课程笔记工坊 · CourseNoteStudio

把一节大学课程视频（链接或本地文件）变成一份完整、结构化、可打印的 PDF 课程笔记。

Turn a university lecture video into complete, structured, printable PDF course notes. It watches the blackboard frame-by-frame (saving it before the teacher erases it), transcribes the audio locally, then has an LLM organise everything into notes — with a built-in AI panel for asking questions about the notes. Windows · Node.js · local models.

它会同时做两件事：

看——逐秒扫描画面，追踪黑板/白板/PPT 上的板书，在板书被擦掉之前把它保存下来；
听——把讲课语音转写成带时间戳的文字，和板书按时间轴对齐。

最后交给大模型按逻辑整理：概念定义、推导过程、例题步骤、易错点、公式汇总、术语表、复习自测，排版成 PDF。

实时板书流	全局搜索

AI 补充：点一下「✨ AI 补充」，课程里没讲到、但理解本节很关键的知识点会以手写体批注的形式出现在成稿右侧空白处，并用虚线箭头指向对应段落；点批注里的「了解更多」可以看详细解释。

字体与纸张：笔记正文可换成霞鹜文楷（开源硬笔手写体），纸张可选纯白 / 米黄 / 米黄横线笔记本纸 —— 成稿预览与 PDF 完全一致。

为什么要专门做「板书擦除」这件事？ 绝大多数同类工具只截取视频结尾的黑板，结果笔记里只剩最后一屏。本项目全程跟踪每一块板书的内容量，擦黑板的那一刻把「刚刚写得最全的那一屏」存下来—— 所以每块板书既完整、又只有一张图，不会出现「刚起笔只写了两个字」的废截图。

一、快速开始

双击 安装组件.bat（只需第一次运行）下载 FFmpeg、yt-dlp、llama.cpp、sherpa-onnx 与视觉/语音模型，合计约 3.5 GB，支持断点续传。
双击 启动.bat 浏览器会自动打开 http://127.0.0.1:7788。 关掉所有页面后程序会自动退出，那个黑窗口也会一起关闭——不用手动清理。（想让它一直挂着，比如给局域网里别人用：node app/main.mjs serve --keep-open）
在首页粘贴视频链接（B 站 / YouTube / 慕课等），或直接把本地视频文件拖进页面，点「开始生成」。

合集 / 多 P 视频不用一集一集粘链接：粘进任意一集的链接后，输入框下面会出现提示条「这是一个合集，共 82 集」，点 📚 勾选要解析的选集 就能在弹窗里一次勾好多集（两列列出编号、标题、时长，支持按标题筛选、全选 / 全不选 / 反选），点「创建 N 个任务」即可 —— 任务会自动排队（同时最多 2 个），不会全部挤在一起互相拖慢。分享文案（【标题】https://…&vd_source=…）可以直接粘，程序会自己只留链接。

