fetch-what-say

name	fetch-what-say
description	抓取 yt-dlp 支持的媒体或本地视频，转写成文字稿，Agent 生成树形思维导图摘要，输出可读网页。
version	1.1.0
dependencies	["yt-dlp","ffmpeg","mlx-whisper","esflow"]
repository	https://github.com/gitByEOS/open-part-skills

Fetch What Say

URL / 本地视频 -> yt-dlp / 复制 -> transcript.srt -> transcript.txt -> summary.txt -> viewer.html

依赖

Python 包：

pip install esflow mlx-whisper

系统二进制（yt-dlp / ffmpeg）：

brew install yt-dlp ffmpeg          # macOS
sudo apt install yt-dlp ffmpeg      # Debian/Ubuntu

快速使用

python3 scripts/run.py "https://www.bilibili.com/video/BV1pzjy6GEkC"
python3 scripts/run.py ~/Movies/local.mp4
python3 scripts/run.py --view ~/Downloads/fetch-what-say/<id>/

输出目录：

<out>/<id>/
├── video.<ext>
├── transcript.srt
├── transcript.txt
├── summary.txt
└── viewer.html

summary.txt 由 Agent 用下方 Summary Prompt 生成，脚本负责抓取、转写、网页查看器。

Flow 结构

esflow DAG 编排（scripts/flow.py 声明，scripts/nodes/ 各节点）：

resolve → download → extract_audio → transcribe → agent_summary → export_html
                                                        (TO_AGENT)

节点	职责
resolve	解析 input/cookies，算 media_id，建 work_dir，产出 plan
download	URL 走 yt-dlp，本地文件复制到 work_dir
extract_audio	ffmpeg 提取 16k 单声道 wav
transcribe	mlx-whisper 转写，产出 transcript.srt 与 transcript.txt
agent_summary	TO_AGENT:agent 读 transcript.txt 用 Summary Prompt 写 summary.txt
export_html	生成 viewer.html 并弹出

Agent 介入

# 1. 首跑：到达 agent_summary 节点,进程退出码 2
python3 scripts/run.py "https://www.bilibili.com/video/BVxxx"
# stderr 打印 [to_agent] 完成后续跑:python3 scripts/run.py --resume <job_dir>

# 2. Agent 读上游产物里的 transcript.txt,用下方 Summary Prompt 写 summary.txt 到 work_dir

# 3. 续跑生成 viewer.html
python3 scripts/run.py --resume <job_dir>

调试单节点：esflow run scripts/ --node transcribe（上游从产物目录复用）。

Cookies

优先使用显式 --cookies；不传时按 URL 域名匹配 ~/Downloads/fetch-what-say/cookies/ 下的 .txt。例如 bilibili_cookies.txt 只会自动用于 bilibili.com。脚本不读浏览器 cookies，也不读环境变量。

需要登录权限的网站：用浏览器插件 Get cookies.txt LOCALLY 导出 Netscape cookies.txt，放入上述目录，文件名须包含域名关键词。

参数

常用：

参数	说明
input	完整 URL，或本地视频文件
--out <dir>	输出根目录，默认 ~/Downloads/fetch-what-say
--view <dir>	生成并打开 viewer.html（不进 flow）
--no-transcribe	只下载媒体，不转写
--resume <job_dir>	续跑 TO_AGENT 节点
--dry-run	只跑 resolve 产出 plan
--schema	输出 JSON 契约

高级：

参数	默认	说明
--height	360	最高分辨率
--prefer	size	同分辨率下偏小体积，或 bitrate 偏高码率
--merge-format	mp4	合并容器格式
--model	mlx-community/whisper-large-v3-turbo	mlx-whisper 模型
--language	zh	转写语言

退出码：0 ok / 1 runtime / 2 to_agent / 3 validation / 4 auth

Summary Prompt

请阅根据下方文章对话或教程内容，生成一份结构化的思维导图式摘要。

输出格式要求：
1. 根节点（第0层）：用文档的核心主题提炼出一个概括性标题，单独置于顶部，不加序号，不加树形前缀。标题下方用树形符号（│ 和 ├─）连接下一层。
2. 一级分支：用带圆圈的数字编号（①、②、③、④…）标记每个主要主题，置于同一列，上方共用一条水平主干线。
3. 二级及以下分支：使用 ASCII 树形符号（├─、└─、│）表示层级关系，缩进体现父子关系。
4. 展开深度：至少到三级（根 > ① > ├─ > └─），根据需要可到四级。
5. 节点内容：不得出现完整段落，每句话不超过25字，每句话必须增加信息密度，同类合并。
6. 内容组织：完全根据文档实际内容提炼主题，不预设任何固定板块。自动识别文章的论述结构（可按论点分层、问题分类、时间顺序、人物观点、结论建议等逻辑），动态生成分支。
7. 输出纯文本

风格要求：
- 拒绝散文式叙述，拒绝连接词和过渡句
- 每条只呈现关键事实、判断或结论
- 同一层级条目数量不限，但力求均衡

格式示例如下：

文档核心标题
│
├─ ① 第一主题
│   ├─ 子要点A
│   │   ├─ 细节1
│   │   └─ 细节2
│   └─ 子要点B
│       └─ 细节3
├─ ② 第二主题
│   ├─ 子要点C
│   │   └─ 细节4
│   └─ 子要点D
└─ ③ 第三主题
    ├─ 子要点E
    └─ 子要点F

请**严格按照上述格式**（根节点独立 + 树形符号 + 圆圈序号）生成，内容完全基于您对下方内容的理解。