git:20260827.905d73d to git:20260830.6221562

1 added, 1 removed. Audit B to B.

---

name: video-to-note

description: Generate structured, timestamped Markdown notes from videos (Bilibili, Douyin, YouTube, or local media files) using the local VideoToNo service. Use when the user asks to summarize a video, turn a video/lecture/talk into notes, extract video content or a transcript, or mentions VideoToNo.

---

# VideoToNo · 视频笔记生成

通过本机运行的 VideoToNo 服务，把视频变成带时间轴的 Markdown 笔记：优先读取平台字幕（B 站 AI 字幕深度适配，支持多分 P 合并），没有字幕时用本地 faster-whisper 离线转写，最后由已配置的大模型生成笔记。

## 第 0 步：确认服务在运行

服务监听 `127.0.0.1` 的 8000-8019 中的一个端口。逐个探测健康检查：

```bash

curl -s --max-time 2 http://127.0.0.1:8000/api/health

# 期望返回 {"status":"ok","service":"VideoToNo",...}

```

全部端口不通时：请用户启动 VideoToNo（便携版 exe，或源码目录执行 `python launcher.py`），启动后重试。不要替用户猜端口以外的地址。

## 推荐方式：用附带脚本一条命令完成

```bash

python "<本技能目录>/scripts/video_note.py" "<视频链接或本地文件路径>" --style detailed --wait 1800

```

脚本会自动：探测服务端口 → （本地文件先上传）→ 提交任务 → 轮询进度（实时打印运行日志）→ 输出完整 Markdown。

- `--style`：`detailed`（翔实+点评，默认）/ `faithful`（忠实复原）/ `concise`（精炼）

- `--wait`：最长等待秒数，默认 1800；长视频（>30 分钟）建议加大

- `--out <path.md>`：把笔记写入文件（不加则打印到 stdout）

- 服务未运行、API Key 未配置、任务失败时都会给出明确的中文提示，按提示向用户询问即可

## 需要用户提供的信息

- - **API Key**：生成笔记必须调用大模型。若用户曾通过 MCP 工具 `save_llm_config` 保存过配置，可不传；否则任务会失败并提示"未提供 API Key"，此时向用户询问供应商（deepseek/openai/qwen/glm/moonshot/custom）和 Key，用 `--provider` / `--api-key`（custom 另加 `--base-url` / `--custom-model`）重新提交。

+ - **API Key**：生成笔记必须调用大模型。本机为某个接口地址保存过 Key（网页端「保存到本机」或 MCP 的 `save_llm_config`）时可不传；只存过一个地址时脚本会自动沿用该通道，存了多个则不会猜。任务失败提示"未提供 API Key"时会点名具体接口地址，此时向用户询问供应商（deepseek/openai/qwen/glm/moonshot/custom）和 Key，用 `--provider` / `--api-key`（custom 另加 `--base-url` / `--custom-model`）重新提交。已保存的 Key 只在目标地址一致时复用，不会被发给别的网关。

- 本地文件上传上限 2GB；大视频（默认 ≥300MB）未要求截图时服务端会自动只保留音频。

## 手动走 API（需要自定义流程时）

1. 健康检查：`GET /api/health`

2. 提交任务：

```bash

curl -s -X POST http://127.0.0.1:8000/api/summarize \

-H "Content-Type: application/json" \

-d '{

"video_url": "https://www.bilibili.com/video/BVxxxx",

"summary_style": "detailed",

"llm_config": {"model_type": "deepseek", "api_key": "sk-..."}

# 返回 {"task_id": "..."}；本地文件改为先 POST /api/upload 拿 upload_task_id

```

3. 轮询：`GET /api/task/{task_id}`，直到 `status` 变为 `completed` / `failed` / `cancelled`（`logs` 数组是实时运行日志）

4. 取结果：`result.markdown` 是完整笔记，`result.output_directory` 是产物目录（notes.md、transcript.json 等）

5. 取消运行中的任务：`POST /api/task/{task_id}/cancel`（秒级生效）

## 注意事项

- 服务只监听本机回环地址，外部机器无法访问；这是设计使然（隐私边界）

- 默认同时只处理 1 个任务，不要并行提交多个

- 任务产物保留在 workspace 下，重复提交同一在线链接会自动复用已有转录（更快、更省 token）