核心功能
video-summary 是一款面向中文用户的视频内容提取与摘要工具，覆盖 Bilibili、小红书、抖音、YouTube 四大主流平台及本地视频文件。通过自动化流水线实现「URL识别→字幕提取→AI总结→结构化输出」的全流程：
- 平台智能识别：自动解析 URL 归属平台，调用 yt-dlp 或 Whisper 提取字幕/转录文本
- 多模态输出：支持纯文本、JSON、Markdown 三种格式，含章节分段、关键时间点、行动建议等字段
- 灵活部署：既可直接调用 OpenAI/Zhipu/DeepSeek/Moonshot API 生成摘要，也可输出结构化请求供 Agent 处理
显著优点
1. 覆盖全面：国内平台（B站/小红书/抖音）与 YouTube 统一接口，解决跨平台内容整合痛点
2. 无秘钥存储：OPENAI_API_KEY 等敏感信息仅通过环境变量传递，不写配置文件，符合安全审计要求
3. 离线能力：本地视频支持 Whisper 转录，base 模型 5 分钟视频约 1 分钟处理
4. 长视频优化：>1 小时视频自动分块处理，避免上下文溢出
局限性与风险
- 平台依赖风险：小红书/抖音无原生字幕，依赖 OCR 或 Whisper 转录，准确率受视频音质影响；部分受限内容需手动导出 cookies
- API 成本：长视频分块调用 LLM API，token 消耗随时长线性增长
- 合规边界：自动下载平台内容可能触发反爬机制，频繁请求需配合 cookies 与速率控制
- 转录性能：CPU 环境下 30 分钟视频 medium 模型需 30 分钟处理，GPU 加速 3-10 倍
适用人群
- 知识工作者：快速消化播客、课程、会议录像
- 内容创作者：竞品分析、素材整理、脚本参考
- researchers：多语言视频资料的结构化处理
- OpenClaw Agent 用户：作为视频理解能力的底层工具
安全风险总评
工具本身设计审慎（无持久化秘钥、自动清理临时文件），但网络访问与外部 API 调用不可避免引入供应链信任链条。建议生产环境启用只读沙箱，并监控 yt-dlp/Whisper 的更新签名。