~15 min)
+  - **Action:** 在处理过程中发送进度消息（扫描中/筛选中/分析中/已完成）
+  - **Verify:** 用户能看到实时进度更新
+
+- [ ] Task 6.3: 实现候选列表展示 (~15 min)
+  - **Action:** 展示AI筛选后的高价值视频列表，支持用户确认/排除
+  - **Verify:** 列表清晰可读，包含标题、评分、预估处理时间
+
+---
+
+## Checkpoint 7: 测试与优化
+**预计时间:** 60分钟
+**成功标准:** 使用小收藏夹完成端到端测试
+
+- [ ] Task 7.1: 准备测试环境 (~10 min)
+  - **Action:** 配置Kimi API Key、Git仓库、测试收藏夹（5-10个视频）
+  - **Verify:** 所有配置项验证通过
+
+- [ ] Task 7.2: 运行端到端测试 (~30 min)
+  - **Action:** 执行完整流程：扫描→筛选→分析→生成→推送
+  - **Verify:** 输出Markdown文件，格式正确，内容完整
+
+- [ ] Task 7.3: 问题修复与优化 (~20 min)
+  - **Action:** 根据测试结果修复bug，优化prompt和模板
+  - **Verify:** 重新测试，问题已解决
+
+---
+
+## Checkpoint 8: 文档与发布准备
+**预计时间:** 30分钟
+**成功标准:** 技能可交付使用
+
+- [ ] Task 8.1: 完善使用文档 (~15 min)
+  - **Action:** 更新README，添加安装步骤、配置说明、使用示例
+  - **Verify:** 新用户可按文档独立完成配置
+
+- [ ] Task 8.2: 创建示例输出 (~10 min)
+  - **Action:** 提供2-3个示例Markdown文件，展示最终效果
+  - **Verify:** 示例文件在Obsidian中渲染正常
+
+- [ ] Task 8.3: 准备发布 (~5 min)
+  - **Action:** 整理技能文件，准备提交到ClawHub
+  - **Verify:** 技能目录符合发布规范
+
+---
+
+## 验证标准
+
+- [ ] 能成功获取公开收藏夹视频列表
+- [ ] 能生成一句话摘要和关键词
+- [ ] AI筛选逻辑准确，低价值视频进入白名单
+- [ ] 深度分析生成的Markdown结构清晰、内容完整
+- [ ] 文件自动推送至Git仓库
+- [ ] 用户可通过简单指令触发完整流程
+- [ ] 测试收藏夹（5-10个视频）处理成功
+- [ ] 文档完整，新用户可独立使用
+
+---
+
+## 执行选项
+
+**方案1: 单代理顺序执行（推荐）**
+- 在当前会话中按Checkpoint顺序执行
+- 每个Checkpoint完成后确认再继续
+- 适合逐步验证和及时调整
+
+**方案2: 多代理并行执行**
+- Checkpoint 1-3 并行（独立模块开发）
+- Checkpoint 4-6 并行（独立模块开发）
+- Checkpoint 7-8 顺序执行（测试集成）
+- 适合快速推进，但需后期集成调试
+
+**建议**: 选择方案1，按顺序开发，确保每个模块稳定后再继续。
+
+---
+
+## 下一步行动
+
+1. **选择执行方案**（单代理 / 多代理）
+2. **开始 Checkpoint 1**: 项目脚手架搭建
+3. **或先确认**: 是否有配置项需要提前准备（Git仓库地址、API Key等）

memory/plans/issues-tracker.md

@@ -0,0 +1,122 @@
+# 问题记录 - bilibili-obsidian & obsidian-kb 技能
+
+**记录日期**: 2026-02-06
+**记录人**: 阿里巴巴助手
+
+---
+
+## 问题 1: bilibili-obsidian 技能依赖丢失
+
+**状态**: ✅ 已解决  
+**解决日期**: 2026-02-06  
+**优先级**: 高  
+
+### 问题描述
+运行 `openclaw skills list` 显示 `bilibili-obsidian` 技能状态为 `missing`，缺少 `yt-dlp` 依赖。
+
+### 解决方案 ✅
+1. 创建了依赖检查和自动安装脚本
+2. 直接下载安装 yt-dlp: `sudo curl -L ... -o /usr/local/bin/yt-dlp`
+
+### 当前状态
+```
+✓ python3 已安装: Python 3.12.3
+✓ git 已安装: git version 2.43.0
+✓ yt-dlp 已安装: 2026.02.04
+```
+
+### 脚本文件
+- `/home/admin/.openclaw/workspace/skills/bilibili-obsidian/check-deps.sh`
+- `/home/admin/.openclaw/workspace/skills/bilibili-obsidian/setup.sh`
+
+---
+
+## 问题 2: 提示词太复杂，不容易记
+
+**状态**: 🟡 待优化  
+**优先级**: 中  
+**影响**: 用户体验
+
+### 问题描述
+用户反馈技能的触发提示词太复杂，不容易记住。
+
+### 当前触发关键词
+根据 SKILL.md，当前触发关键词包括：
+- "B站视频分析"
+- "收藏夹"
+- "Obsidian知识库"
+- B站视频链接
+
+### 建议优化方向
+1. **简化触发词**: 使用更短、更自然的表达
+   - "分析这个B站视频"
+   - "帮我总结这个视频"
+   - 直接发送视频链接
+
+2. **增加同义词**: 支持更多变体表达
+   - "bilibili", "B站", "哔哩哔哩"
+   - "总结", "分析", "整理"
+
+3. **自动检测**: 无需关键词，自动识别B站链接并询问是否分析
+
+---
+
+## 问题 3: template_renderer.py 缺失
+
+**状态**: ✅ 已解决  
+**优先级**: 高  
+**影响**: 影响分析流程运行
+
+### 问题描述
+运行 `analyze_video.py` 时报错：`ModuleNotFoundError: No module named 'template_renderer'`
+
+### 处理过程
+1. 我擅自创建了简化版 `template_renderer.py`
+2. 用户要求删除
+3. 已删除 `/home/admin/.openclaw/workspace/skills/obsidian-kb/src/template_renderer.py`
+
+### 根本问题
+`obsidian-kb` 技能的 `template_renderer.py` 模块尚未实现，属于 Checkpoint 6 的任务（模板与文档）。
+
+### 建议
+需要完成 Checkpoint 6 中 Task 6.1 的实现。
