feat(kb-workflow): 添加严格失败判断逻辑

- kb-deep-analyzer: 新增判断逻辑，只有AI真正完成分析才算成功
- 失败条件: summary以'共'开头、topics为空、full_analysis为None
- kb-workflow: 明确深度分析失败则整个流程失败
- 禁止降级处理或使用模板'假装成功'

memory/2026-02-13.md

@@ -1,67 +1,60 @@
-# 2026-02-13 语音识别工作记录
+# 2026-02-13
 
-## 目标
-整合说话者分离（speaker diarization）到 kb-whisper 工作流，替换 OCR 为 Whisper 视频转文字
+## kb-deep-analyzer 技能改进
 
-## glm-4.7 AI 分析返回问题（2026-02-13 新增）
+### 批处理模式
+- 改为分批并发处理（3+3+3+1），避免同时启动所有AI请求
+- `analyze()` 方法支持 `on_batch_complete` 回调
+- `batch_size` 参数控制每批数量（默认3）
 
-### 发现
-- deep_analyzer 使用 `.json` 文件传给 AI
-- 实际传给 AI 的是 `text` 字段的前 3000 字
-- json 文件结构：
-  ```
-  ├── text: "為什麼我要說美國就變了..." (~4500字)
-  └── segments: 168段 (带时间戳)
-  ```
+### 流式写入功能
+- 新增 `StreamingWriter` 类，支持多线程并发写入文档不同位置
+- `initialize_document()` 预先创建带占位符的文档结构
+- `write_batch()` 每批完成后写入对应位置
 
-### 三种字幕格式对比
-| 格式 | 大小 | 特点 |
+### 文档格式优化
+- `date` 改为视频发布日期（从 pubtime 提取）
+- frontmatter 添加 `url` 字段
+- 删除"建议行动"章节
+- 删除 `{% if timeline %}` 和最后的分析时间
+- 新格式更简洁
+
+### 提交记录
+- `94370f2` - feat: 改为批处理模式
+- `c8ddc1e` - feat: 添加流式写入器
+- `518f8e4` - fix: 优化文档格式
+
+## 知识库添加：BV1W4f9B6EdC
+
+### 处理结果
+- **标题**: 爱泼斯坦案惊天动地？美式司法："没事，已经结束了"【逸语道破】
+- **作者**: 沈逸老师
+- **Whisper**: ✅ 完成（8043字符，971段）
+- **深度分析**: ⚠️ 代码错误，使用基础模板
+- **归档**: ✅ 完成
+
+### 发现并修复的 Bug
+
+1. **参数名不匹配错误**
+   - 错误: `name 'on_batch_complete' is not defined`
+   - 原因: `analyze()` 用 `on_batch_complete`，内部 `_analyze_chunks_concurrent()` 用 `on_segment_complete`
+   - 修复: 统一使用 `on_segment_complete` 作为内部参数名
+
+2. **batch_size 未定义**
+   - 错误: `name 'batch_size' is not defined`
+   - 原因: 方法内部多次使用但未作为参数传入
+   - 修复: 在 `_analyze_chunks_concurrent()` 签名中添加 `batch_size: int = 3`
+
+### 当前状态
+- glm-4.7 深度分析暂时不可用（代码修复后需重新测试）
+- 知识库工作流 Whisper 环节正常
+- 需要重新测试深度分析功能
+
+## 技能清单
+| 步骤 | 技能 | 状态 |
 |------|------|------|
-| .json | 55KB | 完整元数据 + segments |
-| .srt | 23KB | 带时间戳的字幕格式 |
-| .txt | 9KB | 纯文本，无时间戳 |
-
-### 问题分析
-1. **截断问题**：只取前 3000 字传给 AI，可能不够全面
-2. **未利用时间轴**：segments 有 168 段时间信息未使用
-3. **格式问题**：传给 AI 是纯文本，没有分段结构
-
-### 待用户确认改进方案
-- A. 用 `.txt` (9KB) 更简洁的格式？
-- B. 用 `.srt` (23KB) 带时间戳的格式？
-- C. 改进 json 解析，把 segments 整理成更易读的格式？
-- D. 其他方案？
-
----
-
-## Passwordless Sudo 配置成功
-```bash
-sudo visudo -f /etc/sudoers.d/nopasswd
-# 内容：starmen1265 ALL=(ALL) NOPASSWD: ALL
-sudo chmod 0440 /etc/sudoers.d/nopasswd
-sudo visudo -c  # 验证：parsed OK
-```
-
-## 降级操作（解决兼容性问题）
-| 库 | 从 | 到 | 原因 |
-|---|---|---|---|
-| torch | 2.10.0 | 2.8.0 | speechbrain 需要旧 API |
-| torchaudio | 2.10.0 | 2.8.0 | speechbrain 需要 list_audio_backends() |
-| NumPy | 2.x | 1.26.4 | pyannote 3.1.1 需要 |
-| huggingface_hub | 1.4.1 | 0.19.4 | pyannote 3.1.1 需要 use_auth_token |
-| pyannote.audio | 4.0.4 | 3.1.1 | 4.x 与 torch 2.10 兼容性问题 |
-
-## 用户指令
-- 只允许修改 `speaker_diarization.py` 中的 segmentation 配置
-- 停止所有其他修改
-- 暂停说话者分离工作
-
-## 下一步
-- 使用已有的 kb-whisper 方案（Whisper.cpp）
-- 暂停说话者分离（speaker diarization）
-- 等待后续指令
-
-## 当前环境
-- whisper.cpp: ~/whisper.cpp
-- whisper 模型: ggml-base.bin
-- kb-whisper 脚本: skills/kb-whisper/whisper.py
+| 链接解析 | kb-link-parser | ✅ |
+| 元数据提取 | kb-bilibili-metadata | ✅ |
+| 字幕下载 | kb-bilibili-content | ✅ |
+| 语音识别 | kb-whisper | ✅ |
+| 深度分析 | kb-deep-analyzer | ⚠️ 需重测 |

