Agent-Reach 安装教程:让 AI 读取网页、YouTube 字幕和 B站内容

把一个视频链接交给 AI，让它总结重点，结果得到的却是对标题和简介的扩写。这种情况，做内容的人大概都遇到过。

问题未必出在模型理解能力上。它可能根本没拿到字幕，只看到了视频的介绍页。

Agent-Reach 解决的是前面这一步：给能执行命令的 AI 助手配置互联网读取工具，帮助它找到合适的内容获取方式，再检查这些工具是否可用。

下面讲安装、网页读取、视频字幕，以及怎么把拿到的材料整理成公众号文章。命令是依据当前文档整理的跟练示例，配图是本文制作的流程说明，不是本机安装成功的截图。

可以把它理解为 AI 助手的互联网工具配置与诊断层。网页、视频和代码仓库有不同的读取方式，它把这些方式组织起来，告诉 Agent 应该使用什么工具。

实际读取通常由上游工具完成。例如网页走 Jina Reader，YouTube 字幕走 yt-dlp，GitHub 内容走 gh。Agent-Reach 负责选型和检查，不是把所有网站都包成同一个万能读取接口。

— 本文绘制的内容获取链路：Agent-Reach 组织工具，实际内容由上游工具读取；不是软件界面

适合它的是能执行终端命令、读取文件的 Agent 环境，例如 Claude Code 等编程助手。一个只能聊天、没有工具权限的窗口，不能靠复制安装提示词就获得这些能力。

对于经常从 GitHub 找项目、从视频里整理教程的人，它值得了解。项目还列出了 RSS 和多种社交平台接入，但平台越多，配置和维护也越复杂，先接通自己常用的两三个渠道就够了。项目入口：Panniantong/Agent-Reach。

这里采用 uv 路线，需要 uv 和 Git 可用。先在 PowerShell 检查：

确认工具可用后，从项目仓库安装：

项目要求 Python 3.10 或更新版本，示例选择 3.11。若本机没有这个解释器，uv 可能按配置下载所需 Python；首次安装也会下载依赖，请留意终端提示。Python 要求见项目配置，隔离安装原理见 uv 文档。

安装结束后验证命令：

如果提示找不到命令，先看 uv 的安装输出是否提示 PATH 问题。按需执行下面这条命令，然后重新打开终端：

注意安装来源。仓库明确提醒，不要直接从 PyPI 安装同名包来代替本项目。只看到包名一致，不足以判断来源正确。

这条命令默认只检查环境、列出缺失项，不自动修改系统。若报告里说缺少 Node.js、gh 或其他工具，需要根据自己的任务决定要不要继续安装。

也可以先预览后续安装准备做什么：

看过清单，明确允许安装外部工具和写入配置后，才使用：

--system 是修改机器环境的授权开关。不要把它理解为必然需要管理员权限，也不要把这条命令放进不经确认就执行的安装脚本。

涉及登录的平台另行选择，不必默认装全套。只想整理公开文章和视频，就先把这些渠道跑通，不急着加入小红书、X 或招聘网站。安装模式和可选渠道见官方指南。

— 本文整理的安装检查流程：装 CLI、检查缺失项、审阅改动、按需授权、读取实际内容；不是终端运行结果

接着查看渠道状态：

多后端渠道可以查看当前选择的后端。但这是一份诊断信息，不是所有目标链接都已经成功读取的证明。有些检查为了避免触发认证操作，不会做实时验证，要结合输出说明判断。

再让 Agent 知道这些工具怎么用。需要主动安装配套 Skill 时，可以运行：

已有自定义 Skill 的用户先备份，查看写入位置后再更新；让编程助手重新加载会话，并确认它能找到 Agent-Reach 的指令。配套 Skill 负责内容获取，写文章仍然需要单独的创作流程。路由规则见配套 Skill，Skill 更新方式见更新指南。

根据仓库的网页阅读说明，Jina Reader 是常用路线。PowerShell 中可以用下面的命令理解它的工作方式，实际使用时替换目标地址：

这里的 example.com 只是地址格式示范，不是一篇可跟练的教程。公开网页也可能受到登录、访问限制或动态加载影响，返回很短的文字时，需要检查是不是只拿到了页面外壳。网页读取方式见项目文档。

GitHub 可以做一个更具体的测试。gh 已安装且认证或访问条件满足时，读取 Agent-Reach 自己的仓库：

第一条用于查看仓库信息，第二条用于查看当前未关闭的问题。进一步写项目教程时，还要读安装文档和相关代码，不能只凭仓库介绍判断全部功能。

可以要求 AI 把「README 宣称支持的功能」和「Issue 中仍存在的使用问题」分开整理；提问日期不同，Issue 列表也会变化。gh 用法见项目开发工具说明。

