VideoNote-Mcp

视频链接 → 多格式笔记
一条链接 → 一篇笔记 · 端到端或解耦，任意组合

中文 | English

快速开始 • 文档 • 真实案例 • 流水线地图 • 任务管理 • 最佳实践 • 如何贡献

VideoNote-Mcp 把「视频链接 → 多格式笔记」整条流水线打包成 MCP Server + Claude Code Skill：给 agent 一个链接，自动完成 下载 → 语音转写 → 画面理解 → 弹幕/评论 → AI 总结，交回一篇带截图、可整体搬迁的便携笔记。

仓库：HuangYincan/VideoNote-MCP。

既可端到端使用（一条链接 → 一篇笔记），也可解耦：生成、素材、任务、媒体处理等工具按需取用。无需启动任何后端服务。

快速开始

# 1) 一条命令装好 Skill + MCP（插件 marketplace，uvx 自动更新）
claude plugin marketplace add HuangYincan/VideoNote-MCP
claude plugin install videonote@videonote

# 2) 安装时 Claude Code 会逐项提示默认值（风格/转写引擎/视频理解/评论等）；
#    装完在会话里跑配置向导收尾：
/videonote-setup

# 3) （可选）LLM-Key/B 站扫码/CLI向导
# ! videonote setup

# 4) 重启会话，对 agent 说「帮我给这个视频做笔记」+ 链接

[!TIP] 四种安装方式、配置细节、更新与安全见 docs/04-使用手册.md。

文档

安装 / 配置 / 使用 / 环境变量 / 更新 / 安全等完整说明已归档到 docs/（README 只保留概览）：

• 文档索引
• 架构设计
• 使用手册 —— 安装（4 种方式）· 配置（setup 向导 + CLI）· 环境变量 · 更新 · 安全
• 更新日志

真实案例

两个端到端真实案例：一个走 AGENT 直接生成并输出 LaTeX mathnote PDF，一个走 全自动 LLM 生成产出便携 Markdown。

案例一 · agent_direct + LaTeX mathnote（DeepSeek-V4 视频）

来源：【闪客】深入解读 DeepSeek V1~V4！男女老少都听得懂～

一条视频 + 四类外部资料（论文 / 技术报告 / 公众号官宣 / 开源集合）→ AGENT 直接生成精修笔记，并输出 LaTeX mathnote PDF（中文楷体模板）：

Page1	Page2	Page3

• 无 LLM key：Agent 读转写 + 帧图 + 评论自写笔记
• 多源交叉整合：视频 × 论文 × 技术报告 × 开源清单
• 精修保留原稿：note.md / note_original.md 双份
• LaTeX mathnote PDF：自适应修复字体缺失 / 断行溢出 / 引用去重

完整过程记录见 examples/agent-direct-deepseek-v4-mathnote/README.md。

案例二 · 全自动 LLM 生成 + 便携 Markdown（多视频并行）

极简 Prompt（3 个 B 站链接 + 输出目录，一个参数都没说明）→ 全自动跑完 环境检查 → 链接识别 → 供应商/模型发现 → 参数确认 → 多视频并行 → 生成后基于字幕精修，产出 3 份精修便携笔记（note.md + Assets/ 截图 + 「观众观点」章节，并保留 note_original.md 供对比）。

• 雅思：破误区 + 听/读/写/口语四科拆解 + 179 高频考点词 + 15 句逻辑框架
• 法医：从业 43 年法医「拉片」对比影视与现实，精修扩为 12 节
• Transformer：自注意力机制详解，18 张截图按讲课时间线分布

完整过程记录见 examples/note-generation-example/README.md。

流水线地图

实线为主流程：一条 generate_note 链接端到端跑通；虚线为可选能力（视频理解 / 弹幕评论 / Agent 生成），按需取用。各阶段细节（平台支持、引擎、参数）见 docs/02-架构设计.md。

任务管理

每任务一个文件夹 note_results/{task_id}/：raw/（下载媒体）+ gen/（转写/笔记/帧/导出）+ 控制文件；全局任务索引在 SQLite video_tasks 表（含语义标题）。list_tasks 枚举全部任务（按语义标题识别）、cleanup(task_id, dry_run=True) 先查后清、cleanup 按任务 / 全局清理（默认保留配置与模型）、health_check 检查 FFmpeg / 数据库 / whisper 就绪。

flowchart TB
    DATA["data/ 数据根"] --> R["note_results/ 任务目录"]
    DATA --> DB[("video_note.db<br/>SQLite 全局任务索引")]
    R --> T1["任务 A<br/>note_results/{task_id}/"]
    R --> T2["任务 B<br/>…"]
    R --> T3["任务 C<br/>…"]
    T1 --> RAW["raw/ 原始材料<br/>音视频 · 封面"]
    T1 --> GEN["gen/ 生成材料"]
    T1 --> CTRL["status.json · result.json · manifest.json"]
    GEN --> T1A["transcript.json 转写全文"]
    GEN --> T1B["note.md 成稿笔记"]
    GEN --> T1C["Assets/ 笔记内截图"]
    GEN --> T1D["frames/ 关键帧原图"]
    GEN --> T1E["srt / vtt / json 字幕导出"]
    DB -. 索引 .-> T1

最佳实践

• 学习备考：端到端 + 视频理解 + 基于字幕的后续优化，把课程讲透。
• 会议纪要：process_media(action="merge") 合并分段录音 → process_media(action="diarize") 说话人分离 → meeting_minutes 风格。
• 讲座精读：端到端生成后，agent 基于完整字幕精修、按章节补齐细节。
• 视频赏析：开启弹幕 + 评论整合，笔记含「观众观点」章节。
• 端到端：一条链接用 generate_note（下载/转写/总结/评论全流程内部完成）；只准备素材用 prepare_note_material。
• 真实案例：完整案例过程记录见 examples。

如何贡献

• 功能分支 → PR → dev（CI 冒烟必须绿）；dev 稳定后 PR → main（保护分支，需 review）。
• 流程、分支命名与提交前自查见 CONTRIBUTING.md。

致谢

感谢社区与所有贡献者，感谢 Glama 对 MCP server 的收录，以及所有开源依赖与上游流水线项目的启发。