openclaw-skills/skills/bilibili-analyzer/SKILL.md

---
name: bilibili-analyzer
description: 自动分析B站视频内容，下载视频并拆解成帧图片，使用OCR识别文字并生成详细的专题文档或实操教程。
metadata:
  short-description: B站视频分析工具（使用RapidOCR）
source:
  - name: FFmpeg
    repository: https://github.com/FFmpeg/FFmpeg
    documentation: https://ffmpeg.org/documentation.html
    license: LGPL/GPL
  - name: Bilibili API
    documentation: https://github.com/SocialSisterYi/bilibili-API-collect
  - name: RapidOCR
    repository: https://github.com/RapidAI/RapidOCR
    documentation: https://rapidai.github.io/RapidOCRDocs/
    license: Apache-2.0
---

# Bilibili Video Analyzer

## Description

B站视频内容分析工具。提供视频URL后，自动下载视频、拆解成帧图片，然后使用AI分析内容，最终生成**高质量的专题文档或实操教程**。

**核心特点**:
- 不是简单的时间线记录，而是**重新组织整理**成一篇完整的文档
- 实操类视频 → 生成**可直接使用的操作教程**
- 知识类视频 → 生成**结构化的专题文档**
- 报告中插入关键截图，使用 `![描述](./images/frame_xxxx.jpg)` 格式

## Source & Documentation

| 工具 | 用途 | 文档 |
|------|------|------|
| **FFmpeg** | 视频拆帧 | [官网](https://ffmpeg.org/) / [文档](https://ffmpeg.org/ffmpeg.html) |
| **Bilibili API** | 视频下载 | [API文档](https://github.com/SocialSisterYi/bilibili-API-collect) |
| **RapidOCR** | 中文文字识别 | [GitHub](https://github.com/RapidAI/RapidOCR) |

## Installation

### 1. 安装 .NET 10 SDK

脚本使用 .NET 10 单文件执行功能，需要安装 .NET 10 SDK。

下载地址: https://dotnet.microsoft.com/download/dotnet/10.0

验证安装:
```bash
dotnet --version
```

### 2. 安装 FFmpeg

**Windows:**
```powershell
# Chocolatey
choco install ffmpeg

# 或 Scoop
scoop install ffmpeg

# 或手动下载: https://ffmpeg.org/download.html
```

**macOS:**
```bash
brew install ffmpeg
```

**Linux:**
```bash
# Ubuntu/Debian
sudo apt install ffmpeg

# CentOS/RHEL
sudo yum install ffmpeg
```

验证安装:
```bash
ffmpeg -version
```

### 3. 安装 RapidOCR（用于文字识别）

**使用 Python 虚拟环境安装：**

```bash
# 创建虚拟环境
python3 -m venv .venv

# 安装 RapidOCR
.venv/bin/pip install rapidocr_onnxruntime

# 验证安装
.venv/bin/python -c "from rapidocr_onnxruntime import RapidOCR; print('RapidOCR installed successfully')"
```

**RapidOCR 说明：**
- 专门针对中文优化，识别率高
- 轻量级，支持 CPU/GPU 推理
- 开源免费，无需 API 密钥

## Trigger

- `/bilibili-analyzer` 命令
- 用户请求分析B站视频
- 用户提供B站视频链接并要求分析

## Provided Script

本 skill 提供了 `scripts/prepare.cs` 脚本用于下载视频和提取帧图片。

**脚本位置**: `skills/tools/bilibili-analyzer/scripts/prepare.cs`

**运行方式**: 使用 .NET 10 单文件执行功能

### 使用方法

```bash
# 基本用法（默认裁剪底部1/4，用于提取字幕）
dotnet run scripts/prepare.cs "<视频URL>" -o <输出目录>

# 示例
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output

# 长视频（降低帧率）
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --fps 0.5

# 提取全帧（不裁剪）
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --no-crop

# 调整裁剪比例（底部1/2）
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --crop-ratio 2
```

