今日总结：议事档案标本契约 v0.0.3 与术语统一

完成项

1. 标本契约 v0.0.3

• 议事档案标本契约已提交到仓库
• commit: 443ed05
• 路径: examples/feishu-wiki/contracts/议事档案-specimen.yaml

2. 术语统一：lifecycle → workflow

• lifecycle: 资产自己的生命周期（被动的）
• workflow: 能力编排的流程（主动的、高内聚的）

3. 架构理念：资产即服务 (Asset as a Service)

1
2
3

资产不是"东西"，是"服务"
├── 它暴露什么能力？  → skills
└── 这些能力怎么触发？→ workflow（状态+顺序）

4. 标本验证

• 从实际文档提炼结构（议事规则、决策、复盘研讨各一个样本）
• 用标本验证实际文档，发现建模漏洞：
  • 元数据区、个人心得等字段已补充到标本
  • 辩论区在实际中不运转，已移除
  • 决议区改为可选

5. 确认文档

• 议事档案标本说明.md 已提交
• 发给 @黄梓姗 @朱彦真 确认业务细节

6. scanner.py + miner.py

• 扫描器和挖掘器写好了
• 暂未提交，待后续完善
• 路径: examples/feishu-wiki/app/

7. QtCloud 开发架构师 Skill

• 创建了 qtcloud-developer-architect skill
• 用于跟进项目进度和状态追踪

开发阶段

明日计划

1. 完善 scanner.py + miner.py
2. 重写 src/cli 代码
3. 集成到 src

仓库信息

• QtCloud Asset: https://github.com/quanttide/qtcloud-asset
• 本地路径: C:\Users\雨下雨停\q-tech\apps\qtcloud-asset

由 qtcloud-developer-architect skill 生成

背景

今天深入研究了 quanttide-asset 项目中的飞书 Wiki 资产验证规则建模。这是一个探索性任务：如何从飞书 Wiki 的目录结构中，提炼出可验证的规范，并进一步反推出组织的业务流程。

核心问题

飞书 Wiki 的目录结构有什么规范？如何验证这些规范？更重要的是：能否通过资产目录结构，反推出组织的业务流程？

建模思路

契约驱动的本质

契约不是代码内置的逻辑，而是”蒸馏出来的声明式规范”。

1

契约定义（应该有什么） → 发现机制（实际有什么） → 验证模块（差异对比）

契约验证的边界：只验证结构性信息，不验证内容质量。

四步建模框架

1. 业务拆解：从数据中识别节点类型（Space/Folder/Doc）
2. 行为定义：定义每种节点的属性和关系
3. 度量设定：设定可验证的维度
4. 模型产出：输出通用模型 + YAML 验证规则

议事档案案例

目录结构

1
2
3
4
5
6
7
8
9

议事档案
├── 议事档案首页              # Root，depth=0
├── 议题                      # Container，depth=1
│   ├── 议事规则              # Container，depth=2
│   │   ├── 2025年第49周-议事规则1-辩论
│   │   └── ...
│   ├── 议程
│   ├── 决策
│   └── 计划

反推的业务流程

通过分析分类结构和命名模式，反推出议事决策流程：

1
2
3

提出议题 → 制定规则 → 安排议程 → 做出决策 → 执行计划
    ↓           ↓          ↓         ↓         ↓
  议题      议事规则     议程      决策      计划

验证规则

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

validation:
  rules:
    - name: 必须有根节点
      assert: node_exists(depth=0)
      level: error

    - name: 一级分类完整性
      assert: |
        has_category("议题") and
        has_category("议程") and
        has_category("决策") and
        has_category("计划")
      level: error

    - name: 叶子文档命名格式
      assert: matches(node.title, "^\\d{4}年第\\d{1,2}周-.+")
      level: warning

经验总结

1. 建模要先观察数据

不要先入为主地设计规则，要从实际数据中观察规律。

2. 区分通用规则和特定规则

• 通用规则：所有 Space 适用（结构完整性、命名非空）
• 特定规则：特定 Space 适用（议事档案的分类名、命名格式）

3. 契约的局限

契约只验证”有没有、对不对”，不验证”好不好”。内容质量需要 AI 验证层。

4. 警惕暴露资产信息

space_id 等敏感信息不要写进代码和文档。

下一步

1. AI 反推验证：让 AI 从资产结构反推流程，与实际流程对比
2. 泛化到其他 Space：为其他 Space 定义类似的规范
3. 人工交叉验证：与实际业务流程对比，确认反推结果

参考

• 验证规则建模文档

飞书知识库资产发现 - 今日开发总结

目标

验证”资产目录”和”资产发现”建模是否可行，以飞书知识库为例子。

碰到的困难

最终成果

代码已推送：quanttide-asset 仓库 examples/feishu-wiki 分支

验证了

“资产目录 vs 资产契约”的资产治理思路走得通。

下一步

• v0.0.2: 根据 docs 文件夹框架重构项目
• v0.0.3: 把 feishu-wiki 验证方式整合到 qtcloud-asset 主干

2026-04-21

今日总结：飞书知识库契约式同步开发

背景

按照 quanttide/qtcloud-asset 的 roadmap，我需要在 examples/feishu-wiki 中实现契约式同步：用 YAML 契约声明必须存在的知识库和节点关键词，用验证脚本校验下载结果。整个过程要求不破坏现有简洁性。