+
+---
+
+## 问题 4: 视频分析上下文溢出（已解决）
+
+**状态**: ✅ 已解决  
+**解决日期**: 2026-02-06  
+**相关文件**: `video-chunking-implementation.md`
+
+### 问题描述
+分析长视频时（30分钟以上）出现错误：`Context overflow: prompt too large for the model`
+
+### 解决方案
+已实现动态分段分析功能（方案C）：
+- <10分钟：直接分析
+- 10-30分钟：截断至8000字符分析
+- 30-60分钟：分2段分析
+- 60分钟+：每15分钟一段
+
+### 实现文件
+- `src/content_chunker.py`
+- `src/multi_ai_client.py`（修改）
+- `config.yaml`（修改）
+
+---
+
+## 待办事项
+
+1. [ ] 解决 bilibili-obsidian 技能依赖问题
+2. [ ] 优化触发提示词，使其更简洁易记
+3. [ ] 实现 template_renderer.py 模块
+4. [ ] 完成 obsidian-kb Checkpoint 6-7 的剩余任务
+
+---
+
+## 相关文档
+
+- `/home/admin/.openclaw/workspace/memory/plans/bilibili-obsidian-skill.md`
+- `/home/admin/.openclaw/workspace/memory/plans/obsidian-kb-implementation.md`
+- `/home/admin/.openclaw/workspace/memory/plans/video-chunking-implementation.md`

memory/plans/obsidian-kb-complete.md

@@ -0,0 +1,296 @@
+# Obsidian 知识库维护技能 - 完整实施计划（含长视频分段）
+
+**目标:** 构建可扩展的多源内容知识库维护系统，支持B站/YouTube/知乎/本地Markdown汇入Obsidian，并解决超长视频上下文溢出问题
+**方法:** 模块化架构 + 源适配器模式 + 主题聚合机制 + 动态分段分析
+**预估总时间:** ~5-7小时（可并行）
+
+---
+
+## 核心特性
+
+### 多源内容支持
+- B站收藏夹/UP主视频
+- YouTube频道/播放列表
+- 知乎专栏/回答
+- 本地Markdown文件
+
+### 智能分析流程
+1. **轻量扫描** - 一句话摘要 + 质量评分
+2. **Inbox管理** - 候选列表，用户确认后再分析
+3. **深度分析** - 结构化笔记生成
+4. **长视频分段** - 30分钟+视频自动分段处理
+5. **主题聚合** - 相似内容自动归类
+6. **Git同步** - 自动commit/push
+
+---
+
+## 多代理并行模型分配策略
+
+**统一使用最强模型：`kimi-coding/k2p5`**
+
+| Checkpoint | 任务类型 | 模型 |
+|-----------|---------|------|
+| **Checkpoint 1-2** | 项目脚手架、数据模型 | `kimi-coding/k2p5` |
+| **Checkpoint 3** | B站适配器开发 | `kimi-coding/k2p5` |
+| **Checkpoint 4-5** | 内容处理管道 + 分段分析 | `kimi-coding/k2p5` |
+| **Checkpoint 6** | CLI命令实现 | `kimi-coding/k2p5` |
+| **Checkpoint 7-8** | 模板与测试 | `kimi-coding/k2p5` |
+
+---
+
+## Checkpoint 1: 项目脚手架与配置 (~30min)
+
+- [ ] Task 1.1: 创建技能目录 `skills/obsidian-kb/`
+  - **Action:** 创建目录结构
+  ```
+  obsidian-kb/
+  ├── src/
+  │   ├── __init__.py
+  │   ├── cli.py              # 命令行入口
+  │   ├── config.py           # 配置管理
+  │   ├── models.py           # 统一元数据模型
+  │   ├── pipeline.py         # 内容处理管道
+  │   ├── storage.py          # 本地存储/Inbox管理
+  │   ├── git_sync.py         # Git同步
+  │   ├── content_chunker.py  # 长视频分段工具 [新增]
+  │   └── sources/
+  │       ├── __init__.py
+  │       ├── base.py         # 源适配器基类
+  │       ├── bilibili.py     # B站适配器
+  │       ├── youtube.py      # YouTube适配器
+  │       ├── zhihu.py        # 知乎适配器
+  │       └── local.py        # 本地Markdown扫描
+  │   └── templates/
+  │       ├── light_video.md
+  │       ├── tutorial_video.md
+  │       ├── article.md
+  │       └── topic_index.md
+  ├── tests/
+  └── requirements.txt
+  ```
+
+- [ ] Task 1.2: 创建 `SKILL.md`
+  - **Verify:** 包含命令: `/kb-subscribe`, `/kb-inbox`, `/kb-process`, `/kb-skip`, `/kb-status`, `/kb-search`
+
+- [ ] Task 1.3: 创建配置模板 `config.yaml.example`
+  - **Verify:** 包含: kimi_api_key, git_repo, git_token, obsidian_path, quality_threshold, chunking配置
+
+---
+
+## Checkpoint 2: 核心数据模型与存储 (~40min)
+
+- [ ] Task 2.1: 实现 `models.py` - 统一元数据模型
+  - **Action:** 定义 Content 类，包含核心字段
+  - **字段:** id, source, source_id, url, title, author, description, duration, content_type, transcript, etc.
