ViNote

---

✨ 核心特性

🤖 ViNoter 超级智能体 🔥

• 对话式操作: 通过自然语言搜索视频、选择结果并生成笔记
• 工具编排: 基于 DeepSeek Harness SDK 调用视频搜索和笔记工具，复用现有模型配置
• 跨平台搜索: 支持 B站和 YouTube 视频检索、连续翻页
• 流程串联: 搜索 → 选择视频 → 生成笔记，完成后保存到历史记录并支持全文搜索
• 会话恢复: 对话、当前视频列表和翻页条件保存在 SQLite，刷新页面或重启服务后可继续提问

🎯 智能视频处理

• 多平台支持: YouTube, Bilibili等主流视频平台
• 本地视频支持: 支持本地视频文件路径输入（MP4, AVI, MOV, MKV等格式）
• 高质量转录: 基于 Faster-Whisper 的本地音频转录
• 智能优化: AI驱动的文本优化和格式化
• 多语言支持: 自动检测语言并支持翻译

📝 笔记生成

• 结构化输出: 自动生成大纲、要点和总结
• Markdown格式: 完美支持各类笔记软件
• 实时进度: SSE实时推送处理进度
• 合集批处理: 可展开 B站/YouTube 合集，勾选最多 20 个视频复用批处理队列
• 产物重生成: 历史记录中可重新整理笔记，或单独重做摘要和思维导图

🤖 视频问答

• 智能问答: 基于视频内容的AI问答系统
• 上下文理解: 深度理解视频内容
• 流式输出: 实时响应，提升用户体验
• 存量内容复用: 从历史记录勾选 1-5 条原文或笔记直接发起问答
• 会话持久化: 问答来源和对话消息保存在 SQLite，刷新页面后可继续

🎬 视频下载

• 多格式支持: 支持多种视频格式和分辨率
• 预览功能: 下载前预览视频信息
• 进度跟踪: 实时显示下载进度

🃏 知识卡片

• 一键生成: 从视频笔记自动提取核心知识点
• 多种风格: 支持概念卡、要点卡、对比卡等多种卡片类型
• AI 提炼: 智能提炼关键信息，适合快速复习

🧠 思维导图

• 自动生成: 从笔记内容自动构建思维导图
• 交互式浏览: 基于 Markmap 的可缩放、可折叠导图
• 一键导出: 支持导出为图片

📂 笔记分类与标签

• 分类管理: 17 个预置系统分类 + 自定义分类，笔记一目了然
• 标签系统: AI 自动打标签 + 手动编辑，灵活组织知识
• 交叉筛选: 按分类、标签、关键词多维度快速检索
• 全文搜索: 关键词可匹配标题、原始转录、整理笔记和摘要；旧笔记启动后自动建立索引

💾 SQLite 持久化存储

• 可靠存储: 已完成笔记存入 SQLite，告别 JSON 文件丢失风险
• 自动迁移: 首次启动自动将旧 JSON 数据迁移到 SQLite
• 服务端分页: 历史记录支持分页、排序、筛选，大量笔记也不卡顿

🗄️ 存储管理

• 可视化统计: 一键查看笔记、音频缓存、下载文件占用空间
• 分类清理: 按类型清理缓存，释放磁盘空间

---

🚀 快速开始

启动前：配置大模型

两种安装方式都读取项目根目录的 .env。从 .env.example 复制后，填写你自己的三个配置项：

OPENAI_API_KEY=your-api-key
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4o

以上密钥是占位符，地址和模型是公开示例，需替换为你自己的可用配置。OPENAI_BASE_URL 填服务商提供的 API 根地址，不要填写完整的 /chat/completions 路径；是否需要 /v1 以服务商说明为准。OPENAI_MODEL 必须是该密钥有权限使用的准确模型 ID。

ViNoter 智搜要求模型同时支持 OpenAI-compatible Chat Completions、流式输出和自动工具调用；普通聊天能回答，不代表工具调用一定可用。不需要额外配置 DeepSeek 账号。首次运行可保留默认 ASR_PROVIDER=whisper、ASR_MODEL= 和 CPU 配置。

OPENAI_API_KEY 留空仍可打开基础界面，但不能使用对话式智搜及完整 AI 生成能力。修改配置后请重启本地服务；Docker 使用 docker compose up -d --build 重新创建服务。不要将真实 .env、密钥或 Cookie 提交到仓库。

