Initial commit

2026-02-15 00:36:24 +08:00
commit bce284f7c6
215 changed files with 40763 additions and 0 deletions
@@ -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
@@ -0,0 +1,343 @@
+# obsidian-kb 技能改进待办事项
+
+**创建时间**: 2026-02-06 20:15
+**技能版本**: 1.0.0
+**状态**: 🟡 进行中
+
+---
+
+## 问题记录
+
+### 事件背景
+
+用户通过 WhatsApp 发送 B站视频短链接 `https://b23.tv/oLBZZfK`，期望技能自动处理。实际流程：
+
+1. ❌ 技能未自动触发
+2. ⚠️ 短链接解析失败（B站 412 反爬虫）
+3. 📝 手动提取 BV 号 `BV1jcFqz7EFW` 成功处理
+4. ⚠️ 视频无字幕，生成笔记内容为空
+
+用户反馈的四个问题：
+1. 技能应该立刻触发
+2. 应该有短链接到长链接的解析过程（手机用户无法获取长链）
+3. 为技能增加单个视频链接分析功能
+4. 针对没有字幕的，看看有没有本地生成字幕的方法
+
+---
+
+## 待办任务
+
+### ✅ 任务1：实现自动触发机制
+
+**状态**: 已完成 ✓
+**完成时间**: 2026-02-06
+**优先级**: P0（最高）
+**实际工时**: 2 小时
+
+#### 实施结果
+
+**方案A: SKILL.md 触发规则 + Handler 脚本**
+在 SKILL.md 中添加了 frontmatter 元数据和触发规则说明，创建了 handler.py 脚本处理链接检测和预览。
+
+**完成的修改**:
+- [x] 1.1 研究 OpenClaw 技能触发机制
+- [x] 1.2 在 SKILL.md 中添加触发规则（frontmatter + 文档）
+- [x] 1.3 创建 handler.py 处理链接检测
+- [x] 1.4 测试所有 URL 模式
+- [x] 1.5 优化用户体验（确认提示、短链接友好提示）
+
+**文件变更**:
+- `skills/obsidian-kb/SKILL.md` - 添加 frontmatter 和触发规则章节
+- `skills/obsidian-kb/handler.py` - 新增自动触发处理器
+- `skills/obsidian-kb/AUTO_TRIGGER.md` - 新增实现文档
+
+**支持的模式**:
+- B站视频: `https://www.bilibili.com/video/BV*`, `BV*`, `https://b23.tv/*`
+- YouTube 视频: `https://www.youtube.com/watch?v=*`, `https://youtu.be/*`
+- 知乎文章: `https://zhuanlan.zhihu.com/p/*`
+
+**测试结果**:
+✅ 所有 URL 模式检测正确
+✅ 短链接显示友好提示
+✅ 支持批量检测多个链接
+✅ 智能去重避免重复显示
+
+详细文档: `skills/obsidian-kb/AUTO_TRIGGER.md`
+
+---
+
+### ✅ 任务2：短链接解析功能
+
+**状态**: 已完成 ✓
+**完成时间**: 2026-02-06
+**优先级**: P2（中等）
+**实际工时**: 1.5 小时
+
+#### 实施结果
+
+**方案A: 用户引导（已实现）**
+在检测到短链接时显示友好的用户引导信息，分别针对手机用户和桌面用户提供建议。
+
+**方案B: 浏览器自动化（已实现框架）**
+提供了 PlaywrightResolver 类，支持可选的浏览器自动化解析。
+
+**完成的修改**:
+- [x] 2.1 评估各方案可行性
+- [x] 2.2 实施方案B（用户引导）- 主功能
+- [x] 2.3 研究 Playwright 集成 - 可选功能
+- [x] 2.4 测试各种短链接场景
+
+#### 文件变更
+- `skills/obsidian-kb/shortlink_resolver.py` - 新增短链接解析模块
+- `skills/obsidian-kb/handler.py` - 集成短链接检测
+- `skills/obsidian-kb/add_video.py` - 支持短链接解析和 Playwright
+- `skills/obsidian-kb/SKILL.md` - 更新文档
+- `skills/obsidian-kb/AUTO_TRIGGER.md` - 添加短链接章节
+
+#### 核心功能
+
+1. **ShortLinkResolver 类**
+   - 检测 B站短链接（b23.tv）
+   - 支持其他短链接服务（bit.ly, t.cn, dwz.cn 等）
+   - 格式化友好的帮助信息
+
+2. **PlaywrightResolver 类（可选）**
+   - 浏览器自动化解析短链接
+   - 需要安装：`pip install playwright && playwright install chromium`
+   - 在 `add_video.py` 中使用 `--playwright` 参数启用
+
+3. **集成到现有流程**
+   - `handler.py` 自动触发时检测短链接
+   - `add_video.py` 手动添加时支持短链接
+   - 智能区分短链接和完整 URL
+
+#### 测试结果
