把你在 B 站收藏的访谈/演讲/课程,变成可检索、可追溯来源的个人知识库。
适合:访谈/演讲/课程、技术视频与学习视频整理、公开课复盘、知识总结、会议/分享回顾、播客内容归档等。

亮点:自动拉取内容 → 语音转写 → 向量检索 → 对话问答

• ✅ B 站扫码登录,读取收藏夹
• ✅ 音频转文字(ASR),自动兜底处理
• ✅ 语义检索(向量检索)
• ✅ 基于 RAG 的对话问答
• ✅ 本地 SQLite + ChromaDB 存储

首页截图 对话界面截图

演示视频

0. 安装 ffmpeg(并确保在 PATH 中)

• macOS: brew install ffmpeg
• Windows: 下载安装包后将 bin 目录加入 PATH
• Linux: apt/yum/pacman 安装 ffmpeg

1. 安装依赖

conda activate bilibili-rag
pip install -r requirements.txt

2. 配置环境变量

cp .env.example .env
# 编辑 .env,填写 DashScope API Key 等配置

3. 启动服务

python -m uvicorn app.main:app --reload

后端文档:http://localhost:8000/docs

前端:

cd frontend
npm install
npm run dev

前端页面:http://localhost:3000

1. 选择收藏夹
2. 拉取视频 → 音频转写(ASR)
3. 生成向量 → 构建知识库
4. 对话/检索问答

注意:test/ 目录下的脚本需要 移动到项目根目录 再运行(依赖相对路径与配置)。

• debug_asr_single.py:测试单个视频是否能正确获取音频
• diagnose_rag.py:测试向量检索召回是否准确
• sync_cache_vectors.py:同步数据库缓存数据到向量库

部分 B 站音频 URL 可能返回 403(直链不可拉取),系统会自动执行兜底流程:

1. 本地下载音频(带 Cookie)
2. ffmpeg 转码为 16k 单声道
3. 上传到 DashScope 后再识别

请确保本机已安装 ffmpeg 并加入 PATH。

模型相关费用包括:

• LLM 对话(按 Token)
• Embedding(按 Token)
• ASR 音频转写(按时长)

建议:

• 部署/测试阶段先用 **短视频(约 10 分钟)**验证流程与费用
• 正式使用按需启用,注意费用;大多数模型有免费额度,通常足够日常使用

• 后端:FastAPI
• LLM:LangChain + DashScope
• 向量库:ChromaDB
• 前端:Next.js + Tailwind
• 数据库:SQLite

bilibili-rag/
├── app/ # 后端逻辑
├── frontend/ # 前端界面
├── data/ # 数据库与向量库
├── test/ # 测试脚本(需移动到根目录再运行)
└── README.md

Q:为什么有些音频 URL 可达、有些不可达?
A:B 站音频直链存在鉴权/过期/区域限制,只有公网可直接拉取的 URL 才可达。

MIT

• 对话存储、会话管理、检索历史对话记录
• 支持 B 站分 P 视频
• 适配更多 LLM 与向量模型