逐字稿文字預覽
同一个模型 同一张截图 几分钟之前呢 他还说自己看不懂图片 那现在他就可以逐条的把图片分析给你听 中间啊我只做了一件事 就是装了一个社区插件 模型没有变 那么它的能力是从哪来的呢 Deepseek这次开源真正值钱的呀 不只是这个工具本身 他把改造agent的权利也给了你 这期啊我们不重复做安装 我们先看他到底把什么交给了开发者 再看看这份自由附带了什么样的责任 那看完以后呢 你就可以自己来判断了 现在就研究他呢 先关注他的插件生态呢 还是可以完全的再等一等 哎你好 欢迎回到Axton 今天我们来聊一聊Deepseek Hunters Deepseek官方给的启动方式呢 确实很简单 一条命令就可以打开本地的界面 第一次使用呢 当然你还需要准备node环境 Deepseek的API key 再选一个工作目录 我们第一次启动的时候 终端窗口 特律导呢就会问你 要不要下载所需要的程序 确认之后 它才会给出一个本地的网址 我们就用浏览器打开这个页面 会首先看到一个测试版的提示 接着呢 添入自己的Deepseek的API key 模型的调用啊 它是按照Deepseek的API来计费的 设置里面呢 我们可以把语言切换成中文 所以后面的界面呢 我们都用中文来显示 这个界面跑起来以后呀 我先不拿复杂的编程题来为难他 我们首先呢 只看一件事 一个普通人能不能把它顺利的用起来 好 这里的工作区呢 其实就是我们允许Hunners读写的一个文件夹 选中一个文件夹以后呢 Hunners会自动的把它变成工作区 不用再另外创建一个项目 我点工作区标题栏右侧的添加工作区图标 选择提前准备好的目录DSH Lab 选好以后它就会出现在左侧的列表里 权限我们就保留默认的Workspace Write 也就是只让它在这个文件夹里边做写入的工作 不要给它整台电脑的 Full Access 右下角会显示当前的模型以及推理的级别 模型我们可以选Flash或者Pro 我用的是Deepseek的V4 Pro 推理级别是Hi 后面所有的演示都不再更换了 所以第一个任务也很普通 就是把一份频道的数据文件 CICVA文件 做成一个可以双击打开的HTML数据报告 发出去以后呢 我没有再动 它会自己呢读数据 写文件检查结果 出现问题呢 会自己查错 自己修改 最后呀 它会给出报告的路径 创建了哪些文件 以及这次执行的用量摘要 点击它给出的报告路径 HTML就会在浏览器里边直接打开 报告不只是把CSV文件原样摆出来了 它还整理了图表和结论区 这个演示并不是证明它能完成多么复杂的工作 但是至少证明从真实数据到可打开的文件 这条最基本的列路是可以跑通的 Hannes自己的绘画统计会列出 输入输出的token 缓存的命中率 步骤 耗时和速度 实际花了多少钱 我们可以在DeepSeek的控制台里面去看 这次小任务大概花了人民币9分钱 到这里我们只能确定一件事 它可以工作 但是真正值得看 是同一个模型的能力边界 到底是由什么来决定的 我给他一张频道的数据截图 问他页面标题 最近90天的播放量 增长最快的系列 以及截图给出的下个月的建议 那为了防止模型乱猜呢 我还会写明白 你要看不到就直接说看不到 最后啊 还要交代清楚 答案来自完整的画面理解 还是就是读到了文字 测试前呢 我会先打开插件的设置 默认它已经有终端 agent循环和网页搜索 这三项都是安装以后自带的 不是我另外装的 但是呢 当时还没有视觉识别 主模型呢 依然是DeepSeek的VS Pro 我把一张截图拖进去 再发送这四个问题 默认配置下呢 界面就直接报错了 说当前模型不支持图片 请切换支持图片的模型 所以这次图片根本就没有进入到任务里去 接下来呢 我停止Harness 增加一个社区开发者创作的DSH Vision 插件它本质上是第三方代码 所以安装以前你至少要检查它的来源代码和它所需要的权限保证安全 那我使用的插件项目提供的标准的安装命令 Terminal最后就显示Dumb完成了 不过上面还留着一条PierDependency的一个警告 我们可以忽略它并没有阻止这次安装完成 当然我们也不能把装上说成是完全没有任何问题 然后呢我会用同样的标准的命令重新系统Hunners 之后再回到设置插件 刚才不存在的视觉识别已经出现了 多了一个插件 那我们就保持它默认的automatic的page 界面显示单次最多处理8张图片 现在我再用同一张图片 同一组问题和同一个pro模型测试 唯一的变化就是我们刚才安装了一个插件 那这一次呢它就没有再报错了 