🐳 方式一：Docker 部署（推荐）

Docker 方式不需要在宿主机安装 Python、Node.js 或 FFmpeg。

这是单用户工具，没有账号权限隔离。默认只监听本机；不要直接暴露到公网。需要可信局域网或反向代理访问时，可在 .env 设置 APP_BIND_HOST=0.0.0.0（Docker），把实际访问域名/IP加入 ALLOWED_HOSTS（默认 localhost,127.0.0.1,::1），并在入口配置访问控制；跨域前端需把准确来源加入 CORS_ORIGINS。

git clone https://github.com/zrt-ai-lab/ViNote.git
cd ViNote

cp .env.example .env
# 编辑 .env，按上面的说明填写自己的模型配置后继续。

docker compose up -d --build
docker compose ps

等待服务就绪后，在浏览器打开 http://localhost:8999；健康检查见下方“启动检查”。

常用 Docker 命令：

docker compose logs -f
docker compose down
docker compose up -d --build

B站 Cookie 是可选能力。需要使用自己账号的登录状态时，按下文配置 bilibili_cookies.txt，再取消 docker-compose.yml 中这行注释，并重新创建服务：

# - ./bilibili_cookies.txt:/app/bilibili_cookies.txt:ro

---

🛠️ 方式二：本地安装

本地一键脚本会自动安装后端依赖、安装前端依赖、构建前端并启动服务。首次运行如果没有 .env，脚本会复制示例文件后停止，让你先完成配置。

默认安装基础服务、Agent SDK 和 Whisper 依赖，不安装 FunASR/Qwen3 扩展。选择 ASR_PROVIDER=funasr 或 qwen3 时，启动脚本会自动安装对应扩展；切换配置后重新运行脚本即可。前端依赖、源代码和构建产物未变时，脚本跳过重复安装/构建。Docker Compose 同样按 .env 选择扩展，切换后执行 docker compose up -d --build。

ASR_MODEL 留空时自动使用对应 provider 的默认模型。升级已有 .env 或切换 provider 时，请清空旧模型名（例如 Whisper 的 base），或同时填写目标 provider 支持的模型名。

前置要求

• Python 3.10+
• uv 包管理器
• FFmpeg
• Node.js 20.19+ 或 22.12+（Vite 7 要求；Node 21 不支持）

安装示例：

# macOS
brew install [email protected] ffmpeg node
curl -LsSf https://astral.sh/uv/install.sh | sh

# Ubuntu/Debian
sudo apt-get update
sudo apt-get install -y python3 ffmpeg
curl -LsSf https://astral.sh/uv/install.sh | sh
# Node.js 单独安装满足上述版本要求的版本；系统软件源中的 nodejs 可能过旧。

# Windows PowerShell
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
# Python、FFmpeg 和 Node.js 请使用官方安装包，并加入 PATH。

安装后重新打开终端，确认 python3 --version（Windows 为 python --version）、uv --version、ffmpeg -version、node --version、npm --version 均可执行。

启动：

git clone https://github.com/zrt-ai-lab/ViNote.git
cd ViNote

# macOS / Linux
./start.sh

# Windows PowerShell
.\start.bat

首次运行生成 .env 后，按“启动前：配置大模型”填写配置，再执行同一个启动命令。保持该终端运行，在浏览器打开 http://localhost:8999；按 Ctrl+C 停止服务。

手动启动只建议用于开发排查：

uv sync --frozen
npm --prefix web ci
npm --prefix web run build
uv run --no-sync uvicorn backend.main:app --host 127.0.0.1 --port 8999 --workers 1

当前任务状态和 SSE 连接保存在单进程内存中，生产运行也保持 --workers 1。

视频笔记任务支持刷新后查询进度，问答页面可直接打开最近会话。Agent 对话流断开会取消当前轮次，服务端重启也不会自动续跑未完成任务；已保存的笔记、问答历史和智搜会话仍可读取，中断的任务需要重新提交。

手动安装可选扩展时使用 uv sync --frozen --extra funasr、--extra qwen3，随后用 uv run --no-sync uvicorn ... 保留已选扩展。默认 uv sync 会回到基础依赖集合。

