feat(posts): add case study on why I built a video knowledge base (EN+ZH, draft)

src/content/posts/zh/why-i-built-a-video-knowledge-base.md

@@ -0,0 +1,88 @@
+---
+title: "为什么我要做视频精读知识库：把收藏夹吃灰的短视频变成可检索笔记"
+description: "为什么平台收藏夹是学习的死胡同？记录我如何利用本地语音识别与大模型构建视频精读知识库，实现文字点击跳播与毫秒级全文检索。"
+pubDate: 2024-11-28
+category: case-studies
+tags: ["ai", "video-processing", "whisper", "astro", "knowledge-management"]
+draft: true
+---
+
+和很多持续学习的开发者一样，我的 B站、YouTube 和抖音收藏夹里常年躺着数百个视频。这里有一段 60 秒讲透 Transformer 注意力机制的精华讲解，那里有一段 2 分钟拆解系统架构的实战经验。
+
+然而，收藏夹越来越长，真正要在几个月后复习或查证某个具体知识点时，根本找不到。
+
+把视频丢进收藏夹，本质上是一种心理安慰。这篇文章记录了我为什么要立项搭建这套视频学习精读网站，如何用本地算力实现自动化转写与提炼，以及把碎片化视频转变为永久数字资产的思考。
+
+---
+
+## 1. 为什么平台收藏夹是学习的死胡同？
+
+短视频是目前打破信息差最高效的载体之一。优秀的博主能用 1 到 3 分钟把复杂的概念讲得通俗透彻。但在知识沉淀的维度上，视频载体有三个天然缺陷：
+
+1. **内容不可检索**：平台搜索只能检索视频标题和标签，讲者在第 1 分 15 秒说的那句核心结论，搜索引擎根本看不见。
+2. **复习摩擦力极高**：扫一眼 500 字的精读总结只需 30 秒，而重新看一段视频需要 2 到 3 分钟被动听讲，中间往往还夹杂着求关注、引流话术与片头片尾。
+3. **内容极易失效**：原帖下架、博主销号或外链失效时常发生，收藏夹瞬间变成灰白色的失效链接列表。
+
+要真正把视频内容沉淀为个人知识库，必须满足一个硬性要求：**收藏的视频必须全自动转写为逐字稿、提炼为结构化要点与思维导图，并支持全文毫秒级检索与精确到秒的点击跳播。**
+
+---
+
+## 2. 架构设计与工程取舍
+
+在设计这套系统时，我结合现有的家庭基础设施，确立了四项核心原则：
+
+```
+[ 本地收集视频 / 收件箱 ]
+        │
+        ▼
+[ 本地 GPU 算力流水线 ] ────► Silero-VAD + Faster-Whisper (本地零云端调用费)
+        │
+        ├──────────────────► 大模型 6 维精读提炼 (TL;DR、思维导图、时间戳)
+        │
+        ▼
+[ 严格解耦的数据层 ]
+   ├── src/content/videos/{slug}.md    (元数据 + AI 结构化精读总结)
+   └── src/data/transcripts/{slug}.json (毫秒级分句逐字稿 [start, end, text])
+        │
+        ▼
+[ Astro 5 纯静态门户 ] ────► Pagefind 客户端 WASM 离线检索 (<20ms 响应)
+        │
+        ▼
+[ 双轨流媒体分发 ] ────────► 官方 iFrame 嵌入优先 / NVENC 压缩后托管于 Cloudflare R2
+```
+
+### 总结正文与时间轴严格分离
+在早期原型设计中，最容易踩的坑是把带时间戳的逐字稿全部硬编码进同一个 Markdown 正文里。这不仅导致 Markdown 文件膨胀到数千行，更致命的是，一旦后续调整 Prompt 想重新跑一遍 AI 总结，就会把人工校对好的时间戳冲掉。
+
+规范的做法是：`src/content/videos/{slug}.md` 纯粹存放结构化要点与元数据，而分句时间轴存放于独立的 `src/data/transcripts/{slug}.json` 中。
+
+### 本地算力闭环，零云端转写成本
+不用云端按分钟计费的语音转写 API，流水线直接运行在宿主机的 NVIDIA RTX 3060 显卡上。通过 `faster-whisper` 与 `Silero-VAD` 结合，自动切除无声段，并按标点符号聚合成 3 到 8 秒的自然语义分句。
+
+### 严禁家庭 NAS 直出公网视频流
+用家里的 NAS 直出公网 Range/206 视频流，一旦遇到爬虫或多人同时访问，家庭宽带的上行带宽会被瞬间打满，甚至触发运营商对于家用宽带 PCDN 的封禁。公网访问采用双轨策略：长青视频优先使用 B站/YouTube 官方嵌入播放器；自存短视频经 NVENC 压缩为 720p H.264 后托管在免流量费的 Cloudflare R2。
+
+### 基于 Pagefind 的毫秒级离线搜索
+前台不维护重型的 Meilisearch 或 Elasticsearch 数据库，直接编译为 Astro 静态站点并利用 Pagefind 构建分片索引。读者在浏览器端搜索时，通过 WebAssembly 按需拉取几十 KB 的分片，零服务器内存常驻，中文关键词检索延迟在 20ms 以内。
+
+---
+
+## 3. 学习闭环带来的实际改变
+
+从“盲目收藏”转变为“流水线吞吐”，知识吸收的效率发生了根本改变：
+
+- **从囤积变为检索**：不再翻看长长的收藏列表。按下 `Cmd+K` 输入技术术语（如 `RAG` 或 `Agent`），直接定位到哪段视频的第几秒讲过这个概念。
+- **Click-to-Seek 精准跳播**：点击精读要点或时间戳徽章，播放器直接跳到关键帧播放，跳过废话，只看核心论点。
+- **永久自主沉淀**：所有笔记与逐字稿均以 Markdown 与 JSON 保存在 Git 仓库中，即便第三方平台删帖，核心知识依然永久归档。
+
+---
+
+## 4. 业务咨询与合作
+
+搭建全自动化知识提取流水线、本地大模型工作流以及高性能静态门户是我擅长的工作。
+
+如果你的企业或团队也积累了大量内部培训录屏、会议回放或知识资产，需要将其转化为可检索、支持时间戳精读的企业内部知识库：
+
+- **WhatsApp 直接沟通**：[点击打开 WhatsApp (012-7972969)](https://wa.me/60127972969)
+- **电子邮箱**：[[email protected]](mailto:[email protected]?subject=关于视频知识库与内训检索系统的合作咨询)
+- **官方主页**：[hoelee.com](https://hoelee.com)