Video Agent 1.3.3

1.3.3 处理 DeepSeek 网页的限流：被限流时任务自动等待，过后接着发，不再失败；对话太长时自动换新对话。

修复：

• 查服务器记录发现，限流是按账号算的，不是按对话：两个对话在同一时间停住，一个到第 6 轮，一个才到第 2 轮，新开的对话也传不上图。四个任务同时跑时，15 分钟发了 21 条就被限，14 分钟后还没恢复。以前程序认不出限流（附件上写的是 Server busy，发送时页面上什么也不显示），每次白等 3 到 5 分钟再重试，最后任务失败，排队的下一个任务接着失败。现在认得出来：所有 DeepSeek 窗口一起暂停，先等 5 分钟，还不行就加倍，最长 30 分钟，等多久都不算失败，过后从当前这条消息接着发。
• 附件显示 Server busy 时，直接点这张图上的重试，不再删掉重传。页面自己留着文件，图其实已经传上去、只是查状态时碰上繁忙的，重试只要重新查一下。试 3 次还是 Server busy，就按限流等，过后接着发，也不算失败。
• 图传不上去时，整条消息不发。以前同一张图失败 3 次就不带它发出去，而导入时会把发过却没链接的图当成用不上，图都没传上去的话，这个视频的画面集合可能被清空。现在 Server busy 以外的错误重试后还是传不上，任务就报错停下，什么也不导入。
• 发出去之后核对内容：是否接在了别的对话后面、提示词全不全、图带够了没有，不对就重发。以前有过新任务的第 1 轮接到上一个失败任务的对话里，只发出去一个 .txt，提示词和图都没带；也有过消息根本没到服务器，却把页面上迟到的旧回答读成新回答。现在回答要等服务器确实接了这条消息才算数，任务失败后它的窗口也会关掉，不留给下一个任务。

改动：

• 所有 DeepSeek 窗口共用发送节奏，两条消息至少隔 1 分钟。这个间隔是按上面的数据估的，DeepSeek 没有公布限流规则。
• 一个对话里新增的内容超过约 10 万字（谈话类视频大约 4 轮），下一轮自动换新对话。只带这一轮需要的：规则、字幕、在用的那套画面（前几轮已经筛过，所以能单张发，比总图清楚）、这一轮的候选图、要求和上一稿，不带之前的回答和思考过程。这一条是为了不让对话越来越长，不解决限流，限流按账号算，换对话躲不开。

代码改动：

• 桌面程序：deepseek.js 监听页面的请求，从中认出限流、核对发出的消息；各窗口共用发送间隔和限流等待；上传失败时点图片卡片重试，有文件传不上去时不再发送；失败任务的窗口会关闭。chat-rounds.js 统计对话长度，超过上限时换新对话。
• 命令行：pack --follow-up --new-chat --folder 生成给新对话用的下一轮材料（packing.py）。
• 测试：假页面改成真的发请求，新增限流等待、错发重发、迟到的旧回答、换新对话、图传不上去不发送的测试。
• 项目规则重新整理：产品规则移到 docs/product-rules.md，工作规则移到 docs/working-rules.md，不再使用 AGENTS.md。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.3.3.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.3.3/video_agent-1.3.3-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.3.2

1.3.2 让网页 AI 看到视频的每一张画面：图太多放不进 50 个文件时，整幅画面也拼成总图发过去，不再抽掉一部分。

修复：

• 以前只有屏幕页会拼成总图，整幅画面一律单张放，放不下就均匀抽掉。拿一个 15 分钟的视频看：16 张屏幕页、99 张整幅画面，第 1 轮只发了 49 张，后面几轮只发补截的候选，有 66 张 DeepSeek 从头到尾没看到，也就一直留在那套画面里，没人判断有没有用。现在按「都单张 → 屏幕页单张、画面 2×2 → 都 2×2 → 屏幕页 2×2、画面 3×3 → 都 3×3」的顺序，用第一种放得下的，屏幕页总比画面拼得松，字更清楚。工作区里的视频都能一次发完：这个 15 分钟的视频 41 个文件，一个 90 分钟、87 张屏幕页和 166 张画面的课也是 41 个文件。只有连 3×3 都放不下才会少发，并在提示里写明少了几张。
• 总图只是发送时用的。总结里链接的、导入后保存的，仍然是每一张原图。提示里也写明了：总图里一格是一张图，以每格左下角的编号和时间为准，讲者和屏幕并排的分屏、画中画都算一张，不要拆成两张。