YouTube 下载所需的 Deno JavaScript 运行时和 yt-dlp EJS 组件随 Python 依赖自动安装，无需另外配置系统 Node.js。首次安装会下载运行时；Docker 镜像使用同一份锁定依赖，并在构建时检查 Deno 可执行文件。

如果使用支持 reasoning_effort 的推理模型，整理笔记时出现“输出被截断或预算耗尽”，可以在 .env 添加 OPENAI_REASONING_EFFORT=low 后重启。该配置只用于笔记整理、翻译、摘要和导图；不设置时不发送此字段，不改变其他模型的默认行为。是否支持该参数取决于模型和网关，不支持时应删除该配置。原始转录和降级提示会保留，不会自动扩大输出预算。

默认使用 Whisper base 模型。需要更高转写质量时，可设置 ASR_MODEL=small 或更大的模型，同时预留更多内存和处理时间；首次运行会下载对应模型。转录和 AI 生成内容可能存在识别或理解误差，重要信息请核对原视频。

启动检查

1. 在另一个终端执行 curl -f http://localhost:8999/health（Windows PowerShell 使用 curl.exe）。修改过端口时替换 8999，确认服务已启动。
2. 打开 http://localhost:8999，进入 “ViNoter 智搜”，输入“在 YouTube 和 B站搜索 Python 入门，每个平台 2 条”。
3. 选择一个可访问的短视频生成笔记，完成后下载 Markdown，或在“历史记录”中查看。遇到错误时参考下方“故障排查”。

---

📖 使用指南

ViNoter 智搜

ViNoter 使用 DeepSeek Harness Python SDK 编排搜索和笔记工具，YouTube 使用 yt-dlp Python SDK，B站使用公开搜索接口。不需要手动启动额外服务，也不需要另配 DeepSeek 账号；搜索、问答和笔记继续共用 .env 中的 OPENAI_API_KEY、OPENAI_BASE_URL、OPENAI_MODEL。

模型接口须支持 OpenAI-compatible Chat Completions、流式输出和自动工具调用。SDK 当前锁定 0.1.2rc1 预发布版，依赖安装时会一并安装对应的运行时，不使用系统 Node.js 运行 Agent。

• 搜索支持 youtube、bilibili 或两者同时；默认每个平台 5 条，可要求 1–20 条、第 1–10 页，关键词最多 200 字。上游实时排序可能变化，不保证跨次翻页绝无重复。
• 对话文字、最新视频列表和翻页条件保存在本地 SQLite；刷新页面或重启服务后可继续当前会话。清空会话会停止正在运行的 Agent 并清除上下文。浏览器仅保存会话 ID，历史最多保留 40 条消息，送给模型的是最近 10 条的有界上下文。
• 单轮最多 8 次模型步骤、10 分钟；最多同时执行 2 个 Agent。关闭流式请求会取消其运行，不会自动续跑中断任务。
• B站搜索默认尝试公开访客会话，不读取浏览器 Cookie。遇到平台限制时，稍后重试或按下文配置自己的有效 Cookie；不保证能解除平台限制。某个平台失败会明确提示，仍可显示另一平台的结果。
• 关键词检索目前只开放 YouTube 和 B站。其他站点的视频链接仍走原有视频转笔记入口，是否能提取由 yt-dlp、站点权限和网络决定，不能把支持下载等同于支持关键词搜索。

使用方式

1. 在左侧导航打开 “ViNoter 智搜”（/search）。
2. 输入搜索需求，例如“在 B站搜索 Python 入门，返回 5 条”或“在 YouTube 和 B站搜索机器学习入门，每个平台 2 条”。结果以实际返回的视频卡片为准，可能少于请求数量。
3. 输入“下一页，条件不变”继续检索；“第一个”等序号始终指向最近一次成功搜索的视频列表，翻页后会更新。
4. 点击视频卡片上的“生成笔记”，或输入“选第一个，帮我生成笔记”。对话工具默认生成中文笔记；其他语言通过“视频笔记”页面选择，不将智搜当作通用翻译助手。
5. 生成完成后可查看或下载 Markdown；成功入库的笔记也会出现在“历史记录”，并纳入全文搜索。若界面提示“未保存到笔记库”，请先下载结果，不要把生成文件等同于保存成功。

