面向“学科培训”的本地课程生产工具。它把视频资源处理、AI 内容生成、课程结构编写和线上课程库管理串成一条完整流程：从 Bilibili 视频开始，生成字幕、知识要点、正文和题目，整理为标准 course.json，再上传到学科培训后端进行测试和管理。
默认 Web 地址：
http://127.0.0.1:7200
这个工具目前支持四类核心工作。
- 支持单个 Bilibili 视频、分 P 视频、收藏夹批量处理。
- 自动下载视频封面、视频信息和字幕。
- 优先读取在线字幕；没有在线字幕时，可继续使用本地 ASR 转录。
- 支持配置 SESSDATA，用于读取需要登录状态的视频字幕。
- 音频下载具备兜底路径，可提升部分视频的转录成功率。
- 调用已配置的大模型生成课程生产素材。
- 可生成知识要点
summary.json。 - 可生成知识正文
.md。 - 可生成练习题
exercises.json。 - 可生成引导问题
questions.json。 - 支持任务列表查看进度、状态和生成文件。
- 以工作区管理课程素材，一门课程对应一个本地工作区。
- 支持从工作区加载课程，或打开本地课程 JSON。
- 支持编辑课程基础信息、章、小节、AI 人设、分类和图标。
- 支持编辑小节知识正文、知识要点、视频字幕、引导问题和练习题。
- 支持导入 SRT 到小节字幕，并将
knowledge_points与video_subtitles一并保存到单个course.json。 - 一键智能补全：支持在编辑器内自动检测全课程或单节内缺失的知识要点、正文、练习题和引导问题，并可一键发起后台 AI 生成任务，完成后自动回写并持久化到工作区
course.json中。 - 自动规范化课程 JSON，兼容旧格式并补齐必要主键。
- 可在课程编辑器内直接连接学科培训后端，默认地址为
http://127.0.0.1:7100。 - 支持上传当前课程到课程库。
- 支持测试读取当前课程或线上课程。
- 支持从学科培训后端导出指定课程 JSON。
- 支持删除线上课程。
- 上传前会检查课程标题、章/小节结构、主键和扩展字段，降低错误课程进入线上库的概率。
启动器一次性动态构建方案见 doc/launcher-dynamic-build.md。
启动后打开：
http://127.0.0.1:7200
顶部包含两个主要页面：
视频下载：配置模型、工作区、SESSDATA，创建视频处理任务。课程编辑：编辑课程结构和课程内容，并打开课程库管理面板。
- 在“模型配置”中添加可用大模型。
- 在“工作区配置”中为当前课程创建工作区。
- 在“Cookie 配置”中填写并测试 SESSDATA。
- 在“创建下载任务”中粘贴视频 URL 或收藏夹 URL。
- 等待任务生成字幕、封面、知识要点、正文、题目和引导问题。
- 进入“课程编辑”，选择工作区并加载课程。
- 整理课程标题、描述、章节、小节、知识正文、知识点、字幕和题目。
- 点击“保存”写回工作区，或点击“另存为”导出课程 JSON。
- 打开“课程库管理”，连接学科培训后端。
- 上传当前课程，刷新线上课程库并测试读取。
项目当前推荐使用 uv 管理 Python 环境，使用 bun 构建前端。
基础依赖：
uv sync包含本地 ASR / GPU 相关依赖：
uv sync --extra gpu如果是全新环境，可先安装 Python 3.12：
uv python install 3.12
uv sync --python 3.12 --extra gpucd frontend
bun install
bun run build
cd ..前端构建产物会写入根目录 templates/，由 Flask 服务直接托管。
uv run python start_web.py浏览器打开：
http://127.0.0.1:7200
普通用户通过启动器使用时通常无需手动设置。维护或开发环境可参考：
$env:UV_CACHE_DIR = "$PWD\.uv-cache"
$env:UV_PYTHON_INSTALL_DIR = "<launcher>\external-resources\native-runtime\python"
$env:BUN_INSTALL_CACHE_DIR = "$PWD\frontend\.bun\install\cache"本地 ASR 进程会在代码中自动设置必要运行参数，避免部分 Windows 环境中数值计算运行库重复初始化导致转录失败。
config/app_config.json
关键字段：
{
"output_directory": "subtitles",
"web_port": 7200,
"download_all_parts": false,
"max_concurrent_tasks": 2,
"ffmpeg_path": "ffmpeg",
"courses_api_base": "http://127.0.0.1:7100"
}说明：
output_directory：默认输出目录。web_port：Web 服务端口，当前默认7200。download_all_parts：是否默认下载所有分 P。max_concurrent_tasks：最大并发任务数。ffmpeg_path：FFmpeg 路径。courses_api_base：学科培训后端地址。
config/llm_models.json
也可以在 Web 界面“模型配置”中新增或编辑。
{
"models": [
{
"id": "1",
"name": "模型显示名称",
"model_name": "模型标识",
"api_base": "https://your-api-base/v1",
"api_key": "your-api-key"
}
]
}可在 Web 界面的“Cookie 配置”中填写 SESSDATA，也可维护 cookies.txt。
格式示例：
SESSDATA=你的SESSDATA值
SESSDATA 有有效期。如果视频字幕读取异常，可重新获取并更新。
默认输出根目录为 subtitles/。每个工作区建议对应一门课程。
示例：
subtitles/
└── 英语基础语法/
├── course.json
├── There_be句型的本质/
│ └── section.json
