Rimagination/dy-note

Latest recorded source activity: June 27, 2026 at 08:37

SkillsMP catalog refreshed: November 2, 2026 at 18:02

skills collected: 1

GitHub stars: 176
GitHub forks: 25

Install with an AI assistant

Copy this prompt into the AI assistant you're using.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/Rimagination/dy-note.

Repository README

Repository README source: README.md

Read the source README

Expand full README

<p align="center"> <img src="assets/dy-note-logo-douyin.png" alt="DyNote logo" width="560"> </p> <p align="center"> <img alt="Douyin" src="https://img.shields.io/badge/Douyin-video_%2B_comments-FE2C55?style=for-the-badge"> <img alt="Markdown" src="https://img.shields.io/badge/Markdown-learning_notes-222222?style=for-the-badge&logo=markdown"> <img alt="License MIT" src="https://img.shields.io/badge/License-MIT-FF6699?style=for-the-badge"> </p> # DyNote 把抖音视频变成可复用的数据资产，再按你的问题生成学习笔记。 DyNote 是一个面向 Codex 这类 Agent 的抖音学习工具。你给它抖音分享文案、视频链接、账号主页、话题关键词或评论分析任务，它会先保存字幕、转写、评论、元数据等原始资产，再从这些资产里按你的目标整理成可追溯的 Markdown 笔记。它适合这些场景： - 单条视频：总结内容、生成学习笔记、拆脚本、提取可复用选题。 - 评论区：默认先备份前 100 条主评论及对应楼中楼样本，必要时再全量抓取可见评论，整理用户需求、反对意见、购买顾虑、高频反馈和选题线索。 - 账号与话题：分析定位、栏目结构、钩子模板、内容模式和竞品样本。 - 知识库归档：保存原始材料、证据等级、元数据和后续可追问的笔记。 ## 核心特点 - 事实主干优先：先找独立字幕轨；大多数抖音视频没有字幕时，主要依赖本地自动语音识别。中文视频优先复用 Qwen3-ASR，外语视频再用 Whisper 系后端。 - 资产先行，笔记后置：先把字幕、转写、评论和元数据变成 `assets/`，再按学习、复盘、评论洞察或写作需求生成笔记。 - 低密度再补视觉：长视频如果转写很少，DyNote 会优先提醒你用抖音网页版 `问AI / 识别画面`、关键帧或 OCR 补画面理解，不会把稀疏文本硬写成完整解析。 - 防幻觉分级：抖音问 AI 很适合补画面和时间线，但不能提取完整字幕；豆包只在抖音 AI 不可用或质量弱时备用，搜索式回答会标成草稿或假设。 - 不重复花时间：已有 `douyin_ai_brief.md`、`transcript.txt`、`segments.json`、`metadata.json`、`note_budget.json` 时，会先复用，只补真正缺的证据。 - 资产包优先：字幕、转写、评论样本或完整评论会进入 `assets/`，后续可以继续做评论聚类、用户研究、脚本复盘和知识库检索。 - 继承 Bili Note 的笔记逻辑：先保存原始材料，再根据视频时长、信息密度和互动质量生成适合长度的学习笔记。 ## 快速使用 ### 1. 安装把下面这句话发给 Agent： ```text 请帮我安装这个 skill： https://github.com/Rimagination/dy-note ``` ### 2. 分析一条视频在抖音里点分享，复制完整分享文案，然后发给 Agent： ```text 请用 DyNote 分析这条抖音视频，先拿字幕或本地转写；如果转写太少，再用抖音问 AI 补画面： 8.28 x@F.uf gbA:/ 07/06 :9pm 铁板牛排+炸土豆饼向阳而生 # 助眠 # 治愈 # 美食 # 野外烹饪 # 牛排 https://v.douyin.com/xxxxxxx/ 复制此链接，打开Dou音搜索，直接观看视频！ ``` 你也可以直接说： ```text 请用 DyNote 把这条抖音视频整理成学习笔记，保留来源和证据等级。 ``` ### 3. 分析评论、账号或话题 ```text 请用 DyNote 分析这条抖音视频和评论区，先抓前100条主评论和楼中楼样本，再看用户需求、反对意见和可复用选题。 ``` ```text 请用 DyNote 分析这个抖音账号的内容定位、栏目结构和选题模式。 ``` ```text 请用 DyNote 围绕“野外烹饪”这个话题做样本分析，先低成本筛选，再挑值得深挖的视频。 ``` ### 4. 保存到你的知识库 ```text 帮我存放在：“D:\知识库\短视频分析” 里。 ``` ### 5. 复用已有结果 ```text 请用 DyNote 先检查已有输出目录，不要重复跑抖音内置 AI、豆包、下载视频或本地自动语音识别。 ``` ## 默认路线 DyNote 会先判断你真正想要什么，再决定证据深度： | 你的目标 | 默认路线 | 适合输出 | | --- | --- | --- | | 先知道视频讲什么 | 可用抖音网页版 `问AI` 快读，但标注为草稿 | 快速摘要、时间线、选题判断 | | 做学习笔记 | 先建立资产包，再按 `note_budget.json` 和你的目标写笔记 | `assets/`、`learning_note.md` | | 要逐句内容或引用 | 字幕轨优先，没有再本地自动语音识别 | `transcript.cleaned.md`、`transcript.txt` | | 拆镜头、商品、画面文字 | 先用转写固定文案，再用 `问AI / 识别画面`、关键帧、OCR 或人工检查 | 画面证据、镜头/场景分析 | | 看用户反馈 | 先抓前 100 条主评论和楼中楼样本；需要复核时再全量抓取 | 评论洞察、反对意见、需求列表 | | 做账号或话题研究 | 先采样，再深挖关键视频 | 样本表、模式总结、研究简报 | 事实路线：学习笔记、逐句引用、脚本拆解和事实核查默认以字幕/本地转写为主。视觉路线：当 `note_budget.json` 提示转写密度低，或任务需要画面、贴纸文字、商品/价格、操作步骤时，再补抖音 `问AI / 识别画面`、关键帧或 OCR。备用路线：如果抖音内置 AI 不可用或回答质量弱，DyNote 可以用已登录豆包网页版做快读；如果豆包结果是搜索派生内容，会标注为草稿或假设，不会当作完整字幕、逐帧视觉证据或最终事实。 ## 输出内容一次完整分析通常有两层结果。原始资产是事实层，笔记是按你的问题生成的学习视图。 - 主笔记：给人读的总结、学习笔记、脚本拆解、评论洞察或研究简报。 - 原始材料包：给复核、续写和追问用的结构化证据。常见文件： | 文件 | 用途 | | --- | --- | | `douyin_ai_brief.md` / `douyin_ai_brief.json` | 抖音网页版 `问AI` 的章节要点、时间线、画面补证和证据等级 | | `doubao_brief.md` / `doubao_brief.json` | 备用豆包快读结果，只作为草稿或待核验假设 | | `transcript.cleaned.md` | 适合阅读的视频文本材料 | | `transcript.txt` | 适合继续总结、检索或写作的纯文本 | | `segments.json` | 结构化片段，方便后续查证 | | `assets/transcripts/` | 字幕、转写和时间片段资产 | | `assets/comments/` | 评论样本或完整评论 JSON/CSV、JSONL 明细和评论 Markdown | | `assets/asset_manifest.json` | 后续再分析的资产入口 | | `metadata.json` | 来源、作者、时长和输出清单 | | `note_budget.json` | 推荐笔记长度、写作粒度和画面依赖提示 | | `learning_note.md` | 最终学习笔记 | | `note_score.json` | 笔记长度和信噪比检查 | ## 依赖与环境第一次使用、换机器、浏览器路线失败，或准备转写音频前，让 Agent 检查环境： ```text 请帮我检查 DyNote 的运行环境，并告诉我当前能走字幕/本地文本整理、中文 Qwen3-ASR、抖音问 AI 画面补证、备用豆包快读还是 Whisper 兜底。 ``` Agent 会运行： ```powershell python scripts/check_environment.py ``` 依赖按能力分层： | 能力 | 需要什么 | 说明 | | --- | --- | --- | | 基础整理 | Python 3.10+、已安装本 skill | 整理已有文本、检查输出目录 | | 抖音内置 AI | Chrome、`web-access`、当前 Chrome 已登录抖音 | 低转写密度、画面理解和快速筛选 | | 豆包备用快读 | Chrome、`web-access`、当前 Chrome 已登录豆包 | 抖音内置 AI 不可用或质量弱时使用 | | 中文转写 | `ffmpeg`、共享 Qwen3-ASR 环境 | 中文或未指定语言优先 | | 外语转写 | `ffmpeg`、Whisper / faster-whisper | 外语视频优先 | | 评论与研究 | 网络可用、对应抓取能力 | 抓不到时会说明覆盖范围 | ## 资产包 DyNote 不只输出一份总结。抓到的字幕、转写和评论会整理成可复用资产，之后换问题、做复核、导入知识库或继续分析评论区，都应先回到 `assets/asset_manifest.json`。 - `assets/transcripts/`：保存字幕、转写文本和时间片段。 - `assets/comments/comments.sample.json` / `comments.sample.csv`：默认评论样本备份，通常是前 100 条主评论及对应楼中楼。 - `assets/comments/comments.full.json` / `comments.full.csv`：显式全量抓取后的完整可见评论备份。 - `assets/comments/comments.rows.jsonl`：适合继续做评论聚类、用户需求分析和二次处理。 - `assets/comments/comments.text.md`：适合人工快速浏览的评论全集。这样你后面想重新分析评论区、换一个问题追问、做账号研究或导入知识库，不需要重新爬评论，也不会被某一次总结限制住。 DyNote 和 [Bili Note](https://github.com/Rimagination/bili-note) 会共享可复用资源。默认共享目录： ```text %USERPROFILE%\.cache\rimagination-notes ``` Qwen3-ASR 虚拟环境默认放在： ```text %USERPROFILE%\.cache\rimagination-notes\qwen3-asr-venv ``` 只要任意一个 skill 已经引导你安装过 Qwen3-ASR，另一个 skill 会优先复用同一套环境和模型缓存。 ## 登录和隐私 - 抖音内置 AI 路线需要你已经在当前 Chrome 登录抖音网页版。 - 备用豆包路线需要你已经在当前 Chrome 登录豆包网页版。 - DyNote 只让浏览器自己加载页面，不会导出或保存 Cookie、localStorage、token、签名参数等登录凭据。 - 抖音视频链接和临时媒体地址可能包含签名信息，DyNote 会避免把这些敏感临时 URL 写进最终笔记。 ## 写笔记的原则 - 先保存原始资产，再写学习笔记。 - 学习笔记必须从 `assets/asset_manifest.json` 指向的资产中生成；资产是事实层，笔记是解释层。 - 评论区不是一次性摘要素材；评论样本或完整评论要保留在 `assets/comments/`，方便后续再分析。 - 大评论区默认只抓前 100 条主评论及对应楼中楼，并提示这不是全部评论；只有需要完整复核、争议链路或用户明确要求时，再跑全量抓取，避免无意义等待。 - 字幕/本地转写是事实主干；抖音问 AI 和豆包只能作为快读、视觉补充或待核验假设。 - 快读适合草稿、筛选和视觉假设；发布级结论要补转写、关键帧、评论或外部来源。 - 长视频、长转写、高评论或高互动视频要写得更结构化。 - 短视频或低信息密度视频不要硬扩成长文。 - 评论区只保留有分析价值的内容：需求、反对意见、补充案例、争议点和转化阻力。 - 写学习笔记时优先遵守 `note_budget.json`，用推荐长度和写作粒度控制详略。 ## 什么时候会重跑默认会复用已有产物。只有这些情况才建议重跑： - 换了视频链接或分享文案 - 分析目标变了 - 旧文件缺失、过期或质量不够 - 需要更高证据等级，例如从快读升级到完整转写 - 你明确要求重新跑需要强制重跑时，在脚本命令里加： ```powershell --force ``` ## 相关文件 - `SKILL.md`：Codex 使用这个 skill 时读取的完整工作流说明。 - `scripts/check_environment.py`：检查 web-access proxy、ffmpeg、Whisper、Qwen3-ASR 和本地模型缓存。 - `scripts/archive_dy_note_assets.py`：把字幕、转写、完整评论、AI brief 和元数据整理成 `assets/` 资产包。 - `scripts/douyin_web_ai_brief.py`：使用当前已登录 Chrome 中的抖音网页版 `问AI / 识别画面` 提取视频章节要点和时间线。 - `scripts/doubao_video_brief.py`：备用路线，使用当前已登录 Chrome 中的豆包网页版快速解读抖音分享文案。 - `scripts/extract_douyin_text.py`：从抖音链接、本地音频或本地转写文件生成文本素材。 - `scripts/fetch_douyin_comments.py`：分阶段抓取抖音主评论和楼中楼，支持主评论 checkpoint、续抓回复、进度输出和覆盖率统计。 - `scripts/compute_note_budget.py`：按转写长度、时长、评论量和互动质量生成 `note_budget.json`。 - `scripts/inspect_workflow_state.py`：检查输出目录已有产物，推荐下一步并避免返工。 - `scripts/setup_qwen_asr_env.py`：创建或复用共享 Qwen3-ASR 环境。 - `scripts/run_qwen_asr.py`：调用 Qwen3-ASR-0.6B，可按 chunk 分段避免显存溢出。 - `scripts/score_dy_note.py`：把最终 Markdown 与 `note_budget.json` 比较，判断笔记过短、过长或合适。 - `references/douyin-video-text-notes.md`：实现细节、场景模式、证据分层、已知限制和后续改进建议。 ## 社区友链 - [Bili Note](https://github.com/Rimagination/bili-note)：同系列 B 站视频与图文笔记 skill，DyNote 的笔记预算、原始材料优先和学习型笔记思路都继承自它。 - [LINUX DO](https://linux.do/)：一个关注开发者、开源项目与 AI 工具交流的社区。感谢社区佬友对开源工具和 Agent 工作流的讨论与反馈。 ## 致谢 DyNote 的设计和实现参考、依托了这些主要项目与生态： - [Bili Note](https://github.com/Rimagination/bili-note)：同系列项目，提供了原始材料归档、笔记预算和学习型笔记的核心设计参考。 - [抖音](https://www.douyin.com/)：视频、页面信息、评论和互动数据来源。 - [豆包](https://www.doubao.com/)：备用网页快读路线，用于抖音内置 AI 不可用时生成草稿。 - [Qwen3-ASR](https://huggingface.co/Qwen/Qwen3-ASR-0.6B)：可选中文本地自动语音识别后端。 - [FFmpeg](https://ffmpeg.org/)：可选音频处理和转码。 - [OpenAI Whisper](https://github.com/openai/whisper) 与 [faster-whisper](https://github.com/SYSTRAN/faster-whisper)：可选外语视频转写后端。 ## 许可证本项目使用 MIT License，详见 `LICENSE`。

Loading the repository README…

Skills in this repository

Software Developers

1 occupation category · 100% classified

skill

occupation

description

updated

dy-note

Software Developers

DyNote: systematically and efficiently extract raw Douyin/DY video data and analyze videos, comments, accounts, hashtags, and short-video scenes into evidence-graded learning notes, summaries, research briefs, scripts, and knowledge-base material. Use when…

Source text: Chinese

2026-06-27

Showing 1 of 1 collected skill.