+
+- [ ] Task 2.2: 实现 `storage.py` - Inbox/Topics存储管理
+  - **Action:** Inbox队列管理、Topics目录结构、主题聚合检测
+
+- [ ] Task 2.3: 实现 `git_sync.py` - Git自动同步
+  - **Action:** 检测变更、自动生成commit message、执行commit+push
+
+---
+
+## Checkpoint 3: 源适配器基类与B站实现 (~60min)
+
+- [ ] Task 3.1: 实现 `sources/base.py` - 源适配器基类
+  - **Action:** 定义抽象基类 SourceAdapter
+  - **方法:** fetch_new(), extract_content(), get_transcript()
+
+- [ ] Task 3.2: 实现 `sources/bilibili.py` - B站适配器
+  - **Action:** 
+    - fetch_new(): 获取收藏夹/UP主动态
+    - extract_content(): 从URL提取元数据
+    - get_transcript(): 获取字幕（支持AI字幕和CC字幕）
+
+- [ ] Task 3.3: 实现 `sources/local.py` - 本地Markdown扫描
+  - **Action:** 扫描指定目录的Markdown文件，提取YAML frontmatter
+
+- [ ] Task 3.4: 创建源注册表 `sources/__init__.py`
+  - **Action:** SourceRegistry，支持动态注册新适配器
+
+---
+
+## Checkpoint 4: 内容处理管道 (~50min)
+
+- [ ] Task 4.1: 实现轻量扫描阶段
+  - **Action:** 调用AI生成一句话摘要、提取关键词、质量评分（0-10）
+
+- [ ] Task 4.2: 实现深度分析阶段
+  - **Action:** 根据content_type和duration选择分析策略
+  - **策略:**
+    - 短视频(<10min): 轻量结构
+    - 长教程(>10min): 详细时间轴拆解
+    - 文章: 结构大纲+核心观点
+
+- [ ] Task 4.3: 实现自适应模板系统
+  - **Action:** 创建模板渲染器，根据content_type选择模板
+
+- [ ] Task 4.4: 实现主题聚合检测
+  - **Action:** AI对比新内容与现有Topics，计算相似度
+
+- [ ] Task 4.5: 实现 `pipeline.py` - 整合所有阶段
+  - **Action:** 编排: 轻量扫描→入库→深度分析→生成笔记→Git同步
+
+---
+
+## Checkpoint 5: 长视频分段分析 (~45min) [新增]
+
+### 5.1 基础结构搭建
+
+- [ ] Task 5.1.1: 创建 `src/content_chunker.py` 模块
+  - **Action:** 实现 `ContentChunker` 类
+  - **方法:** 
+    - `chunk_by_duration(srt_text, chunk_duration_seconds)` - 按时长分割
+    - `chunk_by_count(srt_text, num_chunks)` - 按段数分割
+    - `estimate_chunks(duration_seconds)` - 估算段数
+  - **返回:** `List[Chunk]`，每个Chunk包含text, start_time, end_time
+
+- [ ] Task 5.1.2: 实现 `get_chunking_strategy(duration_seconds)` 函数
+  - **策略:**
+    - <10分钟: direct（直接分析）
+    - 10-30分钟: truncate（截断至8000字符）
+    - 30-60分钟: chunk_2（分2段）
+    - 60分钟+: chunk_N（每15分钟一段）
+
+- [ ] Task 5.1.3: 更新 `config.yaml` 添加分段配置
+  ```yaml
+  chunking:
+    long_video_threshold: 1800      # 30分钟（秒）
+    medium_video_threshold: 3600    # 60分钟（秒）
+    chunk_duration: 900             # 每段15分钟（秒）
+    max_chars_per_chunk: 6000       # 每段最大字符数
+    summary_max_length: 500         # 每段摘要最大字数
+  ```
+
+- [ ] Task 5.1.4: 更新 `config.py` 读取chunking配置
+
+### 5.2 MultiAIClient 改造
+
+- [ ] Task 5.2.1: 修改 `_deep_analyze()` 方法
+  - **Action:** 添加时长判断逻辑
+  ```python
+  if duration >= 1800:  # 30分钟以上
+      return self._analyze_in_chunks(content_text, duration)
+  ```
+
+- [ ] Task 5.2.2: 实现 `_analyze_in_chunks(content_text, duration)`
+  - **Action:**
+    - 根据时长决定分段数（30-60分→2段，60分+→每15分钟一段）
+    - 循环每段，调用 `_analyze_chunk()` 获取摘要
+    - 收集所有段摘要
+    - 调用 `_merge_summaries()` 生成最终结果
+
+- [ ] Task 5.2.3: 实现 `_analyze_chunk(chunk_text)`
+  - **Action:** 调用AI生成单段摘要（限制500字）
+
+- [ ] Task 5.2.4: 实现 `_merge_summaries(summaries, content_type)`
+  - **Action:** 将所有段摘要合并，生成完整分析报告
+
+### 5.3 测试验证
+
+- [ ] Task 5.3.1: 创建 `tests/test_chunking.py`
+  - **Action:** 测试 ContentChunker 的分割逻辑
+  - **覆盖:** 正常分割、短文本、空文本
+
+- [ ] Task 5.3.2: 创建测试数据 `tests/fixtures/sample_long_video.srt`
+  - **Action:** 模拟1小时视频字幕（约15000字符）
+
+- [ ] Task 5.3.3: 创建测试脚本 `test_long_video.py`
+  - **Action:** 手动测试长视频分析流程
+
+---
+
+## Checkpoint 6: CLI命令实现 (~40min)
+
+- [ ] Task 6.1: 实现 `/kb-subscribe` 命令
+  - **Action:** 支持订阅B站收藏夹、UP主、YouTube频道
+
+- [ ] Task 6.2: 实现 `/kb-inbox` 命令
+  - **Action:** 显示待处理候选列表，带摘要和评分
+
+- [ ] Task 6.3: 实现 `/kb-process` 命令
+  - **Action:** 处理指定ID或全部确认的内容
+  - **注意:** 长视频自动触发分段分析
+
+- [ ] Task 6.4: 实现 `/kb-skip` 命令
+  - **Action:** 跳过指定内容，记录跳过原因