点击“清空对话”会取消当前会话任务并清除智搜上下文，不删除已入库的笔记。清空失败会保留当前界面并提示原因；若提示清理未完成，请重启服务后重试。

当前架构

层级	职责
React 页面 + FastAPI/SSE	用户操作、视频卡片、实时进度及会话恢复
DeepSeek Harness SDK	模型调用与工具编排，只开放 video_search、generate_notes 两个业务工具
搜索服务	yt-dlp Python SDK 检索 YouTube，公开接口检索 B站，合并可用结果并报告失败
笔记服务	复用现有字幕优先、ASR、笔记生成流程，保存 Markdown 并建立全文索引
SQLite	保存笔记、分类标签、问答会话与智搜上下文，不负责重启后续跑任务

本地数据库位于 temp/vinote.db，笔记文件也保存在 temp/。备份前先停止服务并保留整个目录；Docker 使用持久化卷，更新时不要使用 docker compose down -v 删除数据。浏览器只保存当前智搜会话 ID，清除浏览器站点数据后不会自动找回这个会话入口。

视频转笔记

1. 打开应用首页，选择"视频笔记"
2. 在输入框中粘贴视频链接（YouTube, Bilibili 等）或本地文件路径
   • 系统自动识别在线 URL 或本地文件，无需手动切换
3. 点击"预览"查看视频信息
4. 选择摘要语言（中文/英文/日语等11种语言）
5. 点击"生成笔记"
6. 等待处理完成（可查看实时进度）
7. 下载生成的 Markdown 笔记

💡 支持的视频格式：MP4, AVI, MOV, MKV, MP3, WAV 等

💡 批量模式：切换到“批量”模式，可扫描本地目录、粘贴多个链接，或粘贴一个 B站/YouTube 合集链接后点击“解析合集/播放列表”，勾选本次需要处理的视频（最多 20 个）。

视频问答

1. 打开应用首页，选择"视频问答"
2. 即时问答：粘贴视频链接或本地文件路径，点击“开始预处理”，完成后输入问题
3. 存量问答：进入“历史记录”，勾选 1-5 条笔记，点击“基于所选内容问答”
4. 存量问答会话会自动保存；刷新带 sessionId 的问答页面即可恢复来源和消息

💡 提示：AI 会基于所选内容回答；存量问答默认优先读取原始转录，旧笔记没有原始转录索引时使用完整笔记。

重新生成笔记产物

在“历史记录”中，每条笔记提供两种操作：

• 重做摘要：复用现有完整笔记，重新生成摘要和思维导图
• 重做笔记：优先从原始转录重新整理完整笔记，再依次生成摘要和思维导图；旧数据没有原始转录索引时会回退到现有完整笔记

视频下载

1. 选择"视频下载"标签
2. 粘贴视频链接并点击"预览"
3. 选择想要的视频质量
4. 点击"开始下载"
5. 下载完成后保存文件

---

🔧 配置说明

环境变量

变量名	说明	默认值	必需
APP_HOST	服务监听地址；需要局域网访问时可设为 0.0.0.0	127.0.0.1	否
APP_BIND_HOST	仅 Docker：宿主机端口绑定地址；不是容器内监听地址	127.0.0.1	否
APP_PORT	服务端口	8999	否
ALLOWED_HOSTS	允许的访问域名/IP，逗号分隔，不含协议和端口；局域网或反向代理访问需添加实际值	localhost,127.0.0.1,::1	否
CORS_ORIGINS	跨域开发来源，逗号分隔；生产构建默认同源	http://localhost:5173,http://127.0.0.1:5173	否
OPENAI_API_KEY	OpenAI 兼容 API 密钥；为空时可打开基础界面，但智搜及完整 AI 生成能力不可用	空	AI 功能需要
OPENAI_BASE_URL	OpenAI 兼容 API 地址	https://api.openai.com/v1	否
OPENAI_MODEL	使用的 LLM 模型	gpt-4o	否
ASR_PROVIDER	ASR 引擎，可选 whisper、funasr、qwen3	whisper	否
ASR_MODEL	ASR 模型；留空按 provider 选择	空（Whisper 默认 base）	否
ASR_MODEL_SOURCE	模型下载源，可选 huggingface、modelscope	huggingface	否
ASR_MODEL_DIR	本地模型目录；设置后优先使用本地模型	空	否
ASR_DEVICE	ASR 运行设备，例如 cpu、cuda:0、mps	cpu	否
ASR_COMPUTE_TYPE	ASR 计算精度，例如 int8、float16、bfloat16	int8	否
ASR_MAX_INPUT_SECONDS	单个音频切片最大长度	60	否
ASR_MAX_INFERENCE_BATCH_SIZE	ASR 推理批大小	1	否
BATCH_CONCURRENCY	批量任务并发数	5	否
ASR_CONCURRENCY	ASR 转录并发数	1	否
WHISPER_MODEL_SIZE	旧版兼容字段；显式设置后仅在 ASR_PROVIDER=whisper 时覆盖 ASR_MODEL	注释状态	否