+✅ 单个 B站短链接检测
+✅ 多个短链接检测
+✅ 友好的用户引导信息
+✅ 集成到 handler.py
+✅ add_video.py 支持短链接
+✅ 完整 URL 和 BV 号正常工作
+
+#### 验收标准
+- [x] 短链接能够友好处理（显示引导信息）
+- [x] 用户不会感到困惑
+- [x] 支持 b23.tv 和其他短链接服务（检测）
+- [x] 集成到 handler.py
+- [x] 测试各种短链接场景（单个、多个、混合）
+
+详细文档: `skills/obsidian-kb/AUTO_TRIGGER.md`（短链接章节）
+
+---
+
+### 🟡 任务3：单个视频快速添加功能
+
+**优先级**: P1（高）
+**预计工时**: 1 小时
+
+#### 问题描述
+当前技能是批量订阅模式，缺少快速添加单个视频的命令。用户需要手动编写脚本。
+
+#### 技术方案
+
+**新增命令: `/kb-add`**
+```bash
+/kb-add <URL>                 # 添加单个视频
+/kb-add <URL> --process       # 添加并立即处理
+/kb-add <URL> --yes           # 跳过确认
+```
+
+**实现位置**: `src/cli.py`
+
+#### 实施步骤
+- [ ] 3.1 在 cli.py 中添加 `cmd_add()` 函数
+- [ ] 3.2 调用现有的 `BilibiliAdapter.extract_content()`
+- [ ] 3.3 调用现有的 `Storage.save_content()`
+- [ ] 3.4 支持可选的 `--process` 参数
+- [ ] 3.5 更新 SKILL.md 文档
+
+#### 代码示例
+```python
+def cmd_add(args: argparse.Namespace):
+    """添加单个视频到收件箱"""
+    adapter = BilibiliAdapter()
+
+    # 解析 URL
+    url = resolve_url(args.url)  # 可选：短链接解析
+
+    # 提取内容
+    content = adapter.extract_content(url)
+    if not content:
+        print(f"❌ 无法提取视频: {url}")
+        return 1
+
+    # 获取字幕
+    content.transcript = adapter.get_transcript(content)
+
+    # 保存
+    storage = Storage()
+    content.status = ContentStatus.CONFIRMED
+    storage.save_content(content)
+
+    print(f"✅ 已添加: {content.title}")
+    print(f"   ID: {content.id}")
+
+    # 可选：立即处理
+    if args.process:
+        pipeline = ProcessingPipeline()
+        result = pipeline.process_full(content)
+        print(f"📄 笔记: {result.output_path}")
+```
+
+#### 验收标准
+- [ ] `/kb-add <URL>` 命令可用
+- [ ] 支持短链接解析（配合任务2）
+- [ ] 支持立即处理选项
+- [ ] 更新 SKILL.md 文档
+
+---
+
+### 🔵 任务4：本地生成字幕功能
+
+**优先级**: P3（低）
+**预计工时**: 3-5 小时
+
+#### 问题描述
+部分视频没有字幕，导致 AI 分析结果为空。
+
+#### 技术方案
+
+**方案A: OpenAI Whisper（本地）**
+```python
+import whisper
+
+model = whisper.load_model("base")
+result = model.transcribe("audio.mp3")
+print(result["text"])
+```
+
+**方案B: 阿里云语音识别（API）**
+使用 Aliyun TTS/ASR API（如果已配置）
+
+**方案C: 腾讯云语音识别（API）**
+使用腾讯云 ASR API
+
+#### 实施步骤
+- [ ] 4.1 评估各方案：Whisper（本地免费）vs 云API（更准确）
+- [ ] 4.2 下载视频音频（使用 yt-dlp）
+- [ ] 4.3 实现字幕生成
+- [ ] 4.4 支持多语言识别
+- [ ] 4.5 添加缓存机制（避免重复生成）
+
+#### 代码示例
+```python
+def generate_subtitles(content: Content) -> str:
+    """为无字幕视频生成字幕"""
+
+    # 1. 下载音频
+    audio_path = download_audio(content.url)
+
+    # 2. 语音识别
+    model = whisper.load_model("base")
+    result = model.transcribe(
+        audio_path,
+        language="zh",  # 自动检测
+        task="transcribe"
+    )
+
