OpenClaw学习助手GLM-4.7-Flash自动整理网课字幕与生成思维导图1. 为什么需要自动化学习助手作为一名经常通过网课充电的技术从业者我长期被两个问题困扰一是观看英文技术课程时需要反复暂停视频手动整理中英对照笔记二是课后整理知识点时从零开始构建思维导图耗费大量时间。直到发现OpenClawGLM-4.7-Flash的组合才找到自动化解决方案。传统工作流中我需要先下载字幕文件用文本编辑器清理时间轴标记再人工划分知识模块。这个过程不仅枯燥还容易遗漏关键内容。而通过OpenClaw的文件夹监控能力配合GLM-4.7-Flash的文本理解能力现在可以实现自动捕获新增字幕文件智能提取层级化知识点一键生成可编辑的思维导图Markdown保持中英文内容的精准对应2. 环境准备与核心组件2.1 基础环境搭建我的实践环境是macOS Monterey系统使用官方推荐的一键安装方式部署OpenClawcurl -fsSL https://openclaw.ai/install.sh | bash openclaw onboard --install-daemon配置向导中选择Advanced模式关键配置项包括Provider选择Custom用于后续接入本地GLM模型启用File Watcher基础技能模块跳过即时通讯渠道配置本场景暂不需要2.2 GLM-4.7-Flash模型部署使用星图平台提供的ollama镜像快速部署模型服务ollama pull glm-4.7-flash ollama run glm-4.7-flash模型启动后在~/.openclaw/openclaw.json中配置本地模型接入{ models: { providers: { local-glm: { baseUrl: http://localhost:11434, api: openai-completions, models: [ { id: glm-4.7-flash, name: Local GLM-4.7-Flash, contextWindow: 32768 } ] } } } }配置完成后重启网关服务使变更生效openclaw gateway restart3. 实现字幕处理流水线3.1 监控下载目录通过OpenClaw的file-watcher技能监控指定目录这里以~/Downloads/Subtitles为例。编辑配置文件添加监控规则{ skills: { file-watcher: { rules: [ { path: ~/Downloads/Subtitles, patterns: [*.srt], handler: subtitle-processor } ] } } }3.2 字幕预处理模块新建subtitle-processor.js处理脚本核心功能包括移除时间轴标记如00:00:12,340 -- 00:00:15,560合并多行对话内容分离中英文字幕对const fs require(fs); module.exports async (filePath) { const content fs.readFileSync(filePath, utf-8); // 移除时间轴行 const cleaned content.replace(/^\d\n\d{2}:\d{2}:\d{2},\d{3}.*\n/gm, ); // 合并多行文本 const merged cleaned.replace(/\n{3,}/g, \n\n); return merged; };4. 知识点提取与脑图生成4.1 构建提示词工程设计适用于教育内容的提示模板重点解决两个问题如何识别知识点的层级关系如何处理中英文混合内容你是一位经验丰富的教育内容专家请将以下课程字幕内容 1. 按知识点重要性分成3-4个层级 2. 每个知识点保留中英文对照 3. 用Markdown格式输出思维导图框架 输出格式要求 markdown # 课程主题 ## 一级知识点 - 中文要点 - English point ### 二级知识点 ...4.2 自动化处理流程将处理流程封装为OpenClaw的复合技能在skills目录创建course-helper. ├── handlers │ ├── subtitle-processor.js │ └── mindmap-generator.js └── config.json其中mindmap-generator.js核心逻辑const { glmClient } require(openclaw-sdk); module.exports async (cleanedText) { const prompt ...上述提示词模板...\n\n课程内容${cleanedText}; const response await glmClient.chat.completions.create({ model: glm-4.7-flash, messages: [{ role: user, content: prompt }], temperature: 0.3 }); return response.choices[0].message.content; };5. 实际效果与优化经验5.1 典型处理结果以Docker核心技术课程为例原始字幕片段1. 容器与虚拟机的区别 2. Difference between container and VM 3. 容器共享主机内核 4. Containers share host OS kernel处理后生成的Markdown脑图# Docker核心概念 ## 1. 容器基础 - 容器与虚拟机的区别 - Difference between container and VM ### 1.1 架构特性 - 容器共享主机内核 - Containers share host OS kernel5.2 踩坑与解决方案问题1中英文行错位现象部分字幕文件存在中英文行数不一致解决添加基于标点符号的段落匹配算法问题2知识点过度细分现象模型将简单概念拆分成过多层级优化在提示词中明确每个层级至少包含3个要点问题3特殊符号处理现象代码片段中的符号被误识别为Markdown语法解决在预处理阶段对代码块添加转义符6. 扩展应用场景这套方案经过简单调整即可适用于技术会议视频的知识点归档外语学习中的双语笔记生成在线教育平台的课程大纲提取未来考虑集成Notion API实现自动同步到知识库。目前每天帮我节省约2小时的手动整理时间最重要的是保证了学习笔记的系统性和可追溯性。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。