bilibili-rag

把B站收藏夹变成能问答的私人知识库

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 搜索知识 🍴 复刻 102 🐛 待处理 15 👀 关注 1
GitHub ↗
GitHub 星标 ★ 1362
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源免费,需自行部署

项目预览

bilibili-rag 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队via007
定价模式🏷️完全免费
价格说明开源免费,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型rag-bilibili-knowledge-base-llm-chroma-qwen
GitHub 星标★ 1362
上线时间2026-01-25 00:00:00
代码更新2026-09-27
仓库体积6.9 MB
本站数据更新2026-11-15
维护状态维护中
收录时间2026-10-02
浏览次数2

项目介绍

bilibili-rag 是一个把 B 站收藏夹变成可对话知识库的开源工具。它解决的是用户收藏了大量视频却从不回看、内容无法检索的问题。核心流程是:拉取 B 站收藏夹视频,下载音频并做语音转写,把转写文本切分后向量化存入 Chroma,再用 Qwen 等大模型做检索增强问答。用户可以直接用自然语言提问,系统从收藏视频内容里找答案并给出出处,让收藏夹从'吃灰'变成可查询的私人知识库。项目用 Python 编写,技术栈围绕 RAG、向量检索和 LLM 展开,适合想搭建个人视频知识库的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-02 · 当前星标 ★ 1362

使用教程

难度:进阶 约 15 分钟 部署方式:本地安装 6 步

环境要求

  • 已安装 ffmpeg 并确保在 PATH 中(macOS: brew install ffmpeg;Windows: 将安装包 bin 目录加入 PATH;Li
  • Python 环境(README 使用名为 bilibili-rag 的 conda 环境)
  • Node.js 与 npm(用于启动 frontend 前端)
  • 有效的百炼 / DashScope API Key(用于 ASR 与 Embedding),以及 LLM 对话所需的 API Key

安装与启动步骤

  1. 1安装 ffmpeg

    ffmpeg 用于音频处理,必须确保在 PATH 中可用。macOS 用 brew 安装;Windows 下载安装包后把 bin 目录加入 PATH;Linux 用 apt/yum/pacman 安装。

    brew install ffmpeg
  2. 2安装 Python 依赖

    先激活 README 指定的 conda 环境 bilibili-rag,再按 requirements.txt 安装依赖;缺少依赖会导致 DashScope Embedding 初始化失败。

    conda activate bilibili-rag
    pip install -r requirements.txt
  3. 3复制环境变量模板

    在项目根目录把 .env.example 复制为 .env。注意 .env 必须放在项目根目录,不是 frontend/ 目录。

    cp .env.example .env
  4. 4填写 .env 配置

    在 .env 中填入百炼 / DashScope API Key、模型名等。推荐使用 OpenAI 兼容地址作为 OPENAI_BASE_URL,GEMBEDDING 走 DashScope SDK。

    cp .env.example .env
  5. 5启动后端服务

    在项目根目录运行 uvicorn 启动 FastAPI 后端,--reload 便于调试。修改 .env 后需要重启该后端服务才会生效。

    python -m uvicorn app.main:app --reload
  6. 6启动前端页面

    进入 frontend 目录安装依赖并启动开发服务器,浏览器访问 http://localhost:3000 使用界面。

    cd frontend
    npm install
    npm run dev

关键配置

配置项必填说明示例
DASHSCOPE_API_KEY是百炼 API Key,用于 DashScope ASR 和 Embeddingsk-xxxxxxxxxxxxxxxx
OPENAI_API_KEY否OpenAI 兼容接口的 Key,可留空;至少配置一个 Key
OPENAI_BASE_URL是LLM 对话接口地址,推荐用 DashScope 兼容模式https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL是用于 RAG 问答的对话模型名称qwen3-plus
EMBEDDING_MODEL是向量化模型名称,经 DashScope SDK 调用text-embedding-v4
CHAT_USE_LLM_ROUTER否false 跳过额外路由模型调用,首字更快;true 更智能false

如何确认成功

后端可访问 http://localhost:8000/docs 打开 API 文档,前端可访问 http://localhost:3000 打开页面,即启动成功。

常见问题

Q:报错 The api_key client option must be set 是什么原因?

