TLDW：AI驱动的开源YouTube长视频结构化学习工具
一、TLDW是什么？
TLDW（Too Long; Didn't Watch）是一款面向长视频信息高效提取的开源应用，核心目标是解决“长视频耗时久、核心信息难抓取”的痛点。它并非简单的视频剪辑工具，而是一个集“AI内容处理、交互学习、个人化管理”于一体的结构化工作区——用户只需粘贴YouTube视频URL，即可自动生成高光片段、结构化摘要、智能问答、关键语录等内容，配合同步 transcript 查看、笔记记录与跨视频聚合功能，让原本需要1小时观看的视频，仅需几分钟就能掌握核心信息。
从技术定位来看，TLDW是基于Next.js 15 App Router与React 19构建的全栈应用，前端采用Tailwind CSS v4与shadcn/ui实现高效UI开发，后端通过Next.js无服务器路由处理器提供API服务，AI能力依赖xAI Grok 4 Fast（默认）或Google Gemini模型，数据存储、认证与速率限制则由Supabase（Postgres数据库+Auth服务）支撑。整体架构强调“快速迭代、用户体验优化与安全性”，支持匿名使用与登录认证两种模式，兼顾临时用户的便捷性与注册用户的个性化需求。
作为开源项目，TLDW的代码完全公开，开发者可基于此进行二次开发、功能扩展或本地化部署，适配特定场景（如企业内部培训视频处理、教育机构网课辅助工具等），其开源协议为GNU Affero General Public License v3.0，保障用户的使用与修改自由。
二、功能特色
TLDW的核心优势在于“AI驱动的全链路视频信息处理”与“贴近学习场景的实用功能设计”，每个特性均围绕“高效吸收视频知识”展开，具体可分为以下7大模块：
1. AI高光片段生成：精准抓取视频核心场景
TLDW的核心功能之一是自动生成视频高光片段，解决“手动剪辑耗时”的问题，支持两种生成模式：
Smart（优质模式）：AI深度分析视频transcript与内容逻辑，提取关键论点、核心案例、重要结论等“高价值片段”，确保片段的完整性与逻辑性，适合学习、工作等需要精准获取信息的场景；
Fast（快速模式）：优先追求生成速度，通过轻量化算法抓取视频中出现频率高、情绪波动大或信息密度高的片段，适合快速筛选视频核心内容的场景。
此外，高光片段支持“Play All（连续播放）”功能，用户无需跳转原视频即可连贯观看所有高光；同时提供“主题重生成”选项，可根据需求（如“只保留技术讲解片段”“提取案例分析部分”）重新生成高光，适配不同使用场景。
2. AI多维度内容提炼：全方位覆盖核心信息
除高光片段外，TLDW通过AI模型并行生成多维度视频摘要内容，避免用户遗漏关键信息：
结构化摘要：并非简单的文字堆砌，而是按照“核心观点→分论点→支撑案例→结论”的逻辑组织内容，清晰呈现视频的逻辑框架；
快速预览：100-200字的精简摘要，让用户在10秒内判断视频是否符合自身需求，节省筛选时间；
建议问题：AI基于视频内容自动生成高频疑问（如“视频中提到的核心方法是什么？”“案例的适用场景有哪些？”），帮助用户带着问题回顾内容，加深理解；
经典语录：提取视频中具有启发性、总结性或趣味性的句子，方便用户引用、记忆或分享。
所有AI生成内容均与视频transcript关联，点击内容即可跳转至对应时间戳，实现“摘要→原视频”的快速联动。
3. transcript交互：同步播放与精准跳转
TLDW提供与YouTube播放器实时同步的transcript（字幕文本）查看器，核心优势在于“交互性”：
同步滚动：视频播放时，transcript对应句子自动高亮，用户可通过文本定位视频进度；
点击跳转：点击transcript中的任意句子，视频会直接跳转到该内容对应的时间点，无需手动拖拽进度条；
引用捕捉：遇到关键句子时，可直接点击“捕捉引用”按钮，将该句子快速添加至个人笔记，无需手动复制粘贴；
翻译支持：通过配置环境变量
NEXT_PUBLIC_ENABLE_TRANSLATION_SELECTOR，可启用transcript翻译下拉框，支持多语言切换（需AI模型支持）。
4. 个人笔记管理：跨视频聚合与高效整理
