抖音全栈视频知识总结Bot (Douyin Full-Stack Video Summarizer)

将抖音/TikTok 视频转化为结构化的深度学习笔记。

这是一个运行在企业微信上的智能 Bot。发送抖音视频链接，它将自动通过 三阶段 AI 管线（听录 -> 深度研究 -> 总结），生成一份包含核心观点、事实核查和背景知识的精美 PDF 报告。

所有笔记自动沉淀为 SQLite 知识库，并通过 AI 语义标签 驱动检索。内置 MCP Server 支持 Claude / Cursor 远程调用，随时与个人视频知识库对话。

核心特性

智能交互 & 任务队列

• 即时响应：发送视频链接后，Bot 立即准备就绪。

• 自定义要求：发送链接后直接发送具体要求（如"总结为表格"），Bot 自动确认并立即开始。

• 任务队列：处理中可继续发送新链接，自动排队（每用户最多 3 个），前序任务完成后自动处理下一个。

• 队列状态查询：发送"队列"或"状态"可查看当前排队情况。

• 重复检测：自动识别已处理过的视频，支持覆盖或新增。

三阶段 AI 深度管线

知识库 & 检索

• AI 语义标签：每篇笔记由 DeepSeek 自动生成 5-10 个语义化检索标签（如"AI编程,智能体,强化学习"），替代传统关键词提取。

• 三层搜索策略：标签 LIKE 匹配 → FTS5 全文检索 → LIKE 兜底，确保高召回率。

• 精确搜索：支持 AND 逻辑多关键词精确匹配，快速缩小范围。

• MCP 协议：Claude / Cursor 远程调用知识库，7 个 MCP 工具覆盖搜索/检索/统计。

专业级输出

• 精美 PDF：基于 HTML+CSS (WeasyPrint) 渲染，支持中文字体、加粗、LaTeX 公式。

• 多格式交付：PDF 优先，失败时自动降级为 Markdown 文本。

架构图

graph TD
    User["用户 (企业微信)"] -->|1. 分享链接| Server["Bot主服务 :8080"]
    User -->|2. 补充要求 / 新链接入队| Server
    Server -->|3. 解析/下载| Parser["抖音轻量解析器"]
    Server -->|4. AI总结| AI["三阶段AI管线\n(Gemini -> Qwen -> Sonnet)"]
    Server -->|4.1 生成标签| DS["DeepSeek\n(语义标签生成)"]
    AI -->|5. 生成PDF| PDF["PDF生成器"]
    AI -->|6. 存入SQLite| DB[("知识库\nknowledge.db")]
    DS -->|标签写入| DB
    
    Claude["Claude / Cursor"] <-->|MCP Protocol| MCPServer["MCP Server :8090"]
    MCPServer <-->|搜索/检索| DB
    
    Server -->|7. 推送 PDF/文本| User

快速部署

环境要求

• Python 3.10+

• FFmpeg (必须)

• 中文字体 (用于 PDF 渲染, 推荐 Noto Sans CJK)

• 公网 IP 服务器 (用于接收企业微信回调)

1. 克隆与安装

git clone https://github.com/skepty2333/Douyin-full-stack-summarizer.git
cd douyin-bot
chmod +x scripts/setup.sh && ./scripts/setup.sh

2. 配置环境变量

复制 .env.example 为 .env：

cp .env.example .env
vim .env

3. 启动服务

# 启动主服务 (企业微信 Bot)
sudo systemctl start douyin-bot

# 启动 MCP Server (知识库检索)
sudo systemctl start mcp-server

# 查看日志
journalctl -u douyin-bot -f

使用指南

基础用法

1. 在抖音 APP 中复制链接。

2. 发送给企业微信 Bot。

3. 无需额外要求：发送"开始"或等待 2 分钟自动处理。

4. 有具体要求：直接发送要求文本，Bot 自动确认并开始。

任务队列

• 处理中发送新链接 → 自动入队。

• 发送"队列"或"状态" → 查看排队情况。

• 每用户最多排队 3 个任务，前序完成后自动处理。

重复视频处理

• Bot 自动检测同标题/同作者的历史记录。

• 输入"覆盖"替换旧记录，"新增"保留两份，"取消"放弃。

MCP 知识库检索

启动 MCP Server 后，通过 Claude / Cursor 调用：

对话示例：

"帮我找关于'量化交易'的视频笔记" → search_notes

"找同时提到'AI编程'和'开源项目'的笔记" → search_notes_precise

项目结构

douyin-bot/
├── main.py                          # 主服务入口 (FastAPI)
├── mcp_server.py                    # MCP Server (知识库检索)
├── app/
│   ├── config.py                    # 配置管理
│   ├── database/
│   │   └── knowledge_store.py       # SQLite 知识库 (FTS5 + 标签搜索)
│   ├── services/
│   │   ├── ai_summarizer.py         # 三阶段 AI 管线 + DeepSeek 标签生成
│   │   ├── douyin_parser.py         # 抖音视频解析/下载
│   │   ├── pdf_generator.py         # PDF 渲染 (WeasyPrint)
│   │   └── wechat_api.py            # 企业微信 API
│   └── utils/
│       └── wechat_crypto.py         # 消息加解密
├── scripts/
│   └── setup.sh                     # 环境安装脚本
└── knowledge.db                     # SQLite 知识库

常见问题

Q: PDF 中文乱码？ 服务器缺少中文字体。运行 setup.sh 或手动安装 google-noto-sans-cjk-ttc-fonts，刷新缓存 fc-cache -fv。

Q: 解析失败或下载慢？ 抖音对数据中心 IP 有反爬策略。建议使用家庭宽带 IP 或更替服务器 IP。

Q: 备用线路是什么？ 当主 API 返回 429/5xx 错误时，系统自动切换 SECONDARY_ 配置的备用 Key，确保服务稳定。务必配置备用线路。

Q: 标签生成失败？ 如果 DeepSeek API 调用失败，系统会自动回退到正则提取（从 Markdown 加粗词中提取）。优先确保 DEEPSEEK_API_KEY 配置正确。

许可证

MIT License