核心问题：token 获取

飞书 API 需要认证，核心卡点在于 token 获取。

方案演变

最终方案

用 lark-cli wiki 子命令替代有 bug 的 lark-cli api 子命令。wiki 子命令完全正常，可以执行：

• lark-cli wiki spaces list → 获取知识库列表
• lark-cli wiki nodes list --space-id xxx → 获取节点列表
• lark-cli wiki spaces create → 创建知识库

代码产出

contract.yaml

1
2
3
4
5

spaces:
  - id: "7526874705676091393"
    name: "会议档案"
    required_nodes:
      - ""

validate.py

契约验证脚本，加载 contract.yaml 和本地 metadata.json，输出 PASS/FAIL。

catalog.py

重写多版，最终用 lark-cli subprocess 调用 wiki 子命令，执行递归节点下载。

遇到的问题

1. Windows subprocess hang：lark-cli.cmd 批量包装器检测到 stdin 是管道时会进入交互模式导致进程挂起。加 stdin=DEVNULL 解决。

2. GBK 编码错误：中文错误信息和 emoji 在 Windows CMD 下导致 UnicodeEncodeError。用 ASCII 标签（[SAVE]、[DEL]、[PASS]）替代 emoji。

3. App Token 权限体系不兼容：tenant_access_token 属于应用身份，无法直接获得用户有权限访问的知识库。需要换用户 token。

4. 测试企业隔离：应用发不到正式企业，测试企业的知识库和正式企业完全隔离。

明日计划

1. 用 lark-cli wiki 子命令重写 catalog.py API 层
2. 完成测试Wiki节点获取验证
3. 运行 validate.py 确认契约校验通过

相关链接：

• 分支：https://github.com/quanttide/quanttide-asset/tree/examples/feishu-wiki
• 创建的测试知识库：space_id 7630817959211977947

问题1：上传返回 400 Bad Request

症状： 上传文件时 API 返回 400，但看不到具体原因

调试过程：

1. 检查 Vercel 日志，发现只有 “No outgoing requests”
2. 添加详细日志后，发现 Magic number validation: { valid: false }
3. 原因：文件扩展名是 .mp4，但 Magic Number 不匹配（可能是手机拍的视频格式问题）

解决方案： 临时禁用 Magic Number 验证

问题2：B2 Access Key 一直报错

症状：

• InvalidAccessKeyId: The key 'xxx' is not valid
• Malformed Access Key Id

调试过程：

1. 检查环境变量配置 - 都配了
2. 检查 bucket 名称 - 正确
3. 检查 region - 正确 (us-west-000)
4. 重新创建 key - 用户复制的 key 太短（手动输入抄错了）
5. 指导用户从 B2 控制台直接复制完整 key

解决方案： 引导用户正确复制 key（24位数字）

问题3：Vercel 连接本地代理失败

症状： connect ECONNREFUSED 127.0.0.1:7897

调试过程：

1. 代码里有 process.env.NODE_ENV === "development" 判断，但 NEXT_PUBLIC_SITE_URL 包含 localhost 时也会启用
2. 发现 Vercel 环境变量里没有 PROXY，但代码里有硬编码的 http://127.0.0.1:7897 作为 fallback
3. 发现两处问题：
   • lib/auth/index.ts - 代理配置
   • lib/ai/analyzer.ts - axios proxy 配置

解决方案： 只在 NODE_ENV === "development" 时启用代理

问题4：音频分析 Vercel 上无法工作

症状： ENOENT: no such file or directory, mkdir '/var/task/temp_audio_analysis'

调试过程：

1. Vercel Serverless Functions 不能写本地文件系统
2. 原方案用本地文件提取音频 → 不可行
3. 改用云端服务：AssemblyAI（免费1小时/月）

解决方案： 上传文件到 B2，然后调用 AssemblyAI API 转录

教训总结

涉及文件

• lib/auth/index.ts - 代理配置
• lib/ai/analyzer.ts - AI 分析 + proxy 配置
• app/api/upload/route.ts - 文件上传
• app/api/audio-analyze/route.ts - 音频分析

新增功能

1. 上传功能 - 从本地存储改为 B2 上传
2. AI 默认提供商 - 从智谱AI改为 OpenRouter
3. 音频分析 - 从本地 Whisper 改为 AssemblyAI 云端转录

每日总结 2026-03-03

完成事项

1. nano-video Bug修复

• 问题：视频生成一直加载，无法获取结果
• 原因：VideoPreviewPanel.tsx 缺少轮询逻辑，API返回taskId后未检查任务状态
• 修复：添加 pollTaskStatus 函数，每3秒轮询 /api/kie/status 获取任务进度
• 修改文件：components/video-generation/VideoPreviewPanel.tsx

