技能使用指南

podcast-workflow（播客工作流）Skill 是什么？

一句话把 YouTube 播客变成结构化笔记：播客工作流Skill 自动完成字幕提取、10~15 条核心观点摘要、本地 Obsidian 归档与飞书知识库发布，还可一键转成小红书图文海报。支持订阅更新与链接直处理双入口，附安装步骤、竞品对比与常见问题解答，帮你判断是否值得装。

播客工作流Skillpodcast-workflow
8 个章节 约 18 分钟阅读 AI 智能生成

播客工作流Skill：一句话把 YouTube 播客变成结构化笔记与飞书文档

核心结论速览

  • 双入口设计：既能主动「获取播客更新」从 21 个关注频道里挑选，也能直接丢一个 YouTube 链接进入处理流程。
  • 三步流水线：字幕提取 → 内容摘要处理 → 自动保存飞书知识库，中途保留人工确认环节，不会未经许可就写入。
  • 产物结构化：输出「标题 + 10~15 条核心观点 + 精华片段」的固定格式文稿，同时落地到本地 Obsidian 与飞书知识库。
  • 可延伸为图：处理完成后可选择调用 markdown-to-image 技能，把核心观点转成小红书 3:4 或朋友圈长图海报。
  • 技能编排型工具：它本身更像「流程编排器」，串起 youtube-feed、youtube-transcript-cn、content-digest、feishu-wiki、markdown-to-image 五个技能。

该技能叫什么？如何一键安装 AI 技能提升开发效率？

基本信息

项目 内容
技能中文名 播客工作流Skill
技能英文名 podcast-workflow
技能ID 12491
类型 流程编排型（Workflow）技能
触发词 「获取播客更新」「处理这个播客」「播客工作流」「有什么新播客」

它解决什么问题

播客和长视频访谈是当下信息密度最高的内容形式之一，但「听一小时、记三行字」是常态：手动听写太慢、纯转录工具给你几万字原文等于没整理、整理完还要手动搬进知识库。播客工作流Skill 把这整条链路压缩成一句自然语言指令——你说「处理这个播客」，Agent 就依次完成字幕提取、结构化摘要、本地归档、飞书写入，最后还问你要不要转成图片海报。

「一键安装」的思路与步骤

AI 技能的「一键」并不是指点一个按钮就万事大吉，而是指装完之后只需要一句话就能跑完整条流水线。安装播客工作流Skill 大致分四步：

  1. 准备运行环境。该技能的指令以 python3 脚本形式执行，因此需要在支持 Skill 机制的 Agent 运行环境中使用（例如 Claude Code 类环境），并确保本机具备 Python 3 运行能力。

  2. 放入技能目录。技能详情中给出的路径位于 .claude/skills/ 之下，例如：

    • ~/.claude/skills/youtube-feed/scripts/get_updates.py
    • ~/.claude/skills/youtube-transcript-cn/scripts/get_transcript.py

    也就是说，播客工作流Skill 依赖同目录下的多个子技能。安装时要把主技能与这些依赖技能一并放到 skills 目录中。具体的下载入口、安装命令与目录规范请以官方说明为准；上文路径中的 /Users/ugreen/ 是原作者的机器路径示例，实际使用时需替换为你自己的用户目录。

  3. 补齐 5 个依赖技能：youtube-feed（获取博主更新）、youtube-transcript-cn（字幕提取）、content-digest（内容处理）、feishu-wiki（飞书写入）、markdown-to-image（转图片海报，可选）。缺少任意一个，对应步骤就会中断。

  4. 填写配置项：本地保存路径（示例为 /Users/ugreen/Documents/obsidian/每日播客/）、飞书父节点 Token（示例为 TOSJwKzxTiFdiRk0aducHNBFntg，对应「每日播客推荐」目录）、更新检查天数（默认 2 天）、观点数量（默认 10~15 条）、以及 get_updates.py 中的关注频道列表。

如何验证是否生效

安装完成后，直接对 Agent 说一句触发词，例如「有什么新播客」或「获取播客更新」。如果技能生效，你会看到类似下面的列表输出：

📺 最近 2 天共有 N 个新播客更新：

1. 【Lenny's Podcast】
   📌 视频标题
   🕐 2026-01-30 15:00
   🔗 https://www.youtube.com/watch?v=xxx
   📝 简要描述...

能看到这份列表，说明「获取更新」这一半链路已通；再丢一个 YouTube 链接测试「处理这个播客」，能走完字幕提取即说明主干链路正常。最后一步飞书写入是否成功，取决于飞书应用是否已被添加为该知识库的协作者（详见错误处理说明）。

该技能的主要功能和特点

  • 双入口，覆盖「主动找内容」和「被动喂内容」两种习惯
    • 入口 A（推荐）：获取关注博主的最新更新 → 展示列表 → 用户按序号挑选（支持 1 或 1,3 多选，也可输入「跳过」）。
    • 入口 B：直接给出 YouTube 链接，立刻进入处理流程。
  • 字幕提取自动化：调用 youtube-transcript-cn 脚本，把视频转换为 Markdown 格式字幕文本，后续处理全部基于这份文本。
  • 强制人工确认节点：字幕提取成功后，技能必须先询问「是否使用内容摘要处理成精华内容」，并明确告知会生成什么、会保存到哪里，等用户确认后才继续。这是它区别于「全自动黑箱工具」的关键设计。
  • 结构化摘要模板，不是随便生成一段总结：
    • 标题格式固定为 # MMDD：[嘉宾名] X [栏目名]：[一句话核心观点]；
    • 开头固定交代嘉宾背景与本期观点总数；
    • 观点列表 10~15 条，每条要求「完整逻辑阐述 + 推理过程」，2~4 句话，而不是一句干巴巴的结论；
    • 另附精华片段，采用 Style B（对话式访谈）格式。
  • 双目的地归档：本地按 MMDD-嘉宾名-主题关键词.md 命名保存（示例：0130-Peter-Steinberger-AI编程革命.md），同时通过 feishu-wiki 脚本写入飞书知识库指定父节点，返回可点击的文档链接。
  • 可选的图片化延伸：确认转图后，会先提取「标题 + 核心观点」的短文版本，加 emoji 序号（1️⃣2️⃣3️⃣）、把每条精简到 1~2 句、总量控制在 500 字以内，再通过浏览器 MCP 操作 Madopic（https://madopic.thus.chat）导出小红书 3:4 或朋友圈长图 PNG。
  • 内置错误处理策略：字幕提取失败 → 提示视频可能无字幕并询问是否手动提供文本；飞书写入失败 → 检查权限并提示把应用加为知识库协作者；网络超时 → 重试一次，仍失败则如实告知。
  • 预置 21 个优质信源，分五类：AI 教育（Andrej Karpathy、Anthropic、Lex Fridman）、AI 产品（Lenny’s Podcast、Peter Yang 等）、VC 投资（Y Combinator、Latent Space、No Priors、a16z 等）、大厂研究（Google DeepMind、Stanford GSB 等）、Vibe Coding 与 AI 新闻（The AI Daily Brief、TBPN 等）。数据来源标注为 Zara’s AI Learning Library。

和普通工具比强在哪：普通转录工具停在「给你全文」，普通摘要工具停在「给你一段话」，而它一路做到「按模板产出可发布内容 + 落到你已有的知识库 + 顺手转成社媒图」，中间还保留了你的确认权。

如何使用该技能？

以下按真实调用顺序给出分步指南。

步骤 1：选择入口

步骤 2（入口 A 专属）：拉取并选择更新

技能执行：

python3 /Users/ugreen/.claude/skills/youtube-feed/scripts/get_updates.py --days 2

输出近 2 天的新播客列表，随后询问「请选择要处理的播客（输入序号，如 1 或 1,3），或输入 “跳过”」。你回复序号即可。

步骤 3：提取字幕

python3 /Users/ugreen/.claude/skills/youtube-transcript-cn/scripts/get_transcript.py "YOUTUBE_URL"

把 YOUTUBE_URL 换成实际视频地址，输出为 Markdown 字幕文本。此步骤通常需要等待，长视频耗时更长。

步骤 4：确认是否处理

提取成功后技能会询问：

字幕提取成功！是否使用内容摘要处理成精华内容？

  • 处理后会生成：标题 + 核心观点列表 + 精华片段
  • 处理完成后自动保存到飞书「每日播客推荐」

回复「是/确认」进入下一步。如果你只想先拿到字幕原文，这里是唯一的中断点，直接说「不处理」即可。

步骤 5：内容摘要处理

技能按 content-digest 的完整流程产出结构化文稿。你最终会看到类似这样的成品（示例结构）：

# 0130：Peter Steinberger X Lenny's Podcast：AI 编程正在重写软件生产函数

今天看到 Peter Steinberger 去了 Lenny's Podcast 的播客。

Peter Steinberger 是 …（2-3 句嘉宾背景，含具体数据）。

这期播客总共录了 XX 分钟，Peter 谈到了 12 个有趣的观点：

1、……（观点 + 2-4 句推理过程）
2、……

步骤 6：本地保存

文件落到 /Users/ugreen/Documents/obsidian/每日播客/，命名如 0130-Peter-Steinberger-AI编程革命.md。

步骤 7：写入飞书

python3 /Users/ugreen/.claude/skills/feishu-wiki/scripts/save_to_wiki.py \
  --file "/Users/ugreen/Documents/obsidian/每日播客/MMDD-xxx.md" \
  --title "MMDD：嘉宾名 X 栏目名：一句话观点" \
  --parent "TOSJwKzxTiFdiRk0aducHNBFntg"

