bili2okf

把 B站 视频内容（元数据 / 字幕 / 全量评论）蒸馏为 OKF (Open Knowledge Format) Bundle——视频知识萃取，不是单纯评论采集。

"不原封不动全爬，而是找到有价值的内容" —— 确定性蒸馏（全量评论去重去空、字幕带时间轴）+ OKF 结构化输出；再由 Claude 会话做两层提炼：① references/content-distill.md 把字幕压缩成视频内容知识文档（创作者主张）② references/discussion-distill.md 从评论提炼讨论观点（受众反应，赞数≠价值，语义聚类）。无 CC 字幕时走 ASR 补字幕。模糊需求（非具体 BV 号）可先用 search 子命令召回候选再采集。

# 1. 克隆仓库
git clone https://github.com/021gink/bili2okf.git
cd bili2okf

# 2. 创建虚拟环境（推荐）
python3 -m venv .venv
source .venv/bin/activate  # Linux/macOS
# 或 .venv\Scripts\activate  # Windows

# 3. 安装依赖
pip install -r requirements.txt

# 4. 确保 ffmpeg 已安装
# Ubuntu/WSL: apt install ffmpeg
# macOS: brew install ffmpeg
# Windows: 下载 ffmpeg 并添加到 PATH

⚠️ 运行目录与 Python：在 bili2okf 的父目录执行，且用 .venv 的 python（source bili2okf/.venv/bin/activate 后用 python，或直接 bili2okf/.venv/bin/python）—— ASR 的 funasr/yt-dlp 装在 venv，系统 python3 跑 ASR 会报 No module named 'funasr'。

# 1. 首次登录：终端打印二维码 → 用 B站 APP 扫码
cd ..
bili2okf/.venv/bin/python -m bili2okf --login

# 2. 采集视频（以下命令均在 bili2okf 父目录、用 .venv 的 python）
bili2okf/.venv/bin/python -m bili2okf BV1GJ411x7h7

# 3. 指定输出目录
bili2okf/.venv/bin/python -m bili2okf BV1xxxxxx --out my_bundle/

# 3b. 只采评论（字幕/评论解耦，不跑字幕/ASR）
bili2okf/.venv/bin/python -m bili2okf BV1xxxxxx --only comments

# 4. 模糊搜索视频
bili2okf/.venv/bin/python -m bili2okf search "LLM agent 架构" --top 5

# 5. 查看帮助
bili2okf/.venv/bin/python -m bili2okf --help

登录是自动的：终端 ASCII 二维码 → B站 APP 扫码 → 自动拿到 SESSDATA（不要求手动从浏览器复制 cookie）。SESSDATA 持久化到 ~/.bili2okf/session.json（0600 权限），半年有效，过期再扫一次。

okf_bundle/
├── index.md              # 自动生成（okf_version: "0.1"）
├── videos/{bvid}.md      # type: Bilibili Video（元数据/互动数据/简介）
├── transcripts/{bvid}.md # type: Transcript（字幕全文带时间轴；有 CC 字幕时，无字幕待 ASR）
├── comments/{bvid}.md    # type: Comment Digest（全量评论原料，赞数≠价值，待提炼）
├── content/{bvid}.md     # ⚠ 采集层不生成——由 Claude 读 references/content-distill.md 从字幕提炼后写入
├── insights/{bvid}.md    # ⚠ 采集层不生成——由 Claude 读 references/discussion-distill.md 提炼评论观点后写入
└── log.md                # 采集历史

每个 Concept 符合 OKF v0.1（YAML frontmatter + 非空 type）。用验证器确认（脚本在 tools/，非仓库根）：

bili2okf/.venv/bin/python bili2okf/tools/okf_validate.py okf_bundle/ --strict
# → conformant (OKF v0.1): YES  /  ✓ clean — no errors or warnings.

为何集成 bilibili-api：登录认证 + 全量评论是协议复杂、易变、坑多的原子（-352 风控、wbi 签名、cookie 刷新 correspond RSA、分页边界、楼中楼结构），工业级库已解决，手写会反复踩坑（参见 bilibili-api issue #979：QR 登录 cookie 缺 buvid3）。这是 github-gem-seeker"先复用，后创造"理念的应用。

• patelisii/OKF-Claude-Code —— OKF v0.1 规范与官方 okf_lib.py（复用 OKFDocument + regenerate_indexes）
• Nemo2011/bilibili-api —— B站 Python SDK（登录认证 + 全量评论采集集成其 QrCodeLogin / comment 模块）
• SocialSisterYi/bilibili-API-collect —— B站 API 协议文档