TLDW内置“笔记工作区”，将视频学习与笔记记录无缝结合，解决“笔记分散、难以回顾”的问题：
即时记录：在分析视频页面（
/analyze/[videoId]），可随时输入笔记，支持Markdown格式，且笔记会自动关联当前视频与时间戳；跨视频聚合：通过
/all-notes页面，聚合所有视频的笔记内容，支持按“视频名称、创建时间、关键词”筛选，按“时间顺序、视频分类”排序，方便用户进行跨主题回顾；笔记操作：支持笔记的编辑、删除、Markdown渲染（如代码块、列表、链接等格式），满足多样化笔记整理需求；
来源追溯：每条笔记均标注关联视频的标题与时间戳，点击即可跳转至对应视频片段，实现“笔记→视频”的反向联动。
5. 用户个性化功能：适配不同使用习惯
TLDW通过Supabase存储用户偏好，支持个性化配置，提升长期使用体验：
主题生成模式记忆：用户可在“设置”页面选择默认的高光生成模式（Smart/Fast），系统会自动保存偏好，后续生成高光时无需重复选择；
视频库管理：登录用户可通过
/my-videos页面查看所有已分析的视频，支持“收藏标记”“搜索筛选”“快速续看”（直接跳转至上次分析进度）；使用统计查看：在“设置”页面可查看个人使用数据（如分析视频数量、生成高光次数、笔记总数），了解使用情况；
账号配置：支持修改用户名、密码，管理登录方式（基于Supabase Auth，支持邮箱OTP等认证方式）。
6. 高效缓存与速率控制：平衡体验与资源消耗
为避免重复计算与资源浪费，TLDW设计了完善的缓存与速率限制机制：
缓存策略：对已分析的视频内容进行 aggressive 缓存，再次分析同一视频时，直接调用缓存结果，无需重新生成，提升响应速度；同时支持“后台刷新”，确保内容时效性；
速率限制：区分匿名用户与登录用户的使用权限——匿名用户有每日生成次数限制，登录用户可获得更高限额，部分用户可通过
UNLIMITED_VIDEO_USERS环境变量配置， bypass 每日限制；限流提示：当用户达到速率限制时，系统会触发AuthModal登录提示，引导用户注册以解锁更多权限。
7. 安全防护：全方位保障使用安全
TLDW重视用户数据与系统安全，通过多层防护机制降低风险：
CSP/HSTS headers：全局中间件添加内容安全策略（CSP）与HTTP严格传输安全（HSTS）头，防止跨站脚本攻击（XSS）与协议降级攻击；
CSRF保护：状态ful请求（如保存笔记、收藏视频）需携带CSRF令牌，通过
csrfFetch方法发起请求，由withSecurity中间件验证，防止跨站请求伪造；数据安全：用户IP通过哈希处理后用于匿名用户限流，避免隐私泄露；请求体大小限制，防止恶意请求攻击；
认证安全：Supabase Auth提供会话刷新机制，通过
middleware.ts维护登录状态，确保账号安全。
三、技术细节
TLDW的技术架构围绕“前端高效交互、后端轻量化、AI可扩展、数据可信赖”设计，整体采用Next.js全栈方案，各模块职责清晰，以下是详细拆解：
1. 前端技术栈
TLDW的前端基于现代Web技术构建，兼顾开发效率与用户体验：
| 技术组件 | 版本/用途 | 核心作用 |
|---|---|---|
| Next.js | 15（App Router） | 全栈框架，提供路由管理、服务端渲染（SSR）、无服务器API等能力，支持Turbopack加速开发 |
| React | 19 | UI渲染核心，支持并发渲染、钩子函数等特性，保障组件交互流畅 |
| TypeScript | - | 提供类型安全，减少开发错误，提升代码可维护性 |
| Tailwind CSS | 4 | 原子化CSS框架，快速构建响应式UI，适配不同设备 |
| shadcn/ui | - | 可复用UI组件库，提供按钮、卡片、标签页等基础组件，提升UI一致性 |
| lucide-react | - | 轻量级图标库，提供简洁统一的图标，优化视觉体验 |
| sonner | - | 通知组件，用于展示操作结果（如“笔记保存成功”“速率限制提醒”） |