重复双击 启动.bat 也不会报错：如果 7788 上已经有本程序在跑，它会自动把旧实例换成新版本；如果端口被别的程序占用，会自动往后找（7789、7790…）并在窗口里显示实际地址。
右侧「环境与模型」面板可以看到每个组件的状态与安装进度；文本模型默认复用本机 DSH 已保存的 DeepSeek Key，也可以自己填任意 OpenAI 兼容接口。
出稿后到「成稿预览」：PDF 不会自动生成，需要时点 「📄 导出 PDF」（几秒钟，不调用模型）。
- 预览右上角有一个 ⛶ 按钮，可以全屏看整份成稿：全屏下成稿会呈现成一张 A4 纸（灰底 + 纸面阴影），顶部有 － 100% ＋ 缩放（「100%」按钮即适应宽度），按 Esc 或 ✕ 退出；
- 全屏时最右边有一条窄边，点它可以滑出 AI 问答面板，一边看稿一边问；退出全屏后 AI 面板自动回到原位；
- 想让每次生成都自动出 PDF，把「环境与模型 → 抓拍与输出 → 自动导出 PDF」勾上即可。
右栏 「🤖 问 AI」 一直开着（可点右上角 ⇥ 收起，收成一条窄边再点开）：
- 在笔记里划选文字后点右键 → 「询问 AI」，选中的内容就直接进输入框，不用先复制粘贴（右键菜单里还有「直接解释这段」和「复制」）；
- 板书图片右上角有 「🤖 问 AI」 按钮，点一下把这张板书发给 AI；图片放大后右下角也有；
- 同时带文字和图片时，自动交给视觉模型；
- 回答按任务保存，刷新页面不丢。
三栏宽度都能拖：最左任务栏、中间笔记、右侧 AI 面板之间的竖线可以用鼠标拖动（双击复位），宽度会记住。
全局搜索：左侧任务栏上方有搜索框（就是上图那张），一次搜遍所有任务的笔记正文、板书识别结果和课堂讲稿原话。
- 原话模式：按字面查找。输入老师说的原话、某个术语或公式，直接命中并高亮。多个词用空格分开表示「都要包含」，例如 单极点留数。
- AI 模糊模式：不记得原话也能找。例如输入「上课举的那个用单位圆算积分的例题是怎么做的」，它会先本地粗排候选，再让文本模型判断哪些片段真正相关，顺便直接回答你的问题，并逐条说明「为什么相关」。
- 点任意一条结果会跳到对应任务、滚动到对应章节并闪烁提示；板书结果跳到板书流。搜索结果页地址形如 ?q=关键词&mode=ai，可以直接收藏。
AI 补充（旁批）：到「成稿预览」标签页，点下方的 「✨ AI 补充」，AI 会通读全部章节，找出课程里没讲、但不懂就会卡住的知识点（前置概念、易错点、直观图像、与其它章节的联系），然后：
- 在成稿右侧空白处生成手写体批注，每条都用虚线箭头指向对应的段落；
- 批注尽量简洁（一句到两句话），不打断正文阅读；
- 每条批注下都有「了解更多 →」：点它会切到标签栏下方新增的 **「📖 补充讲解」**页，里面有 150–300 字的详细解释（含公式推导与极简例子）；在全屏预览里点击则会就地滑出一个讲解面板（带「看全部」按钮），不用退出全屏。
- 批注用虚线箭头指向具体那一句话，句子下面还有虚线标记，一眼看出这条补充挂在哪儿；全屏也一样。
- 觉得不合适可以「重新生成」，也可以取消勾选「显示批注」只看正文。
补充内容会写入该任务的 work/supplements.json，只影响界面预览，不会改动 PDF 成稿。
AI 审校（自动）：出稿前模型会再逐节复核一遍公式与结论，只挑实质性错误（公式写错、结论错、条件缺失导致结论不成立、概念混淆）。这一步是自动的，不需要点任何按钮。

