bili-2-ppt skill :用 AI 把 B 站课程一键转成学习笔记(附开源地址)

一、项目背景

很长一段时间，我的学习方式就是：在 B 站找到一门优质系统课，兴致勃勃地刷，刷的时候觉得「都懂了」，关掉视频过两周再想复习某个知识点——傻眼了，得从头拖进度条找。

后来我意识到，真正能沉淀下来的学习资料，必须满足三点：

1. 1. 结构清晰：按知识点组织，而不是按视频时间线；
2. 2. 能直接看：代码、命令、报错、表结构这些「画面里的硬信息」原样保留，而不是靠手抄或记忆；
3. 3. 能复用：最好是一份 PPT，再加一份长文（方便自己细读）。

自己手动做这三样，一门 50 多集的课能让人做吐，于是我盯上了开源社区里的一个 Agent Skill：bili-2-ppt。

二、bili-2-ppt 技能是什么

项目地址：https://github.com/ewkzcz/bili-2-ppt

它基于 Rimagination/bili-note 二次开发，核心目标只有一句话——「真正看画面」：视频里出现过的代码、命令、报错、表结构和框图，会被原样抓下来，配在对应讲解旁边；字幕里没有的内容，不靠猜。

你给它一条 B 站视频链接，它能产出三份可以直接用的学习资料：

其中 PPT 的「图片版」是把视频真实画面原样嵌入，「图形版」是把每处画面重绘成原生矢量元素（文字、表格、形状），两版对照能检查重绘有没有读错内容。

重点：它本质是一个 Agent Skill，需要 LLM（Claude Code / CodeBuddy / WorkBuddy 等本地 Agent）驱动各阶段，不是双击就能跑的 exe。这点后面安装部分会细说。

三、它是怎么跑起来的：四个阶段

整个流程被设计成四个解耦的阶段，子技能之间只通过文件交换数据，不互相硬编码依赖：

链接 / BV 号   ↓阶段 1  字幕与音频转写（找现成字幕 → 网页 AI 字幕 → 本地 ASR）   ↓阶段 2  画面采集与去重（后台浏览器按进度条跳转截图、去重、标出覆盖不足区间）   ↓阶段 3  知识树与画面分派（立知识树、统一术语、把每张画面派到对应知识点）   ↓阶段 4  三份交付物（分页转写 + 建 PPT + 注入动画 + 两层自检）

几个关键设计点（也是它比「无脑截图」高级的地方）：

• • 字幕纠错是强制环节：ASR 或机器字幕一到手就立刻按上下文纠错（同音字、术语、断句），产出纠错稿和 glossary.json 术语表。下游只读纠错稿，绝不再做第二遍——因为越往后的阶段 token 消耗越贵。
• • 画面整幅保留、绝不裁剪：裁掉边缘，往往会把表格最右一列、代码最后一行一起丢掉。进 PPT 只等比缩放，不预裁。
• • 去重保留最后一帧：一个知识点在画面上停十几分钟会采出十几张重复图，去重是默认动作，连续重复里保留最后一帧（那才是定格完整的一张）。
• • PPT 自检分两层：第一层代码校验全量跑（报错全修），第二层渲染看图只查版面，且最多 3 轮，不会无限循环挑刺。

四、真实案例：把 54 集 SAP 课程做成了资料库

我用它实跑了一条真实的 B 站系列课：SAP FICO（财务会计/管理会计），共 54 集。

最终成果：

• • 54 份图片版学习笔记 PPT（Cryo_Academic 模板，每集一个文件，封面 + 去重后关键帧）；
• • 40 篇叙事式知识博客（第 1 集 + 有 B 站 AI 字幕的 39 集）；
• • 54 份去重联系表（每张保留帧的缩略图总览，绿框为保留）；
• • 全部交付物目录体积约 5.3 GB。

举个例子，第 1 集《SAP导论》最终整理成：SAP 是什么、产品演进（R/2→R/3→ERP→S/4HANA）、OLTP/OLAP 统一、HANA 路线图、部署方式、产品组合、SAP GUI 与 Fiori 界面——七个章节、一张画面一页，顺序即课程推进顺序。