故障排查

现象	处理方式
首次运行脚本后停止	这是预期行为。脚本已创建 .env，编辑后再次运行
健康检查成功，但 AI 功能失败	/health 不检查模型；核对 Key、Base URL、模型 ID 和账号权限，修改后重启服务
普通聊天可用，但智搜失败	确认该模型/网关支持流式 Chat Completions 和自动工具调用，而不只是普通文本对话
安装脚本提示 Python/Node 版本不符	检查实际终端中的版本及 PATH，安装满足要求的版本后重新打开终端
端口 8999 被占用	停止占用进程，或修改 .env 中的 APP_PORT
局域网访问提示 Host 不允许	将实际访问域名/IP 加入 ALLOWED_HOSTS；本地调整 APP_HOST，Docker 调整 APP_BIND_HOST
首次 ASR 很慢	Whisper/FunASR/Qwen3 模型可能需要首次下载
B站 HTTP 412、YouTube 验证要求或部分搜索失败	检查服务所在环境的网络、访问权限和平台限流；B站可按需配置自己的有效 Cookie，不保证所有内容可访问
刷新后历史还在，但当前 Agent 不再执行	对话流关闭会取消该轮次；恢复会话后重新发送请求，不会自动续跑
笔记已生成但提示未入库	先下载 Markdown，再检查磁盘空间、目录写权限和数据库状态

Whisper 模型选择

模型	参数量	GPU 显存需求 (fp16)	CPU 内存需求 (int8)	相对速度	质量	推荐场景
tiny	39M	~1GB	~600MB	⚡⚡⚡⚡⚡	⭐⭐	快速测试、实时转录
base	74M	~1GB	~800MB	⚡⚡⚡⚡	⭐⭐⭐	平衡首选 ✅
small	244M	~2GB	~1.5GB (1477MB)	⚡⚡⚡	⭐⭐⭐⭐	中等质量
medium	769M	~3-4GB	~2.5GB	⚡⚡	⭐⭐⭐⭐	高质量
large-v1	1550M	~4.5GB	~3GB	⚡	⭐⭐⭐⭐⭐	最高质量 (旧版)
large-v2	1550M	~4.5GB (4525MB)	~2.9GB (2926MB int8)	⚡	⭐⭐⭐⭐⭐	最高质量
large-v3 / large	1550M	~4.5GB	~3GB	⚡	⭐⭐⭐⭐⭐	最高质量 (推荐)

🍪 Cookies 配置（B站，可选）

公开搜索和公开视频可先不配置 Cookie。遇到需要登录的视频或平台访问限制时，可使用自己账号的 B站 Cookie 重试；Cookie 不保证解除限流，也不会增加账号本来没有的观看权限。

YouTube 搜索当前使用公开访问方式，不读取浏览器 Cookie；登录要求、地区限制和平台风控仍可能导致请求失败。bilibili_cookies.txt 只用于 B站。

方法一：仅导出 B站域名的 Cookie

1. 在浏览器中登录自己的 B站账号。
2. 使用可信且支持 Netscape 格式、仅导出当前站点 的 Cookie 工具，只导出 bilibili.com 及其子域的条目，不导出整个浏览器的 Cookie。
3. 将文件保存到项目根目录，命名为 bilibili_cookies.txt。保留实际的域名、路径、过期时间和制表符分隔格式，不要保存为 JSON。
4. 重启 ViNote 后重试。Docker 部署还需启用前文的只读 Cookie 文件挂载。

方法二：使用格式示例手动填写

cp cookies.txt.example bilibili_cookies.txt

参考示例中的 Netscape 字段格式，从本人已登录的 B站浏览器会话填写实际条目，移除对应行开头的注释符，并替换占位值和过期时间。仅复制示例文件不能获得有效登录状态，不要加入其他网站的 Cookie。

bilibili_cookies.txt 包含登录凭据，只保留在本机；不要提交到 Git、公开分享或发送给大模型。Cookie 的有效期由平台和登录状态决定，失效后重新登录、导出并重启服务。