├── 视频标题.srt
├── 视频标题_cover.jpg
├── 视频标题_summary.json
├── 视频标题_exercises.json
└── 视频标题_questions.json
具体文件会根据视频标题、分 P 标题和任务选项生成。
课程编辑器以单个 course.json 作为课程生产与上传的核心文件。
重要结构：
{
"course_id": "uuid",
"title": "课程标题",
"description": "课程描述",
"category": "职业技能",
"ai_persona": {
"persona_id": "uuid",
"name": "课程助手名称",
"prompt": "课程助手提示词",
"is_default_template": true
},
"chapters": [
{
"chapter_id": "uuid",
"title": "第1章",
"order": 0,
"sections": [
{
"section_id": "uuid",
"title": "小节标题",
"order": 0,
"estimated_time": 5,
"video_url": "https://...",
"knowledge_content": "Markdown 正文",
"knowledge_points": {
"key_points": []
},
"video_subtitles": [],
"leading_questions": [],
"exercises": []
}
]
}
]
}说明：
course_id、chapter_id、section_id是后端建立课程关联关系的关键字段。knowledge_points.key_points用于保存知识要点。video_subtitles用于保存视频字幕记录。- 当前课程库上传逻辑会直接携带这些扩展字段，便于学科培训后端保存和后续读取。
- 单个 Bilibili 视频 URL
- 多个视频 URL，每行一个
- 分 P 视频 URL，例如带
?p=2 - 收藏夹 URL
- 视频 URL 和收藏夹 URL 混合输入
处理顺序：
- 优先读取在线视频字幕。
- 如果没有在线字幕，尝试使用本地同名 SRT。
- 如果仍不可用，自动进行本地 ASR 转录。
音频下载优先使用 yt-dlp。当页面入口返回 412 或入口不稳定时，会自动使用 B 站播放地址接口作为兜底路径下载音频，再交给本地 ASR 转录。
本地 ASR 使用 faster-whisper。首次使用模型时会自动准备模型文件，默认保存在 models/。
如果没有检测到 CUDA 设备，会自动使用 CPU 模式，并将计算类型调整为 CPU 可用模式。
课程编辑器支持两种打开方式：
工作区模式：从工作区加载课程，可保存回服务器。文件模式：通过“选中 JSON”打开本地文件，只能另存为导出。
主要编辑项：
- 课程信息：标题、描述、AI 人设、分类、图标、贡献者。
- 章：标题和排序。
- 小节：
- 基础信息
- 知识正文
- 知识要点
- 视频字幕
- 引导问题
- 练习题
右侧“可用节”面板可从当前工作区生成的小节素材中插入内容。
在课程编辑器顶部点击“课程库管理”。
功能：
- 配置和测试学科培训后端地址
- 刷新线上课程列表
- 校验当前课程是否可上传
- 上传当前课程
- 测试读取课程
- 导出线上课程 JSON
- 删除线上课程
默认后端地址：
http://127.0.0.1:7100
上传前会检查：
- 是否有课程标题
- 是否至少包含 1 个章和 1 个小节
- 章和小节是否存在主键
- 内容统计是否正常
- 知识点和字幕字段是否正常
如果检查项出现红色错误，需要先回到课程编辑器修复。
Web 界面是当前推荐入口。命令行工具仍可用于自动化或批处理。
# 一键下载并总结
uv run python download_and_summarize.py "视频URL" -n "模型名称"
# 处理收藏夹
uv run python download_and_summarize.py "收藏夹URL" -n "模型名称"
# 指定输出文件夹
uv run python download_and_summarize.py "视频URL" -f "课程名称" -n "模型名称"
# 下载所有分 P
uv run python download_and_summarize.py "视频URL" -n "模型名称" --download-all-parts
# 查看可用模型
uv run python download_and_summarize.py --list-models
# 只下载字幕
uv run python bilibili_subtitle_downloader.py "视频URL"
# 合并 Excel
uv run python merge_excel_files.py "人工Excel.xlsx" "程序Excel.xlsx" -o "合并后.xlsx"当前项目已按启动器本地动态构建方向适配：
- 默认端口：
7200 - 健康检查：
GET http://127.0.0.1:7200/api/config - Python：建议使用启动器内置
uv - 前端：建议使用启动器内置
bun - 用户数据建议保留：
config/subtitles/cookies.txtmodels/
- 可重建目录：
.venv/.uv-cache/frontend/node_modules/frontend/.bun/templates/
完整落地说明见：
检查服务是否启动，访问地址是否为：
http://127.0.0.1:7200
如果端口被占用，可关闭占用 7200 的程序后重试。
进入“模型配置”添加模型，确认模型名称、模型标识、API 地址和 API 密钥都已填写。
检查是否已填写视频 URL、选择工作区、选择模型。
这是正常情况。软件会继续尝试本地 SRT 或本地 ASR 转录。
首次运行可能需要准备模型文件。模型准备完成后，后续同模型转录会更快。
先打开“课程库管理”的当前课程检查结果。常见原因是缺少课程标题、没有章/小节、章或小节主键缺失，或旧版 JSON 结构未规范化。
确认学科培训后端已启动，并检查地址是否为：
http://127.0.0.1:7100