五、怎么装（三步）

第 1 步：克隆，保持目录名 bili-2-ppt

git clone https://github.com/ewkzcz/bili-2-ppt.git bili-2-pptcd bili-2-ppt

目录名别改。子技能之间靠相对路径互相引用，改名会找不到彼此。

第 2 步：一键构建依赖环境（缺啥补啥）

python scripts/discover_env.py --setup

它会先复用你本机已有的 Python 环境、ASR 模型和 ffmpeg，缺的再自动补齐（模型走国内镜像多连接下载、断点续传）。需要的环境分层：

第 3 步：启动带调试端口的浏览器，用 Agent 跑

• • 双击 start_browser_debug.bat（它会用脚本目录下的独立 profile 起一个调试 Chrome，监听 9222 端口——原因见第六节）；
• • 在这个调试窗口里登录一次 B 站，登录态会保留在独立 profile，下次复用；
• • 用你的本地 Agent（Claude Code / CodeBuddy / WorkBuddy 等）打开 bili-2-ppt 目录，把 agent_prompt.txt 的内容粘进去运行即可。

开工前 Agent 会一次性问清选项（要哪几份文档、哪个 PPT 模板、出哪几版、分集范围），答完就可以离开，全程自动跑完，最后交一份验收报告。

六、问题

这部分是我最想写的，任何工具都有边界，这个skill有点“重”，不是很轻量。

1. 字幕：不是每一集都有，而且纠错是体力活

• • 缺字幕的集需要额外跑本地 ASR。B 站并非每集都提供 AI 字幕。我这套 54 集里，有 14 集没有 B 站 AI 字幕，必须下载音频、跑本地 ASR（Qwen3-ASR / faster-whisper）才能拿到逐句文本。ASR 很吃资源，官方设计是「同一时间只跑一个进程、逐集串行」，否则本机显存/内存直接卡死。
• • 机器字幕噪声大，必须纠错。ASR 和网页 AI 字幕充满同音字和术语错误（比如把「数字键」识别成「游牧键」），需要 LLM 按上下文逐段纠正，并维护一份 glossary.json 统一术语写法。这一步省不掉，否则错误会一路流到 PPT 里。
• • 没字幕的集，博客只能退化成「画面索引式」。没有逐句文本，博客文章就写不出逐段讲解，只能退化成「本集概览 + 如何使用 + 说明」的薄壳，含金量明显下降。
• • 网页 AI 字幕依赖本机登录态。它要靠本机已登录 B 站的浏览器 profile 去请求播放器接口；如果 profile 被安全软件锁定、或 cookie 数据库丢失，就取不到，只能退回 ASR 路线。

2. 截图：等距采样会漏掉「快速变化」的画面

「截图的不是特别全」痛点，值得展开：

• • 默认按固定时间间隔（每 10 秒）等距采样，靠进度条跳转定位。对于画面长时间静止的讲解（一张 PPT 讲 5 分钟），等距采样会采出一堆重复帧——这部分去重能收拾。
• • 但反过来，画面变化很快的片段（快速翻页、一闪而过的报错弹窗、短暂切到的配置界面），等距采样很可能整段漏掉。因为去重只负责「合并重复」，不负责「发现缺失」。漏采的画面，事后补不回来。
• • 官方留了补救回路：去重后会产出 resample_hints.json，标出「相邻保留帧跨度过大」的区间，建议局部补采样、重采、再去重。但这依赖人工看 contact_sheet.jpg（缩略图总览）去发现缺口并触发，不是全自动闭环。
• • 去重阈值和间隔是经验值，要人校准。阈值设太高会把内容不同的相邻幻灯片误合并；设太低又保留太多废帧。settle-ms（跳转后等待截图的时间）默认 250ms，转场半帧/糊帧可能出现，得调到 450ms 重采。这些都是「跑完看一眼再微调」的活。