前端页面采用“组件化+上下文管理”设计，核心上下文包括auth-context.tsx（处理Supabase认证状态），确保全局状态统一；页面路由基于Next.js App Router，通过文件夹结构定义路由，支持动态路由（如/analyze/[videoId]），适配不同视频的分析页面。
2. 后端技术栈
后端基于Next.js Serverless Route Handlers实现，无需额外部署独立后端服务，轻量化且易于扩展：
核心能力：提供API接口、处理AI调用、数据读写、安全验证等逻辑；
中间件支持：通过
withSecurity中间件统一处理路由的“允许请求方法、速率限制、CSRF验证、输入验证”，减少重复代码；输入验证：使用Zod库定义API请求参数的 schema，确保输入数据格式正确，防止恶意请求；
跨域处理：适配Supabase自定义域名，通过
middleware.ts修复CSP（内容安全策略）问题，确保跨域请求正常。
3. AI pipeline：可扩展的模型适配架构
TLDW的AI能力采用“provider-agnostic（提供商无关）”设计，支持灵活切换AI模型，核心架构如下：
核心文件：
lib/ai-processing.ts（负责prompt构建、transcript分片、结果聚合）与lib/ai-client.ts（AI调用入口，统一封装不同模型的调用逻辑）；模型支持：默认使用xAI Grok 4.1 Fast模型（
grok-4-1-fast-non-reasoning），可选集成Google Gemini模型（需配置GEMINI_API_KEY与AI_PROVIDER=gemini）；prompt设计：通过
resources/目录下的配置文件，为不同功能（摘要生成、高光提取、问答）设计针对性prompt，并添加视频上下文信息，提升生成准确性；降级处理：当AI提供商触发速率限制时，系统会自动启用 fallback 机制，确保功能可用性；
结构化输出：通过Zod定义AI输出的 schema，确保AI返回的数据格式统一，便于前端解析展示。
4. 数据存储与认证：基于Supabase的全链路支持
Supabase是TLDW的数据核心，提供数据库、认证、存储等一站式服务，具体配置如下：
（1）核心数据表结构
| 表名 | 核心用途 | 关键字段 |
|---|---|---|
| video_analyses | 存储视频分析结果（高光片段、摘要、语录等） | video_id、transcript、highlights、summary、quotes、created_at |
| user_videos | 关联用户与分析视频（历史记录+收藏） | user_id、video_id、is_favorite、last_accessed_at |
| user_notes | 存储用户笔记 | user_id、video_id、content（Markdown）、timestamp、created_at |
| profiles | 存储用户配置 | user_id、name、preferred_topic_mode（Smart/Fast）、updated_at |
| rate_limits | 存储速率限制记录 | user_id/ip_hash、action（如“generate_highlights”）、count、reset_at |
（2）认证机制
基于Supabase Auth实现用户认证，支持邮箱OTP、第三方登录等方式（需在Supabase后台配置）；
通过
middleware.ts自动刷新用户会话，确保登录状态持续有效；未登录用户触发速率限制时，引导至AuthModal完成注册/登录，解锁更多权限。
（3）数据交互流程
前端通过Supabase Browser Client与数据库交互，后端通过Supabase Server Client处理敏感操作（如更新速率限制、批量写入数据）；
视频transcript通过Supadata API获取，视频封面、标题等元数据通过YouTube oEmbed接口获取，轻量化且高效。
5. 安全架构
TLDW的安全设计贯穿“请求入口→API处理→数据存储”全链路：
请求入口防护：
middleware.ts作为全局中间件，拦截所有请求，添加CSP/HSTS头、验证Supabase会话、处理CSRF令牌生成与验证；API层防护：