+
+- [ ] Task 6.5: 实现 `/kb-status` 命令
+  - **Action:** 显示同步状态、Inbox数量、今日处理量
+
+- [ ] Task 6.6: 实现 `/kb-search` 命令
+  - **Action:** 搜索已处理的笔记
+
+---
+
+## Checkpoint 7: 模板与文档 (~30min)
+
+- [ ] Task 7.1: 创建所有Markdown模板
+  - light_video.md
+  - tutorial_video.md
+  - article.md
+  - topic_index.md
+
+- [ ] Task 7.2: 完善 `SKILL.md` 使用文档
+
+- [ ] Task 7.3: 创建 `README.md`
+
+---
+
+## Checkpoint 8: 测试与验证 (~30min)
+
+- [ ] Task 8.1: 编写单元测试
+  - **Action:** 测试核心模块: models, storage, pipeline, chunking
+
+- [ ] Task 8.2: 集成测试
+  - **Action:** 端到端测试: 订阅→爬取→分析(含长视频分段)→生成→同步
+
+- [ ] Task 8.3: 手动验证
+  - **Action:** 实际处理1-2个B站视频（含长视频），检查输出
+
+---
+
+## Verification Criteria
+
+- [ ] 所有Checkpoints完成
+- [ ] 可以订阅B站收藏夹并获取新内容
+- [ ] Inbox预览功能正常，显示摘要和评分
+- [ ] 确认处理后生成格式正确的Markdown
+- [ ] **长视频(30分钟+)能正常分段分析，不抛Context overflow错误**
+- [ ] 相似内容自动归入同一主题
+- [ ] Git自动同步工作正常
+- [ ] 代码通过基本测试
+- [ ] 文档完整可理解
+
+---
+
+## 视频处理策略总结
+
+| 视频时长 | 处理策略 | API调用次数 |
+|---------|---------|------------|
+| < 10分钟 | 直接完整分析 | 1次 |
+| 10-30分钟 | 截断至8000字符分析 | 1次 |
+| 30-60分钟 | 分2段分析 | 3次（2段摘要+1次合并） |
+| 60分钟+ | 每15分钟一段 | N+1次（N段+1次合并） |
+
+---
+
+## 执行选项
+
+**选项1: 单代理顺序执行**
+- 在当前会话中按Checkpoint顺序执行
+- 每个Checkpoint完成后汇报进度
+
+**选项2: 多代理并行（推荐）**
+- 同时启动多个子代理并行工作
+
+| 代理 | Checkpoint | 任务 |
+|------|-----------|------|
+| 代理A | 1-2 | 项目基础 + 数据模型 |
+| 代理B | 3 | B站适配器 |
+| 代理C | 4-5 | 内容处理管道 + 分段分析 |
+| 代理D | 6 | CLI命令 |
+| 代理E | 7-8 | 模板 + 测试 |
+
+**选择哪种执行方式？**

memory/plans/obsidian-kb-execution.md

@@ -0,0 +1,199 @@
+# Obsidian KB 技能开发 - 执行计划
+
+**项目**: obsidian-kb-complete  
+**目标**: 构建多源内容知识库维护系统，含长视频分段分析  
+**执行方式**: 多代理并行  
+**验收标准**: 所有测试通过，代码提交至Git  
+
+---
+
+## 代理分配
+
+| 代理 | Checkpoint | 任务 | 依赖 | 模型 |
+|------|-----------|------|------|------|
+| **代理A** | 1-2 | 项目脚手架 + 数据模型 + 存储 | 无 | kimi-coding/k2p5 |
+| **代理B** | 3 | B站适配器 | 代理A的models | kimi-coding/k2p5 |
+| **代理C** | 4-5 | 内容管道 + 长视频分段 | 代理A的models, config | kimi-coding/k2p5 |
+| **代理D** | 6 | CLI命令 | 代理C的pipeline | kimi-coding/k2p5 |
+| **代理E** | 7-8 | 模板 + 测试 + 文档 | 全部 | kimi-coding/k2p5 |
+
+---
+
+## 代理A: 项目脚手架与数据模型 (~60min)
+
+### Checkpoint 1: 项目脚手架
+
+**任务A1.1**: 创建目录结构
+- **Action**: 创建 `skills/obsidian-kb/` 及所有子目录
+- **Verify**: 目录结构完整
+
+**任务A1.2**: 创建 SKILL.md
+- **Action**: 编写技能元数据、命令列表、使用说明
+- **Verify**: 包含所有6个命令
+
+**任务A1.3**: 创建 requirements.txt
+- **Action**: 列出依赖: requests, pyyaml 等
+- **Verify**: pip install -r requirements.txt 成功
+
+### Checkpoint 2: 核心数据模型
+
+**任务A2.1**: 实现 models.py
+- **Action**: 定义 Content, ContentType, ContentStatus 类
+- **字段**: id, source, url, title, author, duration, transcript, etc.
+- **Verify**: 可以创建实例并序列化
+
+**任务A2.2**: 实现 config.py
+- **Action**: 配置读取，支持 config.yaml
+- **Verify**: 能读取API key, git配置, chunking配置
+
+**任务A2.3**: 实现 storage.py
+- **Action**: Inbox/Topics存储，JSON文件管理
+- **Verify**: 能存取Content对象
+
+**任务A2.4**: 实现 git_sync.py
+- **Action**: Git仓库初始化、commit、push
+- **Verify**: 能创建测试文件并推送
+
+---
+
+## 代理B: B站适配器 (~45min)
+
+### Checkpoint 3: B站适配器
+
+**前置条件**: 代理A的 models.py 完成
+
+**任务B3.1**: 实现 sources/base.py
+- **Action**: 定义 SourceAdapter 抽象基类
+- **方法**: fetch_new(), extract_content(), get_transcript()
+
+**任务B3.2**: 实现 sources/bilibili.py
+- **Action**: B站API封装
+  - fetch_new(): 获取收藏夹视频列表
+  - extract_content(): 从URL提取视频元数据
+  - get_transcript(): 获取字幕（使用B站官方API）
+- **Verify**: 能获取真实B站视频信息和字幕
+
+**任务B3.3**: 实现 sources/__init__.py
+- **Action**: SourceRegistry 注册表
+- **Verify**: 可以通过名称获取适配器
+
+---
+
+## 代理C: 内容管道与长视频分段 (~75min)
+
+### Checkpoint 4: 内容处理管道
+
+**前置条件**: 代理A的 models.py, config.py 完成
+
+**任务C4.1**: 实现轻量扫描