结论：截图「不全」不是 bug，是「等距采样 + 去重」策略的天然边界。追求高覆盖，就得把采样间隔调小、再人工看联系表补缺——代价是帧更多、PPT 更厚。

3. 清晰度：源的「720p 天花板」绕不过去

• • 这门课 B 站源最高只有 720p，没有 1080p/4K。
• • 最初用浏览器截图版，等于「720p 画面 + 播放器 UI 叠加 + 再上采样到 1080p」，文字边缘发虚、还带播放器控件。
• • 后来换了一套「方案 A」：用 yt-dlp 下载 720p H.264 原画画流 → ffmpeg 在原生分辨率抽帧 → Lanczos 2x 超采样到 2560×1440，并去掉播放器 UI 叠加。文字边缘确实比旧版干净利落了。
• • 但要诚实说：这只让「原生干净帧」更利落，并没有凭空增加真实像素。720p 源的清晰度天花板就在那里。对于文字密集、本身就清晰的课件，效果很好；对于本身就糊的原始录屏，神仙难救。

4. 工程环境：Chrome profile 与 cookie 的两个坑

• • 本机默认 Chrome profile 可能被策略/安全软件锁定，--remote-debugging-port 挂不上。任何用默认 profile 新起的 Chrome 都拿不到调试端口，会导致画面采集全部失败。解决办法是用脚本目录下的独立 debug profile（不与日常 Chrome 冲突）。
• • Chrome 的 Cookies 库可能丢失。我中途遇到 yt-dlp --cookies-from-browser chrome 报 Could not copy Chrome cookie database、每集立刻失败。实测发现不登录 B 站也能取到 720p/AVC 流，于是去掉 cookie 依赖、改用匿名下载 + 重试，反而更稳。

5. 体量：54 集原画版 ≈ 5.3 GB

图片版 PPT 是把真实画面整幅嵌入，单集文件几十到两百多 MB 不等，54 集堆起来就是 5 GB 级别。如果是图形版（矢量重绘、不含位图）会小很多，但图形版的「重绘准确性」又是个需要人工核对的新问题。

七、结果与改进

已经稳稳交付的：

• • 54 集图片版 PPT（画面即是课件，适合回看和索引）；
• • 40 篇叙事式博客（有字幕的集，逐段讲解）；
• • 54 份去重联系表（缩略图总览，定位知识点快）。

待继续做的：

1. 1. 14 集无字幕的博客待补：需要跑本地 ASR 后按同一叙事样式补写（可选项：OCR 粗补，但准确率不如 ASR）；
2. 2. 图形版 PPT 未出：目前只出了图片版，图形版（矢量重绘）适合做轻量分享，但需要逐页核对重绘是否读错；
3. 3. 截图覆盖可再优化：对变化快的集，调小采样间隔 + 人工看联系表补采样，能把「不全」压到最低。

八、写在最后：它适合谁，不适合谁

适合：

• • 想把 B 站系统课沉淀成可复用资料的人（考研、考证、技术培训都适用）；
• • 愿意折腾本地 Agent + 浏览器调试端口、接受「一次配置、批量产出」的人；
• • 对「画面原样保留」有刚需的场景（IT 培训、代码课、配置演示）。

不适合：

• • 想要「双击即用、零配置」的小白——它本质是 Agent Skill，需要 LLM 驱动；
• • 追求 1080p/4K 极致清晰度的——源只有 720p 的天花板；
• • 不想本地跑模型、也不想登录 B 站浏览器的——字幕和画面采集都依赖这些。

它把「从视频到资料」的机械劳动自动化了，但知识树的梳理、字幕的纠错、截图缺口的发现，仍然需要人的判断。

项目地址：https://github.com/ewkzcz/bili-2-ppt协议：MIT（基于 Rimagination/bili-note 二次开发）使用提醒：请遵守平台条款与著作权规定，仅用于个人学习和已获授权的材料。

欢迎点赞、收藏、分享，您的喜欢=更新的动力