---

📋 版本更新

当前开发版本（未发布）

• ViNoter 使用 DeepSeek Harness SDK 编排搜索与笔记工具，沿用现有 OpenAI 兼容模型配置。
• YouTube 检索接入 yt-dlp Python SDK；B站支持公开访客会话和可选登录 Cookie，支持双平台搜索及连续翻页。
• 智搜会话保存到 SQLite，支持刷新恢复、重启后继续提问和清空会话。
• Agent 生成的笔记保存到历史记录与全文索引；保存失败保留下载入口并提示原因。
• 修复并发消息、笔记进度串位及取消/清空时的状态竞争。
• 修复 YouTube 音频下载的过时客户端参数，改用 yt-dlp 默认选择并补齐 JavaScript 运行依赖。
• 加强笔记、摘要、翻译和导图的原文约束，短内容不再要求扩写；空响应最多重试一次，降级保留原文并显示警告。并发笔记任务的警告状态独立。
• 新增可选 OPENAI_REASONING_EFFORT，支持为兼容的推理模型配置内容生成强度；默认不发送此参数。截断正文、拒答或输出预算耗尽会显示降级提示，不会自动增加 token 预算。

v1.4.0 (2026-03-09) 🚀 SQLite 持久化 + 分类管理 + UI 大优化

💾 SQLite 持久化存储

• ✅ 已完成笔记迁移到 SQLite: 告别 JSON 文件，数据更可靠
• ✅ 自动迁移: 首次启动自动将 tasks.json + tags.json 迁移到 SQLite
• ✅ 4 张表设计: notes, categories, tags, note_tags（多对多）
• ✅ 服务端分页/筛选/排序: 历史记录 API 全面升级

📂 分类与标签系统

• ✅ 笔记分类页面: 独立的分类管理页面，左侧分类列表 + 右侧关联笔记
• ✅ 17 个预置系统分类: 开箱即用的笔记分类体系
• ✅ 分类 CRUD: 新建、重命名、删除分类
• ✅ 标签系统: AI 自动打标签 + 手动编辑，标签芯片可跳转筛选
• ✅ 交叉筛选: 按分类、标签、关键词多维度快速检索

🗄️ 存储管理

• ✅ 存储统计面板: 可视化查看笔记、音频缓存、下载文件、备份占用空间
• ✅ 分类清理: 按类型一键清理缓存，释放磁盘空间
• ✅ 单条删除: 支持删除单条笔记及其关联文件

🎨 UI 优化

• ✅ 输入框合并: 视频笔记/问答/思维导图页面去掉"在线/本地"切换，合并为单输入框，自动识别
• ✅ 批量处理: 视频笔记支持批量模式，可扫描本地目录或粘贴多个链接
• ✅ 历史记录重写: 服务端分页、行内分类下拉、行内标签编辑
• ✅ short_id 修复: 修复历史记录内容查看/跳转卡片/导图失败的问题
• ✅ 启动时自动修复: repair_note_file_links() 修复历史数据中的文件链接

🔧 修复

• ✅ 修复 short_id 双源不匹配导致历史记录功能异常
• ✅ 修复 ai_config.openai_model 属性访问错误
• ✅ 本地路径防御统一到 3 个路由（tasks/qa/mindmap）

---

v1.3.1 (2026-02-26) 🚀 字幕优先 + Docker 部署

⚡ 性能优化

• ✅ 字幕优先策略: 视频处理时优先提取平台字幕（B站AI字幕、内嵌字幕等），跳过音频下载和ASR转录
• ✅ 处理速度大幅提升: 有字幕的视频从 3-5 分钟缩短到 10 秒内完成
• ✅ 节省资源: 无需下载音频文件，无需 GPU/CPU 进行语音识别

🐳 Docker 部署

• ✅ Docker 支持: 新增 Dockerfile 多阶段构建（前端+后端）
• ✅ Docker Compose: 一键部署，自动管理卷和健康检查
• ✅ 优化镜像: .dockerignore 排除敏感文件和无关文件

