srt-to-doc

name	srt-to-doc
description	将 SRT 字幕文件转换为结构化 Markdown 文档的完整工作流。无需配置任何额外 API key，完全依赖当前 session 内置能力完成全部处理。 适用场景：用户上传或提供 .srt 字幕文件，想要将视频内容转化为可读文档；整理 Bilibili / YouTube 视频字幕；将字幕内容分析后生成知识文章；对视频内容做补充研究后输出报告。 触发关键词：.srt 文件、字幕文件、srt转文章、srt转文档、字幕整理、视频转文档、字幕分析。当用户提到 SRT、字幕、想要把视频内容变成文章或笔记时，务必使用此技能。

SRT to Doc

输入 / 输出

• 输入：.srt 字幕文件（支持 UTF-8 / GBK / Big5 等编码）
• 输出：
  • {标题}.md — 结构化分析文档（主交付物）
  • {标题}_subtitles.txt — 带时间轴的字幕原文（辅助交付物）
• 命名约定：取视频标题，中文保留，空格→下划线，特殊字符删除
  • 例：大明王朝1566_第一集.md + 大明王朝1566_第一集_subtitles.txt

---

四阶段流程

阶段一：SRT → TXT

python scripts/srt_to_txt.py input.srt {标题}_subtitles.txt

脚本自动检测编码，输出带时间轴的干净 TXT，并打印条数与时长。 TXT 为独立交付物，不进入最终 Markdown。

---

阶段二：内容分析

读取 TXT 后在当前 session 内完成，不调用任何外部 API：

• 识别主题与核心议题，划分内容段落
• 提取 3-7 个核心观点（附时间戳）
• 列出关键概念、人物、专有名词
• 判断内容类型（影响阶段三的搜索方向）：
  • 知识/技术类 → 四个搜索方向全用
  • 人文/叙事类（历史剧、访谈、纪录片）→ 跳过"工具/产品"方向，"最新动态"改搜史料/研究/评论

---

阶段三：搜索补充

详细搜索策略见 references/search_strategy.md。

简要规则：

• 基于阶段二提炼的概念、人物、工具名提炼搜索词
• 优先调用 multi-search-engine skill（若可用）；不可用时用内置 web_search
• 每个关键词取最相关 2-3 条，记录来源 URL

---

阶段四：输出 Markdown

读取 assets/doc_template.md，按模板结构填写内容。

必填章节：内容概要、内容结构、核心观点 条件章节（有内容则写，无则省略）：关键概念、主要人物、相关动态/延伸阅读

---

下游联动

文档生成后可直接交给以下 skill 继续处理：

目标	调用 skill
发布为微信公众号文章	wechat-mp-writer（建议用"历史"或"技术/AI"模板）
搜索同类公众号参考文章	wechat-article-search