发现问题时怎么用：
1. 「成稿预览」下方的「✨ AI 补充」旁边会出现一排红色编号方框（1、2、3…，鼠标悬停能看到这条问题是什么）；
2. 点编号方框，预览就跳到正文里对应的位置，那处有一个红底白叹号，同时闪两下；
3. 点那个红色感叹号，旁边就弹出说明，第一句是「与视频 mm:ss 不符」（时间由 AI 从讲稿里找出来），后面讲为什么这样改。
笔记里写的是改正后的正确写法 —— 正文会被直接替换成正确内容，不会把作废的公式留在笔记里；成稿末尾的「附录 · AI 审校按视频更正过的地方」只记出处（哪一节、视频几分几秒、老师原话），不再重复错误写法。开着批注时右侧还会多一条红色批注，内容与弹出的说明一致。
- 红标是烧进成稿的：即使把「显示批注」关掉、或者导出 PDF，红色感叹号依然在；
- 老任务（出稿时还没有审校这一步）点一次「重新排版」就会自动补做审校；
- 严格程度可调（设置抽屉里）：默认「只改确定的数学错误」——最安全；选「连推断不严谨也标出来并改正」后，像「由 $|z_1z_2|<1$ 就断定恰有一根在单位圆内」这种 推断不成立的写法也会被标出并补上真正成立的条件（例如 $z_1+z_2=-1$）。
- 每一处改动都要过一次独立复核才会落地：实测出现过模型把 $a^2<1$ 改成 $=1$ 的情况，复核会把这类错误改动拦下来（宁可漏改，不可改错）。
老师中途更正板书：老师上课写错了、过一会儿擦掉重写或口头更正，是很常见的情况。程序做了三层处理：
- 板书按「一代一代」全部保留（错误那一版也在材料里，这是为了不丢内容）；
- 讲稿里出现「我写错了 / 更正一下 / 应该是 / 擦掉重写 / 漏写了」这类话时会被识别出来，并在整理笔记时整份提示词里下发（不只是更正所在那一段 —— 老师可能讲了 10 分钟才发现写错，写前面那段时必须知道后面被更正了）；
- 笔记里只保留更正后的最终版本，并在更正处写一行 > ⚠️ 此处老师曾更正：原写法…已作废；成稿末尾另有「附录 · 老师更正过的地方」便于核对。
整章做题技巧（左侧任务列表正上方的 🧭 整章做题技巧（可跨任务多选））：把一章的笔记提炼成一份「做题手册」。
- 入口放在任务列表上方，是因为一章常分成好几讲：例如「留数定理（1）」和「留数定理（2）」是两个任务，在这里可以同时勾选它们下面任意几节，合成一份整章的手册；
- 弹窗里按任务列章节，点任务名旁的勾 = 全选该任务的节，默认勾上当前打开的任务；底部实时显示「已选 N 节，约 X 千字材料」；
- 生成的内容故意不问概念，只留做题时真正用得上的东西： ① 看到什么条件 → 用哪个公式（对照表）；② 相似公式怎么区分（什么情况用 A、什么情况用 B、用错什么后果）； ③ 可直接照着走的判断流程；④ 易错点与陷阱；⑤ 典型题型的固定套路；
- 定义、背景、证明细节会被主动略去 —— 这份东西是拿来刷题时翻的，不是拿来复习概念的；
- 生成结果可以下载成 Markdown，也可以「换个说法重生成」；
- 历史总结保存在 data/summaries/（属于你的数据，不会进仓库）。
视频对照模式（「成稿预览」工具栏的 📺 视频对照，或者直接点成稿封面上的「来源」链接）：
- 上方嵌一个只有视频画面的播放器（B 站用官方嵌入播放器 player.bilibili.com，天然不带 UP 主信息、推荐位、弹幕这些东西；YouTube 用 /embed/，并带上时间点）；
- 下方仍然是笔记成稿预览，可以正常滚动、全屏；
- 进入对照模式时，任务头和七道工序卡片会自动收起来，把高度让给视频，这样视频和笔记两块都在一屏里；
- 按 Esc 或点右上角 ✕ 退出（「在网页打开」可以跳到原视频页面）。
外观设置（任务页里「运行日志」右边的 🎨 外观设置 标签页）：

分组	可调项
纸张	纯白 A4 / 米黄色 A4 / 米黄色横线笔记本纸
正文文字	字体（系统默认 / 霞鹜文楷 / 楷体 / 宋体）、字号、颜色（可「跟随纸张」）
AI 讲解（旁注）	单独一套字体、字号、颜色

正文和 AI 讲解写在同一张纸上：纸张留白处就是批注的位置，纸张样式两边一起换；批注只用一个显眼颜色的竖条 + 彩色文字区分，不另起一块便签。
控件改动立刻反映到「成稿预览」（服务端 /api/look.css 提供同一份外观 CSS，注入 iframe 即时生效），并自动存为默认 —— 之后点任何「重新排版」都用这一套，随时还能再调。
横线纸是真正的格子：格子高度由字号算出来（行高 ≈ 字号 × 1.7），所有纵向间距都取格子整数倍，所以每一行文字都落在横线上、横线严格等间距；改字号时格子跟着变，对齐不会散。底纹一律半透明，横线从盒子下面透出来。
「📄 导出 PDF」才生成 PDF，默认不生成、不占空间。
字体文件随「安装组件」下载（霞鹜文楷，开源 SIL 协议），没装时会优雅退回系统楷体。

