乐于分享
好东西不私藏
夜雨聆风 > > 办公文件 > 扔个链接,飞书文档自动写好:打造全自动音视频转录 Agent

扔个链接,飞书文档自动写好:打造全自动音视频转录 Agent

当前时间： 2026-08-11 22:09:29 分类：办公文件 评论(0)
扔个链接,飞书文档自动写好:打造全自动音视频转录 Agent
你有没有遇到过这种情况——刷到一个很长的播客或视频，里面有个观点特别有价值，但懒得一句句听完，想直接看文字版？
现在有了 Hermes Agent，丢一个链接给它就行。
它会自动：
  • 识别来源 — YouTube 视频、B站视频、播客、会议录音、本地音视频文件、飞书妙记……都行
  • 下载音视频 — 不需要你动手
  • Whisper 转录 — 把语音转成文字，本地跑，不走云端，不花钱
  • 整理成可读文稿 — 去掉废话、修正错字、保住原意和语气
  • 写入飞书文档 — 直接给你链接，可以直接分享
整个过程：**丢链接 → 等通知 → 拿文档**。
---

## 完整工作流

```
用户发链接
↓
Hermes Agent 接收，判断来源类型
↓
有字幕？──是→ 直接提取字幕
↓否
下载音视频文件（yt-dlp）
↓
Whisper 本地转录（faster-whisper）
↓
按「分享式提纯版原文」标准清洗整理
↓
lark-cli 写入飞书文档
↓
返回文档链接给用户
```

## 第一部分：从零搭建这个 Agent（共7步）

### Step 1：安装 Hermes Agent

参考官方文档：[https://hermes-agent.nousresearch.com/docs](https://hermes-agent.nousresearch.com/docs)
```bash

macOS

brew install nousresearch/tap/hermes-agent

或从源码安装

git clone https://github.com/NousResearch/hermes-agent
cdhermes-agent && ./scripts/install.sh
```

### Step 2：创建飞书应用（App / Bot）

这个 Agent 需要一个飞书 App 来创建和管理文档。

2.1 创建飞书应用

1. 打开 [open.feishu.cn](https://open.feishu.cn)，登录
2. 点击右上角 → **开发者后台** → **创建企业自建应用**
3. 填写应用名称（随便起，比如"转录助手"）和描述
4. 创建后进入应用 → **凭证与基础信息**
5. 复制 **App ID** 和 **App Secret**

2.2 开通文档权限

1. 在应用详情页 → **权限管理**
2. 搜索并开通以下权限：
- `docx.document:document:readonly` （可选，读文档）
- `docx.document:document:write` （必须，创建文档）
- `docx:folder:folder:write` （必须，在文件夹里创建文档）

2.3 发布应用

1. 应用详情页 → **版本管理与发布**
2. 创建版本 → 申请发布
3. 企业管理员审批通过（或自己审批）

### Step 3：配置飞书 API 凭证

拿到 App ID 和 App Secret 后，写入 Hermes 配置：
```bash

追加到 Hermes 配置目录

echo-e "\nFEISHU_APP_ID=cli_你的AppID\nFEISHU_APP_SECRET=你的AppSecret" >> ~/.hermes/.env
```
然后重启 Hermes gateway 让配置生效：
```bash
hermes gateway run --replace
```

### Step 4：完成飞书 OAuth 授权

需要让 Hermes 有权限代表你操作飞书文档。两步走：

第一步：立即拿到授权码（不等待）

```bash
lark-cli auth login --no-wait --recommend --json
```
输出会显示一个 `verification_url`，复制到浏览器打开，用飞书账号授权。

第二步：授权完成后，完成验证

```bash
lark-cli auth login --device-code <第一步输出里的device_code>
```
看到「授权成功」就搞定了。

### Step 5：安装必备工具

5.1 lark-cli（飞书 CLI 工具）

```bash
pip install lark-cli

验证

lark-cli --version
```

5.2 yt-dlp（下载音视频）

```bash

macOS

brew install yt-dlp

验证

yt-dlp --version
```

5.3 faster-whisper（本地 ASR 转录）

```bash
pip install faster-whisper

验证（Python）

python3 -c "from faster_whisper import WhisperModel; print('OK')"
```

5.4 FFmpeg（yt-dlp 依赖）

```bash

macOS

brew install ffmpeg

验证

ffmpeg -version | head -1
```

### Step 6：创建 Hermes Agent Profile

在 `~/.hermes/profiles/` 目录下创建一个 Profile 文件，比如 `transcriber.yaml`：
```yaml
name: transcriber
description: 音视频转录助手，接收链接，自动转录整理写入飞书文档
system_prompt: |
你是一个专门的音视频转录整理 Agent。
接收用户发来的音视频链接（YouTube/B站/播客/本地文件等）。
处理流程：
1. 识别链接来源和类型
2. 尝试读取字幕；有则直接用
3. 无字幕则用 yt-dlp 下载音视频
4. 用 faster-whisper 本地转录为文字
5. 按「分享式提纯版原文」标准整理
6. 用 lark-cli 创建飞书文档并写入内容
7. 返回文档链接给用户
整理标准：
- 去掉时间戳、说话人标签、寒暄、口水话、重复、设备噪音和残句
- 修正常见 ASR 错词（人名/公司名/技术术语）
- 忠实保留原意、语气、关键判断、案例、数字、类比和重要原话
- 不新增事实，不外推，不替原文下结论
- 不压缩成「核心要点」
- 按大主题+二级小标题组织，标题来自真实内容
- 重要内容适度加粗
你不负责发布、外传或公开传播任何音视频内容。
skills:
- name: lark-cli
enabled:true
- name: youtube-transcribe
enabled:true
```

