工作清單

从零手搓工业级知识库！DeepSeek Harness智能体开发实战！Skills+插件+Agent预设全栈精讲，Agent设计、开发、部署、优化全流程实操！ p01 1.DeepSeek Harness知识库开发实战入门

逐字稿文字預覽

作為一款對標Cloud Code Codex的頂尖agent,Dipsy Harness開發性能到底如何呢?四個字評價,強到離譜。
現在大家看到的就是本期科外科的實戰項目,一款功能完整、性能強勁的工業級ELM Viki 知識庫。
知識庫不僅擁有樣式美觀的工作台Dashboard,而且擁有完整的文檔管理、編譯、上傳等各項功能。
同時知識查閱Viki編譯結果,以及提供增量文檔編譯功能。
並且能夠查看完整的雙形態的知識图譜。
同時可以進行可溯源的知識庫問答,任何回复都能關聯到原始的知識片段。
同時還支持系統在線評估和優化,可以根據檢索命中率、證據覆蓋率等問題進行編譯方式和檢索流程的優化。
當然還有完整的功能系統設置頁面。
最關鍵的是,從搭建開發環境到最終完成項目開發,
我們總共只對Deepsea Harness進行了10輪的專頁提示。
外加8個Skills,一套Agent預設和2個功能插件。
現在看到的就是其中一輪的提示詞,開發流程和階段結果的截圖。
整個開發過程異常穩定,效率極高。
個人覺得是超過了Codex和Cloud Code的開發體驗。
本期公開客Deepsea Harness工業級支持庫從零開發實戰,
帶你徹底掌握Deepsea Harness工業開發實戰技巧,徹底釋放Deepsea Harness性能潛力。
目前,這一項LM Viki支持庫也正式上線我們團隊自研的Deepsea Harness Studio桌面端,大家可以點擊即可使用。
具體安裝包以及公開客完整客件LM Viki項目緣碼,現在都已經上線。
同時,全套開發工具,包括Agent Preset,預設,開發知識庫,Skills和架構圖,
以及逐輪提示詞,對話運行截圖和階段性開發成果截圖等等。
全套學習資料和開發資料都已經上線至浮返AI社區,大家查看制定評論,即可免費領取。
當然,作為一門零基礎公開客,首先我將通過一組提示,為大家詳細介紹今年大火的LM Viki支持庫到底是什麼。
整個資料採集編譯問答增量更新的流程到底是怎麼執行的?
然後手把手帶大家搭建好基礎開發環境。
根據我們目前的開發經驗來看,要用好Deepsea Harness,就必須根據實際開發目標,對Deepsea Harness進行功能組裝。
比如組裝一些插件,Skills和Agent預設,也就是Agent模式等等。
比如本次LM Viki開發任務,我們就裝配了一系列用於對其意圖補充信息以及輔助開發的Skills。
這些Skills也是從我們為付費學員提供的Fundagent裡的400多個Skills當中提取的幾個。
同時,我們還需要安裝DSH Diagram和DSH Build-in Browser這兩款插件。
前者用於輔助繪製流程圖隨時查看項目結構,而後者則負責輔助進行產品頁面的功能驗收。
此外,我們還專門設置了一個Agent預設,你可以把它理解成是一個為了本次開發任務單獨創建的Agent,
用於嚴格執行LM Viki 項目開發流程,以及靈活調用相關插件和Skills等。
這個Agent預設功能堪稱Deepsea Harness的最強隱藏功能,用好它就能讓你的Agent的性能實現跨越式提升。
當然,零基础小伙伴也不用擔心我們為大家提供了一整套開發環境一鍵啟動腳本,
大家領取到課件後,雙基腳本即可完成基礎開發環境的完整裝備,
然後就進入到Deepsea Harness的頁面,即可開始進行開發了。
整個LM Viki是一個相對比較複雜的開發項目,要經歷如下總共11個開發階段。
為了手把手帶大家走完這個開發流程,我們會詳細介紹每個階段的輸入提示詞,
並讓大家詳細展示每個階段的執行過程,以及中間補充的每一段提示內容,
以及每個階段的階段性開發成果的截圖。
同時也會從專業角度來講解每個階段到底寫著哪些代碼,以及分別有什麼用。
整個展示過程能夠讓大家看到輸入、看到輸出,同時還有中間原理的講解。
哪怕前期不懂原理不懂代碼,也能跟著這個提示流程一步步做出成果。
同時完整11個開發階段將嚴格按照環境搭建、項目基座開發、核心功能模塊開發,
以及功能驗收這個流程來進行。這也是當下最標準的Agent開發完整流程。
如此完整詳細的實戰教程,相信全網也就獨此一份。
這也是我們技術團隊這段時間沒日沒夜幹出的成果,看在如此誠意滿滿的份上,要不三連不過分吧。
目前全套DPC Harness公開客的客件、DSH Studio桌面安裝包,以及elmviki項目緣碼、知識庫、Skills等等,
都已經上限制覆辦AI社區,大家查看這點評論即可免費領取。
2026大模型Agent的技術辦的勢頭異常虛謀,我也將持續為大家提供最前沿實用的技術教學。
感謝大家的關注和三連支持,公開客馬上開始。

來源：transcript.txt

本次執行流程與問題處理

  1. 下達指令

    指令：videonote https://b23.tv/9qsmVww --language zh --auto-source-subtitles

    來源：https://b23.tv/9qsmVww

    辨識語言：zh ｜ 參數：--language zh --auto-source-subtitles

  2. 預期流程

    依指令產生的處理順序：

    1. 自動字幕優先，Whisper 作為備援
    2. 來源選擇與品質檢查
    3. 文字校正與句子單元
    4. 筆記與發布
    5. 公開網頁發布

  3. 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：18.7 秒

    關係：依序執行

    結果：完成

  4. 2. 全文快速校讀

    工具：videonote_rapid_transcript_review.py

    處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目

    產出：rapid_transcript_review_report.json（產出檔案）

    耗時：37.9 秒

    關係：依序執行

    結果：完成

  5. 3. 建立句子單元

    工具：videonote-build-sentence-units

    處理：將逐字稿切成帶時間軸的句子單元

    產出：sentence_units.json（句子單元）

    耗時：1.0 秒

    關係：依序執行

    結果：完成

  6. 4. 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：1.0 秒

    關係：依序執行

    結果：完成

  7. 5. 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

  8. 6. 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

  9. 7. 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：0.1 秒

    關係：依序執行

    結果：完成

  10. 8. 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：0.1 秒

    關係：依序執行

    結果：完成

  11. 9. 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

  12. 10. 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：72.8 秒

    關係：依序執行

    結果：完成

  13. 11. 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：0.9 秒

    關係：依序執行

    結果：完成

  14. 12. 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：1.0 秒

    關係：依序執行

    結果：完成

手動來源字幕

自動來源字幕

Whisper 字幕

Qwen 字幕

Parakeet 字幕

MOSS 字幕

聲學時間證據（PyAnnote / WhisperX）

校正前後逐字稿

目前待解決問題與初步改善方向

進一步精進字幕與筆記
使用 Workbench 上傳校正字幕、中文參考稿或回饋 SRT，重新產生雙語與學習單元。
開啟 Workbench