withSecurity中间件为每个API路由添加“允许方法校验（如仅POST请求可保存笔记）、速率限制校验、CSRF令牌校验、请求体大小限制”；数据层防护：用户敏感数据（如密码）由Supabase Auth加密存储，IP地址通过哈希处理后用于限流，避免隐私泄露；
输入校验：所有API请求参数通过Zod schema校验，防止恶意输入（如注入攻击）。
6. 核心目录结构
TLDW的目录结构遵循Next.js App Router规范，逻辑清晰，便于开发与维护：
. ├── app/ # 路由与页面核心目录 │ ├── api/ # 后端API路由（视频处理、AI生成、笔记管理等） │ ├── analyze/[videoId]/ # 视频分析工作区（核心页面） │ ├── all-notes/ # 跨视频笔记仪表盘 │ ├── my-videos/ # 用户视频库（收藏+历史） │ ├── settings/ # 用户配置页面 │ ├── auth/ # 认证相关UI片段 │ ├── layout.tsx # 根布局（包含Auth、主题提供商） │ └── page.tsx # 首页（URL输入+模式选择） ├── components/ # UI组件目录 │ ├── ai-chat.tsx # 基于transcript的AI聊天组件 │ ├── highlights-panel.tsx # 高光片段展示与控制组件 │ ├── notes-panel.tsx # 笔记记录与展示组件 │ ├── right-column-tabs.tsx # 摘要/聊天/transcript/笔记标签页组件 │ ├── youtube-player.tsx # YouTube播放器封装组件 │ └── ui/ # shadcn/ui可复用组件 ├── contexts/ # 全局上下文目录 │ └── auth-context.tsx # Supabase认证上下文 ├── lib/ # 工具库目录 │ ├── ai-client.ts # AI调用统一入口 │ ├── ai-processing.ts # AI处理逻辑（prompt构建、分片等） │ ├── ai-providers/ # AI模型适配器（Grok/Gemini） │ ├── notes-client.ts # 笔记操作工具（CSRF保护） │ ├── rate-limiter.ts # 速率限制工具 │ ├── security-middleware.ts # 安全中间件 │ ├── supabase/ # Supabase客户端封装 │ ├── validation.ts # Zod校验schema │ └── utils.ts # 通用工具（URL解析、格式转换等） ├── public/ # 静态资源（图标、Logo等） ├── supabase/ # Supabase相关目录 │ └── migrations/ # 数据库迁移脚本 ├── CLAUDE.md # 架构详情与贡献者手册 └── next.config.ts # Next.js配置文件（Turbopack、图片允许列表等）
四、应用场景
TLDW的核心价值是“高效提取视频核心信息”，适用于所有需要处理长时长YouTube视频的场景，以下是典型应用场景拆解：
1. 学生群体：网课学习与知识梳理
痛点：网课视频时长过长（1-3小时），课堂时间有限，难以实时记录重点；课后复习需重新观看完整视频，效率低下；不同课程的笔记分散在多个文档，难以整合回顾。
TLDW解决方案：
粘贴网课URL，选择“Smart模式”生成高光片段与结构化摘要，快速获取课程核心知识点（如公式推导、例题解析、考点总结）；
通过transcript查看器定位重点内容，点击句子跳转视频回放，针对性复习；
在笔记面板记录疑问、补充知识点，通过
/all-notes页面按课程分类整理笔记，形成知识体系；收藏重要课程视频至
/my-videos，方便考前快速回顾核心内容。
2. 职场人士：教程学习与会议录像处理
