1. 需要准备的：yt-dlp、平台cookie、python脚本

2. 修改python脚本中的参数：作者页面，cookie文件名

3. notion翻译润色（notion mpc、notion ai）

1. 全程自动化：尽可能减少手动操作，实现批量处理。

2. 工具免费化：核心工具均为开源免费。

3. 流程简单化：无需深厚的编程背景，普通学习者也能上手。

工作流总览

1. 【知识获取】：批量抓取博主所有视频的原始字幕文件。

2. 【知识精炼】：通过本地AI大模型，将原始字幕自动化处理为高质量的Markdown知识文档。

3. 【知识内化与创造】：使用NotebookLM和Obsidian等工具，打造AI分身并融入个人知识体系，最终实现价值创造。

第一步：知识获取

核心工具箱

关键前置步骤：获取Cookie文件

为什么要Cookie？

Cookie文件相当于您登录视频网站的“数字身份证”。在批量下载时携带Cookie，可以向服务器证明您是真实用户，从而避免被反爬虫机制拦截，这是确保任务成功的关键。

1. 安装浏览器插件：在您的浏览器（Chrome/Edge/Firefox）中，搜索并安装插件 Get cookies.txt LOCALLY。

2. 登录网站：确保您已在该浏览器中登录了目标视频网站（如YouTube）。

3. 导出Cookie：点击浏览器右上角的插件图标，然后点击Export按钮，浏览器将自动下载一个名为cookies.txt的文件。

4. 妥善保管：将这个cookies.txt文件保存在您即将进行操作的工作文件夹中。

方案A：使用 TarTube (图形化界面)

1. 下载与安装：
• 前往TarTube的GitHub官方页面。
• 在页面右侧找到并点击 Releases。
• 根据您的操作系统（Windows/macOS）下载对应的安装包（推荐选择带ffmpeg的版本），并像安装普通软件一样完成安装。

2. 初始化设置：
• 首次打开时，按提示选择一个用于存放下载文件的默认文件夹。
• 根据引导完成yt-dlp核心组件的安装。

3. 配置Cookie：
• 在TarTube主界面，点击左上角的 编辑 -> 全局下载选项。
• 在弹出的窗口中，切换到 文件 -> cookies。
• 勾选“使用Cookie文件”，并点击浏览按钮，选择您之前导出的cookies.txt文件。

4. 下载字幕：
• 回到主页面，点击顶部第二个按钮 添加新频道，粘贴目标博主的频道URL。
• 在左侧频道列表中，右键点击新添加的频道，选择 检查频道，等待软件获取所有视频列表。
• 再次进入 编辑 -> 全局下载选项，在 名称 选项卡的输入框中，粘贴以下参数。这会告诉TarTube只下载中英文字幕，并跳过视频本身：
codeCode
• 切换到 字幕 选项卡，勾选 下载所有可用的字幕文件。
• 点击确认保存设置。
• 在右侧视频列表中，分批次（建议一次5-10个）选中视频，右键点击 下载。

方案B：使用 yt-dlp (命令行)

1. 环境搭建：
• 安装Python：前往Python官网 (python.org) 下载并安装最新稳定版。在安装过程中，务必勾选 Add Python to PATH 选项。
• 安装yt-dlp：打开终端（Windows下为CMD或PowerShell，macOS下为Terminal），输入以下命令并回车：
codeBash
• （可选）保持更新：为确保最佳兼容性，可以随时运行以下命令升级yt-dlp：
codeBash

2. 核心命令：
• 第一步：获取所有视频链接（侦察）
在一个新建的空文件夹中，打开终端，运行以下命令，它会快速抓取频道内所有视频的URL并存入一个文本文件：
codeBash

注意：请将 YOUTUBE_CHANNEL_URL 替换为真实的频道链接。

• 第二步：批量下载所有字幕（总攻）
确保cookies.txt和上一步生成的video_links.txt都在当前文件夹中。然后运行以下“终极指令”：
codeBash

