# 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？**