AI 知识

用一套可复用的工具链把视频内容变成可检索、可标注的文本，是高效「视频学习」的基础。流程大致分为：获取音视频（下载/录屏）、转写（语音转文字）、分段与打时间戳、导入笔记或知识库并做检索与标签管理。

推荐实践： 使用 Whisper 或云端 ASR 做转写，用 ffmpeg 按章节或固定时长切片；将文本与时间戳存入 Notion/Obsidian 或自建 RAG，便于按关键词跳转回原视频位置。对长课程可先做摘要再按主题拆成「知识点卡片」，方便后续与 RAG 结合做问答。

切片策略： 按语义单元切（段落/条款/小节），避免断句；保留必要的上下文窗口；对法规、文档类做版本与条款 ID 管理，便于溯源。

检索与排序： 向量检索 + 关键词/过滤条件（如文档类型、时间范围）；必要时做两阶段检索（粗排 + 精排）或 Hybrid Search；对高合规场景要控制 Top-K 与置信度阈值。

引用与溯源： 每条回复绑定来源 chunk、文档、版本与页码/条款；在 UI 中展示「依据条款 X.X」并支持跳转；日志中记录检索到的片段与模型引用关系，满足审计需求。