生成一份 90 分钟的课大约需要：板书识别 20–40 分钟 + 语音识别 3–5 分钟 + 整理成文 2–4 分钟。想要更快可以先选「板书抓拍：精简」。

二、板书为什么不会丢

这是本项目最核心的设计。很多工具只截取视频结尾的黑板，结果笔记里只剩最后一屏——本项目从五个层面避免这件事：

机制	说明
内容增量抓拍	每秒比对画面与「上一次抓拍」的差异，只要板书又写出了足够多的新内容就准备记录，不依赖画面「完全静止」——因此在学生走动、镜头跟拍的教室里同样有效
等老师停笔	准备记录后不立刻按快门：板书内容连续几秒不再增加（＝写完了），并且这一帧本身足够安静，才真正抓拍
每块板书只留「擦除前最完整的那一屏」	全程跟踪每一块板书的内容量，擦黑板时立刻把「刚刚写得最全的那一屏」存下来。于是每块板书最终只保留一屏，既是完整的（它包含这块板书写过的全部内容），又不会出现「刚起笔只写了两个字」或几屏几乎重复的截图
擦除检测 + 分块归档	「大面积墨迹突然消失」＝擦黑板或换幻灯片。此时结束当前板书块、开启新的一块；擦掉的内容属于上一块，永远不会被后面的画面覆盖
自动去重	识别后再按文字内容去重——若某屏的文字已被另一屏完全包含就判为重复，笔记既不漏也不啰嗦

另外：

走动的人会被自动降权（长期变化的画面区域不参与「板书是否变化」的判断）；
先做整体位移补偿，抵消手持/机位抖动；
挑选抓拍帧时只在「黑板本身」那些不常动的区域上比较；
自动识别板书所在的矩形区域并裁剪、放大后再交给视觉模型。

板书截图放在哪里？ 在网页的「笔记章节 → 附录 · 板书全时间线」里逐块查看（带起止时间、是否被擦除的标记）。PDF 默认不放板书截图、不放板书时间线、不放讲稿，只保留核心笔记内容，读起来更干净；需要打印时可在「环境与模型 → 抓拍与输出」里勾选打开。

三、处理流程

视频链接/文件
   │
   ├─ ① 获取视频         yt-dlp 下载 / 直接读取本地文件，ffprobe 读取元信息
   │
   ├─ ② 听懂课程         ffmpeg 抽音轨 → sherpa-onnx + SenseVoice 转写 → 标点恢复
   │
   ├─ ③ 逐帧追踪板书     ffmpeg 降采样成每秒一帧灰度图 → Node 内逐像素比对
   │                     → 定位停笔/擦除/切屏时刻 → 记录抓拍点与板书区域
   │
   ├─ ④ 识别板书内容     按抓拍点抽出高清截图（自动裁剪）→ 本地视觉模型 Qwen3-VL
   │                     → 逐屏输出板书原文（文字、公式、版面）
   │
   ├─ ⑤ 组织笔记         讲稿 + 板书按时间轴切段 → 大模型逐段整理
   │                     → 全局汇总：概览、学习目标、章节标题、公式表、术语表、自测题
   │
   └─ ⑥ 排版出稿         HTML + KaTeX 公式排版 → Edge 无头打印 → PDF（附 Markdown）

所有中间结果都会缓存到 data/projects/<任务 id>/work/，中断后可以接着跑；改了模型或提示词后点「重写笔记」可以跳过耗时的板书识别直接重排。

