流程图全览
输入链接 ➛ 提取 BV 号 ➛ 获取数据 ➛ 推送数据 ➛ 下载、压缩音频 ➛ 调用远程 Whisper 转录文字 ➛ 整理总结 ➛ 更新送至多维表格、推送通知
1. 分析链接
使用 Telegram Trigger，创建 Telegram bot 用于接收用户信息，我把我的所有 Telegram bot 都拉到一个群里，然后通过@ 来指定机器人工作。Telegram Trigger 后面的 IF 节点就是用来判断接收到的信息里有没有该机器人的 ID，若有，才会进行后面的步骤。
下一步是从用户输入的信息中提取 B 站链接和 BV 号，BV 号是用 js 和正则表达式提取。提取 BV 号是为了后面方便给下载的音频命名等工作。
包括这里的代码在内，后面所有的涉及到写代码、执行的命令，我都是问的 AI，我自己并不会写……所以在这里也就不展示具体的代码了，能够实现你的目的就行。
后接一 Set 节点，固定住 BV 号，方便后续调用。
2. 抓取和推送数据
使用 B 站的官方 api 抓取数据，其中 BV 号源于上一步。官方 api 需要自己上网查一下，GitHub 上有人整理过。或者你也可以直接用 HTTP Request GET 来获取，然后自己清洗数据。
后面就是用一个 Set 节点整理数据，方便后续调用；然后用 tg 节点，先把播放量等数据推到 tg 聊天框里。这主要是为了告诉用户 workflow 已经开始执行了。
3. 下载与转换格式
使用 yt-dlp 抓取该 B 站视频的音频，然后调用ffmpeg 压缩获取的音频，方便后续传输。这里压缩的音质要尽可能低。
后面使用节点读取压缩好的音频，准备传输给外部 Whisper。
4. AI 转写与整理
把前面压缩好的音频文件传输过来，调用本地部署的 Whisper 转写。
这里使用 tailscale 为本地 Whisper 和云服务器 n8n 建立连接。
转写好后，用两个 AI 节点，一个负责添加标点，一个负责总结归纳该视频的内容。注意，一定要让这两个 AI 输出的内容没有回车（也就是/n），这样才能写入飞书多维表格。
这里多解释一下，为什么我是调用 Whisper 转写。
B 站的 up 主通常不会上传软字幕，所以就需要自己转写。我的 n8n 是部署在云服务器上的，性能比较孱弱，肯定跑不动 Whisper，所以我把 Whisper 放到 NAS 上，并用 tailscale 组网调用。
NAS 上的 Whisper 我是用的 small 模型来转写。我试了几篇，正确率还可以。因为我大部分时候并不会直接阅读正文，错误率高点没关系，而且后面还有 AI 节点来添加标点和纠正错别字，所以就没必要跑 medium 或者 large 模型来转写。
5. 填写飞书多维表格并推送完成通知
先建立飞书多维表格，厘清自己想整理的项目，然后在这一步直接推送、自动填写到多维表格中。
注意多维表格 fields 的填写规范，具体见飞书的 api 文档，有示例，并不复杂。
最后给 tg 推一个完成的通知。我在这一步里只推了总结内容，没有推送 Whisper 听写的逐字稿。