+    # 3. 转换为 SRT 格式
+    srt_text = to_srt(result["segments"])
+
+    # 4. 保存到缓存
+    cache_path = f"cache/subtitles/{content.id}.srt"
+    save_subtitle(cache_path, srt_text)
+
+    return srt_text
+```
+
+#### 验收标准
+- [ ] 无字幕视频能生成字幕
+- [ ] 字幕准确度可接受
+- [ ] 处理时间合理（5分钟视频 < 1分钟）
+- [ ] 支持中文字幕
+
+---
+
+## 技术依赖
+
+### Whisper（本地方案）
+```bash
+pip install openai-whisper
+pip install ffmpeg  # 系统依赖
+```
+
+### Playwright（短链接解析）
+```bash
+pip install playwright
+playwright install chromium
+```
+
+### yt-dlp（音频下载）
+```bash
+pip install yt-dlp
+```
+
+---
+
+## 实施路线图
+
+### Phase 1: 快速修复（1-2天）
+- ✅ 任务3：单个视频添加功能（1h）
+- 🔲 任务1：自动触发机制（1-2h）
+
+### Phase 2: 体验优化（3-5天）
+- 🔲 任务2：短链接解析（2-3h）
+- 🔲 测试与文档更新
+
+### Phase 3: 功能增强（可选）
+- 🔲 任务4：本地生成字幕（3-5h）
+- 🔲 性能优化与错误处理
+
+---
+
+## 测试用例
+
+### 自动触发测试
+- 发送完整 URL → 触发
+- 发送短链接 → 触发或引导
+- 发送 BV 号 → 触发
+- 发送非视频链接 → 不触发
+
+### 单个添加测试
+```bash
+python3 src/cli.py add "https://www.bilibili.com/video/BVxxxxx"
+python3 src/cli.py add "BVxxxxx"
+python3 src/cli.py add "https://b23.tv/xxxxx"
+python3 src/cli.py add "https://www.bilibili.com/video/BVxxxxx" --process
+```
+
+### 字幕生成测试
+- 有字幕视频 → 跳过生成
+- 无字幕视频 → 生成字幕
+- 长视频 → 分段识别
+- 多语言视频 → 正确识别
+
+---
+
+## 备注
+
+### 当前临时方案
+- `skills/obsidian-kb/add_video.py` - 单个视频添加脚本
+- 手动用 curl 解析短链接
+- 跳过无字幕视频
+
+### 相关文件
+- 技能目录: `skills/obsidian-kb/`
+- CLI 入口: `src/cli.py`
+- B站适配器: `src/sources/bilibili.py`
+- 存储管理: `src/storage.py`
+- 处理管道: `src/pipeline.py`
+
+---
+
+*最后更新: 2026-02-06 20:15*
@@ -0,0 +1,762 @@
+# obsidian-kb 本地生成字幕功能 - 详细规划
+
+**创建时间**: 2026-02-07 01:26
+**任务优先级**: 🔵 P3（低，可选增强）
+**预计总工时**: 4-6 小时
+
+---
+
+## 🎯 目标
+
+为无字幕视频自动生成字幕，使 AI 分析功能不受字幕限制，覆盖更多视频内容。
+
+---
+
+## 📋 技术方案对比
+
+### 方案对比表
+
+| 方案 | 准确度 | 速度 | 成本 | 复杂度 | 推荐度 |
+|------|--------|------|------|--------|--------|
+| **Whisper 本地** | ⭐⭐⭐⭐ | ⭐⭐⭐ | 免费 | 低 | ⭐⭐⭐⭐⭐ |
+| **阿里云 ASR** | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 按量付费 | 低 | ⭐⭐⭐⭐ |
+| **腾讯云 ASR** | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | 按量付费 | 低 | ⭐⭐⭐⭐ |
+| **百度云 ASR** | ⭐⭐⭐ | ⭐⭐⭐⭐ | 按量付费 | 低 | ⭐⭐⭐ |
+
+### 推荐：Whisper 本地方案
+
+**理由：**
+- ✅ 完全免费，无 API 费用
+- ✅ 数据本地处理，隐私安全
+- ✅ 准确度足够（中英文识别效果良好）
+- ✅ 可离线使用
+- ✅ 社区活跃，持续更新
+
+**权衡：**
+- ⚠️ 需要下载模型文件（~150MB-3GB）
+- ⚠️ CPU 速度较慢（10分钟视频约需 2-5 分钟）
+- ⚠️ 需要安装 ffmpeg 依赖
+
+**优化方向：**
+- 使用 GPU 加速（如果有 CUDA）
+- 选择合适的模型大小（base vs small vs medium）
+- 添加进度反馈和取消功能
+
+---
+
+## 🏗️ 架构设计
+
+### 核心模块
+
+```
+subtitle_generator.py  ← 新建
+├── AudioDownloader      # 音频下载器
+├── WhisperTranscriber    # Whisper 识别器