四、需求对照表

#	需求	实现	状态
1	输入视频链接即可	首页输入框支持任意 yt-dlp 支持的站点，也支持本地文件路径与拖拽导入	✅
2	看视频内容（板书、笔记）	逐秒画面分析 + 本地视觉模型逐屏识别，输出板书原文	✅
3	听视频音频	sherpa-onnx + SenseVoice 中文转写，带时间戳，标点恢复	✅
4	加入思考	整理阶段由大模型按逻辑重组，补充推导动机、易错点（标记为「▸ 理解」，与老师原话区分），并生成复习自测题	✅
5	生成 PDF 课程笔记	HTML+KaTeX 排版后用 Edge 无头打印为 PDF，同时导出 Markdown 与在线预览。PDF 默认只保留核心内容（封面/概览/目标/目录/正文/公式/术语/自测），板书截图与时间线放在界面里看	✅
6	板书会擦，不能只识别最后一屏	等停笔再抓 + 擦除检测 + 每块板书只保留「擦除前最完整的一屏」 + 内容去重，五重保障（见第二节）	✅
7	实时更新笔记，保证完整	识别一屏就实时推进到界面「实时板书流」；最终笔记按板书块 + 时间轴组织，附录保留全时间线	✅
8	界面人性化、工整	中文界面、六阶段进度条、实时板书流、章节流式出现、成稿预览、一键安装组件、错误可操作提示、深浅色主题、拖拽导入	✅
9	笔记内问答	右侧「问 AI」面板：划选笔记文字、或点板书图片上的「问 AI」，即可连同该节笔记作为背景一起提问；纯文字走文本模型、带图片自动走视觉模型，对话按任务保存	✅

五、目录结构

CourseNoteStudio/
├─ 启动.bat                # 双击启动
├─ 安装组件.bat            # 双击安装依赖
├─ app/
│  ├─ main.mjs             # 命令行入口：serve / run / doctor / fetch
│  ├─ fetch-tools.mjs      # 组件与模型下载器
│  ├─ lib/
│  │  ├─ ingest.mjs        # 下载 / 读取视频、抽音轨
│  │  ├─ asr.mjs           # 语音识别与标点恢复
│  │  ├─ detect.mjs        # ★ 板书时间线分析（防丢核心）
│  │  ├─ vision.mjs        # ★ 视觉模型调度与板书识别
│  │  ├─ fusion.mjs        # ★ 讲稿+板书 → 结构化笔记
│  │  ├─ render.mjs        # HTML/PDF 排版
│  │  ├─ pipeline.mjs      # 流水线编排
│  │  ├─ server.mjs        # 本地 Web 服务（API + SSE 进度）
│  │  ├─ project.mjs       # 任务存储
│  │  ├─ download.mjs      # 下载与安装
│  │  ├─ config.mjs        # 配置与 Key 解析
│  │  ├─ paths.mjs / proc.mjs
│  └─ public/              # 界面（原生 HTML/CSS/JS，无构建步骤）
├─ tools/                  # ffmpeg、yt-dlp、llama.cpp、sherpa-onnx
├─ models/                 # 语音模型、视觉模型
├─ data/
│  ├─ config.json          # 设置
│  └─ projects/<id>/       # 每个任务：media / work / figures / out
└─ tests/make-fixture.mjs  # 生成合成板书测试视频

六、命令行

node app/main.mjs serve --port 7788      # 启动界面
node app/main.mjs doctor                 # 环境体检
node app/main.mjs fetch --all            # 安装全部组件
node app/main.mjs run "视频链接" --out D:\notes   # 无界面直接生成

七、自测脚本

tests/ 里放了一组可复现的检查，用来验证「板书不会丢」这件事：

node tests/make-fixture.mjs           # 生成合成黑板课：3 块板书，前两块写满后被擦掉
node tests/run-probe.mjs              # 跑板书追踪，打印每块板书与每个抓拍点
node tests/run-probe.mjs 视频 密度     # 也可指定视频与档位：sparse / balanced / dense
node tests/debug-frames.mjs 视频       # 逐帧打印画面变化量，用于调参定位误判
node tests/vlm-check.mjs [图片]        # 单张图片的视觉识别自检
node tests/render-check.mjs           # 端到端验证「整理成文 + 排版出 PDF」
node tests/parse-check.mjs            # 验证模型输出的 JSON 解析健壮性
node tests/latex-check.mjs            # 验证公式上下标补全（∮_L、∑ 上下限等）
node tests/pdf-render.mjs 文件.pdf 5 5 # 把 PDF 某几页渲染成图片，肉眼核对成稿
node tests/autoclose-check.mjs        # 验证「关掉所有页面后自动退出」

make-fixture.mjs 生成的测试视频是已知答案的：板书 1 在 10/20/28/33 秒逐行写出、40 秒被擦；板书 2 在 52/60/68/76 秒逐行写出、92 秒被擦。跑 run-probe.mjs 应当看到 3 块板书、其中两块标记「★被擦除」，并且每块被擦除的板书都有一屏是擦除之前的完整内容。