参数解析：

• -cookies cookies.txt: 使用Cookie文件进行认证。

• -write-auto-sub: 下载自动生成的字幕。

• -sub-lang en: 指定下载英文字幕。

• -skip-download: 跳过视频和音频的下载，只取字幕。

• -batch-file video_links.txt: 从指定文件中读取链接列表并批量处理。

第二步：知识精炼

核心工具：LM Studio + Python脚本

1. 部署本地大模型 (LM Studio)：
• 前往LM Studio官网 (lmstudio.ai) 下载并安装软件。
• 打开软件，点击左侧的放大镜图标进入搜索页。
• 搜索推荐模型，例如 qwen3-8b-instruct-GGUF，选择一个版本点击下载。
• 下载完成后，点击左侧第三个“本地服务器”图标。
• 在顶部选择刚刚下载的模型，服务器设置保持默认即可。
• 点击 Start Server 启动本地API服务器。
• 关键设置：点击右侧的Settings，确保 CORS (Cross-Origin Resource Sharing) 选项是开启的，这样我们的Python脚本才能访问它。
• 性能配置：在Load选项卡下的Context Length中，根据你电脑的显存进行设置（例如8G显存可设置为8000）。

2. 运行自动化脚本：
• 准备脚本：获取我们提供的Python脚本文件。
• 配置脚本：用任何文本编辑器打开脚本，修改开头的三个参数：
1. input_folder: 设置为第一步存放原始字幕文件的文件夹路径。
2. output_folder: 设置为你希望保存Markdown文档的目标文件夹路径。
3. api_url: 保持默认的http://localhost:1234/v1/chat/completions即可，除非你修改了LM Studio的默认端口。
• 执行脚本：在存放脚本的文件夹中打开终端，运行以下命令：
codeBash

注意：请将 your_script_name.py 替换为真实的脚本文件名。

脚本将自动开始处理，你可以看到终端中会打印出每个文件的处理进度。

第三步：知识内化与价值创造

核心工具：Obsidian + NotebookLM

1. Obsidian：构建你的知识网络

• 用途：作为知识的最终沉淀地和“第二大脑”。

• 操作：将第二步生成的所有Markdown文档导入到你的Obsidian仓库中。

• 价值：
• 深度学习：利用Obsidian强大的双向链接功能，将博主的知识点与你已有的知识体系进行关联，形成知识网络。
• 本地AI对话：通过Copilot等AI插件，连接到我们之前部署的本地LM Studio模型，直接在Obsidian内与你的笔记进行对话。

2. NotebookLM：召唤你的AI私人顾问

• 用途：打造一个只基于博主知识回答问题的、绝对忠诚的AI分身。

• 操作：
1. 打开Google NotebookLM官网。
2. 创建一个新的“空间”（Space），例如命名为“Dan Koe AI顾问”。
3. 点击 添加来源 (Add Source)，将第二步生成的整个Markdown文件夹上传上去。
4. 等待AI完成索引和消化。

• 核心功能与价值：
• 引用溯源：所有回答都会标注原文出处，彻底杜绝AI幻觉。
• 全局洞察：可以跨越上百个文档进行宏观问题的分析、比较和总结。
• 自动学习工具：一键生成研读指南、FAQ、思维导图等，加速学习进程。
• 语音摘要 (Audio Overview)：将知识库内容生成类似播客的语音摘要，实现通勤路上的“听学”。

价值延伸：从学习到创造

• 二次创作：可作为你自媒体频道的“无限选题库”和素材来源。

• 价值变现：可深度加工成精读笔记、思维导图、付费专栏等虚拟产品进行售卖。

备选方案：Notion MCP + Notion AI

1. 使用 Notion MCP 插件，通过与AI对话的方式，批量清理、处理并导入第一步的字幕文件到Notion数据库。

2. 利用 Notion AI 的“AI属性”功能，自动对英文原文进行翻译和润色。

3. 直接在Notion内，使用其强大的数据库和AI问答功能，实现知识管理和AI顾问的雙重目标。