改动：

• 「总结」页选「DeepSeek 网页」后，按钮旁边可以设最多跑几轮，默认 6 轮，改过会记住。
• 「画面」页的下拉框里，每套画面后面写明是哪份总结用它写的。某一轮没有增减图片时会沿用上一套，比如第 5 轮的总结用的是第 3 轮那套，以前看起来像对不上。
• 版本树出现之前留下的「以前去掉的画面」不再自动转成一套。

代码改动：

• 命令行 evidence.py 的 plan 按上面的顺序给屏幕页和整幅画面挑拼法，「DeepSeek 网页」、「导出文件夹」和模型 API 都用它；packing.py 在提示里说明总图和分屏；pictures.py 去掉了把旧「不用」名单转成第一套的代码。
• 桌面程序：chat-rounds.js 按任务带的轮数上限停，设置里新增 webRounds；video-view.js 在画面集合的名字后面写上用它的总结。
• 测试：新增整幅画面拼成总图、所有画面都发出的测试，以及界面上设置轮数上限的测试。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.3.2.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.3.2/video_agent-1.3.2-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.3.1

1.3.1 修复「DeepSeek 网页」多轮停不下来的又一个原因，并让网页 AI 看过却没用上的画面自动去掉。

修复：

• 程序读 DeepSeek 的回答时会漏掉最后一两行。DeepSeek 写完、发送按钮恢复以后，最后几行要稍晚一点才出现在页面上，程序读得太早。拿一次 6 轮的记录对比：复查最后几行写的是几张图的「画面：」说明，程序每轮都没读到，就每轮报「这些图没有写说明」，DeepSeek 每轮又去「补上」，就这样一直到第 6 轮；其实稿子从第 4 轮起一个字都没变。现在写完后隔一会儿再读一次，两次一样才算读完。

改动：

• 发给网页 AI 的图，它看过、稿子里却没有链接的，导入时从新的一套画面里去掉，不再要它一张张写「不用」。以前它只点名一部分没用的图，剩下的讲者特写、电视剧画面一直留着。没发给过它的图照旧保留，等以后有机会再判断。提示里也写明了：有用的图都要链接到讲到它的地方。后面某一轮又链上的图会回到那一套里，原来的各套也都还在，可以随时换回去。

代码改动：

• deepseek.js 判断写完以后，每隔 1.5 秒再读一次回答，直到前后两次相同。
• 命令行 packing.py 打包时把这一轮发出的画面（拼在总图里的屏幕页也算）记进 picture-review.json；importer.py 导入时把其中没被链接的从新的一套里去掉。
• 测试：模拟 DeepSeek 页面让回答的最后一行晚一秒出现；新增发过但没链接的图被去掉的测试。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.3.1.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.3.1/video_agent-1.3.1-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.3.0

1.3.0 把总结用的画面分成几套，存成一棵树：网页 AI 筛掉的图可以找回来，也可以先让一个 AI 筛、再换另一个 AI 接着写。

改动：

• 每个视频的画面分成几套。处理得到的全部是一套；网页 AI 每轮筛掉没用的、复查里写「无」的，你在「画面」页手动去掉或放回的，都在当时用的那套下面另存成新的一套，记下是谁改的、第几轮、哪天。图片文件只有一份，每套只记哪些图。
• 以后的总结，不管哪种方式，都只拿其中一套。默认是最近一次改出来的那套，「总结」页上会写明用的是哪套。在「画面」页可以换成任意一套，比如先让便宜的 AI 筛几轮，再换好的 AI 接着写；觉得筛错了，就换回上面的某一套重来。
• 「画面」页默认显示「总结」页正在看的那份总结用的那套，不用的图收起来不显示；勾「显示不用的」可以看到，并点「恢复」放回。鼠标移到图上有「不用」按钮。
• 修正：以前网页 AI 说「不用」的图会永远不再给任何总结方式，后一轮又链上了也收不回来，「画面」页上却还显示着全部。拿一个视频看，104 张图里有 84 张记成了不用，其中有一张法条页，最后一轮还链着它、说明了图上有字幕没念的日期。现在最新一稿链着的图一律算在那一套里。
• 修正：网页 AI 要补截时截的候选，以前会一直留在后面的材料里，和原来的画面挤名额；现在候选只在被链上以后才算进那一套。
• 每个总结版本都记下自己是用哪套画面写的。
• 原来的「不用」名单会自动变成第一套「以前去掉的画面」。

