运行了一个项目实例，可以清晰的对比生成的结果(后续再优化)：
-
原视频：https://www.bilibili.com/video/BV1tz421i7PT/?vd_source=c5219caeb9fcd4170e838f52463fb5c4
-
视频原内容转化为 Markdown 文档: 林则徐的一生与鸦片战争
-
深入研究成果 Markdown 文档: 林则徐
-
上一步 langsmith 运行状态链接： https://smith.langchain.com/public/0d38e2cf-18c2-4a02-8ffa-1239edd6e96b/r
总耗时接近 600 s，每次运行消耗 10w token。 [捂脸]
src/dynamic 目录下的内容是对 B 站视频内容进行摘要，并发送到 B 站。不同文件对应的是不同的实现。
src/markdown 目录下的内容是：
- 转化为 Markdown 格式的视频内容。
- 生成另一篇深入研究的 Markdown 文档。
该项目包括两个部分：
- 将 B 站视频内容转化为文字，生成 Markdown 文档，并提取摘要发布到 B 站动态。
- 深入研究视频内容，扩展其背景、深度和广度，以生成一个比原内容更饱满的 Markdown 博文。
参考资料：
没想到这样一个 Demo 项目，竟然收到了一点关注，谢谢各位彦祖 🤵。
LangChain 更新太快了！这个项目已经有些过时，代码质量也很糟，因此不建议直接查看代码，你可以通过阅读 README 来了解项目的功能和实现。
正好在看新的工作机会，计划对这个项目进行重构。（如果你看到这里请插个眼，半个月之后再来查看 👋）
重构的内容将包括 LangGraph，Agent 设计模式，RAG，Milvus 等。另外，还会写一些关于 LangGraph 的教程，包括一些源码解读。因为我发现这方面的教程相对较少，而且现有的教程缺乏层次感和递进性。
已关注的 up 主更新了视频之后，对视频进行摘要总结。一方面将摘要的内容在 B 站转发，另一方面对视频内容进行更详细的摘要分析，发表到 blog：https://minsixhao.github.io/docs/bilibili
借助了 Langchain 框架，侧重使用了 chain 模块和 agent 模块，和最新的 LECL 声明式编程。
Agent 部分代码：
def agent_generate_bvid_resources(bvid):
# 工具集
tool_list = [mp4_2_mp3, mp3_2_text, summarize_text, create_bilibili_dynamic]
model = ChatOpenAI()
prompt_template = PromptTemplate(
template="将视频文件{input},转换为音频，音频再转为文字,对文字进行总结摘要,将摘要发到b站。输出格式化为：{input}",
input_variables=["input"],
)
agent = initialize_agent(tool_list, model, verbose=True, handle_parsing_errors=True,
agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION)
agent.invoke(prompt_template.format(input=bvid)).get("output")
LCEL 部分代码：
model = ChatOpenAI()
prompt_generate_markdown = PromptTemplate(
template="""
将你收到的三部分markdown内容做整合输出完整的markdown格式。
输入分别对应视频:{iframe}，摘要：{summarize}，详细分析：{analyze}
下面是输出的markdown格式:
# 标题
## 视频：
{iframe}
---
## 摘要：
{summarize}
---
## 详细分析:
{analyze}
---
""",
input_variables=["iframe", "summarize", "analyze"]
)
chain_generate_markdown = (
{
"iframe": agent_get_iframe_by_bvid,
"summarize": get_sources_summarize,
"analyze": get_analyze | extract_analyze_and_bold_keywords | prompt_keywords_to_link
}
| prompt_generate_markdown
| model
| StrOutputParser()
)