### 参数说明

| 参数 | 说明 | 默认值 |
|------|------|--------|
| `url` | B站视频URL（必需） | - |
| `-o, --output` | 输出目录 | 当前目录 |
| `--fps` | 每秒提取帧数 | 1.0 |
| `--similarity` | 相似度阈值（0-1），超过此值的相邻帧会被去重 | 0.80 |
| `--no-dedup` | 禁用相似帧去重 | false |
| `--crop-ratio` | 裁剪比例（提取底部1/N） | 4（底部1/4） |
| `--no-crop` | 禁用裁剪，提取完整帧 | false |
| `--video-only` | 只下载视频，不提取帧 | false |
| `--frames-only` | 只提取帧（需已有video.mp4） | false |

### 相似帧去重

脚本会自动对**相邻帧**进行相似度检测，去除相似度超过阈值（默认80%）的重复帧：

- 使用 ffmpeg 的 SSIM/PSNR 算法计算相似度
- **只比较相邻帧**，不会跨帧比较
- 去重后自动重新编号（frame_0001.jpg, frame_0002.jpg, ...）
- 可通过 `--similarity 0.85` 调整阈值
- 可通过 `--no-dedup` 禁用去重

### 输出结构

```
<输出目录>/
├── video.mp4           # 下载的视频文件
└── images/             # 帧图片目录
    ├── frame_0001.jpg
    ├── frame_0002.jpg
    ├── frame_0003.jpg
    └── ...
```

## Workflow (Prompt)

你是一个视频内容分析助手。当用户提供B站视频链接时，按以下步骤执行：

### Step 1: 下载视频并拆帧

使用提供的脚本下载视频并拆解成帧图片：

```bash
dotnet run skills/tools/bilibili-analyzer/scripts/prepare.cs "<视频URL>" -o <输出目录>
```

**注意事项**:
- 短视频（<10分钟）: 使用默认 `--fps 1`
- 中等视频（10-30分钟）: 使用 `--fps 0.5`
- 长视频（>30分钟）: 使用 `--fps 0.2`

### Step 2: 分析帧图片

使用 **RapidOCR** 工具批量识别 `images/` 目录中的图片中的文字内容。

#### 2.1 创建 OCR 分析脚本

在输出目录创建 `analyze_frames.py` 脚本：

```python
#!/usr/bin/env python3
"""批量使用 RapidOCR 分析帧图片"""

from rapidocr_onnxruntime import RapidOCR
import os
import json
from pathlib import Path

# 初始化 OCR
print("🔧 初始化 RapidOCR...")
ocr = RapidOCR()

# 图片目录
images_dir = "images"

# 收集所有图片文件
image_files = sorted(Path(images_dir).glob("*.jpg"))

print(f"\n📸 找到 {len(image_files)} 张图片\n")

# 分析结果
analysis_results = {}

for idx, img_path in enumerate(image_files, 1):
    frame_name = img_path.name
    print(f"[{idx}/{len(image_files)}] 分析 {frame_name}...")

    # 执行 OCR
    result, _ = ocr(str(img_path))

    # 提取文字
    if result:
        texts = [text for _, text, _ in result]
        analysis_results[frame_name] = {
            "text_count": len(texts),
            "texts": texts
        }
    else:
        analysis_results[frame_name] = {
            "text_count": 0,
            "texts": []
        }

# 保存结果
output_file = "ocr_results.json"
with open(output_file, 'w', encoding='utf-8') as f:
    json.dump(analysis_results, f, ensure_ascii=False, indent=2)

print(f"\n✅ 分析完成！结果已保存到 {output_file}")
print(f"📊 总计识别了 {sum(r['text_count'] for r in analysis_results.values())} 处文字\n")
```

#### 2.2 执行 OCR 分析

```bash
cd <输出目录>
.venv/bin/python analyze_frames.py
```

#### 2.3 分析策略

**根据图片数量调整：**

| 总图片数 | 建议处理方式 |
|---------|-------------|
| < 100 | 直接处理全部图片 |
| 100-300 | 正常处理（5-10分钟） |
| 300-500 | 处理时间较长（10-20分钟） |
| > 500 | 考虑降低 fps 重新拆帧 |