代码改动：

• 命令行新增 pictures.py（画面集合的树，存在视频文件夹的 pictures.json）和 video-agent pictures 命令：列出各套，--use 换用，--drop、--restore（可加 --from）手动去掉或放回。打包、summary-context.md 和模型 API 的材料都按正在用的那套挑图；importer.py 每轮导入时从当前那套长出新的一套；versions.py 给每个版本记下 pictures；picture_review.py 只管补截的候选。
• 桌面程序的「画面」页加了选择画面集合的下拉、「以后的总结用这套」、「显示不用的」和每张图的「不用」「恢复」按钮；「总结」页加了一行说明用哪套画面。
• 测试：新增画面集合的树的测试（筛掉、链回来、换用、手动去掉和恢复）和「画面」页的桌面程序测试。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.3.0.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.3.0/video_agent-1.3.0-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.2.4

1.2.4 修复网页 AI 的多轮复查停不下来的问题。

修复：

• 「DeepSeek 网页」跑满 6 轮还说复查在补上或改正，其实稿子早就不变了。拿一次 6 轮的回答对比：第 4 轮的复查和第 3 轮一字不差，是照抄的；第 6 轮的稿子和第 5 轮完全一样，复查里却写了两条「改正」（「新增了复查一节」「复核了时间点，确认无遗漏」）。以前程序只数复查里写了几条，所以停不下来。现在程序自己拿这一稿和上一稿比（空行和空格不算）：稿子一行没变，复查里写什么都不再继续；变了才看复查和检查。任务输出里会写稿子实际改了几行，比如「复查：补上 2 处，改正 4 处，稿子和上一稿相比改了 9 行」。
• 复查的提示里加了一句：只写这一稿比上一稿的改动，前几轮写过的不要再列。

代码改动：

• 命令行 summary_review.py 新增按行比较两稿的 changed()；importer.py 在保存前读出上一稿，交给它判断要不要下一轮。packing.py 改了复查的提示语，chat-rounds.js 改了完成时的提示语。
• 测试：新增一稿和上一稿相同、复查却写了改正时不再继续的测试。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.2.4.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.2.4/video_agent-1.2.4-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.2.3

1.2.3 修复「DeepSeek 网页」卡住和读不到回答的问题，可以同时跑几个 DeepSeek 总结，并让网页 AI 少链没用的画面。

修复：

• DeepSeek 写完了，程序却一直等着、不导入。原因是 DeepSeek 页面不会一直留着前面的回答：到第三轮时，第一轮的回答已经从页面上去掉了，回答的数目没有变多，程序就以为还没写完。现在发送前先给页面上已有的回答做记号，没有记号的那个就是新回答。
• 发出后一直显示「正在分析图片」、始终不开始写。查下来是那次发送根本没到 DeepSeek 服务器。现在发出 3 分钟还没开始写，就重新载入对话、重新附图再发，最多 3 次；正常情况下几十张图几秒内就开始写。

改动：

• 「DeepSeek 网页」的总结可以同时跑几个：每个任务开一个自己的 DeepSeek 窗口，登录共用；在一个窗口里登录后，其他停在登录页的窗口会自动刷新。同时跑几个按「设置」里「总结」的数目算（默认 2），以前 DeepSeek 只能一次一个。DeepSeek 提示「并发请求过多」时，按服务器繁忙处理，等一会儿再发。
• 网页 AI 复查时，要对总结里链接的每张图写一行：图上有、字幕里没有的是什么。写「无」的（图上的字就是讲者说的话的标题卡、讲者特写、素材画面），程序去掉这个链接，以后也不再把这张图发给它；链接了却没写的，下一轮点名要它补上。以前提示里虽然写了素材、讲者特写不链接，它照样链，复查几轮下来链得反而更多。
• 同一次多轮里，后一轮的总结覆盖前一轮，不再一轮存一个版本：原来没有总结时，覆盖当前总结；旁边已有总结时，只留一个版本，备注写到第几轮。新开一次总结仍然另存，不会覆盖上次的结果。