2. Remotion视频剪辑

• 将 hello1.mp4 ~ hello6.mp4 六个视频进行滑动转场剪辑
• 配上背景音乐 2026年03月03日 21点45分.m4a
• 生成了文档：视频剪辑文档_hello系列.md
• 参数：1920x1080，30fps，48秒（6×8秒）

3. R2上传

4. R2存储查看

• 列出 website/showcase 目录，共16个文件，约109MB

Happy Ending

今日工作汇总

1. Nano-Video 项目 DOM 错误修复

修复了浏览器控制台中的 removeChild 和 insertBefore 错误：

• components/ui/sonner.tsx - 添加 mounted 检查，确保只在客户端渲染
• lib/downloadFile.ts - 添加 parentNode 检查，防止移除不存在的节点
• lib/cloudflare/r2-download.ts - 添加 parentNode 检查

2. 美食视频剪辑

使用 Remotion 将 11 个美食视频片段拼接成一个完整视频：

• 输出文件：20MB，88秒
• 技术参数：1920x1080，30fps

3. R2 文件上传

上传 swz.mp4 到 Cloudflare R2：

• CDN 链接：https://cdn.nanobananavideo.net/website/showcase/swz.mp4

4. 博客部署

成功部署到 GitHub Pages：https://raojiacui.github.io

问题描述

在 Windows 上使用 Python 3.14 运行 openai-whisper 时遇到以下错误：

1
2

OSError: [WinError 1114] 动态链接库(DLL)初始化例程失败。
Error loading "c10.dll" or one of its dependencies.

问题原因

1. Python 版本过新：Python 3.14 与 PyTorch 的兼容性问题
2. DLL 依赖冲突：PyTorch 的 c10.dll 在 Windows 上加载失败
3. 缺少 VC++ 运行库：某些情况下缺少 Visual C++ Redistributable

解决方案

方案一：切换到 faster-whisper（推荐）

faster-whisper 是 OpenAI Whisper 的重新实现，使用 CTranslate2 而非 PyTorch：

1
2
3
4
5

# 卸载有问题的包
pip uninstall openai-whisper torch torchvision

# 安装 faster-whisper
pip install faster-whisper

代码使用示例：

1
2
3
4
5
6
7
8
9

from faster_whisper import WhisperModel

# 加载模型（CPU 模式）
model = WhisperModel('base', device='cpu', compute_type='int8')

# 转录音频
segments, info = model.transcribe('audio.wav')
for segment in segments:
    print(f"[{segment.start:.2f}s -> {segment.end:.2f}s] {segment.text}")

优势：

• 无需 PyTorch，避免 DLL 问题
• 速度更快，内存占用更小
• API 与原版类似，迁移成本低

方案二：重新安装 PyTorch CPU 版本

1
2

pip uninstall torch torchvision
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu

方案三：安装 Visual C++ Redistributable

下载安装：https://aka.ms/vs/17/release/vc_redist.x64.exe

虚拟环境注意事项

如果项目使用虚拟环境（venv），确保在正确的环境中安装：

1
2
3
4
5

# 激活 venv
venv\Scripts\activate

# 安装 faster-whisper
pip install faster-whisper

总结

对于 Windows 用户使用 Whisper 进行语音识别，faster-whisper 是更好的选择：

经验教训：在 Windows 上使用 Python 机器学习库时，优先选择不依赖 PyTorch/TensorFlow 的轻量级实现。

相关项目：Video Prompt Analyzer

43个电影镜头的动态叙事脚本与生成参数，涵盖警匪、科幻、超现实等多种风格

前言

本文整理了 ARROW 项目的 43 个电影镜头提示词，每个镜头都包含完整的动态叙事脚本和生成参数，适用于 AI 视频生成工具。

镜头概览

Read More

标准化的AI视频生成提示词模板，确保输出风格一致、质量稳定

前言

在进行AI视频生成时，使用结构化的提示词模板能够显著提高生成质量和一致性。本文介绍一套经过实战验证的通用模板格式。

模板结构概览

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

┌─────────────────────────────────────────────────────────────┐
│                    动态叙事脚本                                │
│  ┌─────────────────────────────────────────────────────────┐ │
│  │  Final Prompt (EN) - 英文核心提示词                     │ │
│  │  时空演变 (Start/Action/End)                            │ │
│  │  Camera Movement - 运镜方式                            │ │
│  │  Physics/Details - 物理细节                             │ │
│  │  Visual Bible - 视觉风格定义                            │ │
│  └─────────────────────────────────────────────────────────┘ │
├─────────────────────────────────────────────────────────────┤
│                    生成参数                                    │
│  ┌─────────────────────────────────────────────────────────┐ │
│  │  aspect_ratio - 宽高比                                  │ │
│  │  duration_s - 时长                                      │ │
│  │  physics_simulation - 物理模拟                         │ │
│  │  consistency_guard - 风格约束                           │ │
│  │  negative - 负面提示词                                  │ │
│  └─────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘

Read More