**输出说明：**

生成 `ocr_results.json` 文件，格式如下：

```json
{
  "frame_0001.jpg": {
    "text_count": 4,
    "texts": [
      "bilibili",
      "IT咖啡馆",
      "GitHub",
      "GitHub一周热点汇总第102期"
    ]
  },
  "frame_0002.jpg": {
    "text_count": 27,
    "texts": [...]
  }
}
```

#### 2.4 人工审核与补充

**OCR 识别后的人工分析步骤：**

1. **读取 OCR 结果**
   ```bash
   cat ocr_results.json | less
   ```

2. **筛选关键帧**
   - 选择文字识别较多的帧（通常有重要内容）
   - 选择包含代码、配置、界面的帧
   - 选择有独特内容的帧（标题、总结等）

3. **人工查看关键帧**
   ```bash
   # 使用图片查看器浏览
   eog images/frame_0101.jpg  # Linux
   open images/frame_0101.jpg  # macOS
   ```

4. **补充视觉信息**（OCR 无法提供）
   - 界面布局和结构
   - 图标、按钮、菜单位置
   - 操作步骤的视觉展示
   - 代码高亮和格式
   - 截图的截图（嵌套界面）

**分析要点:**
1. 完整转录所有文字和代码内容
2. 详细描述界面元素和操作步骤
3. 记录每张图片的关键信息
4. 标注重要的截图帧号（如 frame_0042.jpg）
5. 区分字幕内容（B站弹幕、字幕）和界面文字

### Step 3: 生成文档

根据视频类型，将分析结果**重新组织整理**成 `视频分析.md`：

**判断视频类型**:
- 实操类: 编程教程、软件操作、配置演示等
- 知识类: 概念讲解、原理分析、经验分享等

**【关键】图片与内容必须严格对应**:

```
错误示例 ❌:
### 安装 Node.js
首先下载 Node.js...
![截图](./images/frame_0001.jpg)  ← 图片可能是其他内容

正确示例 ✅:
### 安装 Node.js
首先下载 Node.js...
![frame_0015: Node.js官网下载页面](./images/frame_0015.jpg)  ← 图片确实是下载页面
```

**生成文档的正确流程**:

1. **先整理 OCR 识别结果**
   - 读取 `ocr_results.json` 文件
   - 汇总所有帧的文字内容
   - 建立「帧号 → 文字内容」的对应关系

2. **按主题重新组织内容**（不是按时间顺序）
   - 将相关内容归类到同一章节
   - 确定每个章节需要哪些帧的信息
   - 按逻辑顺序组织，而不是按视频时间线

3. **插入图片时必须核对**
   - 只插入与当前内容**直接相关**的图片
   - 图片描述要准确反映图片实际内容
   - 使用格式: `![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)`

4. **代码必须来自图片中的实际代码**
   - 不要自己编造代码
   - 代码块标注来源: `<!-- 来自 frame_0025 -->`

**重要原则**:
1. **图文对应** - 每张图片必须与其上下文内容匹配
2. **不要时间线流水账** - 重新组织内容，像写文章一样
3. **结构清晰** - 有章节划分和逻辑顺序
4. **代码真实** - 只使用图片中出现的代码，不要编造
5. **独立可读** - 不看视频也能完全理解

## Output Format

### 实操教程类

```markdown
# {教程主题}

## 简介

{教程目标}
{前置条件和要求}

## 环境准备

{需要安装的软件}
{配置要求}

## 操作步骤

### 1. {步骤标题}

{详细说明，内容必须与下方图片对应}

![frame_xxxx: 图片实际内容的准确描述](./images/frame_xxxx.jpg)

<!-- 代码来自 frame_xxxx -->
```代码块```

### 2. {步骤标题}

{详细说明}

![frame_xxxx: 准确描述](./images/frame_xxxx.jpg)

...