+├── SubtitleFormatter    # SRT 格式化器
+├── SubtitleCache        # 缓存管理器
+└── SubtitleGenerator    # 统一接口
+```
+
+### 工作流程
+
+```
+用户请求视频处理
+    ↓
+检查是否有字幕
+    ↓ [有字幕]
+使用现有字幕
+    ↓ [无字幕]
+下载音频 (yt-dlp)
+    ↓
+语音识别 (Whisper)
+    ↓
+转换为 SRT 格式
+    ↓
+保存到缓存
+    ↓
+继续 AI 分析
+```
+
+---
+
+## 📝 详细实施步骤
+
+### Step 1: 环境准备（30分钟）
+
+#### 1.1 安装依赖
+```bash
+# Python 包
+pip install openai-whisper
+pip install yt-dlp
+
+# 系统依赖（检查）
+ffmpeg -v
+```
+
+#### 1.2 验证安装
+```bash
+# 测试 Whisper
+whisper --help
+
+# 测试 yt-dlp
+yt-dlp --version
+```
+
+#### 1.3 创建缓存目录
+```bash
+mkdir -p cache/audio
+mkdir -p cache/subtitles
+```
+
+---
+
+### Step 2: 音频下载模块（1小时）
+
+#### 2.1 创建 `subtitle_generator.py`
+
+```python
+class AudioDownloader:
+    """使用 yt-dlp 下载视频音频"""
+
+    def download_audio(self, url: str, output_path: str) -> str:
+        """
+        下载视频音频
+
+        Args:
+            url: 视频URL
+            output_path: 输出音频路径
+
+        Returns:
+            str: 实际保存的音频文件路径
+        """
+        import yt_dlp
+
+        ydl_opts = {
+            'format': 'bestaudio/best',
+            'outtmpl': output_path,
+            'postprocessors': [{
+                'key': 'FFmpegExtractAudio',
+                'preferredcodec': 'mp3',
+                'preferredquality': '192',
+            }],
+            'quiet': True,
+            'no_warnings': True,
+        }
+
+        with yt_dlp.YoutubeDL(ydl_opts) as ydl:
+            ydl.download([url])
+
+        return output_path.replace('.%(ext)s', '.mp3')
+```
+
+#### 2.2 测试下载功能
+```bash
+python3 -c "
+from subtitle_generator import AudioDownloader
+downloader = AudioDownloader()
+downloader.download_audio('https://www.bilibili.com/video/BVxxxxx', 'test_audio.mp3')
+"
+```
+
+---
+
+### Step 3: Whisper 识别模块（1.5小时）
+
+#### 3.1 实现 WhisperTranscriber
+
+```python
+import whisper
+import time
+
+class WhisperTranscriber:
+    """Whisper 语音识别器"""
+
+    # 模型选择
+    MODELS = {
+        'tiny': 39M,      # 最快，准确度最低
+        'base': 74M,      # 推荐，速度/准确度平衡
+        'small': 244M,    # 准确度更高
+        'medium': 769M,   # 接近专业级
+        'large': 1550M,   # 最高准确度
+    }
+
+    def __init__(self, model_size: str = 'base'):
+        """
+        初始化识别器
+
+        Args:
+            model_size: 模型大小，默认 'base'
+        """
+        self.model_size = model_size
+        self.model = None
+        self.device = None
+
+    def load_model(self):
+        """加载 Whisper 模型"""
+        if self.model is None:
+            print(f"加载 Whisper 模型 ({self.model_size})...")
