把两小时录屏学通透：长视频课程笔记工作流

一、目标不是摘要，是能照着复现的笔记

培训课程、技术录屏动辄一两个小时，「看一遍」等于没看。我的目标是产出能照着复现的笔记：命令、代码路径、参数、排错全保留，而不是「本节课讲解了 XXX」这种摘要。

这套工作流是把 RAGFlow 源码课（两小时+）学通时定型的，核心思路一句话：机器干机器的活，人（和子代理）只看该看的。

二、摸清素材

动手先花五分钟摸底：

  • zip 课件直接读：pptx 就是 zip，namelist() 看结构，文字在 ppt/slides/slideN.xml 的 <a:t>，图片在 ppt/media/。先读文字再决定要不要看图，别急着全解开；
  • 视频信息：ffmpeg -i in.mp4 抓 Duration；
  • 先算帧数再决定策略：两小时按 5 秒抽 = 1400+ 帧，绝不可能全部人肉读图——这个数字直接决定后面必须走「去重 + 子代理」路线。

三、抽帧：一次解码，大小图双出

1
2
3
4
ffmpeg -y -i IN.mp4 \
  -filter_complex "[0:v]fps=1/5,split=2[a][b];[a]scale=1440:-2[a2];[b]scale=48:30,format=gray[b2]" \
  -map "[a2]" -q:v 5 OUT/f_%06d.jpg \
  -map "[b2]" -f rawvideo -pix_fmt gray OUT/tiny.raw

一次解码同时出两种图：1440 宽大图（代码可读性与 token 成本的平衡点，再窄就读不出代码了）和 48×30 灰度小图（每帧 1440 字节，给下一步去重用）。2.5 小时视频约 10~20 分钟抽完，放后台跑。

四、差分去重：1900 帧砍到 300 张

纯 Python 读 tiny.raw，逐帧与「上一个保留帧」比平均绝对差：

1
2
3
4
5
6
keep = [0]; last = frames[0]
for i in range(1, nf):
    d = sum(abs(a-b) for a,b in zip(frames[i], last)) / N
    gap = (i - keep[-1]) * interval
    if d > 18 or (d > 4.5 and gap >= 45):   # 突变必留；渐变最多 45 秒一张
        keep.append(i); last = frames[i]

两条阈值各管一种场景：画面突变（切页/切代码）必留；渐变（滚动、动画）最多 45 秒留一张。实测 2.5 小时课程：1900 帧 → 300~450 关键帧。时间戳 t = i * interval，与大图编号对应。

顺带解决了两个意外场景：课前无关桌面帧会保留一两张（无妨）；推流故障的大段灰屏被自动跳过，笔记里标注「该时段无内容」即可。

五、分批派子代理读图（关键：别自己读）

按关键帧顺序切批，每批 35~60 张，并行派子代理，每批一个，逐张读图后写带时间戳的笔记。

提示词三要素：课程主题、可能出现什么画面（PPT/IDE/终端/浏览器）、输出文件路径，外加一句硬要求——「逐字记录命令与代码」，以及最后只回一行 done，别把笔记复述回主上下文。

必须按文件存在性复核，因为子代理有三种静默失败：① 不写文件 ② 被分到不支持读图的模型（报错 current model does not support images）③ 写错路径。每批结束列目录核对，缺哪批补派哪批。主上下文因此只增长 N 行 done，几百张图的 token 全在子代理里烧掉。

六、二次压缩：几十万字变六份摘要

原始笔记总量常达几十万字，主上下文读不下。再派 6 个压缩子代理，每个吃 23 份原始笔记，按固定 schema 输出 50006000 字：

1
2
3
4
A 时间段与主题          B 关键知识点（保留讲师结论与「为什么」）
C 代码地图（路径→类/函数→作用）   D 命令/配置/参数/URL（可复制）
E 可复现实操步骤         F 坑与注意事项
G 与「跑通/二次开发」相关的结论

schema 固定是压缩质量的关键——每个子代理都按同一个骨架输出，最后合成才不会漏项。

七、两份交付物

主代理读 6 份摘要，合成两份东西：

  1. 知识总纲：架构、链路、参数、二次开发入口——回答「这门课讲了个什么系统」；
  2. 一天跑通手册：本机环境探测 + 时间表 + 命令 + 检查点 + 排错表 + 验收清单——回答「我怎么把它跑起来」。

跑通手册必须先探测本机环境（docker/ollama/GPU/磁盘/代理）再写，拒绝通用版——本机没有 ollama 就别让人家装模型，本机代理吞 localhost 就先给绕法。

八、收尾与坑位

  • 按约定删除抽帧图片（通常几千张），临时脚本、探针输出一并清掉，只留笔记；
  • 写工作区记忆：素材路径、课程主题、关键环境结论、踩到的坑；
  • 本机坑位照抄：PATH 里通常没有 ffmpeg（剪映目录里有裁剪版，够用）；PowerShell 不回传 stdout，输出写文件再读；脚本统一 UTF-8 写文件；wsl.exe 可能被安全策略拦截，别在脚本里调。

九、小结

这套工作流的本质是流水线思维用在学课上：抽帧去重是「粗筛」，子代理读图是「精读并行化」，schema 压缩是「结构化」，两份交付是「分层输出」。课程越长，相对人工的优势越大。下一篇讲录屏逆向——看到别人的视频，怎么拆成可复现的配方。