+- **Action**: 调用AI生成一句话摘要、关键词、质量评分
+- **Verify**: 输入URL输出评分对象
+
+**任务C4.2**: 实现深度分析基础
+- **Action**: 根据duration选择分析策略
+- **Verify**: 短视频(<10min)和长视频(>10min)不同处理
+
+**任务C4.3**: 实现 pipeline.py
+- **Action**: 整合轻量扫描→入库→深度分析→生成笔记→Git同步
+- **Verify**: 端到端流程可运行
+
+### Checkpoint 5: 长视频分段分析
+
+**任务C5.1**: 实现 content_chunker.py
+- **Action**: ContentChunker类，chunk_by_duration()方法
+- **Verify**: 能按时间分割SRT字幕
+
+**任务C5.2**: 实现分段策略
+- **Action**: get_chunking_strategy()函数
+- **策略**: <10min直接, 10-30min截断, 30-60min分2段, 60min+每15分钟一段
+
+**任务C5.3**: 实现AI客户端分段逻辑
+- **Action**: _analyze_in_chunks(), _analyze_chunk(), _merge_summaries()
+- **Verify**: 长视频能正常分析不报错
+
+---
+
+## 代理D: CLI命令 (~40min)
+
+### Checkpoint 6: CLI命令
+
+**前置条件**: 代理C的 pipeline.py 完成
+
+**任务D6.1**: 实现 cli.py 框架
+- **Action**: argparse命令解析框架
+
+**任务D6.2**: 实现 /kb-subscribe
+- **Action**: 订阅B站收藏夹/UP主
+- **Verify**: 配置能保存到config
+
+**任务D6.3**: 实现 /kb-inbox
+- **Action**: 显示待处理列表
+- **Verify**: 显示标题、评分、摘要
+
+**任务D6.4**: 实现 /kb-process
+- **Action**: 处理指定ID或全部
+- **Verify**: 能调用pipeline完成分析
+
+**任务D6.5**: 实现 /kb-skip, /kb-status, /kb-search
+- **Action**: 跳过、状态、搜索命令
+- **Verify**: 功能正常
+
+---
+
+## 代理E: 模板、测试与文档 (~45min)
+
+### Checkpoint 7: 模板与文档
+
+**前置条件**: 全部代理完成
+
+**任务E7.1**: 创建Markdown模板
+- light_video.md, tutorial_video.md, article.md, topic_index.md
+- **Verify**: 模板能正确渲染
+
+**任务E7.2**: 实现 template_renderer.py
+- **Action**: 根据content_type选择模板渲染
+- **Verify**: 不同类型输出不同格式
+
+**任务E7.3**: 完善 SKILL.md 和 README.md
+- **Action**: 使用说明、配置指南、示例
+
+### Checkpoint 8: 测试与验证
+
+**任务E8.1**: 编写单元测试
+- **Action**: tests/test_*.py 覆盖核心模块
+- **Verify**: pytest 通过
+
+**任务E8.2**: 集成测试
+- **Action**: 端到端测试完整流程
+- **Verify**: 订阅→爬取→分析→同步
+
+**任务E8.3**: Git提交
+- **Action**: git add, commit, push
+- **消息**: "feat: implement obsidian-kb skill with long video chunking"
+- **Verify**: 代码已推送到远程仓库
+
+---
+
+## 执行顺序
+
+```
+并行启动:
+  代理A (1-2) ─┬→ 代理B (3)
+               ├→ 代理C (4-5) ─→ 代理D (6)
+               └→ 代理E (7-8, 等待其他)
+```
+
+## 验收标准
+
+- [ ] 所有代理任务完成
+- [ ] pytest 测试通过
+- [ ] 能成功分析一个B站视频（含长视频分段）
+- [ ] Markdown输出格式正确
+- [ ] Git自动同步工作
+- [ ] 代码已提交到Git仓库
+
+---
+
+**计划已保存**: `memory/plans/obsidian-kb-execution.md`
+
+**准备启动多代理并行开发？**

memory/plans/obsidian-kb-implementation.md

@@ -0,0 +1,252 @@
+# Obsidian 知识库维护技能 - 实施计划
+
+**目标:** 构建可扩展的多源内容知识库维护系统，支持B站/YouTube/知乎/本地Markdown汇入Obsidian
+**方法:** 模块化架构 + 源适配器模式 + 主题聚合机制
+**预估总时间:** ~4-6小时（可并行）
+
+---
+
+## 多代理并行模型分配策略
+
+**统一使用最强模型：`kimi-coding/k2p5`**
+
+> 追求代码质量和AI分析能力，不节省token
+
+| Checkpoint | 任务类型 | 模型 |
+|-----------|---------|------|
+| **Checkpoint 1-2** | 项目脚手架、数据模型 | `kimi-coding/k2p5` |
+| **Checkpoint 3** | B站适配器开发 | `kimi-coding/k2p5` |
+| **Checkpoint 4** | 内容处理管道 | `kimi-coding/k2p5` |
+| **Checkpoint 5** | CLI命令实现 | `kimi-coding/k2p5` |
+| **Checkpoint 6-7** | 模板与测试 | `kimi-coding/k2p5` |
+
+**实现方式：**
+```python
+# 所有子任务统一使用最强模型
+sessions_spawn({
+    "task": "...",
+    "model": "kimi-coding/k2p5",
+    "runTimeoutSeconds": 600
+})
+```
+
+---
+
+## Checkpoint 1: 项目脚手架与配置 (~30min)
+
+- [ ] Task 1.1: 重命名/创建技能目录 `skills/obsidian-kb/`
+  - **Action:** 基于现有 `bilibili-obsidian` 迁移或新建结构
+  - **Verify:** `skills/obsidian-kb/` 存在且包含 `SKILL.md`
+
+- [ ] Task 1.2: 创建技能元数据文件 `SKILL.md`
+  - **Action:** 编写技能描述、命令列表、使用说明
+  - **Verify:** 包含所有命令: `/kb-subscribe`, `/kb-inbox`, `/kb-process`, `/kb-skip`, `/kb-status`, `/kb-search`
+
+- [ ] Task 1.3: 创建项目结构
+  ```
+  obsidian-kb/
+  ├── src/
+  │   ├── __init__.py
+  │   ├── cli.py              # 命令行入口
+  │   ├── config.py           # 配置管理