🎨 前端优化

• ✅ 智能进度展示: 字幕流程和转录流程显示不同的步骤标签
• ✅ 步骤自动切换: 自动识别后端字幕提取成功信号，切换进度展示

🔧 修复

• ✅ 修复 SearchAgent 页面变量声明顺序 ESLint 错误
• ✅ 统一所有视频入口（笔记/问答/思维导图）的字幕优先逻辑

---

v1.3.0 (2026-02-14) 🎉 架构重构 + 新功能

🏗️ 架构重构

• 后端模块化: 拆分 1600+ 行 main.py → routers/ + core/ 分层架构
• 前端工程化: 从原生 HTML/JS 迁移至 React + TypeScript + Vite

🚀 新功能

• ✅ 知识卡片: 从笔记一键生成知识卡片，支持多种卡片风格
• ✅ 思维导图: 基于 Markmap 的交互式思维导图，从笔记自动生成
• ✅ 历史记录: 笔记任务历史查看与管理
• ✅ 优化一键启动脚本: start.sh / start.bat 自动安装依赖、构建前端、检测端口

v1.2.0 (2025-11-03) 🎉 重大更新

🚀 新功能

1. ViNoter 超级智搜模块 ⭐⭐⭐⭐⭐

• ✅ 对话式检索网站视频（支持 B站、YouTube 等）
• ✅ 对话式视频转录，转录完成可直接下载
• ✅ 智能理解用户意图，自动调用相应工具
• ✅ 流式对话体验，实时反馈处理进度

2. 转录进度优化 📊

• ✅ 后端增加详细转录进度跟踪
• ✅ 实时进度百分比显示
• ✅ 转录状态实时更新

🔧 重要改进

3. B站视频 412 错误修复 🛠️

• ✅ 增加 Cookie 认证支持
• ✅ B站使用专用 bilibili_cookies.txt
• ✅ 内置开发者工具，方便进行 Cookie 格式转换

v1.1.0 (2025-01-27)

🎉 新功能

• ✅ 本地视频支持：支持通过绝对路径输入本地视频文件
  • 支持格式：MP4, AVI, MOV, MKV, MP3, WAV等
  • 支持Mac/Linux/Windows路径
  • Docker环境支持目录挂载
• ✅ 视频笔记本地模式：可直接处理本地视频生成笔记
• ✅ 视频问答本地模式：可基于本地视频内容进行智能问答

🔧 改进

• 优化了路径验证逻辑
• 改进了用户界面体验
• 完善了文档说明

v1.0.0 (2025-01-20)

🎉 初始版本

• ✅ 在线视频下载和转录
• ✅ AI驱动的笔记生成
• ✅ 视频问答系统
• ✅ 视频下载功能
• ✅ 多语言支持
• ✅ 实时进度跟踪

---

🗺️ 开发路线图

✅ 已完成功能

核心功能

• ✅ 超级视记Agent-ViNoter
• ✅ 视频音频下载和转录
• ✅ AI驱动的笔记生成
• ✅ 文本智能优化
• ✅ 多语言翻译支持
• ✅ 视频问答系统
• ✅ 视频下载功能

✅ 已完成模块（8/8）

• ✅ 知识卡片生成（自动提取知识点、多种卡片风格）
• ✅ 思维导图生成（从笔记/视频自动生成）
• ✅ 笔记分类与标签管理
• ✅ SQLite 持久化存储 + 自动迁移

---

🤝 贡献指南

欢迎贡献代码！请遵循以下步骤：

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

贡献建议

• 📋 查看 开发路线图 选择待开发功能
• 🐛 修复 Issues 中的 Bug
• 📝 改进文档和示例
• ✨ 提出新功能建议

---

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情

---

🙏 致谢

本项目基于以下优秀的开源项目和服务构建：

核心依赖

• DeepSeek Harness SDK - ViNoter 的 Agent 运行时与视频搜索、笔记工具编排
• yt-dlp - 强大的视频下载工具，支持数百个视频平台
• Faster-Whisper - 高效的 Whisper 实现，提供出色的转录性能
• FastAPI - 现代化的 Python Web 框架，高性能且易用
• OpenAI API - 强大的 AI 文本处理能力

灵感来源

• AI-Video-Transcriber - 一款开源的 AI 视频转录和摘要工具，为本项目提供了重要的设计灵感

感谢所有开源项目的贡献者们！💖

---

💬 联系方式

• 问题反馈: GitHub Issues
• 邮箱: [email protected]

---