[返回知识库](https://seekbytes.com/zh-CN/knowledge-base)

案例研究 / 应用场景

# “操作文档生成器” —— 将数字媒体与屏幕录像转化为分步操作手册

## 演示输入视频：Windows 任务向导

用户在 Windows 任务计划程序向导中创建计划任务。

### demo-windows-task-wizard.mp4

~5 MB · 1:31

把这份手册发给我 已选择

## 现场（Gemba）真实应用手册的演示输入视频

操作员拆解湿端设备。这段录像展示 Gemba 引擎用于真实现场作业，而不只是屏幕任务。

### demo-gemba-wet-end-disassembly.mp4

~47 MB · 9:38

把这份手册发给我 已选择

## 演示输入视频：创建 EC2 实例

从登录 AWS 开始，经过控制台，直到创建出新的 EC2 实例。

### demo-ec2-instance-creation.mp4

~7 MB · 3:27

把这份手册发给我 选择

 2. 输出

## 下载生成的手册

请输入您的电子邮件，我们将尽快把示例手册发给您。

已选手册：

- VP-Windows-Job 示例操作手册
- Gemba 真实应用手册（Waukesha Universal 2）

输入为源录像；输出将在您提出请求后通过电子邮件发送。

### 1) 执行摘要

许多企业的关键业务操作依赖于“隐性知识”：流程存在于员工脑中、非正式视频、截图、聊天记录或临时笔记中。这导致入职培训缓慢、执行标准不一且运营风险高。

操作文档生成器通过将数字媒体（录制内容、PDF、截图及相关文档）转换为结构化的操作文档来解决这一问题——利用 OCR、场景/帧处理、去重、基于 LLM 的优化以及规则/手册模板。它还利用向量嵌入（vector embeddings）添加了可搜索的知识层，使团队能够快速检索相关步骤和最佳实践。

### 2) 我们解决的问题（业务视角）

#### 企业面临的常见痛点：

- 运营知识困在视频录像中（屏幕录像、培训演示、“操作方法”录像），难以作为正式文档重复使用。
- 手动创建 SOP/运行手册速度慢、成本高，且往往很快就会过时。
- 质量和一致性问题：不同团队编写流程的方式不同，步骤遗漏，导致文档不可靠。
- 重复或近乎重复的步骤和截图导致文档臃肿并误导用户。您的系统专门通过合并和去重来解决此问题。
- 缺乏治理和可重复性：如果没有基于规则的控制，各团队生成的文档将变得不一致。

#### 谁最需要此方案？

- 构建运行手册和事件处理流程的 IT 运维与支持团队
- 记录重复工作流的共享服务中心、BPO 和服务台
- 采集分步流程的制造/现场作业
- 任何需要标准化和可追溯性的合规驱动型企业

### 3) 解决方案

操作文档生成器是一个模块化应用，它可以：

- 通过 Web 界面接收运营数字媒体和图像
- 在处理前分析输入质量并提取元数据
- 将录制内容拆分为帧，将相关帧合并为场景，然后去除重复内容
- 对选定的帧/图像运行 OCR，并将结果存储在 PostgreSQL 中
- 将步骤优化为结构化手册（手册模板 + 基于规则的结构 + LLM 优化）
- 提供规则管理器 UI，用于管理去重/重叠处理并分析规则使用情况
- 利用嵌入 + 向量相似度搜索添加聊天机器人/知识检索层，实现快速问答

### 4) 工作原理（端到端工作流）

**步骤 1 — 上传与验证** 用户通过 Web UI 上传数字媒体；系统提取元数据并运行质量分析器，以确认输入是否适合处理。

**步骤 2 — 帧提取与场景合并** 视频处理器按间隔提取帧（帧提取器），然后将相关帧合并为逻辑组/场景，以减少冗余并简化分析。

**步骤 3 — 去重** 专用去重组件通过哈希/图像相似度移除重复或近乎相同的帧，确保只有有意义的唯一内容进入文档化阶段。

**步骤 4 — OCR 与存储** 使用 Tesseract、EasyOCR 或 Vision API 对选定的帧/图像运行 OCR。结果通过存储库逻辑存入 PostgreSQL，以便后续检索和审计。

**步骤 5 — 将原始观测结果转换为结构化步骤** “思维链”流水线将提取的原始内容转换为清晰的分步操作流：提取候选步骤、进行验证、聚类并合并重叠内容、移除重复项，并将输出标准化为手册模板格式。

**步骤 6 — 规则与手册结构治理** 可应用两种方法：手册结构（模板驱动）或基于规则的结构（通过规则集成 + 规则 UI 进行治理）。

**步骤 7 — 交付、搜索与监控** 生成的输出和产物可存储在对象存储（MinIO）中，同时系统行为记录在独立的日志文件和数据库追踪中，以支持监控和故障排除。

### 5) 已实现的核心功能

**A) 技能引擎**

- 数字媒体上传处理 + 元数据采集
- 质量分析器，过滤低质量输入
- 帧提取服务
- 场景/帧合并，减少噪点并优化步骤分组
- 图像/帧去重（基于哈希/相似度），仅保留有意义的帧