我在原图和回答之间轮流切换 逐项核对 页面标题 最近90天播放量增长最快的内容系列 增长比例 以及下个月的建议 全部都是回答正确 当然这里的频道数据是演示用的虚构数据 但是前后结果的差异是很真实的 我们这次使用的DeepSeq with Pro API 它仍然只能接收文本 这个插件就是先把图片转换成文字信息 再交给Pro继续处理 所以装上这个插件 其实并不等于DeepSeq Pro 就原生获得了完整的视觉能力 它依赖的依然是一个视觉桥接 先整理出来的文字和数字 但这恰好证明了更重要的一件事 我们来评价agent 不能只看模型的名字 我的判断是呢 模型它会决定智力的上限 而Hanness决定你的能力边界 Hanness决定它能看到什么 能调用什么 怎样把想法变成行动 模型并没有变化 但是完整的agent的能力却已经变了 以前这种缺口通常要等产品公司排进更新计划 现在一个社区开发者就能通过插件 把他的缺失的能力补上 这就是我所说的改装权 它不是一个口号 而是刚才我们肉眼可以见到的一个前后 而且这也解释了官方网站为什么强调 everything is a plugin 一切都是插件 模型工具技能绘画存储循环和调度 都可以通过插件组合或者替换 所以刚才看到的不是换了一个模型 就是给Handes换了一块能力的模块 所以Deepseek到底开源了哪一层呢 如果只说它能装插件 还是把这件事说小了 它更像是一套开放的Agent的底盘 而并不是一个替所有人已经调整好的成品 这也是为什么呢 我不赞成把它简单的叫做Cloud Code Killer 它开源的是另外一种制造agent的方式 那这是本质上是一场产品模式的竞争 它并不是一个功能表的对比 那最有意思的是 社区第一时间并没有急着再塞进一个更强的模型 而是先补了视觉主题桌面外壳插件发现和安全工具 所以其实社区最先补什么 本质上它就是在暴露了 你的默认的版本最缺的是什么 缺的并不是智力 而是产品划分发 发现以及信任 这其实就已经把这套 Agent底盘的两面都暴露得很清楚了 它是可以扩展的 证明它足够的开放 这些基础体验需要社区来补充 同时也证明它离一个成熟的产品 还有距离的 好 接下来我们看第二点是 这次我不是要看模型能不能做一个漂亮的网页 而是要看Hanness怎么样进行保存和组织一项进行到一半的工作 我给他一个四步的任务 做三张独立数据卡片 主张验证 最后组合成一个html页面 那开始之前呢 我们这个experiment3这个文件夹是空的 我把它放在画面旁边 就是为了让大家看得更清楚 看到文件到底在什么时候出现 OK第一张卡片生成并且验证通过 第二张也生成并且验证 等前两部明确落成文件呢 我将会直接在terminal里边 终止整个Handels的进程 好这里面我们看到前两张已经生成并且验证了 第三张图片已经生成了 写到盘上了 但是还没有完成验证 最后要让它生成的组合的页面还不存在 那我就直接按下Ctrl-C 终止Handels的后台进程 按下Ctrl-C以后呢 浏览器刷新一下 就再也连不上本地页面了 这说明后台是真的没有了 输出目录里面 三张图片 svg的图片还在 缺的就是第三张的验证和生成最后的组合页 好我们再一次重启harness 重启以后呢 咱们并不需要重新把任务再发一遍 那原来的绘画文件和土豆的状态 待办的状态都还在的 任务列表也显示的很具体 两项完成一项进行中 一项等待处理 这里的界面上没有一个专门的resume恢复的按钮 那我们就给他输两个字的命令 继续 并不需要重复任何的多余的要求 他就会先检查已经存在的第三张SVG图片 确认有效 然后直接去创建还没有完成的HTML组合页 最后三张卡片和组合页全部完成 那从操作体验来看 这一次恢复呢确实很顺 但他到底恢复了什么 我们不能只凭画面来下结论 我对照了DeepSeekHandels的代码 也看了Cloud Code和Codex它现在的运行方式 结论就是DSH恢复的不是原来的进程 只是任务的现场 它能保持subagent的身份 历史和配置 但是正在执行的那一轮计算肯定是已经终止了 当然这些也不是Deepseek它独有的魔法 Cloud Code和Codex 它们都有自己的状态持久化的方式 真正的差异是状态存在哪里由谁托管 这个也是证明的 只是DSH的任务现场足够完整 能启动可以继续完成工作 好恢复任务现场只是第一步 接下来我从同一个完成位置创建一条分支 入口就在完成消息下面那个像竖刹一样的图标上 点下去以后它会创建一个新的绘画 