+  │   ├── models.py           # 统一元数据模型
+  │   ├── pipeline.py         # 内容处理管道
+  │   ├── storage.py          # 本地存储/Inbox管理
+  │   ├── git_sync.py         # Git同步
+  │   └── sources/
+  │       ├── __init__.py
+  │       ├── base.py         # 源适配器基类
+  │       ├── bilibili.py     # B站适配器
+  │       ├── youtube.py      # YouTube适配器 (placeholder)
+  │       ├── zhihu.py        # 知乎适配器 (placeholder)
+  │       └── local.py        # 本地Markdown扫描
+  │   └── templates/
+  │       ├── light_video.md
+  │       ├── tutorial_video.md
+  │       ├── article.md
+  │       └── topic_index.md  # 主题聚合页模板
+  ├── tests/
+  └── requirements.txt
+  ```
+  - **Verify:** 目录结构完整
+
+- [ ] Task 1.4: 创建配置模板 `config.yaml.example`
+  - **Action:** 定义所有配置项（API keys, Git repo, 路径等）
+  - **Verify:** 包含: kimi_api_key, git_repo, git_token, obsidian_path, quality_threshold
+
+---
+
+## Checkpoint 2: 核心数据模型与存储 (~40min)
+
+- [ ] Task 2.1: 实现 `models.py` - 统一元数据模型
+  - **Action:** 定义 Content 类，包含所有核心字段和 source_meta 扩展
+  - **Verify:** 可以通过单元测试创建 Content 对象，序列化/反序列化正常
+
+- [ ] Task 2.2: 实现 `storage.py` - Inbox/Topics存储管理
+  - **Action:** 
+    - Inbox 队列管理（CRUD操作）
+    - Topics 目录结构管理
+    - 主题聚合页检测（相似度>阈值时归入同一主题）
+  - **Verify:** 可以: 添加候选到Inbox、移动到Topics、检测主题相似度
+
+- [ ] Task 2.3: 实现 `git_sync.py` - Git自动同步
+  - **Action:** 
+    - 检测文件变更
+    - 自动生成commit message
+    - 执行commit + push
+  - **Verify:** 创建测试文件后能自动commit到指定repo
+
+---
+
+## Checkpoint 3: 源适配器基类与B站实现 (~60min)
+
+- [ ] Task 3.1: 实现 `sources/base.py` - 源适配器基类
+  - **Action:** 定义抽象基类 SourceAdapter，包含3个抽象方法
+  - **Verify:** 无法直接实例化，子类必须实现所有方法
+
+- [ ] Task 3.2: 实现 `sources/bilibili.py` - B站适配器
+  - **Action:** 
+    - fetch_new(): 获取收藏夹/UP主动态
+    - extract_content(): 从URL提取元数据
+    - get_transcript(): 获取字幕/AI生成摘要
+  - **Verify:** 可以成功获取公开收藏夹内容，提取字幕
+
+- [ ] Task 3.3: 实现 `sources/local.py` - 本地Markdown扫描
+  - **Action:** 扫描指定目录的Markdown文件，提取元数据
+  - **Verify:** 能识别本地MD文件的YAML frontmatter
+
+- [ ] Task 3.4: 创建源注册表 `sources/__init__.py`
+  - **Action:** SourceRegistry，支持动态注册新适配器
+  - **Verify:** 可以通过名称获取对应适配器实例
+
+---
+
+## Checkpoint 4: 内容处理管道 (~50min)
+
+- [ ] Task 4.1: 实现轻量扫描阶段
+  - **Action:** 
+    - 调用AI生成一句话摘要
+    - 提取关键词
+    - 质量评分（0-10）
+  - **Verify:** 输入视频URL，输出包含摘要、关键词、评分的Content对象
+
+- [ ] Task 4.2: 实现深度分析阶段
+  - **Action:** 根据内容类型选择分析策略，生成结构化数据
+  - **Verify:** 短视频输出轻量结构，长教程输出详细时间轴
+
+- [ ] Task 4.3: 实现自适应模板系统
+  - **Action:** 创建模板渲染器，根据content_type和duration选择模板
+  - **Verify:** 不同类型内容渲染出不同格式的Markdown
+
+- [ ] Task 4.4: 实现主题聚合检测
+  - **Action:** AI对比新内容与现有Topics，计算相似度，建议聚合
+  - **Verify:** 相似内容能被正确归入同一主题目录
+
+- [ ] Task 4.5: 实现 `pipeline.py` - 整合所有阶段
+  - **Action:** 编排完整流程: 轻量扫描→入库→深度分析→生成笔记→Git同步
+  - **Verify:** 端到端测试通过
+
+---
+
+## Checkpoint 5: CLI命令实现 (~40min)
+
+- [ ] Task 5.1: 实现 `/kb-subscribe` 命令
+  - **Action:** 支持订阅B站收藏夹、UP主、YouTube频道等
+  - **Verify:** 可以添加订阅，存储到配置文件
+
+- [ ] Task 5.2: 实现 `/kb-inbox` 命令
+  - **Action:** 显示待处理候选列表，带摘要和评分
+  - **Verify:** 可以列出Inbox中的内容，格式清晰
+
+- [ ] Task 5.3: 实现 `/kb-process` 命令
+  - **Action:** 处理指定ID或全部确认的内容
+  - **Verify:** 可以深度分析并生成笔记
+
+- [ ] Task 5.4: 实现 `/kb-skip` 命令
+  - **Action:** 跳过指定内容，记录跳过原因
+  - **Verify:** 内容从Inbox移除，可选记录原因
+
+- [ ] Task 5.5: 实现 `/kb-status` 命令
+  - **Action:** 显示同步状态、Inbox数量、今日处理量
+  - **Verify:** 输出包含Git状态、Inbox统计
+
+- [ ] Task 5.6: 实现 `/kb-search` 命令
+  - **Action:** 搜索已处理的笔记（标题、标签、内容）
+  - **Verify:** 能根据关键词返回相关笔记列表
+
+---
+
+## Checkpoint 6: 模板与文档 (~30min)
+
+- [ ] Task 6.1: 创建所有Markdown模板
+  - **Action:** 
+    - light_video.md
+    - tutorial_video.md
+    - article.md