+            start_time = time.time()
+
+            # 自动检测 GPU
+            import torch
+            self.device = "cuda" if torch.cuda.is_available() else "cpu"
+
+            self.model = whisper.load_model(
+                self.model_size,
+                device=self.device
+            )
+
+            load_time = time.time() - start_time
+            print(f"模型加载完成 ({self.device}) - 耗时: {load_time:.1f}秒")
+
+    def transcribe(
+        self,
+        audio_path: str,
+        language: str = None,
+        progress_callback = None
+    ) -> dict:
+        """
+        语音识别
+
+        Args:
+            audio_path: 音频文件路径
+            language: 语言代码（'zh'、'en'、None=自动检测）
+            progress_callback: 进度回调函数
+
+        Returns:
+            dict: Whisper 识别结果
+        """
+        self.load_model()
+
+        print(f"开始识别: {audio_path}")
+        start_time = time.time()
+
+        result = self.model.transcribe(
+            audio_path,
+            language=language,
+            task='transcribe',
+            verbose=False
+        )
+
+        duration = time.time() - start_time
+        print(f"识别完成 - 耗时: {duration:.1f}秒")
+
+        return result
+
+    def get_segments(self, result: dict) -> list:
+        """获取分段信息"""
+        return result.get('segments', [])
+```
+
+#### 3.2 测试识别功能
+```bash
+python3 -c "
+from subtitle_generator import WhisperTranscriber
+transcriber = WhisperTranscriber('base')
+result = transcriber.transcribe('test_audio.mp3', language='zh')
+print(f'识别文本: {result[\"text\"][:100]}...')
+"
+```
+
+---
+
+### Step 4: SRT 格式化模块（30分钟）
+
+#### 4.1 实现 SubtitleFormatter
+
+```python
+class SubtitleFormatter:
+    """字幕格式化器（SRT 格式）"""
+
+    @staticmethod
+    def to_srt(segments: list) -> str:
+        """
+        将 Whisper segments 转换为 SRT 格式
+
+        Args:
+            segments: Whisper segments 列表
+
+        Returns:
+            str: SRT 格式文本
+        """
+        srt_lines = []
+
+        for i, segment in enumerate(segments, 1):
+            # SRT 格式：
+            # 序号
+            # 开始时间 --> 结束时间
+            # 文本
+            # 空行
+
+            start_time = SubtitleFormatter._seconds_to_srt_time(segment['start'])
+            end_time = SubtitleFormatter._seconds_to_srt_time(segment['end'])
+            text = segment['text'].strip()
+
+            srt_lines.append(str(i))
+            srt_lines.append(f"{start_time} --> {end_time}")
+            srt_lines.append(text)
+            srt_lines.append("")
+
+        return "\n".join(srt_lines)
+
+    @staticmethod
+    def _seconds_to_srt_time(seconds: float) -> str:
+        """
+        将秒数转换为 SRT 时间格式 (HH:MM:SS,mmm)
+
+        Args:
+            seconds: 秒数
+
+        Returns:
+            str: SRT 时间格式
+        """
+        hours = int(seconds // 3600)
+        minutes = int((seconds % 3600) // 60)
+        secs = int(seconds % 60)
+        millis = int((seconds - int(seconds)) * 1000)
+
+        return f"{hours:02d}:{minutes:02d}:{secs:02d},{millis:03d}"
+```
+
+#### 4.2 测试格式化
+```bash
+python3 -c "
+from subtitle_generator import SubtitleFormatter
+segments = [{'start': 0.0, 'end': 2.5, 'text': '测试字幕'}]
+srt = SubtitleFormatter.to_srt(segments)
+print(srt)
+"
+```
+
+---
+
+### Step 5: 缓存管理模块（30分钟）
+
+#### 5.1 实现 SubtitleCache
+
+```python
+import os
+import hashlib
+from pathlib import Path
+
+class SubtitleCache:
+    """字幕缓存管理器"""
+
+    def __init__(self, cache_dir: str = 'cache/subtitles'):
+        """
+        初始化缓存
+
+        Args:
+            cache_dir: 缓存目录
+        """
+        self.cache_dir = Path(cache_dir)
+        self.cache_dir.mkdir(parents=True, exist_ok=True)
+
+    def get_cache_key(self, url: str) -> str:
+        """
+        生成缓存键
+
+        Args:
+            url: 视频URL
+
+        Returns:
+            str: 缓存键（SHA256 哈希的前8位）
+        """
+        return hashlib.sha256(url.encode()).hexdigest()[:8]
+
+    def get_cache_path(self, url: str) -> str:
+        """
+        获取缓存文件路径
+
+        Args:
+            url: 视频URL
+
+        Returns:
