via007/bilibili-rag

解决的问题

它将 Bilibili 视频收藏（如访谈、讲座和课程）转换为可搜索、可对话的个人知识库。这让用户无需重新观看整部视频，即可检索特定信息并针对已保存视频的内容进行提问。

运作方式

该系统遵循一个将视频内容处理为可查询格式的流程：

1. 内容提取：登录 Bilibili 读取用户的收藏并获取视频内容。
2. 转录：使用自动语音识别 (ASR) 将视频音频转换为文本。若无法获取直接音频链接，则使用 ffmpeg 在本地下载音频并上传进行处理。
3. 索引：将转录后的文本转换为向量，并与传统数据库 (SQLite) 一起存储在向量数据库 (ChromaDB) 中。
4. 检索与生成：使用 RAG (Retrieval-Augmented Generation) 架构，系统根据用户的查询检索相关文本片段，并利用 LLM 生成基于事实的回答。

适用对象

• 整理技术视频或公开课程的学生与研究人员。
• 归档播客、访谈或会议录音的专业人士。
• 任何希望总结并回顾 Bilibili 视频收藏知识的人。

特色亮点

• 自动化流程：处理从收藏抓取到 ASR 与向量索引的所有步骤。
• 多集支持：能够依序处理多集 (multi-P) 视频。
• 基于 RAG 的对话：提供具备可追溯来源的对话式回答。
• 导出选项：允许将原始内容或 AI 生成的笔记导出为 Markdown。
• 整合：包含 OpenClaw 的技能，允许外部代理访问知识库。