痛点：技术教程视频（如编程、设计工具）步骤繁琐，需反复观看定位关键操作；行业会议、线上研讨会录像时长可达数小时，难以快速获取核心观点与行业动态；工作笔记与视频内容脱节，后续回顾难以对应具体操作。
TLDW解决方案：
分析技术教程视频时，生成“Fast模式”高光片段，快速定位关键操作步骤；通过AI建议问题，确认未理解的环节，点击跳转视频反复观看；
处理会议录像时，生成结构化摘要与经典语录，快速掌握会议决议、核心讨论点，无需观看完整录像；
记录工作笔记时，关联视频时间戳（如“15:32 提到的项目截止日期”），后续查看笔记可直接跳转对应片段，明确上下文；
收藏行业会议录像，通过
/my-videos的搜索功能，快速查找特定主题的会议内容。
3. 内容创作者：竞品分析与素材收集
痛点：需观看大量竞品视频（如同领域博主的内容、行业标杆案例），分析创作思路与亮点；需要从视频中提取经典语录、案例素材，用于自身内容创作；竞品视频数量多，难以系统管理与回顾。
TLDW解决方案：
批量分析竞品视频，生成高光片段与摘要，快速对比不同视频的创作结构、核心观点，提炼自身创作灵感；
通过“经典语录”功能，快速收集可复用的素材（如行业观点、金句），添加至笔记并标注来源；
在
/my-videos中按“收藏标签”分类竞品视频（如“选题参考”“素材库”），方便后续查找；通过
/all-notes筛选竞品相关笔记，整合不同视频的优势，形成创作大纲。
4. 终身学习者：海量视频筛选与知识吸收
痛点：互联网上海量优质视频（如TED演讲、纪录片、知识分享），难以判断是否符合自身需求；单视频时长过长，业余时间有限，无法全部观看；跨主题的知识碎片难以整合，形成体系。
TLDW解决方案：
粘贴视频URL后，先查看“快速预览”，判断视频是否符合学习需求，避免浪费时间；
对符合需求的视频，生成高光片段与结构化摘要，利用碎片化时间快速吸收核心知识；
在笔记中记录个人感悟与延伸思考，通过
/all-notes按主题筛选笔记（如“心理学”“历史”），整合跨视频的知识，形成个人知识库；收藏优质视频至
/my-videos，建立个人学习清单，定期回顾复习。
五、使用方法
TLDW目前主要支持本地部署使用（开源项目未提供公开在线服务），以下是详细的本地部署与使用步骤：
1. 前置要求
在开始部署前，需准备以下环境与资源：
系统环境：支持Windows、macOS、Linux，需安装Node.js 18.18+（Next.js 15要求）；
包管理器：npm（推荐，项目自带package-lock.json）、pnpm或yarn均可；
Supabase资源：
注册Supabase账号，创建新项目；
获取项目的
NEXT_PUBLIC_SUPABASE_URL（项目URL）与NEXT_PUBLIC_SUPABASE_ANON_KEY（匿名密钥）；启用Supabase Auth（推荐邮箱OTP认证）。
AI提供商密钥：至少准备一个AI模型的API密钥：
xAI Grok密钥（推荐）：注册xAI账号，创建API密钥；
Google Gemini密钥（可选）：注册Google Cloud账号，开通Gemini API并获取密钥。
2. 克隆项目与安装依赖
打开终端，执行以下命令：
# 克隆项目仓库 git clone https://github.com/SamuelZ12/TLDW.git # 进入项目目录 cd TLDW # 安装依赖 npm install
3. 配置环境变量
在项目根目录创建.env.local文件，按以下要求配置环境变量（核心变量说明如下表）：
| 环境变量名称 | 是否必填 | 描述 |
|---|---|---|
| XAI_API_KEY | 是* |
xAI Grok API密钥，默认使用grok-4-1-fast-non-reasoning模型 |
| GEMINI_API_KEY | 可选* |
Google Gemini API密钥，需配合AI_PROVIDER=gemini使用 |
| SUPADATA_API_KEY | 是 | Supadata transcript API密钥（用于获取视频字幕） |
| NEXT_PUBLIC_SUPABASE_URL | 是 | Supabase项目URL（在Supabase项目设置→API中获取） |