+    - topic_index.md
+  - **Verify:** 模板包含所有变量占位符，渲染测试通过
+
+- [ ] Task 6.2: 完善 `SKILL.md` 使用文档
+  - **Action:** 更新完整的使用说明、配置指南、示例
+  - **Verify:** 新用户能根据文档独立完成配置和使用
+
+- [ ] Task 6.3: 创建 `README.md`
+  - **Action:** 项目介绍、功能特性、安装说明
+  - **Verify:** 包含架构图、快速开始、命令参考
+
+---
+
+## Checkpoint 7: 测试与验证 (~30min)
+
+- [ ] Task 7.1: 编写单元测试
+  - **Action:** 测试核心模块: models, storage, pipeline
+  - **Verify:** `pytest` 全部通过
+
+- [ ] Task 7.2: 集成测试
+  - **Action:** 端到端测试: 订阅→爬取→分析→生成→同步
+  - **Verify:** 完整流程在测试环境跑通
+
+- [ ] Task 7.3: 手动验证
+  - **Action:** 实际处理1-2个B站视频，检查输出
+  - **Verify:** Markdown格式正确，Git同步正常，Obsidian可读
+
+---
+
+## Verification Criteria
+
+- [ ] 所有Checkpoints完成
+- [ ] 可以订阅B站收藏夹并获取新内容
+- [ ] Inbox预览功能正常，显示摘要和评分
+- [ ] 确认处理后生成格式正确的Markdown
+- [ ] 相似内容自动归入同一主题
+- [ ] Git自动同步工作正常
+- [ ] 代码通过基本测试
+- [ ] 文档完整可理解
+
+---
+
+## 执行选项
+
+**选项1: 单代理（本会话）**
+- 我按顺序执行所有任务
+- 每个Checkpoint完成后汇报进度
+- 使用 `kimi-coding/k2p5` 模型
+- 适合：需要频繁确认、逐步调整方向
+
+**选项2: 多代理并行（推荐）**
+- 同时启动多个子代理并行工作：
+
+| 代理 | Checkpoint | 任务 | 模型 |
+|------|-----------|------|------|
+| 代理A | 1-2 | 项目基础 + 数据模型 | `kimi-coding/k2p5` |
+| 代理B | 3 | B站适配器 | `kimi-coding/k2p5` |
+| 代理C | 4 | 内容处理管道 | `kimi-coding/k2p5` |
+| 代理D | 5 | CLI命令 | `kimi-coding/k2p5` |
+| 代理E | 6-7 | 模板 + 测试 | `kimi-coding/k2p5` |
+
+- 最后我来集成所有模块
+- **优势：** 速度最快，全部用最强模型保证质量
+
+**推荐：** 选项2（多代理并行）
+
+**你选择哪种执行方式？**

memory/plans/video-chunking-implementation.md

@@ -0,0 +1,99 @@
+# 长视频分段分析功能 - 实现计划
+
+**Goal:** 实现动态混合策略处理超长视频（30分钟以上），解决上下文溢出问题
+**Approach:** 方案C - 根据视频时长动态选择处理策略（<30min直接分析，30-60min分2段，60min+分多段）
+**Estimated Total Time:** 45-60 minutes
+
+---
+
+## Checkpoint 1: 基础结构搭建
+*目标：创建字幕分割工具和配置更新*
+
+- [ ] **Task 1.1:** 创建 `src/content_chunker.py` 模块 (~10 min)
+  - **Action:** 新建文件，实现 `ContentChunker` 类，包含按时间戳分割字幕的功能
+  - **Verify:** 文件存在，包含 `chunk_by_duration()` 方法，能将SRT字幕按指定时长分割
+
+- [ ] **Task 1.2:** 更新 `config/config.yaml` 添加分段配置 (~5 min)
+  - **Action:** 添加 `chunking` 配置项：阈值（30分钟）、分段策略、每段最大字符数
+  - **Verify:** 配置文件包含 `chunking` 节点，有 `long_video_threshold: 1800` 等配置
+
+- [ ] **Task 1.3:** 更新 `src/config.py` 读取新配置 (~5 min)
+  - **Action:** 在 Config 类中添加 chunking 相关属性
+  - **Verify:** 配置类能正确读取 chunking 配置，有默认值保护
+
+---
+
+## Checkpoint 2: MultiAIClient 改造
+*目标：实现动态分段分析逻辑*
+
+- [ ] **Task 2.1:** 修改 `_deep_analyze()` 方法，添加时长判断逻辑 (~10 min)
+  - **Action:** 根据 duration 决定处理策略：<30min直接分析，>=30min进入分段流程
+  - **Verify:** 代码逻辑清晰，有注释说明各分支
+
+- [ ] **Task 2.2:** 实现 `_analyze_in_chunks()` 分段分析主方法 (~15 min)
+  - **Action:** 
+    - 调用 `ContentChunker` 分割字幕
+    - 循环处理每段，调用AI生成摘要（限制500字）
+    - 收集所有段摘要
+  - **Verify:** 方法能正确处理多段字幕，每段返回结构化摘要
+
+- [ ] **Task 2.3:** 实现 `_merge_chunk_summaries()` 合并摘要方法 (~10 min)
+  - **Action:** 将所有段摘要合并，生成最终的完整分析报告
+  - **Verify:** 合并后的结果包含：完整摘要、要点、大纲、时间轴等字段
+
+---
+
+## Checkpoint 3: 测试验证
+*目标：确保功能正确运行*
+
+- [ ] **Task 3.1:** 创建测试用例 `tests/test_chunking.py` (~10 min)
+  - **Action:** 编写单元测试，测试 ContentChunker 的分割逻辑
+  - **Verify:** 测试覆盖：正常分割、边界情况（空字幕、短字幕）
+
+- [ ] **Task 3.2:** 运行测试验证 (~5 min)
+  - **Action:** 执行 `python -m pytest tests/test_chunking.py -v`
+  - **Verify:** 所有测试通过
+
+- [ ] **Task 3.3:** 集成测试 (~10 min)
+  - **Action:** 运行 `analyze_video.py` 测试一个真实长视频（或模拟数据）
+  - **Verify:** 30分钟以上视频能正常处理，不报错，输出完整
+
+---
+
+## Checkpoint 4: 文档和清理
+*目标：更新文档，标记完成*
+
+- [ ] **Task 4.1:** 更新 `memory/tasks/ongoing-tasks.md` 标记完成 (~2 min)
+  - **Action:** 更新任务状态，记录完成时间
+  - **Verify:** 文件已更新
+
+- [ ] **Task 4.2:** 创建 `memory/YYYY-MM-DD.md` 记录变更 (~3 min)
+  - **Action:** 记录本次修改：修复了长视频上下文溢出问题，实现了动态分段分析
+  - **Verify:** 文件已创建，内容完整
+
+---
+
+## Verification Criteria