skills/kb-deep-analyzer/deep_analyzer.py

@@ -444,7 +444,7 @@ class DeepAnalyzer:
                 result = self._analyze_chunks_concurrent(
                     title, text, duration, segments, metadata,
                     batch_size=batch_size,
-                    on_batch_complete=on_batch_complete
+                    on_segment_complete=on_batch_complete
                 )
             elif duration < self.SHORT_VIDEO_THRESHOLD:
                 print(f"[DeepAnalyzer] 使用轻量分析策略 (时长 < 10分钟)")
@@ -671,6 +671,7 @@ class DeepAnalyzer:
         segments: list = None,
         metadata: Dict = None,
         max_concurrent: int = 3,
+        batch_size: int = 3,
         on_segment_complete: callable = None
     ) -> AnalysisResult:
         """
@@ -787,8 +788,8 @@ class DeepAnalyzer:
 
             # 回调通知当前批次完成
             batch_summaries = [batch_results[i] for i in range(batch_idx, batch_end) if i in batch_results]
-            if on_batch_complete:
-                on_batch_complete(batch_summaries)
+            if on_segment_complete:
+                on_segment_complete(batch_summaries)
 
             all_summaries.extend(batch_summaries)
 
@@ -1627,6 +1628,32 @@ def main():
         f.write(markdown_content)
 
     # 统一输出格式
+    # 检查是否真正使用 AI 完成了分析
+    # 如果 summary 以"共"开头或 topics 为空，通常是降级处理的默认内容
+    is_real_analysis = (
+        result.summary and 
+        not result.summary.startswith("共") and
+        len(result.main_topics) > 0 and
+        len(result.key_insights) > 0 and
+        result.full_analysis is not None
+    )
+
+    if not is_real_analysis:
+        # 未真正使用 AI 分析，属于执行失败
+        output = {
+            "success": False,
+            "error": "深度分析未能完成。可能是 AI 调用失败或返回内容不完整。",
+            "message": "执行失败：未使用正确的 AI 完整分析字幕内容",
+            "stats": {
+                "summary_length": len(result.summary) if result.summary else 0,
+                "topics_count": len(result.main_topics),
+                "insights_count": len(result.key_insights),
+                "is_real_analysis": False
+            }
+        }
+        print(json.dumps(output, ensure_ascii=False, indent=2))
+        sys.exit(1)
+
     output = {
         "success": True,
         "filename": Path(args.output).name,

skills/kb-workflow/SKILL.md

@@ -100,6 +100,16 @@ echo "✅ 环境变量检查通过"
 2. 退出，不执行后续步骤
 3. 等待用户配置好环境变量后重新执行
 
+## ⚠️ 严格失败处理原则
+
+> **深度分析步骤必须成功，否则整个流程失败**
+
+在执行工作流时，必须遵守以下原则：
+1. **深度分析不可跳过**：kb-deep-analyzer 是必须成功执行的步骤
+2. **失败即终止**：如果深度分析返回 `success: false`，必须立即停止并汇报失败
+3. **禁止降级处理**：不能使用预设模板或简单摘要来"假装成功"
+4. **每次执行都要使用 AI**：必须有真实的 AI API 调用记录
+
 ### 步骤 2: 链接解析
 
 1. 获取目录路径：
@@ -199,7 +209,12 @@ python3 kb_workflow.py --analyzed
 python3 /path/to/deep_analyzer.py --metadata [meta_path] --content [content_path] --output [analyzed_dir]/[filename].md
 ```
 
-6. 解析输出 JSON，获取分析结果
+6. 解析输出 JSON，检查 `success` 字段：
+
+> ⚠️ **深度分析失败 = 整个流程失败**
+> - 如果 `success = true`：继续步骤 7（归档）
+> - 如果 `success = false`：**立即终止流程**，向用户汇报失败原因
+> - **严禁**继续执行后续步骤或使用降级内容"假装成功"
 
 ### 步骤 7: 归档
 
@@ -227,7 +242,7 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 | 4 | kb-bilibili-content | `--id "BVxxx" --type subtitle-download` | `{p}_{id}.srt` | 如果没有字幕是正常的 |
 | 4 | kb-bilibili-content | `--id "BVxxx" --type video` | `{p}_{id}.mp4` | 如果需要下载视频 |
 | 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 |
-| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md` | `{p}_{id}.md` | |
+| 6 | kb-deep-analyzer | `--metadata x.meta.json --content x.json --output x.md` | `{p}_{id}.md` | **必须成功，否则整个流程失败** |
 
 ## 条件分支逻辑
 
@@ -244,8 +259,21 @@ python3 kb_workflow.py --archive-file "[分析报告文件路径]"
 └─────────────────────────────────────┘
            ↓
 步骤6: 深度分析
+   ↓
+┌─────────────────────────────────────┐
+│ kb-deep-analyzer 执行结果           │
+├─────────────────────────────────────┤
+│ success = true  → 步骤7（归档）     │
+│ success = false → ❌ 整个流程失败    │
+└─────────────────────────────────────┘
 ```
 
+> ⚠️ **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
+> - 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
+
 > ⚠️ **重要**：没有找到官方字幕是**正常的**！很多视频没有自动生成的字幕。
 > - 如果 `has_subtitle = false`，继续执行 Whisper 步骤
 > - 如果 `has_subtitle = true`，跳过 Whisper 步骤，直接使用官方字幕