B站视频一键转结构化文档,这个 Claude Code Skill 太香了

再也不用1小时视频肝3小时笔记了

我有个习惯，看到好的技术视频会做笔记。但常常一个 15 分钟的视频，暂停、回退、打字，愣是折腾 40 分钟。手酸眼酸不说，还容易漏掉关键配置细节。

上周刷到一个讲 SeaTunnel 的视频，内容很扎实，但字幕是碎片化的逐句文本，直接复制过来乱成一团——时间戳、空行、断句满天飞，根本没法用。

于是写了一个 Claude Code 的 Skill，叫 bilibili-to-doc。效果出乎意料地好，分享出来给有同样痛点的朋友。

开源

项目已开源在 GitHub，MIT 协议，随便用、随便改。

🔗 https://github.com/programmerloverun/bilibili-to-doc

如果你觉得有用，可以 Star 一下；如果你有更好的想法（比如支持多语言字幕、本地 Whisper 转写回退），欢迎提 PR 一起完善。

它做了什么？

拿这个 SeaTunnel 教程视频举例。

输入一个 B 站链接，Skill 会自动完成：

1. 下载字幕 — 通过 yt-dlp 拉取 B 站 AI 中文字幕
2. 清洗文本 — 去掉时间戳、序号，合并碎片句子
3. 结构化重组 — AI 识别逻辑章节，生成带目录、代码块、表格的 Markdown 文档
4. 输出到桌面 — 一份可以直接用、可以搜、可以分享的文档

输出的文档长这样：

# 【IT老齐772】ETL中间件 SeaTunnel 快速上手## 一、SeaTunnel 概述### 1.1 什么是 SeaTunnelSeaTunnel 是 Apache 孵化开源的 ETL 工具...## 二、案例演示：MySQL → Redis 准实时同步...## 三、环境准备### 3.2 Docker Compose 编排- 1 个主节点 + 2 个工作节点 + MySQL + Redis## 四、任务配置（HOCON 格式）```hocon{  source { MySQL-CDC { ... } }  transform { Sql { ... } }  sink { Redis { ... } }}

第一步：复制视频链接

【【IT老齐772】ETL中间件SeaTunnel快速上手】https://www.bilibili.com/video/BV1v5TuzJE4v?vd_source=86ceab86ae8b5c68f25b7b17bc8c83d5

第二步：在 Claude Code 里丢链接

打开终端，进入 Claude Code，直接说人话：

不需要记命令，不用传参数。

第三步：看看实际发生了什么

Claude Code 收到指令后，Skill 自动触发，你会看到它在终端里一步步执行：

① 下载 AI 字幕（约 2 秒）

$ yt-dlp --cookies-from-browser chrome \"https://www.bilibili.com/video/BV1v5TuzJE4v" \    --write-subs --sub-lang ai-zh --skip-download \    -o "/tmp/bilibili_output"

终端输出：

[BiliBili] Extracting URL: https://www.bilibili.com/video/BV1v5TuzJE4v [BiliBili] BV1v5TuzJE4v: Extracting subtitle info Extracting cookies from chrome [info] Writing video subtitles to: /tmp/bilibili_output.ai-zh.srt ✅

拿到了标题：【IT老齐772】ETL中间件SeaTunnel快速上手】

② 解析 SRT 字幕（约 1 秒）

这个 16 分钟的视频，B 站 AI 字幕切成了 409 条片段。原始字幕长这样——时间戳叠时间戳，根本没法读：

409 00:16:51,960 --> 00:16:54,480 今天呢咱们就做一个抛砖引玉

Skill 内部用脚本先做一次清洗：去掉序号、去掉时间戳、合并相邻碎片句。

③ AI 重组内容（约 10 秒）

这一步是核心。AI 通读完 409 条字幕的全部内容后，识别出视频的逻辑结构：

• 6 个自然章节（概述 → 案例 → 环境 → 配置 → 验证 → 总结）
• 2 处配置代码（HOCON 任务配置 + Docker 架构）
• 4 处适合用表格表达的内容（组件角色、API 接口、模式对比、验证步骤）
• 多处需要提炼的关键概念（streaming vs batch、checkpoint、MySQL-CDC 原理）

然后把碎片化的口语重新组织成书面表达。

④ 写入桌面（瞬间完成）

✅ /Users/leo/Desktop/【IT老齐772】ETL中间件SeaTunnel快速上手.md

第四步：打开看看成品

双击打开桌面上的 md 文件，你会看到一份这样的文档：

• 📑 有目录层级 — 一级标题 → 二级标题 → 三级要点
• 📊 有对比表格 — 组件角色表、API 表、模式对比表、验证步骤表
• 💻 有代码块 — HOCON 配置带注释，可以直接复制改参数
• 🏷️ 有关键概念提炼 — binlog 监听、CDC 连接器、数据流转方向
• 📝 有免责声明 — 标注了”AI 从字幕生成”，提醒结合原视频

Before（原始 srt 字幕）vs After（结构化文档）对比：

整个过程不到 20 秒，你只做了一件事——贴了个链接。

什么视频适合转？

核心要求就一个：视频有 B 站 AI 字幕。目前大部分中文视频 B 站都会自动生成，覆盖率很高。

原理其实很简单

整个流程四步，拆开看都很朴实：

B站链接 │ ├─ yt-dlp + 浏览器 Cookies → 下载 AI 字幕 (.srt) ├─ Python 解析 → 清洗时间戳和编号 ├─ AI 重组 → 识别章节 + 生成代码块/表格 └─ 写入桌面 → {标题}.md

核心工作靠的是 Claude Code 的 Skill 机制——它把”用 yt-dlp 下载字幕 → 读文件 → 让 AI 整理 → 写文件”这个固定流程封装成可复用的技能，每次触发的行为一致，不会漏步骤也不会走样。

最后

作为程序员，我们天然对”自动化重复劳动”有执念。把视频笔记这种机械操作交给工具，省下的时间拿去真正写代码、看文档、或者干脆摸鱼——不香吗？

如果有任何问题或建议，欢迎在 GitHub Issues 留言。