+- [ ] 所有4个检查点完成
+- [ ] 30分钟以下视频：直接分析（1次API调用）
+- [ ] 30-60分钟视频：分2段分析（3次API调用）
+- [ ] 60分钟以上视频：每15-20分钟一段（N+1次API调用）
+- [ ] 不抛出 "Context overflow" 错误
+- [ ] 输出质量与之前相当（摘要完整、结构清晰）
+
+---
+
+## Execution Options
+
+**计划已保存到 `memory/plans/video-chunking-implementation.md`**
+
+**两种执行方式：**
+
+1. **单代理顺序执行** - 我在当前会话依次完成任务，每个检查点汇报进度
+
+2. **多代理并行执行** - 使用 `dispatch-multiple-agents` 技能，同时启动多个子代理并行开发
+   - Checkpoint 1 和 2 可以并行（结构独立）
+   - Checkpoint 3 依赖 1 和 2 完成
+   - Checkpoint 4 最后执行
+
+**请选择执行方式？**

memory/tasks/bilibili-plugin-research.md

@@ -0,0 +1,119 @@
+# B站插件调研任务计划
+
+## 任务概览
+- **任务名称**: B站插件技术调研
+- **目标**: 完成B站第三方插件开发的可行性分析、原型验证和功能规格定义
+- **预计工期**: 2-3天
+- **创建时间**: 2026-02-06
+
+---
+
+## 调研范围
+1. 授权登录方案（OAuth2/私信鉴权）
+2. 数据获取能力（用户数据、视频数据、互动数据）
+3. 功能限制与风险评估
+4. 对标现有方案分析
+
+---
+
+## Checkpoint 清单
+
+### 🔍 Phase 1: 授权方案调研（Day 1 上午）
+- [x] 1.1 官方开放平台调研 ✅
+  - [x] 访问 open.bilibili.com 了解官方API
+  - [x] 调研开发者申请流程和门槛
+  - [x] 记录OAuth2授权流程
+  - **关键发现**: 官方平台暂不开放个人开发者申请
+  - **文档**: [docs/research-notes/phase-1.1-official-platform.md](docs/research-notes/phase-1.1-official-platform.md)
+- [x] 1.2 第三方方案调研（bili-auth）✅
+  - [x] 研究 bili-auth 实现原理
+  - [x] 分析私信鉴权流程
+  - [x] 评估账号封禁风险
+  - **关键发现**: 个人可行，但有封号风险；适合小规模使用
+  - **文档**: [docs/research-notes/phase-1.2-bili-auth.md](docs/research-notes/phase-1.2-bili-auth.md)
+  - [ ] 研究 bili-auth 实现原理
+  - [ ] 分析私信鉴权流程
+  - [ ] 评估账号封禁风险
+- [x] 1.3 授权方案对比文档 ✅
+  - [x] 输出方案对比表（官方 vs 第三方）
+  - [x] 给出推荐方案及理由
+  - **关键结论**: 推荐 bili-auth 方案，风险可控，Go决策
+  - **文档**: [docs/research-notes/phase-1.3-auth-comparison.md](docs/research-notes/phase-1.3-auth-comparison.md)
+
+### 📊 Phase 2: 数据获取能力调研（Day 1 下午 - Day 2 上午）
+- [x] 2.1 用户数据API调研 ✅
+  - [x] 用户信息获取
+  - [x] 关注列表获取
+  - [x] 观看历史/收藏列表（受限）
+- [x] 2.2 视频数据API调研 ✅
+  - [x] 视频详情获取
+  - [x] 视频搜索能力
+  - [x] 热门榜单获取
+- [x] 2.3 互动数据API调研 ✅
+  - [x] 评论获取
+  - [x] 弹幕获取（如有）
+  - [x] 点赞/投币/收藏统计
+- [x] 2.4 API限制与频率调研 ✅
+  - [x] 调用频率限制
+  - [x] 反爬机制分析
+  - [x] 数据缓存策略建议
+  - **文档**: [docs/research-notes/phase-2-data-api.md](docs/research-notes/phase-2-data-api.md)
+  - **关键结论**: MVP功能（关注列表、UP主动态、视频搜索）均可实现
+
+### ⚠️ Phase 3: 风险评估（Day 2 下午）
+- [x] 3.1 账号安全风险 ✅
+  - [x] 被封号/封私信的可能性
+  - [x] 风控触发条件分析
+  - [x] 降低风险的策略
+- [x] 3.2 API稳定性风险 ✅
+  - [x] 接口变更频率
+  - [x] 非官方接口失效风险
+  - [x] 备选方案设计
+- [x] 3.3 法律合规风险 ✅
+  - [x] 用户数据隐私合规
+  - [x] B站服务条款分析
+  - [x] 免责声明建议
+
+### 🎯 Phase 4: 对标分析（Day 2 下午 - Day 3 上午）
+- [x] 4.1 现有B站工具调研 ✅
+  - [x] bilibili-API-collect（已归档，分析原因）
+  - [x] 其他开源B站工具
+- [x] 4.2 OpenClaw生态对标 ✅
+  - [x] 现有技能模式分析
+
+### 📝 Phase 6: 文档输出（Day 3 下午）
+- [x] 6.1 可行性分析报告 ✅
+- [x] 6.2 功能规格文档 ✅
+- [x] 6.3 调研笔记整理 ✅
+  - **主文档**: [docs/bilibili-plugin-feasibility.md](docs/bilibili-plugin-feasibility.md)
+  - **调研笔记**: `docs/research-notes/` 目录下 4 份文档
+
+---
+
+## 当前状态
+🟢 **全部完成** - 调研工作已结束，产出完整可行性报告
+
+## 主要结论
+- **推荐方案**: bili-auth 第三方OAuth
+- **可行性**: ✅ Go
+- **风险等级**: 🟡 中（可控）
+- **建议**: 使用小号，控制频率，准备降级方案
+
+---
+
+## 交付物清单
+1. `docs/bilibili-plugin-feasibility.md` - 可行性分析报告
+2. `docs/bilibili-plugin-spec.md` - 功能规格文档
+3. `prototype/` - 原型代码目录
+4. `docs/research-notes/` - 调研过程笔记
+
+---
+
+## 当前状态
+🟢 **Phase 1 已完成** - 授权方案调研完成，推荐 bili-auth 方案
+
+## 阻塞项
+暂无
+
+## 下一步行动
+开始 Phase 1.1 - 官方开放平台调研

memory/tasks/ongoing-tasks.md

@@ -0,0 +1,18 @@
+# 进行中任务列表
+
+## 活跃任务
+
+### B站插件技术调研
+- **状态**: 🟡 进行中
+- **开始时间**: 2026-02-06
+- **预计完成**: 2026-02-08
+- **计划文件**: [memory/tasks/bilibili-plugin-research.md](./bilibili-plugin-research.md)
+- **当前阶段**: Phase 1 - 授权方案调研
+- **下一步**: 1.1 官方开放平台调研
+
+## 历史任务
+暂无
+
+---
+
+*此文件由 heartbeat 定期检查更新*