前面的对话和完成状态都已经带过来 我会让新分支做一个亮色的版本 并且另存为文件 分支完成以后呢 我再回到原汇化 让原来的路线呢 继续做一个深色的版本 那我们可以看到 在深色版本生成以后呢 它为了用Chrome浏览器截图验证 连续碰到失败 前后多试了几次 多花了几分钟 分支啊 它保存的是两条路线 它并不是对你的结果质量的保证 最后三个版本都保留下来了 最初的版本 原绘化继续生成的深色版本 以及新分支生成的浅色版本 所以分支的价值 它不是多做出一个文件来 而是把尝试另外的一条途径 变成一个可以保留 可以回滚的一个工作状态 你不必把之前能用的版本来给覆盖掉 但是只允许分支还不够 Agent真的要开始改文件 跑命令安装插件以后呢 你还得知道 他在每条路上都做过什么 在Hanos完成这些任务的背后 AI到底做了什么呢 轨迹功能 它就把用户模型和工具调用的情况 按真实的顺序 给你弹成了一张大表 点开一次写文件 我们可以看到传输了什么 返回了什么 用了多久 当然我们不用把所有的Json 全部来看一遍 我们只需要一次打开 Payload Result和时间 平时我们看到的通常就是 最终的回答 最多再加上一个思考的过程 但是那并不是他工作的全部 再点开一次模型的回复 还可以进入到对应的请求的汇总 这一轮用了哪个模型 调用了几次工具 这些都能看到 用量这一块也会分开显示 本次请求和整个汇化的输入输出的token 时间也会拆除等待走字的时间 神乘的耗时和吞吐的速度 这些记录啊 他并不能自动的保证查件的安全 也不能保证模型一定正确 但是有了他呢 出了问题 我们至少会有过程可查 好 我们把中段恢复分支和轨迹放在一起看 他们回答的其实是同一件事 你对整个agent的运行时 有没有观察权和处置权 这就是开放底盘真正有价值的第二层 你不只是能改它 你还得能够去查它才行 必要的时候你能够接手 所以一个能进入真实工作的agent 需要的并不是永远不犯错 而是出错以后我们还能很方便的定位 还能恢复还能换一条新的路线 OK前面我们说过 社区在Deepseek Hunters开源之后 48小时里迅速的补上了视觉 界面桌面外壳安全工具等等 各种各样的能力插件 其实我们再看一遍 他们当中的每一个都是第三行代码 它会跑在你的电脑上 跑在你交出的权限里边 其实这也是我对Arystine is a plugin 所有一切都是插件的一个完整的判断 它不是让一切更简单 它是让开发者拿到了更多的决定权 同时也承担了更多的复杂度 维护成本和安全责任 比如前边演示的视觉插件 它确实是在官方的DeepseekWisePro这个模型 补上视觉能力之前 帮我完成了视觉方面的一些任务 这是开放生态的速度 但是在整个系统里面有一个插件 并不等于它就经过了严格的审核 安装成功了也不等于你已经看懂了 它可以访问什么 任何靠社区插件繁荣起来的软件 最后都会遇到同一个关卡 质量不统一 作者停更 版本冲突 权限过大等等 最初的繁荣解决的是有没有 成熟的生态它必须要解决 能不能长期的给用户以信任 所以我不会用手周出现了多少的插件 判断这套生态到底能不能成功 我想的是如果官方后面补不上插件审核 全线分级版本兼容和长期维护这一系列的动作呢 这套生态呢 它会在开发者当中非常的活跃 但是很难跨过普通用户这一关 所以我的结论也很明确了 DeepseekHandus现在不是一个已经成熟的Cloud Code的替代品 官方仍然把它标成了Developer Preview预览版本 所以后面可能会出现不兼容的改动 但是我们也不能因此就把它看成一个聊天界面 那这样我们就会错过它真正重要的部分 它把一个问题摆到了桌面上 未来的agent到底是应该由厂商来替你做一个封闭的整合呢 还是允许开发者和社区持续的改装它呢 那最后啊 谁适合用它呢 如果你是开发者 或者正在搭自己的agent自动化系统 现在就值得跑一遍了 不要只看它的UI界面 重点呢去了解它的插件接口 它的轨迹的事件流 看它的模型呀 工具状态权限和界面 都是怎么样才开组合的 如果你想围绕它做生态呢 机会不一定是在造一个炫酷的插件 桌面的封装 插件的发现 权限的审核 版本的兼容 以及长期的维护 这五个看起来不怎么性感的地方呢 而更接近普通用户真正需要的价值 如果你只是想找一个今天打开就能稳定工作的日常工具 可以先把它放到观察名单里头 不必急着去牵引它 成熟产品它会替你做好默认值 本身就是以成熟产品的价值所在 Deepseek Hunderts现在它还不一定是你该换上的一个产品 但是它已经让Agent的能力边界 应该由谁决定变成了一个公开的选择了 你更愿意使用一台厂商 替你调整好的一个成品呢 还是一台你可以自己打开改造检查的机器呢 评论区聊一下 可以告诉我你的选择 半年之后呢 我们可以再回来看看 他有没有跨过普通用户这一关 好 今天的视频就到这里 我是Axon 如果你喜欢本期视频的话 请帮我点赞评论 订阅我的频道 并且打开小铃铛 咱们下期再见