+            str: 缓存文件路径
+        """
+        cache_key = self.get_cache_key(url)
+        return str(self.cache_dir / f"{cache_key}.srt")
+
+    def get(self, url: str) -> str:
+        """
+        获取缓存字幕
+
+        Args:
+            url: 视频URL
+
+        Returns:
+            str | None: 缓存的字幕内容，如果不存在返回 None
+        """
+        cache_path = self.get_cache_path(url)
+
+        if os.path.exists(cache_path):
+            with open(cache_path, 'r', encoding='utf-8') as f:
+                return f.read()
+
+        return None
+
+    def set(self, url: str, subtitle: str) -> str:
+        """
+        保存缓存字幕
+
+        Args:
+            url: 视频URL
+            subtitle: 字幕内容
+
+        Returns:
+            str: 缓存文件路径
+        """
+        cache_path = self.get_cache_path(url)
+
+        with open(cache_path, 'w', encoding='utf-8') as f:
+            f.write(subtitle)
+
+        return cache_path
+
+    def exists(self, url: str) -> bool:
+        """检查缓存是否存在"""
+        return os.path.exists(self.get_cache_path(url))
+```
+
+---
+
+### Step 6: 统一接口模块（30分钟）
+
+#### 6.1 实现 SubtitleGenerator
+
+```python
+class SubtitleGenerator:
+    """字幕生成器统一接口"""
+
+    def __init__(self, model_size: str = 'base', cache_dir: str = 'cache/subtitles'):
+        """
+        初始化生成器
+
+        Args:
+            model_size: Whisper 模型大小
+            cache_dir: 缓存目录
+        """
+        self.audio_downloader = AudioDownloader()
+        self.transcriber = WhisperTranscriber(model_size)
+        self.formatter = SubtitleFormatter()
+        self.cache = SubtitleCache(cache_dir)
+
+    def generate(
+        self,
+        url: str,
+        content_id: str,
+        audio_cache_dir: str = 'cache/audio',
+        language: str = None,
+        use_cache: bool = True
+    ) -> str:
+        """
+        生成字幕
+
+        Args:
+            url: 视频URL
+            content_id: 内容ID
+            audio_cache_dir: 音频缓存目录
+            language: 语言代码（None=自动检测）
+            use_cache: 是否使用缓存
+
+        Returns:
+            str: SRT 格式字幕
+        """
+        # 检查缓存
+        if use_cache and self.cache.exists(url):
+            print(f"使用缓存字幕: {url}")
+            return self.cache.get(url)
+
+        print(f"开始生成字幕: {url}")
+
+        # 下载音频
+        import os
+        os.makedirs(audio_cache_dir, exist_ok=True)
+        audio_path = os.path.join(audio_cache_dir, f"{content_id}.mp3")
+
+        print(f"下载音频...")
+        audio_path = self.audio_downloader.download_audio(url, audio_path)
+
+        # 语音识别
+        result = self.transcriber.transcribe(audio_path, language=language)
+        segments = self.transcriber.get_segments(result)
+
+        # 转换为 SRT
+        srt_text = self.formatter.to_srt(segments)
+
+        # 保存缓存
+        cache_path = self.cache.set(url, srt_text)
+        print(f"字幕已缓存: {cache_path}")
+
+        # 清理音频文件（可选）
+        # os.remove(audio_path)
+
+        return srt_text
+```
+
+---
+
+### Step 7: 集成到现有流程（1小时）
+
+#### 7.1 修改 `pipeline.py`
+
+在 `ProcessingPipeline` 中集成字幕生成：
+
+```python
+from subtitle_generator import SubtitleGenerator
+
+class ProcessingPipeline:
+
+    def __init__(self, config: Config = None):
+        self.config = config or get_config()
+        # ... 现有初始化
+
+        # 添加字幕生成器
+        self.subtitle_generator = SubtitleGenerator(
+            model_size=self.config.get('subtitle_model', 'base'),
+            cache_dir=self.config.get('subtitle_cache_dir', 'cache/subtitles')
+        )
+
+    def _ensure_subtitle(self, content: Content) -> str:
+        """
+        确保内容有字幕，如果没有则生成
+
+        Args:
+            content: 内容对象
+
+        Returns:
+            str: 字幕文本
+        """
+        # 1. 检查是否已有字幕
+        if content.transcript and len(content.transcript) > 100:
+            print("使用现有字幕")
+            return content.transcript
+
+        # 2. 检查是否启用自动生成
+        if not self.config.get('auto_generate_subtitles', False):
+            print("自动生成字幕未启用，跳过")
+            return ""
+
+        # 3. 生成字幕
+        try:
+            print(f"开始自动生成字幕...")
