red-blue-cp 0.5.2

B站小红书 Content Pipeline — URL to Markdown

自古红蓝出 CP —— 把 B 站和小红书内容转成本地 Markdown 知识库

粘一个链接，得到一篇 Markdown。支持 B 站视频、小红书视频、小红书图文，自动转录/识别文字，多人对谈标注说话人。还能批量下载整个博主、连评论一起存。

快速开始

前置：Python ≥ 3.11，百炼 API Key（ASR / VLM 用）。

1. 安装

# 推荐：从 PyPI 装，命令直接是 rbcp
pipx install red-blue-cp

# 或源码安装（开发用）
git clone https://github.com/MuChengZJU/red-blue-cp.git
cd red-blue-cp && uv sync

2. 配置

# PyPI 安装：配置文件放 ~/.config/rbcp/.env
mkdir -p ~/.config/rbcp && cp .env.example ~/.config/rbcp/.env

# 源码安装：配置文件放仓库根目录
cp .env.example .env

编辑 .env，填入 DASHSCOPE_API_KEY。单篇公开内容只需这一个 key。

3. 使用

# 打开网页界面（推荐）
rbcp serve                     # 浏览器访问 http://localhost:8000

# 或命令行直接转
rbcp run "B站或小红书链接"

源码安装的命令前加 uv run，如 uv run rbcp serve。

功能

• 视频转录 — B 站视频优先取字幕，无字幕走 ASR（百炼 Paraformer）
• 图文识别 — 小红书图文用 VLM（百炼 Qwen-VL）识别图片内容
• 说话人分离 — 多人对谈自动标注「说话人 1 / 2 / ...」
• 博主安全批量 — 浏览器插件抓清单 → rbcp batch notes.json --proxy ... 走代理批量下载（断点续传、token 过期跳过、失败不中断）。详见 安全批量
• 评论提取 — rbcp fetch "<笔记链接>" --comments，含楼中楼
• 扫码登录 — rbcp login 弹浏览器扫码，cookie 本地复用
• 粘贴即用 — 直接粘贴整段分享文案（带标题/中文尾/emoji 都行），自动抽 URL 去追踪参数

评论功能需要登录态 + 系统安装 Chrome/Edge。

安全批量（博主全量）

把整个博主的笔记安全批量转成 Markdown：插件只在你登录态的浏览器里抓清单（有风控的部分），rbcp 只下载+转录（走代理护 IP）——职责分离，比让脚本驱动浏览器抓全量安全得多。

[浏览器插件] 博主主页慢滚到底 → 导出 notes.json
        ↓ 上传 / 粘贴
[rbcp batch notes.json --proxy http://127.0.0.1:7897]  逐条走代理下 → Markdown
   或 WebUI: rbcp serve → /batches 上传/粘贴 notes.json，看进度

1. 装插件：chrome://extensions → 开发者模式 → 加载已解压 → 选 extension/ 目录（见 extension/README.md）。
2. 打开小红书博主主页，手动慢慢滚到底（慢滚最安全），点插件图标导出 notes.json。
3. rbcp batch notes.json --proxy <你的代理>（或 WebUI /batches 导入）。代理两种模式见 博主安全批量功能文档。

旧路径 rbcp fetch "<博主主页>" --all（pydoll 驱动 Chrome 抓清单 + 串行下）仍保留，但不再是主路径——自动化痕迹易被识别、不可分发。优先用插件 + rbcp batch。

给 AI Agent 用

rbcp 把 B 站和小红书统一成了结构化接口。AI Agent 可以直接调 CLI 做内容调研——拿博主清单、按规则筛选、逐条下载、读取 Markdown 结果，整个流程无需人工介入。

# Agent 典型工作流：
rbcp fetch "<笔记链接>" --json              # 单条下载，拿到 Markdown 路径
rbcp batch notes.json --proxy <代理> --json # 批量：消费插件导出的清单，走代理逐条下
rbcp fetch "<博主主页>" --all --json --yes   # 旧路径：pydoll 抓清单 + 串行下（脚本化场景）

所有命令加 --json 即输出机器可读的 JSON。字段契约和完整性标记（complete: true/false，区分"拉全了"还是"被风控截断"）见 SPEC.md。

WebUI

网页界面支持桌面和移动端。粘贴链接提交后可实时查看任务状态，完成后直接预览渲染好的 Markdown。

开发

uv sync                    # 安装依赖
uv run pytest              # 跑测试
uv run rbcp serve          # 本地起服务

技术栈：FastAPI + Jinja2 + HTMX + Typer + SQLite + asyncio。博主清单抓取主路径是浏览器插件（MV3，独立 JS，在 extension/）；下载走代理（requests 显式 proxies）。评论 / 旧版 --all 抓清单用 pydoll（CDP 连系统 Chrome）。

app/
├── service/          # 核心逻辑：抓取、转录、Markdown 生成、存储、批量、错误
├── web/              # WebUI + REST API
└── cli.py            # CLI 入口
extension/            # 浏览器插件（MV3，抓博主清单导出 notes.json）

文档

文档	内容
PRD.md	产品需求、定位、排期
SPEC.md	技术规格、API、数据模型
PLAN.md	里程碑进度
LOG.md	演进日志（决策 / 开发 / 经验）

License

MIT