代码改动：

• deepseek.js 改成一个对话一个窗口（conversation()），窗口用完留给下一个任务；回答写完的判断改为找没有记号的最后一个回答块；发出后迟迟不开始写时整条重发。chat-rounds.js 每个任务用自己的对话，停止只停这一个任务。任务队列去掉了 DeepSeek 单独限 1 个的规则，按总结算。
• 命令行 summary_review.py 读复查里的「画面：」各行，去掉写「无」的链接，并检查链接了却没写的图；importer.py 把去掉的图记为不用，后一轮的回答覆盖前一轮的文件（versions.py 新增 overwrite）。
• 测试：模拟 DeepSeek 页面加上一次卡在「正在分析图片」、每来一个新回答就去掉最早的一个；新增复查里「画面：」各行的测试和后一轮覆盖前一轮的测试。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.2.3.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.2.3/video_agent-1.2.3-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.2.2

1.2.2 让网页 AI 写的总结经过几轮复查，补上漏掉的内容。

改动：

• 网页 AI（包括「DeepSeek 网页」）写完第一稿后，程序一定再请它复查一轮：对照字幕逐段检查，讲者讲到的论点和理由、例子、数字、定义、条件、步骤、结论有没有漏写，时间点、链接的画面对不对，改好后输出整篇，并在最后写一节「复查」，列出补上了什么、改正了什么。只要复查还有补上或改正，就再查一轮，最多 6 轮。以前常常一轮就结束，第二轮也从不再要画面，总结里有错、有漏也没有机会再改。
• 每一稿导入时，程序会检查：缺了模板的哪几节，有没有写「画面调整」，字幕里哪些有讲话的时间段在详细内容里一段都没写到，有没有超出视频长度的时间点。查出的问题点名发给网页 AI，下一轮一并改掉。有意删掉的节、有意不写的时间段（课间、闲聊），网页 AI 在「复查」里说明原因就不再追问。拿以前的回答试过，查出过一份总结整整漏了 20 分钟。
• 「画面调整」现在每一稿都要写，没有要调整的写「无」，表示检查过了。字幕识别错的词要写进「字幕改正」，不写进「需确认」。
• 总结够不够详细，看讲到的内容是否都写到了，不看篇幅；提示词末尾原来要求「写成能快速扫读的笔记」，容易让它往短里写，已经去掉。
• 「总结」页不再预先选好一种总结方式，要你自己点一种；没选之前「生成总结」是灰的。以前装了 Claude Code 就默认选它，程序开着时又记着上次点的，看起来像随便选了一种。
• 「处理」页上 AutoSlides Extractor 的说明改成：没装时可以在「设置」里下载免安装版。

Claude Code、Codex 等 Agent 写的总结不经过这几轮。命令行里，summarize --import 导入网页 AI 的回答后会说明要不要下一轮、为什么，pack --follow-up 生成下一轮的材料。

代码改动：

• 命令行新增 summary_review.py：检查每一稿，读出「复查」一节，判断要不要下一轮，状态存在视频文件夹的 summary-review.json。summarize --import 从文件或粘贴导入时走这几轮（--import 不带文件名导入的 Agent 草稿不走），并接受 --template 指明按哪份模板检查。packing.py 的下一轮材料改为复查说明、查出的问题、补截的候选和上一稿。
• 桌面程序的 chat-rounds.js 按新的提示语进行多轮，导入时传入模板名。
• 文档：README 写上网页 AI 的多轮和 DeepSeek 网页，命令行部分精简，截图重拍；docs/commands.md 补全了以前缺的 collection、fix、pack、versions、tools、show 和十几个选项。
• 测试：新增检查的测试（缺节、没写到的时间段、超出的时间点，以及在「复查」里说明后不再追问），多轮测试改为复查到不再补上为止，桌面程序测试检查总结页一开始没有选中任何方式。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.2.2.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.2.2/video_agent-1.2.2-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.2.1

1.2.1 修复「DeepSeek 网页」写总结时的两个问题。

修复：

• DeepSeek 窗口被别的窗口挡住、最小化时，回答有时读不全，导入报「总结为空或太短」。原因是 Windows 会把被完全挡住的窗口当成看不见，页面停止绘制，DeepSeek 写出的内容没有进到页面里（页面上的复制按钮不受影响，所以复制出来是完整的）。现在 DeepSeek 窗口在后面、最小化时也照常绘制，程序能读到完整的回答。
• 附几十张图时，只要有一张上传失败，以前会把所有图片重新上传一遍，连续几次都有一张失败就整个任务出错。现在只把失败的那几张删掉重传，每张最多 3 次；还不行就这次不发那几张，任务输出里会写是哪几张。上传一直传不完、回答只是「服务器繁忙」时，仍然整条重发。
• 导入失败时，DeepSeek 的回答会记进这个任务的日志，可以看原因或手动导入。

代码改动：

• main.js 启动时关掉 Chromium 的窗口遮挡检测（CalculateNativeWinOcclusion），deepseek.js 的窗口关掉后台节流；两样都要，只关后台节流时页面仍然不绘制。
• deepseek.js 按附件的文件名找出上传失败的附件，删掉后单独重新附上；chat-rounds.js 导入失败时把回答写进任务日志。
• 测试：模拟 DeepSeek 页面加上与真实页面同样结构的附件和一次上传失败，检查只有失败的那张重传了。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.2.1.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.2.1/video_agent-1.2.1-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。命令行没有改动。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.2.0

1.2.0 主要改了两件事：画面怎么挑、网页 AI 怎么用画面。另外可以在程序里直接用 DeepSeek 网页版写总结。

新增：

• 「总结」页多了「DeepSeek 网页」：程序打开一个 DeepSeek 窗口（第一次要在里面登录，以后记住），发去提示词和画面，开着深度思考和智能搜索，写完自动导入。DeepSeek 要补画面时，程序截好候选再发下一轮，直到它不再要，最多 6 轮。服务器繁忙、图片上传失败会自动重试。每一轮都能在窗口里看到。DeepSeek 只有一个窗口，同时只跑一个 DeepSeek 任务，其他的排队。
• 网页 AI 可以在总结最后写一节「画面调整」：用不上的画面写「不用」，以后不再发给它；它从字幕推测缺图的地方写「补截」和时间段，程序在那段时间里截几张不同的候选，下一轮给它挑。命令行用 pack --follow-up 生成下一轮材料。
• 装了 AutoSlides Extractor 时，屏幕页默认由它来找，讲者翻得快的页也不会漏。屏幕和摄像头拼在一起的视频先裁出屏幕区域再交给它，同一页逐步出现的几步合成一页。「处理」页取消勾选就改用本程序自己的规则。
• 「设置」里可以一键下载 AutoSlides Extractor 的免安装版（从作者的 GitHub 发布页下载，约 90 MB），放在本程序的数据文件夹里，再下载一次就换成最新版。

改动：

• 写总结的规则改成把画面当材料：表格的数字、图表的走势、文件和政策的条文要读出来写进总结，尤其是讲者没念出来的。画面链接只放在图上确实显示了这一点的地方，链接文字写图上是什么；素材画面、空镜、讲者不链接。
• 发给网页 AI 的每张图（包括总图里的每一页）左下角印上编号和时间，表里也按编号列出路径。以前一次附几十张图时，AI 会按上传顺序对图，把素材画面当成别的图表。
• 去掉了按「如图」「看这里」这类说法自动截图：在讲图论的课里「这个图」说的是图论里的图，截了很多没用的画面，而且截的是话刚出口的时候，图往往还没出来。现在由 AI 读字幕自己推测哪里缺图。
• 画面布局的识别：
  • 顶部一直不变的标题栏不再被当成屏幕；
  • 屏幕里没有边框的讲者小窗能认出来，找翻页时把它涂黑；
  • 讲者挡住了一部分分界线时，也能认出「摄像头和屏幕并排」；
  • 用摄像机拍投影或显示器的视频，会找出投影那一块，在里面找翻页。
• 以前判成「只有摄像头」的视频（比如素材画面里偶尔插一张图表、截图），现在会把画面里停住两秒以上的图表和截图当作屏幕页。烧进画面的字幕两三秒换一句，不会再把一张图拆成几段短的而被扔掉。

修复：

• 手工指定的屏幕区域只是裁掉了画面四周时，不再被当成「屏幕加摄像头」。
• 用 AutoSlides Extractor 时，视频名较长的话，它写出的文件路径会超过 Windows 260 个字符的上限，结果读不回来。现在让它在短路径的临时目录里运行。默认用它时如果失败，自动改用本程序自己的规则，处理不会因此报错。
• 网页 AI 在正文里链接了一张画面、又在「画面调整」里写了「不用」时，以正文为准。

其他：

• 已经处理过的视频要重新处理，才用得上新的布局识别和屏幕页；已有的字幕、字幕改正和总结都不受影响。
• manifest.json 的布局类型多了 projected（摄像机拍的投影或屏幕）。

