OpenClaw Agent
e0a2b323d9
- obsidian-kb: Add OCR processors (easyocr, tesseract) - obsidian-kb: Fix subtitle detection with test files - obsidian-kb: Add cookie verification script - Add find-skills skill for discovering capabilities - Add video processing scripts - Update clawhub lock file
110 lines
3.6 KiB
YAML
110 lines
3.6 KiB
YAML
# Obsidian KB 配置文件
|
|
# 优先级: ./config.yaml > ~/.obsidian-kb/config.yaml > ~/.config/obsidian-kb/config.yaml
|
|
|
|
# AI 配置
|
|
ai:
|
|
provider: openai # AI 提供商
|
|
model: gpt-4 # 模型名称
|
|
api_key: sk-... # API Key (建议使用环境变量: OPENAI_API_KEY)
|
|
|
|
# 存储配置
|
|
storage:
|
|
inbox_dir: inbox # 收件箱目录
|
|
topics_dir: topics # 主题目录
|
|
data_dir: data # 数据目录
|
|
|
|
# 输出配置
|
|
output:
|
|
format: markdown # 输出格式
|
|
encoding: utf-8 # 文件编码
|
|
include_timestamp: true # 包含时间戳
|
|
include_source: true # 包含源链接
|
|
|
|
# Git 同步配置
|
|
git:
|
|
enabled: true # 启用 Git 同步
|
|
vault_path: ~/ObsidianVault # Obsidian 知识库路径
|
|
remote: origin # 远程仓库名
|
|
branch: main # 分支名
|
|
auto_commit: true # 自动提交
|
|
commit_message_template: "Update from obsidian-kb: {count} items"
|
|
|
|
# 分段配置
|
|
chunking:
|
|
enabled: true # 启用长视频分段
|
|
chunk_duration_seconds: 900 # 分段时长 (15分钟)
|
|
max_chunk_duration_seconds: 1800 # 最大分段时长 (30分钟)
|
|
long_video_threshold: 1800 # 长视频阈值 (30分钟)
|
|
|
|
# 数据源配置
|
|
sources:
|
|
bilibili:
|
|
enabled: true
|
|
cookie: '' # Bilibili Cookie (可选，环境变量: BILIBILI_COOKIE)
|
|
youtube:
|
|
enabled: false
|
|
api_key: '' # YouTube API Key
|
|
zhihu:
|
|
enabled: true
|
|
use_drissionpage: true # 使用 DrissionPage 绕过检测（推荐）
|
|
cookie_file: ~/.obsidian-kb/zhihu_cookies.json # Cookie 文件路径
|
|
cookie_str: "" # 可选：直接在配置中填入 Cookie JSON (环境变量: ZHIHU_COOKIE)
|
|
timeout: 30
|
|
headless: true
|
|
|
|
# Bilibili 提取器配置
|
|
bilibili_extraction:
|
|
use_playwright: true # 使用 Playwright 绕过检测
|
|
headless: true # 无头模式
|
|
cookie_file: '' # Cookie 文件路径 (可选)
|
|
enable_subtitle: true # 启用字幕提取
|
|
subtitle_language: zh-CN # 字幕语言
|
|
enable_danmaku: false # 启用弹幕提取
|
|
timeout_seconds: 30 # 超时时间
|
|
max_retries: 3 # 最大重试次数
|
|
|
|
# 硬字幕提取配置 (OCR 方式)
|
|
hard_subtitle:
|
|
# 是否启用硬字幕提取功能
|
|
enabled: true
|
|
|
|
# OCR 引擎选择
|
|
# 可选值: "paddleocr" (推荐), "tesseract"
|
|
engine: "paddleocr"
|
|
|
|
# 字幕区域检测配置
|
|
detection:
|
|
# 默认字幕区域: "bottom" (底部), "full" (全屏), "auto" (自动检测)
|
|
default_region: "bottom"
|
|
# 当默认区域未检测到字幕时，是否自动回退到全屏模式
|
|
fallback_auto: true
|
|
# 是否缓存字幕区域检测结果（提升处理速度）
|
|
cache_region: true
|
|
|
|
# OCR 识别配置
|
|
ocr:
|
|
# 置信度阈值: 低于此值的识别结果将被过滤
|
|
confidence_threshold: 0.7
|
|
# 批处理大小: 每次处理的帧数（影响内存使用和速度）
|
|
batch_size: 32
|
|
# 最大并发工作线程数
|
|
max_workers: 4
|
|
|
|
# 视频帧提取配置
|
|
video:
|
|
# 抽帧间隔 (秒): 每隔多少秒抽取一帧进行识别
|
|
interval_seconds: 5
|
|
# 最大抽取帧数: 防止处理过长视频导致资源耗尽
|
|
max_frames: 500
|
|
# 流式处理模式: 逐步读取视频帧，避免一次性加载整个视频
|
|
stream_mode: true
|
|
|
|
# 后处理配置
|
|
postprocess:
|
|
# 是否启用去重: 去除连续相同的字幕文本
|
|
deduplicate: true
|
|
# 最小文本长度: 少于此长度的识别结果将被视为噪声
|
|
min_length: 2
|
|
# 是否过滤噪声: 使用规则过滤明显错误的识别结果
|
|
filter_noise: true
|