八、分享给别人

有三种方式，按需要的程度选：

方式一：只分享成品 PDF（最省事）

直接把 data\projects\<任务id>\out\ 里的 PDF 发过去就行。 PDF 是自包含的（板书图片、公式字体都已嵌进去），对方不需要装任何东西。（notes.md 也自包含，但里面的图片是相对路径，要连同 figures 文件夹一起发。）

方式二：分享程序，让对方自己跑（推荐）

双击 打包分享.bat，会在 dist\ 下生成 CourseNoteStudio-分享版.zip（约 0.1 MB）。

这个包只含程序本身，不含组件、模型和你生成的作品。对方拿到后：

装 Node.js（https://nodejs.org，LTS 版）；
解压后双击 安装组件.bat —— 自动装排版依赖 + 下载运行组件与模型（约 3.5 GB，可断点续传）；
双击 启动.bat，浏览器打开后，在「环境与模型 → 文本模型」里填入他自己的模型 API Key。

包里的 分享说明.txt 已经把这些步骤写清楚了，可以直接转给对方。用别人的电脑跑时，视频与识别结果都在他自己的机器上，不会经过你。

方式三：让别人直接用你这台机器（局域网）

在可信网络里（比如自己家的 Wi-Fi），双击 启动.bat 时带上参数，或者命令行运行：

node app/main.mjs serve --port 7788 --host 0.0.0.0

启动后会打印形如 http://192.168.x.x:7788 的局域网地址，同一网络下的人用浏览器打开即可。

⚠️ 这种方式没有密码保护：对方能使用你的模型 Key、也能看到你所有的任务。只在自己可信的网络里临时这样开，用完按 Ctrl+C 关掉。要长期给多人用，建议改用方式二让别人本地跑。

九、常见问题

Q：为什么第一次要下 3.5 GB？ A：视觉模型（Qwen3-VL-4B，约 2.6 GB）负责看板书，语音模型（SenseVoice，约 226 MB）负责听讲解，其余是推理引擎与编解码器。全部本地运行，视频不会上传到任何地方。

Q：B 站高清视频下载失败？ A：部分视频需要登录。在「环境与模型 → 抓拍与输出」里选择浏览器 Cookie（Edge/Chrome/Firefox），程序会读取你已登录的会话。

Q：没有显卡可以吗？ A：可以。安装时勾选「安装全部」会一并下载 CPU 版推理引擎，程序会自动回退，只是识别板书会慢一些。

Q：想用云端视觉模型？ A：「环境与模型 → 视觉模型」把识别方式改成「外部接口」，填入任意 OpenAI 兼容的多模态接口（通义千问 VL、GLM-4V、SiliconFlow、Gemini 兼容口等），速度会快很多。

Q：生成的笔记有错怎么办？ A：自动识别难免有误。可以调整「板书抓拍密度」重跑，或在界面里找到对应板书卡片核对原文；数学公式建议对照原视频复核。PDF 最后一页也写明了这一点。

Q：识别要花多久？ A：主要时间在视觉模型逐屏识别，每屏约 5–15 秒（取决于显卡）。一块板书只保留一屏，所以 90 分钟的课通常只有 10–30 屏，识别大约 2–6 分钟；加上转写（几分钟）与整理成文（2–4 分钟），整节课一般 10–15 分钟能跑完。想更快可以先用「精简」档试跑。

十、开源与许可

仓库里有什么、没有什么

为了保持仓库轻量、也为了不泄露任何个人内容，以下目录被 .gitignore 排除，首次运行时会自动下载或生成：

目录	内容	说明
`tools/`	FFmpeg、yt-dlp、llama.cpp、sherpa-onnx 等可执行文件（约 650 MB）	由 `安装组件.bat` 自动下载
`models/`	Qwen3-VL-4B 视觉模型、SenseVoice 语音模型（约 3.3 GB）	同上
`data/`	你下载的视频、转写稿、板书截图、生成的 PDF、配置文件	纯本地数据，永远不要提交
`node_modules/` `dist/` `logs/`	依赖、打包产物、日志	可重新生成

