工作清單｜WorkBuddy "私有化"时代来了：腾讯Octop开源，多人多助理，开源全免费

逐字稿文字預覽

有没有想过这么一件事,你每天在用的AI,其实都跑在别人家的服务器上。
你问它的每一句话,贴进去的每一份合同,每一张报表,都要先出门绕一圈再回来。
所以很多公司想上AI,法务第一句就问,这数据能不能不出内网。
今天这个视频就是来回答这个问题的,把AI助手装回你自己家。
腾讯开源了一个项目叫Octop,而现在它已经上架,玩Panel应用商店了,点几下鼠标就能装好。
先说清楚Octop是个啥,它的名字听起来就像章鱼,八条触手,同时干好几件事。
官方给它的定位是,一个你自己托管的开源的AI助手。
这里有两个关键词,我分开讲,第一个自托管,意思就是它不是个网页。
不是你注册账号登录一下就完事了,它是装在你自己的服务器NAS,甚至一台吃灰的旧电脑上的一个服务。
你的聊天记录,文件,AI的记忆,你填的密钥,全都存在本集的一个目录里,数据一步都不出门。
第二个,多用户,多agent。
这个很关键,很多人玩自托管AI,都是自己一个人用。
那其实有点浪费,Octop从设计上就是给一家人,一个小团队,一家公司共用的,管理员开几个账号,每个人登进去,都有自己的AI助手。
自己的记忆,自己的文件柜,彼此之间互相看不见。
老板看不到你跟AI聊了啥,你也看不到同事的。
说到这,你可能要问,听着挺香,但自己装是不是又要敲一堆命令?
这就是今天要说的重点,不用,Octop已经上架OnePanel应用商店了。
如果你服务器上有OnePanel,整个安装过程大概是这样。
打开OnePanel左侧点应用商店,搜索框里输入,Octop点进去,点安装,然后会让你填四样东西,全是表单,不用写代码。
一个是管理员用户名,一个是管理员密码,这两个是你以后登录用的。
密码至少8位,字母加数字,别用admin123这种。
一个是日志级别默认就行,最后一个是端口,默认8088,没冲突就不用改。
点确认,等它拉镜像跑起来。
安装完成后,进入已安装,点击链接跳转即可。
进入登录页面后,输入安装时设置的账号密码,登录Octop。
装好Octop之后,它到底能干啥?
我们一条条看,首先是多用户管理。
使用账号密码登录后,你就是管理员,可以在后台给同事开账号。
每个人进去之后,是完全独立的一套自己的助手,自己的记忆,自己的工作区文件。
张三的AI记得住张三的项目背景,李四的AI记得住李四的,互不串文。
管理员还能控制,每个人能用哪些存储,额度多少。
这一点对公司特别重要,不会因为某个人疯狂调用,把大家的API额度烧光。
其次,到企业AI门户,获取个人API key和模型。
完成本地模型设置,还可以设置助手专属的上下文。
存储插件以及安全防护配置。
第三,给我们的智能体配置通道,技能包连接器还有知识库。
全部配置好以后就可以创建专家,开启你的AI应用,同时还可以设置自动化任务。
实时掌握Token的使用情况。
最后还有几个进阶玩法。
一句话带过,它自带工作台,内置浏览器终端,甚至远程桌面,
让AI真的能上手操作电脑。
通过ACP可以接近OpenCode, CodeBody, CloudCode, Copilot等这些编程智能体。
可塞尔等这些编程智能体。
此后总结一下Octop我最看重的三点。
第一,数据在自己手里,聊天,文件,记忆,密钥,全在本机,合规这条线好过。
第二,天生多人共用,不是一个人的玩具。
是一套能发给全公司的AI。
第三,OnePanel一键装,门槛真的降到地板了。
如果你手上有一台跑着OnePanel的服务器,
现在就能去应用商店搜一下Octop。
装上,晚两天,回来告诉我体验怎么样。
今天我们先这样,下期见。

來源：transcript.txt

本次執行流程與問題處理

下達指令
指令：videonote https://b23.tv/LjsHUIH --language zh --auto-source-subtitles

來源：https://b23.tv/LjsHUIH

辨識語言：zh ｜參數：--language zh --auto-source-subtitles
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
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：36.9 秒
關係：依序執行
結果：完成
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：23.5 秒
關係：依序執行
結果：完成
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：0.6 秒
關係：依序執行
結果：完成
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：0.6 秒
關係：依序執行
結果：完成
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：0.6 秒
關係：依序執行
結果：完成
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：0.6 秒
關係：依序執行
結果：完成
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：0.7 秒
關係：依序執行
結果：完成
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：0.7 秒
關係：依序執行
結果：完成
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：0.7 秒
關係：依序執行
結果：完成
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：84.6 秒
關係：依序執行
結果：完成
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：0.7 秒
關係：依序執行
結果：完成
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：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

subtitle_acquisition.json 下載140 bytes

Whisper 字幕

transcript.whisper.json 純文字 JSON3,797 / 28,258 bytes
transcript.whisper.srt 下載5,556 bytes
transcript.whisper.tsv 下載4,494 bytes
transcript.whisper.txt 下載3,797 bytes
transcript.whisper.vtt 下載5,105 bytes

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 3,797 / 28,258 bytes
校正後 transcript.presegmentation_corrected.json 純文字 JSON 3,830 / 49,896 bytes

目前待解決問題與初步改善方向

⚠️ 全文快速校讀：已套用暫定修正，請確認待修正
segment=16 已先套用暫定修正：这就是今天要说的重点,不用,Octopo已经上架OnePanel应用商店了。 → 这就是今天要说的重点,不用,Octop已经上架OnePanel应用商店了。；segment=18 已先套用暫定修正：打开ePanel左侧点应用商店,搜索框里输入,Octopo点进去,点安装,然后会让你填四样东西,全是表单,不用写代码。 → 打开OnePanel左侧点应用商店,搜索框里输入,Octop点进去,点安装,然后会让你填四样东西,全是表单,不用写代码。；segment=21 已先套用暫定修正：一个是日制级别默认音符就行,最后一个是端口,默认8088,没冲突就不用改。 → 一个是日志级别默认就行,最后一个是端口,默认8088,没冲突就不用改。；segment=24 已先套用暫定修正：进入登录页面后,出入安装时设置的账号密码,登录Octopo。 → 进入登录页面后,输入安装时设置的账号密码,登录Octop。；segment=33 待確認：「杀箱」語意不通，結合AI助手配置場景，極可能為「上下文」（Context）或「指令」（Prompt）的同音/近音錯誤。因無法100%確定是「上下文」還是其他特定術語，標記為待確認，但建議修正為「上下文」。；暫定：完成本地模型设置,还可以设置助手专属的上下文。；segment=41 待確認：「接近」應為「接入」或「連接」；「OpenCodeCodeBody CloudCode,可塞尔」為多個術語的混亂識別，推測為「OpenCode, CodeBody, CloudCode, Copilot」等編程智能體名稱。因具體名稱需確認，標記為待確認。；暫定：通过ACP可以接近OpenCode, CodeBody, CloudCode, Copilot等这些编程智能体。
逐字稿可先使用，但有待校正清單待修正
segment=33 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=41 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對
Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。

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

逐字稿文字預覽

本次執行流程與問題處理

下達指令

預期流程

1. 下載與語音辨識

2. 全文快速校讀

3. 建立句子單元

4. 句子密度平衡

5. 時間軸稽核

6. 品質檢查

7. 播放時間軸回填

8. 逐字稿交叉檢查

9. 來源句整理

10. 生成筆記摘要

11. 建立筆記頁面

12. 發布公開頁面

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