A:后端没有读到有效 API Key。请检查 .env 是否在项目根目录,并确认至少配置了 DASHSCOPE_API_KEY 或 OPENAI_API_KEY。

Q:百炼 / DashScope 的 OPENAI_BASE_URL 应该填什么?

A:推荐填 https://dashscope.aliyuncs.com/compatible-mode/v1。不要填 https://coding.dashscope.aliyuncs.com/v1,也不要把 ASR 的 DASHSCOPE_BASE_URL 填到这里。

Q:报错 DashScope Embedding 初始化失败怎么办?

A:后端缺少 Embedding 所需依赖。请运行 pip install -r requirements.txt 后重启后端。Embedding 使用 DashScope SDK,不会自动切换到 OPENAI_BASE_URL。

Q:报错 AllocationQuota.FreeTierOnly 是什么原因?

A:这是上游模型服务返回的配额错误,通常表示免费额度已耗尽或控制台开启了仅使用免费额度,需要在模型服务控制台调整额度或切换模型。

Q:改了 .env 但模型没有变化?

A:配置在后端启动时读取,修改 .env 后请重启 uvicorn 后端服务。

注意事项

  • 先同步/入库收藏夹,再进行问答;问题越具体召回效果越好
  • 出现“无命中”时,优先检查是否完成入库或是否选错收藏夹
  • 建议先用只含 1–3 个短视频的收藏夹体验流程,再逐步增加视频
  • 不要把真实 API Key 提交到 GitHub;README 提到另有 Docker 一键部署方式,可按 README 该节继续操作

核心亮点

  • 打通收藏夹到问答的完整链路,下载、转写、切分、向量化、检索一步到位
  • 用 Chroma 做本地向量库,数据留在自己机器上,隐私可控
  • 支持 Qwen 等中文大模型,对中文视频内容的理解和回答更自然

不足之处

  • 依赖 B 站接口和音频下载,接口变动或风控可能导致抓取失败
  • 语音转写和向量化对算力有要求,长视频处理耗时较长

适用场景

  • 把收藏的技术教程视频变成可检索的学习资料库
  • 整理收藏的讲座、访谈内容,直接提问找关键观点
  • 个人知识管理,把零散收藏的视频统一转成可问答文本

替代项目

Quivr、PrivateGPT

上一篇:ApeRAG

下一篇:typeagent-py

同类项目推荐

mcp-searxng 开源

让 AI 助手用你自己的 SearXNG 搜网页,隐私可控

Private web search for AI assistants via SearXNG — supports Claude, Cursor, and any···

★ 1366 2026-10-11
aisearch-openai-rag-audio 开源

用语音对话你的私有知识库,基于Azure AI Search和GPT-4o实时问答

A simple example implementation of the VoiceRAG pattern to power interactive voice g···

★ 567 2026-08-09
memfree 开源

搜完自动生成答案页,现查现用不费脑

MemFree - Hybrid AI Search Engine & AI Page Generator

★ 1513 2026-08-09
DyG-RAG 开源

用动态事件图增强RAG,让AI理解事件演变并精准回答

Code implementation for DyG-RAG: Dynamic Graph Retrieval-Augmented Generation with E···

★ 58 2026-08-09
ragflow-plus 开源

Ragflow 精简版,快速搭私有知识库问答

Ragflow-Plus 是 Ragflow 的二次开发版本,使其更为简洁实用

★ 1470 2026-10-12
statespace 开源

让AI代理快速搜到想要的网页结果

A/B test code changes on your own infrastructure

★ 1 2026-08-09
FastGPT 开源

拖拽搭建AI问答系统,轻松搞定知识库RAG

FastGPT is a knowledge-based platform built on the LLMs, offers a comprehensive suit···

★ 30036 2026-08-09
open-webui-pipeline-for-ragflow 开源

在 Open WebUI 里直接聊 RAGFlow 知识库

使用open-webui中的pipelines技术在open-webui中调用ragflow的agent实现基于知识库的智能对···

★ 176 2026-11-08