已有 yt-dlp 的机器无需重复安装。接着查看视频有没有可用字幕，再决定下载哪一种；不要看到网页标题就直接生成文章。

如果有创作者上传的字幕，优先使用。下面是 PowerShell 下载示例，只取字幕，不下载视频；语言范围要根据上一步的列表调整，示例选中文和英文。

打开生成的 VTT 文件确认内容，去掉时间戳和字幕标签后再总结。如果只有自动字幕，把 --write-subs 换成 --write-auto-subs，并检查识别错误和重复行。有关参数可查看 yt-dlp 官方说明。

没有拿到字幕，不代表视频必然没有字幕。网络错误、访问校验或字幕响应为空，都可能造成失败。项目给出的其他路线包括 OpenCLI 字幕读取，以及音频转写。

已经配置好转写服务、确认可以把音频交给该服务后，可以使用：

音频转写不等于完整理解视频画面。讲解里如果出现「点击这里」「填这个参数」，单靠文字稿仍可能不知道具体按钮和字段，需要补看对应画面。

转写还涉及数据发送和服务额度。不要把它默认理解为纯本地、无 Key、无限免费；先确认使用哪一家服务，以及音频是否适合上传。字幕、转写和后备路径见视频文档。

当前项目为 B站安排了不同工具：基础搜索和视频详情使用 bili-cli，字幕读取走 OpenCLI。不要把找到视频当成已经拿到视频里的讲解。

基础工具可用后，可以先搜一个主题：

选出目标视频以后，再让 Agent 检查字幕路线是否可用。按当前视频说明，OpenCLI 字幕功能需要桌面 Chrome 配合；具体能否读取，仍要以该视频的实际结果为准。

仓库目前不把 yt-dlp 作为 B站首选路径。这是项目当前的接入选择，不应扩写成「所有环境下某个工具永远不可用」。

写教程时可以给 AI 一条验收要求：

若只有简介，先停在资料收集阶段。这比生成一篇步骤看似完整、读者却无法复现的教程更负责任。

对公众号创作来说，可以把 Agent-Reach 放在选题和素材读取环节。拿到原始材料以后，再调用文章创作 Skill 来组织正文。

— 本文绘制的公众号素材处理流程：取得正文或字幕、核对关键事实、整理跟练步骤、排版发布；不是自动发布界面

比如准备介绍一个 AI 视频工具，先让 Agent 读取 GitHub 安装文档，再读取教程字幕，最后核对两边是否使用同一个版本。

GitHub 文档可能已更新，而视频仍使用旧界面。遇到这种差异，不要把两份步骤拼到一起，应该告诉读者哪些操作适用于当前版本。

可以直接用这段素材整理提示词：

随后再写文章时，选一个读者能完成的任务。比如「读一个视频并整理操作清单」，比把支持平台逐项介绍一遍，更容易让读者知道下一步做什么。

开源工具包不等于整条工作流零成本。模型调用、转写服务、外部接口和网络服务可能各有额度或费用；是否需要付费，取决于你实际选用的组件。

需要登录的平台也要单独评估。Cookie 和浏览器登录态可能让工具获得账号操作能力，别把凭据贴到公开聊天、截图或 Git 仓库里。读取公开材料不需要的登录权限，就不要额外开放。

网页和仓库里的内容是资料，不是新的系统指令。页面要求你执行程序、关闭防护或上传凭据时，应先人工审查；为了读一篇文章，不值得无条件执行它附带的所有命令。

诊断里显示配置齐全，但实际读取仍然失败，要检查当前进程是否真的获得了所需认证信息。项目排障文档就提醒，X 的 Cookie 保存状态不代表上游命令已经得到环境变量。认证问题见排障说明。

遇到验证页、限流或账号风险提示，暂停并检查，不要让 AI 反复重试到账号被限制。工具连接着第三方网站，不可能长期保证每个链接都能读取。

开始时只做两项验收：读到一篇网页的正文，拿到一个视频的非空字幕或转写稿。把来源和失败原因记录下来，确认 AI 使用的是实际材料，再交给写作流程。

如果最终只有标题和简介，就把它留作待核实选题，不急着写教程。拿到具体步骤后，再确认涉及的按钮、命令和版本，这样读者才有机会照着文章完成操作。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

THANKS FOR READING