也就是说：仓库里只有程序源码（app/、tests/、messages/、几个 .bat 和文档），克隆下来双击 安装组件.bat 就能跑。

用到的第三方组件

组件	用途	协议
FFmpeg	解码、抽帧、抽音频	LGPL/GPL
yt-dlp	下载视频	Unlicense
llama.cpp	本地视觉模型推理	MIT
Qwen3-VL	识别板书	Apache-2.0
sherpa-onnx	本地语音识别	Apache-2.0
SenseVoice	语音识别模型	Apache-2.0
KaTeX	数学公式排版	MIT
marked	Markdown 渲染	MIT

致谢与免责

视频、语音、板书全部在本机处理，不会上传；只有「整理成文」和「AI 问答的文字提问」会发送到你配置的模型接口。
请遵守视频平台的版权与服务条款，仅将本工具用于个人学习用途；不要批量下载或传播受版权保护的课程内容。
自动识别难免有误，笔记内容请对照原视频复核，不要直接当作复习资料的全部依据。

十一、软件著作权

这个程序可以申请软件著作权登记（中国版权保护中心，官费免费，普通办理约 30~60 个工作日发证）。

源程序要求「前、后各连续 30 页，每页不少于 50 行」——本程序一万余行，绰绰有余；
运行 node app\make-copyright.mjs 会自动生成 软著材料\01-源程序.txt：按「主程序 → 核心模块 → 前端 → 测试」汇总，每页 50 行排版，页眉写软件名称、版本号与页码，输出前 30 页 + 后 30 页（共 225 页）；
同目录下的 02-软件说明书.md（功能、技术特点、模块结构、运行环境、操作流程、关键参数）与 03-申请表信息.md（在线申请要填的字段、长短两版功能描述、材料清单）是配套材料；
软著材料/ 属于申请材料，已加入 .gitignore，不会进仓库。

专利和软著不是一回事：软件在中国不能直接申请专利（属于《专利法》第 25 条排除的「智力活动的规则和方法」），只有解决技术问题、有技术手段与技术效果的部分（例如本程序的「板书擦除前抓拍」）才可能构成技术方案；而且代码一旦公开（本仓库是 public + MIT）通常就丧失新颖性了 —— 想申请专利必须「先申请、后公开」。

Name		Name	Last commit message	Last commit date
app		app
docs		docs
messages		messages
tests		tests
.gitattributes		.gitattributes
.gitignore		.gitignore
LICENSE		LICENSE
README.md		README.md
package-lock.json		package-lock.json
package.json		package.json
启动.bat		启动.bat
安装组件.bat		安装组件.bat
打包分享.bat		打包分享.bat

Navigation Menu

Repository navigation

About

Repository files navigation

课程笔记工坊 · CourseNoteStudio

一、快速开始

二、板书为什么不会丢

三、处理流程

四、需求对照表

五、目录结构

六、命令行

七、自测脚本

八、分享给别人

方式一：只分享成品 PDF（最省事）

方式二：分享程序，让对方自己跑（推荐）

方式三：让别人直接用你这台机器（局域网）

九、常见问题

十、开源与许可

仓库里有什么、没有什么

用到的第三方组件

致谢与免责

十一、软件著作权

About

Releases

Packages

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

课程笔记工坊 · CourseNoteStudio

一、快速开始

二、板书为什么不会丢

三、处理流程

四、需求对照表

五、目录结构

六、命令行

七、自测脚本

八、分享给别人

方式一：只分享成品 PDF（最省事）

方式二：分享程序，让对方自己跑（推荐）

方式三：让别人直接用你这台机器（局域网）

九、常见问题

十、开源与许可

仓库里有什么、没有什么

用到的第三方组件

致谢与免责

十一、软件著作权

About

Topics

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages