把抖音视频变成你的 Markdown 知识库？这个开源工具太懂信息差了

平时刷抖音，除了娱乐，你是不是也经常刷到一些非常有价值的干货教程、行业认知或者产品分析？想把这些内容存下来，但单纯收藏进夹往往石沉大海，想复看时又要在几分钟的短视频里拖动进度条来回找重点，效率极低。

最近挖掘到一个非常硬核的开源工具——DyNote。它能帮你把抖音视频、评论甚至是账号内容，自动拆解、清洗并整理成标准的 Markdown 笔记，甚至可以直接丢进 Obsidian 构建你的第二大脑。

DyNote 封面

DyNote 工具封面，展示其将抖音视频转化为 Markdown 笔记的核心理念。

你可能见过不少“视频总结”类的工具，但对于抖音这种短视频平台，通用的方案往往有个大坑：成本高且信息抓取不准。

抖音和B站不一样，B站有稳定的字幕和长视频结构，但抖音的信息太碎了。很多干货其实藏在画面贴纸、商品卡详情、甚至评论区高赞回复里。如果不管三七二十一直接上ASR（语音转文字）丢给AI总结，不仅浪费Token，还容易漏掉关键画面信息。

DyNote 的核心设计思路就是：不盲目转录，先分级处理。

这个工具最打动我的是它的分层处理逻辑。它不像传统的傻瓜式转录器，而是设计了三种“通过模式”：

Quick-pass（快速通过模式）：适合快速筛选垃圾信息或判断视频值不值得深挖。它主要利用抖音页面的元数据、标题介绍或者抖音自带的“问AI”结果。关键是，它会标注“证据等级”，明确告诉你这只是快读结果，不是完整字幕，避免误导。
Evidence-pass（取证通过模式）：这就是深度学习模式了。当你确定一个视频非常有价值，需要做引用、脚本拆解或事实核查时启用。它会调用本地ASR（语音识别）、关键帧OCR（文字识别）去提取画面里的贴纸、步骤，甚至是评论区的样本数据，确保证据的真实性和完整性。
Research-pass（研究通过模式）：这个是给做竞品分析、账号选题研究的人用的。比如你想分析某个竞品账号近一个月的选题结构、开头钩子是什么，它会先低成本收集大批量样本，帮你算出哪些视频值得升级到“取证模式”去细看。

DyNote 的 Skill 安装配置界面，用户可以在此添加该工具到 AI 客户端。

整理视频内容

DyNote 正在整理特定视频内容的界面截图，展示了结构化的数据处理过程。

刘晓艳视频内容

利用 DyNote 处理后的具体视频笔记示例，展示了从视频转化而来的 Markdown 内容。

DyNote 分析结果

DyNote 生成的详细分析视图，包含视频的元数据、转写文本及结构化片段。

这种设计能帮你省下不少冤枉钱。刷到短视频先“快读”，发现是干货才“深挖”，而不是把Token浪费在毫无营养的搞笑视频上。

n DyNote 的输出结果非常丰富，不仅仅是一段文本摘要，而是一整套结构化的数据包：

如果你是 Obsidian 的重度用户，把这些文件丢进库房，配合双向链接，你实际上拥有了一个基于抖音内容的本地化知识库。以后想找某个知识点，直接搜索本地文件，再也不用去抖音那个算法推荐流里大海捞针了。

这个项目是开源的，而且设计成了 Agent 的 Skill 形式。使用起来非常简单，不需要你会写代码。

如果你正在使用 Claude 的 Codex 或者国产的 QoderWork 之类的 AI 客户端，只需要发送指令：

“请帮我安装这个 skill：https://github.com/Rimagination/dy-note”

安装完成后，你就可以用自然语言指挥它干活了。比如：

n 当然，因为是处理网页端内容，工具需要依赖你的浏览器登录状态来获取部分数据（比如网页AI总结和评论区）。项目作者也明确表示不会偷取你的 Cookie 或 Token，安全性上可以放心。

另外，由于抖音很多视频没有硬字幕，对于画面里的关键信息，它会推荐配合本地的 ASR（如 Qwen3-ASR）来提高识别率。

总的来说，DyNote 就像是一个帮你剥离抖音“算法外壳”的手术刀。它把那些稍纵即逝的碎片化信息，固化为可检索、可引用、可复用的 Markdown 知识资产。如果你经常在抖音上学东西，或者需要做竞品调研、素材库搭建，这个工具绝对值得一试。