## 完整代码

<!-- 汇总自 frame_xxxx, frame_xxxx, frame_xxxx -->
{汇总所有代码片段，标注来源帧号}

## 常见问题

{可能遇到的问题和解决方案}

## 总结

{核心要点回顾}
{延伸学习建议}
```

### 知识文档类

```markdown
# {主题}

## 概述

{主题背景介绍}
{为什么重要}

## {章节1标题}

{内容，必须与配图对应}

![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

## {章节2标题}

{内容}

![frame_xxxx: 图片实际内容描述](./images/frame_xxxx.jpg)

## 核心要点

- 要点1
- 要点2
- 要点3

## 延伸阅读

{相关资源和建议}
```

### 图片插入规范

| 规则 | 说明 |
|------|------|
| **帧号必须标注** | `![frame_0015: 描述](./images/frame_0015.jpg)` |
| **描述必须准确** | 描述图片的实际内容，不是期望内容 |
| **内容必须匹配** | 图片上方/下方的文字必须与图片内容相关 |
| **代码标注来源** | `<!-- 代码来自 frame_0025 -->` |
| **不要乱插图** | 没有合适的图就不插，不要强行配图 |

## API Reference

### Bilibili API

脚本使用 Bilibili 官方 API 下载视频：

```
# 获取视频信息
GET https://api.bilibili.com/x/web-interface/view?bvid=BV1xx411c7mD

# 获取播放地址
GET https://api.bilibili.com/x/player/playurl?bvid=BV1xx411c7mD&cid={cid}&qn=80&fnval=1
```

API 文档: https://github.com/SocialSisterYi/bilibili-API-collect

### FFmpeg 拆帧命令

```bash
# 每秒1帧
ffmpeg -i video.mp4 -vf "fps=1" -q:v 2 images/frame_%04d.jpg

# 每秒0.5帧（每2秒1帧）
ffmpeg -i video.mp4 -vf "fps=0.5" -q:v 2 images/frame_%04d.jpg

# 指定时间范围
ffmpeg -i video.mp4 -ss 00:01:00 -to 00:05:00 -vf "fps=1" -q:v 2 images/frame_%04d.jpg

# 提取关键帧（场景变化）
ffmpeg -i video.mp4 -vf "select='gt(scene,0.3)'" -vsync vfr -q:v 2 images/frame_%04d.jpg
```

更多选项: https://ffmpeg.org/ffmpeg.html

## Examples

### 示例1: 分析编程教程

```bash
# 1. 下载并拆帧
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./react-tutorial

# 2. 使用 RapidOCR 分析图片
cd ./react-tutorial
.venv/bin/python analyze_frames.py

# 3. 根据 ocr_results.json 生成视频分析.md
```

### 示例2: 分析长视频

```bash
# 降低帧率，减少图片数量
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./long-video --fps 0.2
```

### 示例3: 只下载视频

```bash
dotnet run scripts/prepare.cs "https://www.bilibili.com/video/BV1xx411c7mD" -o ./output --video-only
```

## Quality Checklist

生成文档前，**逐项检查**以下要求：

### 内容质量
- [ ] 内容重新组织，不是时间线流水账
- [ ] 章节结构清晰，有逻辑顺序
- [ ] 不看视频也能理解全部内容
- [ ] 包含环境准备/前置条件说明
- [ ] 包含总结和核心要点

### 图文对应（重要！）
- [ ] 每张图片都标注了帧号: `![frame_xxxx: 描述](...)`
- [ ] 图片描述准确反映图片**实际内容**
- [ ] 图片上下文的文字与图片内容**直接相关**
- [ ] 没有随意插入不相关的图片
- [ ] 代码块标注了来源帧号: `<!-- 来自 frame_xxxx -->`

### 代码质量
- [ ] 代码来自图片中的实际代码，不是编造的
- [ ] 代码片段完整，可直接复制使用
- [ ] 完整代码章节汇总了所有代码并标注来源

## Tags

`bilibili`, `video-analysis`, `ai`, `frame-extraction`, `markdown`, `tutorial`, `ffmpeg`, `dotnet`

## Compatibility

- Codex: Yes
- Claude Code: Yes