### Step 7：启动 Hermes Agent

```bash

加载刚才创建的 Profile

hermes run --profile transcriber

或者用 TUI 模式

hermes --tui
```
---

## 第二部分：使用方法

### 发送链接

直接把音视频链接发给 Hermes Agent：
```
发一个 YouTube 链接给我
发一个 B 站视频链接
发一个播客链接
发一个本地文件（附上路径）
```

### Agent 自动处理

Agent 收到链接后，会自动：
1. **判断来源** — 是 YouTube / B站 / 播客还是其他
2. **读取字幕** — 有字幕直接提取，没有就走 ASR
3. **下载转录** — 全自动，不需要你操作任何步骤
4. **整理写文档** — 按照「分享式提纯版原文」标准处理
5. **返回链接** — 飞书文档写好后直接把链接发给你

### 支持的来源

| 来源类型 | 支持情况 |
|---------|---------|
| YouTube 视频 | ✅ |
| B 站视频 | ✅ |
| 播客（RSS / 直接链接） | ✅ |
| 本地音视频文件 | ✅ |
| 会议录音文件 | ✅ |
| 飞书妙记链接 | ✅ |
| 其他平台视频 | ⚠️ 视情况 |
---

## 第三部分：整理稿标准

Agent 默认交付的不是摘要，而是**分享式提纯版原文**。
必须做到：
- **去掉**：时间戳、说话人标签、寒暄、口水话、重复、设备噪音、残句
- **修正**：常见 ASR 错词，尤其是人名、公司名、产品名、技术术语
- **保留**：原意、语气、关键判断、案例、数字、类比、论证链、重要原话
- **禁止**：新增事实、外推结论、替原文下结论、压缩成要点列表
- **组织**：少量大主题 + 二级小标题，标题来自真实内容
- **禁止**：使用「其他有效观点」「补充说明」等垃圾桶标题
- **加粗**：重要判断、金句、用户强相关内容适度加粗
---

## 第四部分：实战案例

👉 **案例原链接**：https://youtu.be/QQVmuuSqv18
**处理过程：**
- 视频没有任何字幕轨道，直接走 ASR 流程
- 下载音频：4.35MB，时长 4 分多钟
- Whisper small 模型转录：耗时约 2 分钟，143 个片段
- 整理成 6 个主题模块
- 写入飞书文档，交付链接
**最终交付文档**：[https://www.feishu.cn/docx/VWmfdryTmonQlPxQcMBc6gHxnVd](https://www.feishu.cn/docx/VWmfdryTmonQlPxQcMBc6gHxnVd)
---

## 第五部分：质量检查清单

每次整理完成后，按以下清单检查：
1. **去杂质** — 时间戳、说话人标签、寒暄话是否清除干净
2. **人名/术语** — ASR 错词是否修正（尤其人名、公司名、技术词）
3. **原意保留** — 关键判断、案例、数字、类比是否完整
4. **不新增** — 没有外推事实，没有替原文下结论
5. **标题真实** — 标题是否来自内容，而不是套话
6. **格式规范** — 无垃圾桶标题，重要内容有加粗
---

## 第六部分：常见坑

坑1：飞书应用没有发布

应用创建后没有申请发布，权限不会生效。必须走一遍「创建版本 → 申请发布 → 审批通过」流程。

坑2：OAuth 授权过期

`lark-cli auth` 的授权码有时间限制。第一步和第二步要连续操作，中间不要离开终端。

坑3：YouTube 下载失败

国内网络无法直接访问 YouTube，需要配置代理：
```bash
exportHTTPS_PROXY=http://127.0.0.1:7890

或

exportHTTP_PROXY=http://127.0.0.1:7890
```

坑4：Whisper 模型没装

`faster-whisper` 首次运行会自动下载模型。如果报错了，检查网络和磁盘空间。

坑5：内存不够

Whisper small 模型需要约 1GB 内存。如果机器内存小，换成 tiny 或 base 模型：
```python
model = WhisperModel('tiny', device='cpu', compute_type='int8')
```
---

## 第七部分：工具清单汇总

| 工具 | 安装方式 | 用途 |
|------|---------|------|
| Hermes Agent | 官网安装 | 任务编排中枢 |
| lark-cli | `pip install lark-cli` | 飞书文档操作 |
| yt-dlp | `brew install yt-dlp` | 下载音视频 |
| faster-whisper | `pip install faster-whisper` | 本地 ASR 转录 |
| FFmpeg | `brew install ffmpeg` | yt-dlp 依赖，音视频处理 |
---
丢个链接，等 10-20 分钟，飞书文档自动写好。