本次執行流程與問題處理
下達指令
預期流程
- 下載與語音辨識
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：981.1 秒
關係：依序執行
結果：完成
2. 文字校正
工具：videonote_correct_transcript.py（校正語音辨識錯字）
處理：校正語音辨識錯字並整理成斷句前正稿
產出：transcript.presegmentation_corrected.json（校正後逐字稿）、transcript_presegmentation_correction_report.json（校正報告）
耗時：143.1 秒
關係：依序執行
結果：完成
3. 語意重斷句
工具：videonote-restructure-sentences
處理：以語意重新切分過長字幕區塊
產出：sentence_units.json（句子單元）
耗時：94.5 秒
關係：依序執行
結果：完成
4. 全文檢核
工具：videonote_global_review.py
處理：檢查斷句後的全文連貫性
產出：global_review_report.json（全文檢核報告）
耗時：366.0 秒
關係：依序執行
結果：完成
5. 句子密度平衡
工具：videonote_balance_sentence_units.py
處理：平衡句子長度與密度
產出：sentence_units.json（句子單元）
耗時：0.1 秒
關係：依序執行
結果：完成
6. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.1 秒
關係：依序執行
結果：完成
7. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.1 秒
關係：依序執行
結果：完成
8. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.2 秒
關係：依序執行
結果：完成
9. 逐字稿交叉檢查
工具：videonote_cross_check_transcript.py
處理：交叉檢查逐字稿與來源字幕
產出：transcript_crosscheck_report.json（交叉檢查）
耗時：0.2 秒
關係：依序執行
結果：完成
10. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.2 秒
關係：依序執行
結果：完成
11. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：131.6 秒
關係：依序執行
結果：完成
12. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.7 秒
關係：依序執行
結果：完成
13. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.8 秒
關係：依序執行
結果：完成
手動來源字幕
- 尚未產生
自動來源字幕
Whisper 字幕
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
- 校正前 transcript.whisper.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 逐字稿合併校正未通過驗證
原始逐字稿仍會用於筆記，並在筆記最前方標示待改善項目。；校正稿未通過 T2 證據、T1 覆蓋或順序檢查，因此不會覆寫逐字稿。；CORRECTION_STATUS=REJECTED；改善方向：查看 transcript_presegmentation_correction_report.json 的 validation_failures。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。