| NEXT_PUBLIC_SUPABASE_ANON_KEY | 是 | Supabase匿名密钥（在Supabase项目设置→API中获取） |
| CSRF_SALT | 是 |
用于签署CSRF令牌的随机字符串，可通过openssl rand -base64 32生成 |
| AI_PROVIDER | 可选 |
选择AI模型提供商，值为grok（默认）或gemini |
| AI_DEFAULT_MODEL | 可选 |
覆盖默认模型（如grok-4-1-fast-non-reasoning） |
| NEXT_PUBLIC_APP_URL | 可选 |
应用的标准URL，默认http://localhost:3000 |
| NEXT_PUBLIC_ENABLE_TRANSLATION_SELECTOR | 可选 |
设置为true启用transcript翻译功能，默认隐藏 |
| YOUTUBE_API_KEY | 可选 | 启用后可获取更多YouTube视频元数据 |
| UNLIMITED_VIDEO_USERS | 可选 | 绕过每日限制的用户邮箱/ID（逗号分隔，小写） |
*注：至少需配置XAI_API_KEY或GEMINI_API_KEY中的一个，否则无法使用AI生成功能。
示例.env.local配置：
XAI_API_KEY=your-grok-api-key SUPADATA_API_KEY=your-supadata-api-key NEXT_PUBLIC_SUPABASE_URL=https://abc123.supabase.co NEXT_PUBLIC_SUPABASE_ANON_KEY=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9... CSRF_SALT=abcdefghijklmnopqrstuvwxyz1234567890+/= AI_PROVIDER=grok NEXT_PUBLIC_ENABLE_TRANSLATION_SELECTOR=true
4. Supabase数据库配置
需在Supabase中执行数据库迁移，创建必要的表与函数：
登录Supabase项目后台，进入“SQL编辑器”；
上传项目
supabase/migrations/目录下的迁移脚本，执行SQL语句；确保创建以下表：
video_analyses、user_videos、user_notes、profiles、rate_limits（表结构详情见CLAUDE.md）；创建Postgres函数
upsert_video_analysis_with_user_link（用于关联视频分析结果与用户）；配置Supabase Auth的 redirect URL，需与
NEXT_PUBLIC_APP_URL一致（如http://localhost:3000），确保登录后正常跳转。
5. 启动项目
完成配置后，执行以下命令启动开发服务器：
# 启动Next.js开发服务器（使用Turbopack加速） npm run dev
启动成功后，访问http://localhost:3000即可使用TLDW。
6. 基本使用流程
（1）匿名使用（无需登录）
在首页（
http://localhost:3000）粘贴YouTube视频URL；选择生成模式（Smart/Fast），点击“分析视频”；
系统自动跳转至
/analyze/[videoId]页面，生成高光片段、摘要、transcript等内容；可查看内容、记录临时笔记（未登录状态下笔记不持久化）、播放高光片段。
（2）登录使用（推荐，解锁全部功能）
在首页点击右上角“登录”，通过邮箱OTP完成注册/登录；
粘贴YouTube URL并分析视频，生成的内容会自动关联至你的账号；
在分析页面记录笔记（自动保存至
user_notes表）；通过
/my-videos查看历史分析视频，点击“收藏”标记重要视频；通过
/all-notes查看所有笔记，进行筛选、编辑或删除；在
/settings页面修改个人信息、切换默认生成模式、查看使用统计。
7. 额外命令
代码校验：
npm run lint（使用ESLint v9检查代码规范，提交PR前建议执行）；生产构建：