+            transcript = self.subtitle_generator.generate(
+                url=content.url,
+                content_id=content.id,
+                language=self.config.get('subtitle_language', None),
+                use_cache=True
+            )
+
+            # 更新内容
+            content.transcript = transcript
+            self.storage.save_content(content)
+
+            return transcript
+
+        except Exception as e:
+            print(f"字幕生成失败: {e}")
+            import traceback
+            traceback.print_exc()
+            return ""
+```
+
+#### 7.2 更新配置文件
+
+在 `config.yaml` 中添加字幕配置：
+
+```yaml
+# 字幕生成配置
+subtitle:
+  enabled: false              # 是否启用自动生成
+  model: base                # Whisper 模型大小: tiny/base/small/medium/large
+  language: null             # 语言: zh/en/null(自动检测)
+  cache_dir: cache/subtitles  # 缓存目录
+  audio_cache_dir: cache/audio  # 音频缓存目录
+```
+
+---
+
+### Step 8: 测试与优化（1小时）
+
+#### 8.1 创建测试脚本
+
+```python
+# test_subtitle_generator.py
+
+def test_full_workflow():
+    """测试完整工作流程"""
+
+    generator = SubtitleGenerator(model_size='base')
+
+    # 测试 URL（10分钟左右的视频）
+    test_url = "https://www.bilibili.com/video/BV1xx411c7mD"
+
+    print("=" * 50)
+    print("测试完整字幕生成流程")
+    print("=" * 50)
+
+    srt_text = generator.generate(
+        url=test_url,
+        content_id='test001',
+        language='zh',
+        use_cache=True
+    )
+
+    print(f"\n生成字幕预览（前500字符）：")
+    print(srt_text[:500])
+
+    print(f"\n总字符数: {len(srt_text)}")
+
+    # 验证缓存
+    print("\n验证缓存...")
+    cached = generator.generate(
+        url=test_url,
+        content_id='test002',
+        use_cache=True
+    )
+    assert cached == srt_text, "缓存验证失败"
+    print("✅ 缓存正常")
+
+    print("\n✅ 测试通过")
+
+if __name__ == '__main__':
+    test_full_workflow()
+```
+
+#### 8.2 性能测试
+
+| 模型 | 10分钟视频时长 | 准确度 | 推荐场景 |
+|------|---------------|--------|----------|
+| tiny | ~30秒 | ⭐⭐ | 快速测试、批量处理 |
+| base | ~2分钟 | ⭐⭐⭐⭐ | 日常使用（推荐）|
+| small | ~5分钟 | ⭐⭐⭐⭐⭐ | 高质量需求 |
+| medium | ~10分钟 | ⭐⭐⭐⭐⭐ | 专业用途 |
+| large | ~15分钟+ | ⭐⭐⭐⭐⭐ | 最高准确度 |
+
+---
+
+## 📦 文件清单
+
+### 新增文件
+```
+skills/obsidian-kb/
+├── subtitle_generator.py       # 核心模块
+├── test_subtitle_generator.py  # 测试脚本
+├── cache/
+│   ├── audio/                 # 音频缓存
+│   └── subtitles/             # 字幕缓存
+```
+
+### 修改文件
