用途
bilibili-render-pdf 用于将 Bilibili 视频（讲座、教程或技术分享）转换为一份完整、可编译的 LaTeX 课程笔记，并渲染为最终 PDF。它扩展了 youtube-render-pdf 的工作流，针对 Bilibili 平台的字幕稀缺、登录限制高清、多分P视频以及平台特有的非教学内容做了专门适配。
主要能力
- 从 Bilibili URL 生成专业的中文课程笔记，输出为完整的 .tex 文档并成功编译为 PDF。
- 使用视频的实际教学内容，而不仅仅是字幕转录。
- 在 .tex 和渲染后的 PDF 首页放置视频原始封面图（如可用）。
- 包含所有必要的高价值关键帧作为插图，不添加冗余截图。
- 以总结与延伸章节结尾，包含讲者的实质性收尾讨论和提炼的要点。
- 使用 \section{...} 和 \subsection{...} 进行结构化组织。
- 文档从 \documentclass 到 \end{document} 完整。
使用方式
源获取
-
元数据检查：先检查视频元数据，优先获取标题、章节、时长、缩略图可用性和字幕可用性。检测多分P视频，列出所有分P并询问用户要处理哪些部分。
-
字幕获取（三级回退）：
- 优先级 1：CC 字幕（平台内嵌）。优先使用手动字幕而非自动生成字幕，优先 zh-Hans、zh-CN、zh 或 ai-zh 字幕轨道。保留字幕时间戳。
- 优先级 2：Whisper 语音转文字（无 CC 字幕时）。先提取音频，再用 Whisper 转录生成带时间戳的 SRT 文件。
- 优先级 3：纯视觉模式（音频质量太差时）。完全跳过字幕，依靠密集帧采样从视频帧中提取教学内容。
-
视频和封面下载：在编写 .tex 之前获取视频原始封面图，优先使用平台元数据中暴露的最高分辨率缩略图。选择当前环境中实际可下载的最高分辨率视频源。注意 Bilibili 的 1080P+ 通常需要登录 cookies。
长视频策略
- 视频超过 20 分钟或字幕文件超过 300 条时，将工作拆分为更小的片段。
- 优先按章节边界或分P边界拆分。
- 有子代理时，为不同片段并行生成多个子代理。
- 主代理必须将片段输出整合为一个统一大纲和连贯的最终叙述。
教学内容规则
从以下内容构建笔记：视频标题和章节结构、原始封面图和关键元数据、屏幕上的图表/公式/表格/架构幻灯片、字幕解释/示例/口头强调、高信号原始对话片段、代码片段。
跳过：问候、闲聊、无信息量的例行互动、赞助、频道事务（一键三连等）、结束客套话。
写作规则
- 除非用户明确要求其他语言，否则用中文写笔记。
- 用 \section{...} 和 \subsection{...} 组织文档。
- 避免过度使用“不是……而是……”句式。
- 从 assets/notes-template.tex 开始，填写元数据块（包括本地封面图路径），替换正文内容块。
- 首页必须包含视频原始封面图（如可用）。
- 在能实质性改善解释时使用插图。
- 数学公式：先用中文解释公式要表达什么，再用 $$...$$ 展示，然后立即用平铺列表解释每个符号。
- 代码示例：在列表前解释代码作用，用 lstlisting 包裹，包含描述性标题。
- 使用 importantbox、knowledgebox、warningbox、dialoguebox 突出教学信号。
- 每个主要章节以 \subsection{本章小结} 结尾。
- 文档以最终顶级章节（如 \section{总结与延伸}）结尾。
插图处理
- 按必要性和教学价值选择插图，不按任意配额。
- 定位候选帧时偏向高召回率。
- 帧理解必须来自直接视觉检查，使用 view image 工具。
- 不要用 OCR 工具替代视觉理解。
- 帧选择检查清单：相关性、所需内容可见、完全展开状态、最佳邻近候选、可读性。
- 帧命名：先用基于时间戳的中性名称，视觉确认后再语义化重命名。
- 使用带时间戳的字幕文件作为关键帧搜索的主要定位器。
适用场景
- 将 Bilibili 上的讲座、教程或技术分享转换为结构化课程笔记。
- 需要从视频中提取公式、代码、图表并整理为可编译 LaTeX 文档。
- 处理多分P视频、字幕稀缺或需要登录才能获取高清源的 Bilibili 视频。
限制
- Bilibili 1080P+ 通常需要登录 cookies，需提示用户使用 yt-dlp --cookies-from-browser chrome。
- 弹幕不作为教学内容来源（太嘈杂），仅使用 CC 字幕或 Whisper 输出。
- 字幕稀缺时依赖 Whisper 或纯视觉模式，可能影响内容提取的准确性。
- 具体收费、价格、平台支持范围等信息暂未提供。