youtube-ai-extension
youtube-ai-extension 是一款基于 React、Tailwind CSS 和 Plasmo 框架开发的开源浏览器插件,旨在让用户能够直接在 YouTube 页面上与视频进行实时“对话”。它通过集成 OpenAI API,将被动观看转化为主动交互:用户不仅可以一键获取视频内容的精准摘要,还能针对具体细节提问并获得结合上下文的详细解答,从而大幅提升信息获取效率。
这款工具主要解决了长视频内容消化困难、关键信息检索耗时以及传统观看模式缺乏互动性的痛点。无论是希望快速掌握课程重点的学生、需要从海量素材中提炼资讯的研究人员,还是追求高效学习的普通观众,都能从中受益。对于前端开发者而言,其清晰的代码结构和现代化的技术栈也提供了极佳的二次开发参考。
在技术实现上,youtube-ai-extension 的亮点在于无缝嵌入 YouTube 原生界面的友好设计,以及对多语言和上下文感知的深度支持,确保回答既准确又自然。需要注意的是,目前该版本需手动配置 OpenAI API Key 并在本地构建安装,且暂时仅适配经典版 YouTube 布局。项目采用 AGPL-3.0 协议开源,为非商业用户提供了免费探索 AI 赋能视频学习的机会。
使用场景
一名数据科学初学者正在 YouTube 上观看一门关于“神经网络反向传播”的英文技术教程,试图理解复杂的数学推导过程。
没有 youtube-ai-extension 时
- 语言与术语障碍:面对密集的英文专业术语和快速语速,不得不频繁暂停视频去查词典或搜索概念解释,学习流被打断。
- 重点难以捕捉:长达 40 分钟的视频中,关键公式推导隐藏在冗长的口述里,手动记录笔记效率极低且容易遗漏核心逻辑。
- 疑问无法即时解决:当对某个步骤产生疑惑时,只能盲目拖动进度条回看,甚至需要在多个标签页间切换搜索答案,耗时耗力。
- 上下文割裂:外部搜索得到的答案往往缺乏针对该视频特定讲解语境的适配,导致理解偏差。
使用 youtube-ai-extension 后
- 实时交互解惑:直接在视频侧边栏提问“请用中文解释刚才提到的梯度消失问题”,youtube-ai-extension 立即结合当前视频内容给出通俗易懂的解答。
- 智能摘要提炼:一键生成视频核心知识点总结,自动提取关键时间戳和公式推导步骤,让复习重点一目了然。
- 沉浸式学习体验:无需离开播放页面即可进行多轮对话,youtube-ai-extension 提供的回答严格基于视频上下文,确保了知识的准确性。
- 跨语言无缝衔接:支持用中文提问获取英文视频的深度解析,彻底消除了语言壁垒,让学习者专注于逻辑本身。
youtube-ai-extension 将被动观看转化为主动交互,把原本需要数小时消化的视频内容变成了高效、即时的个性化私教课堂。
运行环境要求
- Windows
- macOS
- Linux
未说明
未说明

快速开始
YouTube AI 扩展
🚀 重大更新将于 2025 年 6 月 10 日发布! 🚀
新版本即将上线,带来强大的新功能、更简洁的安装流程,并将在 Chrome 网上应用店正式发布。
YouTube 聊天扩展允许您直接与 YouTube 视频进行对话,提供独特的互动体验。
功能
- 与 YouTube 视频无缝实时聊天。
- 获取视频摘要、提问并获得详细解答。
- 用户友好的界面直接集成到 YouTube 中。
- 支持多种语言和上下文感知的回答。
路线图
- 2025 年 6 月 10 日:重大更新,新增功能并正式在 Chrome 网上应用店发布。
安装
要本地安装并运行 YouTube 聊天扩展,请按照以下步骤操作:
克隆仓库:
git clone https://github.com/PaoloJN/youtube-ai-extension.git cd youtube-chat-extension添加您的 OpenAI API 密钥。将
chat.ts和completion.ts文件中的YOUR_API_KEY替换为您实际的密钥:const openai = new OpenAI({ apiKey: "YOUR_API_KEY" })安装依赖并构建项目:
pnpm install pnpm run build将扩展加载到 Chrome 中:
- 打开 Chrome 浏览器,访问
chrome://extensions/。 - 启用右上角的“开发者模式”开关。
- 点击“加载已解压的扩展程序”,然后选择刚刚构建的项目中的
build/chrome-mv3-dev目录。
- 打开 Chrome 浏览器,访问
打开 YouTube,开始与视频聊天吧! :)
此扩展目前不支持新版 YouTube 布局。如需切换回旧版布局,请使用 uBlock Origin 扩展程序,这样扩展即可正常工作。
许可证
本项目采用 AGPL-3.0 许可证,仅限非商业用途。
商业用途
如需用于商业用途或部署时需要支付设置费用,请通过电子邮件 paolo.j.nessim@gmail.com 联系我们以获取商业许可。
使用本软件即表示您同意该许可证的条款。
致谢
没有以下资源的支持,本项目将无法实现:
常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。