+```
+skills/obsidian-kb/
+├── src/pipeline.py           # 集成字幕生成
+├── config.yaml.example        # 添加字幕配置
+├── SKILL.md                 # 更新文档
+├── requirements.txt          # 添加依赖
+```
+
+### 依赖更新
+
+`requirements.txt`:
+```
+openai-whisper>=20230314
+yt-dlp>=2023.1.6
+torch>=2.0.0  # Whisper 依赖
+```
+
+---
+
+## ✅ 验收标准
+
+### 功能验收
+- [ ] 无字幕视频能成功生成字幕
+- [ ] 字幕准确度可接受（测试 5 个视频）
+- [ ] 处理时间合理（10分钟视频 < 5 分钟，使用 base 模型）
+- [ ] 支持中文字幕
+- [ ] 支持英文识别
+- [ ] 缓存机制正常工作（避免重复生成）
+- [ ] 集成到 pipeline，无字幕视频自动生成
+
+### 代码验收
+- [ ] 代码结构清晰，模块化设计
+- [ ] 有完整的错误处理
+- [ ] 有日志输出和进度反馈
+- [ ] 单元测试通过
+- [ ] 集成测试通过
+
+### 文档验收
+- [ ] SKILL.md 更新，说明字幕生成功能
+- [ ] 配置文档说明（config.yaml.example）
+- [ ] 有使用示例和注意事项
+
+---
+
+## ⚠️ 注意事项
+
+### 1. 存储空间
+- Whisper 模型文件：~150MB (tiny) - 3GB (large)
+- 音频缓存：每分钟视频约 1-2MB
+- 字幕缓存：每分钟视频约 1-3KB
+
+**建议：**
+- 定期清理 `cache/audio` 目录
+- 字幕缓存可以长期保留
+- 使用 `base` 模型作为默认
+
+### 2. CPU/GPU
+- **无 GPU**: 使用 base 模型，10分钟视频约 2-5 分钟
+- **有 GPU**: 可使用 medium/large 模型，速度提升 5-10 倍
+
+### 3. 隐私安全
+- Whisper 本地处理，不上传音频
+- 缓存文件在本地，不共享
+
+### 4. 错误处理
+- 下载失败 → 记录错误，继续处理
+- 识别失败 → 记录错误，继续处理
+- 格式化失败 → 使用原始文本
+
+---
+
+## 🎯 预期效果
+
+### 用户体验
+- 无字幕视频也能生成笔记
+- 等待时间可接受（显示进度）
+- 缓存加速重复处理
+
+### 覆盖率提升
+- 当前：只能处理有字幕视频（~60%）
+- 目标：所有视频（~95%，部分音频质量问题除外）
+
+### 成本
+- 软件成本：0 元（开源免费）
+- 硬件成本：0 元（复用现有机器）
+- 网络流量：下载音频（每次约 5-20MB）
+
+---
+
+## 📅 时间线
+
+| 阶段 | 任务 | 预计时间 |
+|------|------|----------|
+| Phase 1 | 环境准备 + 音频下载 | 1.5h |
+| Phase 2 | Whisper 识别 + SRT 格式化 | 2h |
+| Phase 3 | 缓存 + 集成 + 测试 | 1.5h |
+| Phase 4 | 文档 + 优化 | 1h |
+| **总计** | | **4-6h** |
+
+---
+
+## 🚀 后续优化方向
+
+1. **GPU 加速** - 如果有 CUDA，可大幅提升速度
+2. **多语言支持** - 支持更多语言识别
+3. **批量处理** - 一次生成多个视频的字幕
+4. **字幕编辑** - 提供 Web 界面编辑生成的字幕
+5. **云端集成** - 可选切换到云 API（阿里云/腾讯云）
+
+---
+
+**规划完成！是否开始实施？**
@@ -0,0 +1,35 @@
+# 进行中任务列表
+
+## 活跃任务
+
+### obsidian-kb 技能改进
+- **状态**: 🟡 进行中
+- **开始时间**: 2026-02-06
+- **预计完成**: 待定
+- **计划文件**: [memory/tasks/obsidian-kb-improvements.md](./obsidian-kb-improvements.md)
+- **当前阶段**: 需求记录与方案设计
+- **待办任务**:
+  - 🔴 P0: 实现自动触发机制
+  - 🟡 P1: 单个视频快速添加功能
+  - 🟠 P2: 短链接解析功能
+  - 🔵 P3: 本地生成字幕功能
+- **下一步**: 优先实现 P1（单个视频添加），1小时预计完成
+
+### 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
+
+### 长视频分段分析功能
+- **状态**: 🟢 已完成
+- **完成时间**: 2026-02-06
+- **详情**: [memory/2026-02-06.md](../2026-02-06.md)
+
+---
+
+*此文件由 heartbeat 定期检查更新*