SaveAny 是一个视频下载与 AI 总结工具实践，功能覆盖视频解析、下载、字幕提取、AI 摘要、思维导图、问答、用户认证和桌面端封装。
我把它放在项目页，但不会把它写成完全原创产品。它更准确的定位是：一次围绕真实全栈项目的学习、调试和流程整理。
项目结构
后端使用 FastAPI，核心模块包括：
downloader.py：封装 yt-dlp，处理多平台解析、下载和 Cookie 策略douyin.py：针对抖音链接做专门解析summarizer.py：提取字幕，必要时走 ASR，再调用大模型总结database.py：管理 SQLite 数据api_*.py：拆分认证、配置、支付、总结等接口
前端使用 Vue 3 和 Vite，负责下载表单、结果展示、AI 总结输出和交互体验。桌面端通过 Electron 包一层壳，让工具可以从网页应用转成桌面入口。
我主要做的事
- 阅读项目结构，理解前后端和桌面端之间的边界
- 梳理核心功能链路：输入链接 -> 解析信息 -> 选择格式 -> 下载或总结
- 调试视频下载、字幕提取、AI 总结等关键功能
- 记录运行环境、接口行为、异常现象和修复路径
- 整理项目文档，让后续复现和交接更清楚
对我的价值
这个项目让我看到，一个“AI 工具”不只是调用一次模型 API。
真正影响可用性的，是一整条链路：平台链接解析是否稳定，字幕是否能拿到，长任务如何避免阻塞，流式输出怎么处理，用户权限怎么限制，临时文件如何清理，日志和配置是否足够可追踪。
这些经验可以迁移到科研和工程项目里：先把流程拆清楚，再把每一步的输入、输出、失败情况和记录方式整理出来。
边界说明
这个项目目前更适合作为学习和工具实践记录，而不是成熟商业产品。它的价值在于让我接触了完整项目的工程结构，也训练了需求拆解、问题定位、文档归档和流程复盘。