视频链接 → 多格式笔记
一条链接 → 一篇笔记 · 端到端或解耦，任意组合
中文 | English
快速开始 • 文档 • 真实案例 • 流水线地图 • 任务管理 • 最佳实践 • 如何贡献
VideoNote-Mcp 把「视频链接 → 多格式笔记」整条流水线打包成 MCP Server + Claude Code Skill：给 agent 一个链接，自动完成 下载 → 语音转写 → 画面理解 → 弹幕/评论，默认由当前对话里的 Agent 写笔记（配置 LLM 仅当 Agent 无法看图时作为后备）。
既可端到端使用（一条链接 → 一篇笔记），也可解耦：生成、素材、任务、媒体处理等工具按需取用。无需启动任何后端服务。
# 1) 一条命令装好 Skill + MCP（插件 marketplace；MCP 启动命令 uvx videonote@latest 自动取 PyPI 最新版）
claude plugin marketplace add HuangYincan/VideoNote-MCP
claude plugin install videonote@videonote
# 2) 安装时 Claude Code 会逐项提示默认值（风格/转写引擎/视频理解/评论等）；
# 装完在会话里跑配置向导收尾：
/videonote-setup
# 3) （可选）后备 LLM 的 Key / B 站扫码 / CLI 向导——默认路径不需要配置 LLM
# ! videonote setup
# 4) 重启会话，对 agent 说「帮我给这个视频做笔记」+ 链接Tip
四种安装方式、配置细节、更新与安全见 docs/04-使用手册.md。
安装 / 配置 / 使用 / 环境变量 / 更新 / 安全等完整说明已归档到 docs/（README 只保留概览）：
两个端到端真实案例：一个走 AGENT 直接生成并输出 LaTeX mathnote PDF，一个走 全自动 LLM 生成产出便携 Markdown。
一条视频 + 四类外部资料（论文 / 技术报告 / 公众号官宣 / 开源集合）→ AGENT 直接生成精修笔记，并输出 LaTeX mathnote PDF（中文楷体模板）：
| Page1 | Page2 | Page3 |
|---|---|---|
 |
 |
 |
- 无 LLM key：Agent 读转写 + 帧图 + 评论自写笔记
- 多源交叉整合：视频 × 论文 × 技术报告 × 开源清单
- 精修保留原稿：
note.md/note_original.md双份 - LaTeX mathnote PDF：自适应修复字体缺失 / 断行溢出 / 引用去重
完整过程记录见 examples/agent-direct-deepseek-v4-mathnote/README.md。
极简 Prompt（3 个 B 站链接 + 输出目录，一个参数都没说明）→ 全自动跑完 环境检查 → 链接识别 → 供应商/模型发现 → 参数确认 → 多视频并行 → 生成后基于字幕精修，产出 3 份精修便携笔记（note.md + Assets/ 截图 + 「观众观点」章节，并保留 note_original.md 供对比）。
- 雅思：破误区 + 听/读/写/口语四科拆解 + 179 高频考点词 + 15 句逻辑框架
- 法医：从业 43 年法医「拉片」对比影视与现实，精修扩为 12 节
- Transformer：自注意力机制详解，18 张截图按讲课时间线分布
完整过程记录见 examples/note-generation-example/README.md。
实线为主流程：一条 prepare_note_material 出素材，由当前对话 Agent 写笔记；generate_note 是后备（Agent 无法看图时走配置 LLM）。虚线为可选能力（视频理解 / 弹幕评论）。各阶段细节见 docs/02-架构设计.md。
每任务一个文件夹 note_results/{task_id}/：raw/（下载媒体）+ gen/（转写/笔记/帧/导出）+ 控制文件；全局任务索引在 SQLite video_tasks 表（含语义标题）。list_tasks 枚举全部任务（按语义标题识别）、cleanup(task_id, dry_run=True) 先查后清、cleanup 按任务 / 全局清理（默认保留配置与模型）、health_check 检查 FFmpeg / 数据库 / whisper 就绪。
flowchart TB
DATA["data/ 数据根"] --> R["note_results/ 任务目录"]
DATA --> DB[("video_note.db<br/>SQLite 全局任务索引")]
R --> T1["任务 A<br/>note_results/{task_id}/"]
R --> T2["任务 B<br/>…"]
R --> T3["任务 C<br/>…"]
T1 --> RAW["raw/ 原始材料<br/>音视频 · 封面"]
T1 --> GEN["gen/ 生成材料"]
T1 --> CTRL["status.json · result.json · manifest.json"]
GEN --> T1A["transcript.json 转写全文"]
GEN --> T1B["note.md 成稿笔记"]
GEN --> T1C["Assets/ 笔记内截图"]
GEN --> T1D["frames/ 关键帧原图"]
GEN --> T1E["srt / vtt / json 字幕导出"]
DB -. 索引 .-> T1
| 工具 | 说明 | 类型 |
|---|---|---|
list_tasks |
列出全部任务（全局索引，带语义标题） | MCP 工具 |
cleanup |
按任务清理（传 task_id）/ 全局清理（恢复出厂，不传） |
MCP 工具 |
health_check |
FFmpeg / 数据库 / whisper 就绪状态 | MCP 工具 |
- 学习备考：端到端 + 视频理解 + 基于字幕的后续优化，把课程讲透。
- 会议纪要：
process_media(action="merge")合并分段录音 →process_media(action="diarize")说话人分离 →meeting_minutes风格。 - 讲座精读：端到端生成后，agent 基于完整字幕精修、按章节补齐细节。
- 视频赏析：开启弹幕 + 评论整合，笔记含「观众观点」章节。
- 默认路径：一条链接用
prepare_note_material，由当前对话 Agent 写笔记；Agent 无法看图或用户要求配置 LLM 时才用generate_note。只做媒体加工用process_media。 - 真实案例：完整案例过程记录见
examples。
- 功能分支 → PR →
dev（CI 冒烟必须绿）；dev稳定后 PR →main（保护分支，需 review）。 - 流程、分支命名与提交前自查见 CONTRIBUTING.md。
感谢社区与所有贡献者，感谢 Glama 对 MCP server 的收录，以及所有开源依赖与上游流水线项目的启发。