代码改动：

• 命令行新增 picture_review.py，负责「画面调整」：记下不用的画面，在指定时间段里挑候选（同一画面停留越久越优先，素材画面每秒都在变，排在后面）。packing.py 增加了下一轮材料，media.py 增加了在图上印编号的点阵字体（安装包里的 FFmpeg 没有写字功能）。
• layout.py 增加了上面几条布局规则和「摄像机拍的投影」这一类；processor.py 改为装了 Extractor 时先交给它，失败再用自己的规则。
• 桌面程序新增三个文件：deepseek.js 操作 DeepSeek 网页（附图、填字、发送、等写完、读回代码块），只依赖 Electron，以后接别的网页 AI 照同样的接口再写一个；chat-rounds.js 负责多轮往返；extractor.js 负责下载 Extractor 免安装版。
• 测试：新增模拟 DeepSeek 页面的多轮测试（含一次服务器繁忙）、假 Extractor 测试、几种布局的合成视频测试和下载测试。桌面程序测试里的确认框改在页面里回答，跑测试时不再在屏幕上弹出对话框。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.2.0.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.2.0/video_agent-1.2.0-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。

Video Agent 1.1.0

1.1.0 主要是代码整理，另外有两处操作上的改动和一处修复。

改动：

• 在左边再点一次已经打开的视频或合集，就回到首页。打开的是合集里的某一集时，点合集那一行先回到合集页。
• 切到「终端」不再自动打开终端，点「启动终端」才打开；打开后按钮变成「新建终端」。

修复： 在列表对话框里选择下载整个列表后，链接框里的链接没有清掉。

其他：

• 设置里指定了别的 Video Agent 命令行、它和桌面程序的版本对不上时，左边会提示，可以清空设置改用安装包自带的。为此命令行的 tools --json 多了 json_version 一项，合集的 collection.json 也记下了格式版本；旧的合集照常能用。

代码整理（用起来没有变化，代码按原样搬动，没有改写逻辑）：

• 命令行用 --json 输出的每种结果，以及 manifest.json 和 collection.json，都有了明确的类型定义（contract.py）。生成这些数据的 Python 代码由 mypy 检查；测试里命令行打印的每一条 JSON 都按类型核对，多一个或少一个字段都会报错。桌面程序用的类型文件（cli-types.d.ts）由它自动生成。
• 桌面程序的 JavaScript 改由 TypeScript 做类型检查（不编译，代码照旧是 JavaScript），推送前和 CI 里都会跑。检查出的唯一一个 bug 就是上面修复的那个。
• 原来 792 行的 summarize.py 按职责拆成几个文件：调用模型 API、挑选画面、导入网页 AI 写的总结、给网页 AI 打包材料、合集总结。Anthropic 和 OpenAI 兼容接口改成同一个接口下的两种实现，以后加新的服务商只需加一处。
• 命令行各子命令改为各自绑定处理函数，不再是一长串 if。
• 桌面程序的界面代码（原来一个 2,280 行的 app.js）按页面拆成 14 个模块，主进程（原来 987 行的 main.js）按职责拆成 8 个模块。
• 判断屏幕翻页、合并相似页面的规则单独放进 page_rules.py，并加了不用视频、用合成图片就能跑的测试。

从 0.6.2 及以后的版本更新，只下载变化的部分。设置和工作区都保留。

• 桌面程序：下载 Video-Agent-Setup-1.1.0.exe，直接运行即可覆盖旧版本。安装包没有代码签名，Windows SmartScreen 可能提示“未知发布者”，选“仍要运行”即可。

• 命令行工具（需要 uv，不需要 git）：

  uv tool install --force https://github.com/edsfod/video-agent/releases/download/v1.1.0/video_agent-1.1.0-py3-none-any.whl

  用 uv 安装时，FFmpeg 由 imageio-ffmpeg 从 PyPI 提供；电脑上已有的 ffmpeg 会优先使用。compress 需要带 SVT-AV1 的 FFmpeg。

本页附有安装包里 LGPL FFmpeg 的完整源码（ffmpeg-9.0.2.tar.xz、dav1d-1.5.4.tar.xz、SVT-AV1-v4.2.0.tar.gz）和编译说明（FFmpeg-BUILD.txt），与 0.9.0 相同。