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。