npm run build（构建生产环境版本，用于部署至Vercel等平台）。
六、常见问题解答（FAQ）
1. TLDW支持哪些视频平台？
目前仅支持YouTube视频，需提供完整的YouTube视频URL（如https://www.youtube.com/watch?v=xxx）。暂不支持B站、抖音、Vimeo等其他平台，后续可能通过扩展transcript获取渠道支持更多平台（需开发者二次开发）。
2. 必须配置AI密钥才能使用吗？
是的。TLDW的核心功能（高光生成、摘要、问答等）依赖AI模型，必须配置至少一个AI提供商的密钥（xAI Grok或Google Gemini）。如果仅需查看transcript，无需AI密钥，但功能会大幅受限。
3. 匿名用户与登录用户有什么区别？
| 功能 | 匿名用户 | 登录用户 |
|---|---|---|
| 视频分析次数 | 每日有限制 | 更高限额，支持配置无限额度 |
| 笔记功能 | 临时记录，刷新后丢失 | 持久化存储，跨设备同步 |
| 视频库 | 无，无法保存分析记录 | 支持查看历史分析、收藏视频 |
| 个性化配置 | 无，每次需重新选择生成模式 | 保存偏好，自动应用 |
| 跨视频笔记 | 无 |
支持/all-notes聚合与筛选 |
4. 如何切换AI模型（Grok→Gemini）？
在
.env.local中配置GEMINI_API_KEY；添加
AI_PROVIDER=gemini（默认值为grok）；重启开发服务器，系统会自动使用Gemini模型生成内容。
5. 本地开发时，API调用失败怎么办？
检查
.env.local中的环境变量是否配置正确（尤其是API密钥、Supabase URL/密钥）；确认AI提供商（xAI/Google Cloud）的API密钥是否有效，且未超出调用限额；
检查Supabase项目的IP允许列表，确保本地IP未被限制；
查看终端日志，根据错误信息定位问题（如“CSRF令牌无效”需检查
CSRF_SALT配置）。
6. 如何清除本地开发环境的速率限制？
速率限制记录存储在Supabase的rate_limits表中，可通过以下方式清除：
登录Supabase后台，进入“数据库→表→rate_limits”；
执行SQL语句
DELETE FROM rate_limits;，删除所有限流记录；刷新TLDW页面，即可重新获得调用额度。
7. 能否部署到线上（如Vercel、Netlify）？
可以。TLDW基于Next.js开发，可直接部署至Vercel（推荐，与Next.js兼容性最佳）：
将项目推送到GitHub仓库；
在Vercel中关联该仓库，配置
.env.local中的环境变量；部署完成后，更新Supabase Auth的redirect URL为Vercel分配的域名；
确保Vercel的IP在Supabase的允许列表中，避免API调用失败。
七、相关链接
项目GitHub仓库：https://github.com/SamuelZ12/TLDW
八、总结
TLDW作为一款开源的YouTube长视频结构化学习工具，以“AI驱动高效信息提取”为核心，通过高光片段生成、结构化摘要、transcript交互、跨视频笔记管理等实用功能，精准解决了长视频耗时久、核心信息难抓取的痛点。其技术架构基于Next.js 15、React 19与Supabase构建，兼顾开发效率、用户体验与安全性，支持Grok/Gemini双AI模型切换，具备良好的可扩展性；应用场景覆盖学生学习、职场培训、内容创作、终身学习等多个领域，适配不同人群的高效信息吸收需求。通过本地部署即可快速使用，登录用户可解锁个性化配置、持久化存储等完整功能，开发者也可基于开源代码进行二次开发与定制化改造。整体而言，TLDW是一款“功能实用、技术成熟、生态友好”的开源工具，为长视频信息处理提供了高效、灵活的解决方案。
版权及免责申明：本文由@dotaai原创发布。该文章观点仅代表作者本人，不代表本站立场。本站不承担任何相关法律责任。
如若转载，请注明出处：https://www.aipuzi.cn/ai-news/tldw.html