**B) OCR 与内容提取**

- 具有存储库持久化功能的 OCR 服务层（结果可审计）
- 统一处理程序概念，可将输入路由至 OCR、提示词处理、后处理

**C) “思维链”步骤结构化（核心差异化优势）**

- 将杂乱的原始数字媒体内容转换为清晰、有序的操作步骤
- 聚类、重叠解析、合并、清理及模板输出

**D) 规则集成 + 规则管理器 UI（治理与控制）**

- 用于去重/重叠规则增删改查（CRUD）管理的 Web UI
- 规则分析视图：规则使用频率 + 未使用的激活规则
- 文档重叠审查页面，用于根据文档结果检查已应用的规则
- 规则 Excel 输出的版本控制行为（版本自动递增）

**E) 知识检索（嵌入 + 向量搜索）**

- 嵌入组件支持多个提供商（本地模型/Ollama/OpenAI/AWS Bedrock）
- 使用 PostgreSQL + pgVector 进行向量相似度搜索
- 聊天机器人存储库存储消息 + 嵌入，并通过向量相似度检索相似消息
- 将“最佳实践指南”添加到嵌入中的脚本，以优化聊天机器人的引导

**F) 企业级运营**

- PostgreSQL 数据库初始化 + 重置脚本；用于保持 ID 一致性的结构化对象和序列
- 通过 MinIO（兼容 S3）集成对象存储，用于存储帧/产物/日志输出
- 专用日志（应用日志、docgen 日志、监控日志），快速隔离问题
- 采用 Dockerfile 容器化以及 Kubernetes/OpenShift 部署模式

**G) 用户体验与易用性**

- 多语言 UI 支持（英文/日文翻译）
- 视频上传 UI 脚本（拖放、进度、错误处理）
- 用于监控视频上传状态和用户活动的管理员仪表板模板

### 6) 架构

- **Web 层：** 路由、模板、会话、语言选择、登录保护
- **服务层：** 视频上传服务、规则集成服务、手册结构服务、帧服务
- **数据层 (PostgreSQL + pgVector)：** 存储视频元数据、OCR 输出、嵌入、会话日志、处理结果
- **对象存储 (MinIO)：** 存储提取的帧和产物等大型二进制内容
- **可观测性：** 轮转日志 + 监控脚本，用于重启并维持正常运行时间
- **部署：** Docker 化应用 + Kubernetes/OpenShift 部署配置

### 7) 具体示例结果

我们的流水线展示了去重和精炼的实际成效：从 6 条唯一记录开始，去重至 4 条，随后通过聚类、合并和精炼生成最终文档——在流水线结束时实现了 **约 33% 的缩减** 。这意味着更少的干扰、更少的重复步骤、更简洁的手册以及更快的审核时间。

### 8) 主要应用场景

**场景 1 — 基于屏幕录制的 IT 运维 Runbook** **现状：** IT 团队将故障修复和维护步骤录制为视频。 **痛点：** 将其转换为 Runbook 耗时数小时，且经常遗漏步骤。 **赋能方案：** 上传视频 → 提取帧 → OCR 界面文本 → 构建步骤序列 → 执行去重规则 → 发布 Runbook。

**场景 2 — 业务流程团队的标准作业程序 (SOP)** **现状：** 运营团队使用视频/截图培训员工。 **痛点：** 入职培训缓慢；流程不统一。 **赋能方案：** 通过模板 + 规则治理 + 多语言 UI 生成标准化手册。

**场景 3 — 基于重复解决方案的客户支持知识库** **现状：** 支持人员反复解决类似问题。 **痛点：** 知识分散在聊天记录和录音中。 **赋能方案：** 存储 Embedding + 向量搜索，以检索相似案例和最佳实践指导。

**场景 4 — 合规驱动的流程与可审计性** **现状：** 受监管机构要求流程可追溯且一致。 **痛点：** 难以证明步骤被一致捕获并及时更新。 **赋能方案：** 规则管理器 + 数据库持久化 + 日志，为文档生成构建治理和可追溯性。

### 9) 核心优势（为何不仅是“OCR”）

- 具备场景逻辑和去重功能的数字媒体转手册流水线
- 用于控制重叠/重复并衡量规则有效性的规则治理 UI
- 通过 Prompt 处理和步骤质量优化实现的 LLM 驱动精炼
- 企业级技术栈就绪：Postgres + pgVector, MinIO 存储, Docker/Kubernetes/OpenShift 模式, 日志/监控脚本
- 支持全球交付的多语言 UI（英文/日文）

---
Source: https://seekbytes.com/zh-CN/knowledge-base/operation-document-generator