--parent 即「每日播客推荐」父节点 Token，可换成你自己的目标目录 Token。

步骤 8：查看结果并按需转图

技能返回本地路径、飞书链接、核心观点数与精华片段数，并询问是否转图片海报。确认后走 markdown-to-image 流程，最终告知你 PNG 已下载到下载目录。

同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
播客工作流Skill（podcast-workflow） 端到端播客处理流水线 更新订阅、字幕提取、模板化摘要、本地 + 飞书双归档、可选转图 中：需 Agent 运行环境 + Python + 配置 5 个依赖技能与飞书 Token 长期跟踪 AI 播客、需要稳定产出结构化笔记与知识库沉淀 优势：链路完整、格式统一、人工确认可控、可接社媒图；不足：强依赖本机路径与飞书权限，换环境需重新配置
手动听 + 手写笔记 传统方式 全靠人力 零门槛 偶发、极少数高价值单集 优势：理解最深入；不足：单集耗时 1~2 小时，无法规模化，更不可能持续跟踪 21 个频道
通用转录工具（如各类语音转文字服务） 单点工具 音频/视频转文本 低：上传即可 只需原文、自己再整理 优势：上手快；不足：只给全文，几万字仍需自己提炼，且不负责归档与发布
通用 AI 摘要工具 / 浏览器插件 单点摘要 生成一段摘要或要点 低 快速了解一集大意 优势：快；不足：格式不可控、观点数量与深度不稳定、不写入你的知识库、难以批量化
自动化编排平台（如 n8n / Zapier 类） 通用自动化 自由拼装 API 节点 高：需自己设计流程、写表达式、维护凭证 有工程能力、要做多系统集成 优势：灵活度最高；不足：要从零搭字幕抓取与摘要逻辑，调试成本高，非开箱即用

选型建议：如果你要的是「每天稳定产出可发布/可沉淀的播客笔记」，播客工作流Skill 的性价比最高；如果只是偶尔处理一集，通用转录加 AI 摘要更轻；如果公司已有自动化平台且要求深度定制，编排平台更合适。

该技能的典型应用场景与实际体验情况

场景一：AI 内容创作者的日常选题与素材库

  • 角色：公众号 / 小红书 AI 领域创作者。
  • 痛点：一天上线多集播客，全听完不现实；只挑一集又容易漏掉爆点观点。
  • 用法：每天说一次「有什么新播客」，从 2 天更新列表里挑 1~2 集，确认摘要处理后拿到 10~15 条观点，直接作为选题池；需要发图时再让它转成小红书 3:4 海报。
  • 体验：列表化挑选比逐个打开 YouTube 效率高一个量级；观点条目本身带推理过程，稍作润色即可成文。注意图片版会做 500 字压缩，观点会被精简，深度内容仍建议用文字版。

场景二：产品经理 / 研究者的知识库沉淀

  • 角色：做 AI 产品调研的产品经理。
  • 痛点：收藏了几十个链接，最后全躺在「稍后再看」里。
  • 用法：把关注的频道维护在 get_updates.py 的列表里，处理后自动落入飞书「每日播客推荐」目录，形成可检索的时间线。
  • 体验：飞书侧是真正的价值点——笔记不再是散落的 Markdown，而是有父节点的知识库。第一次使用需要确保应用已被加为该知识库协作者，否则会报写入失败。

场景三：Obsidian 用户的双向备份工作流

  • 角色：重度本地笔记用户。
  • 痛点：喜欢本地 Markdown 的可控性，又需要移动端/团队可访问。
  • 用法：0130-嘉宾名-关键词.md 的命名规则让本地库天然按日期 + 人物索引，飞书作为分享层。
  • 体验：命名规则省去了自己整理文件的功夫，但要注意本地保存路径是硬编码在流程里的示例路径，迁移设备时需要同步修改。

场景四：团队内容周报

  • 角色：小团队的内容/市场同学。
  • 痛点：每周要汇总行业动态，人工整理重复劳动多。
  • 用法：把 --days 调整到 7 天（脚本支持天数参数）跑一次周度更新，批量选多集处理（输入 1,3,5），观点汇总后即为周报骨架。
  • 体验：批量选择是实用设计，但连续处理多集会明显拉长等待时间，建议分批执行。

整体上手难度：装好之后是「一句话」级别的低门槛；装的过程属于中等门槛，主要难点在于 5 个依赖技能的齐备性与飞书权限配置。

该技能能为用户带来的价值

  • 时间效率：把「听 60~90 分钟 + 手动记录 + 排版 + 归档 + 发布」压缩为一次对话。原先一集播客从收听到产出可用笔记通常需要 1~2 小时，现在主要成本变成「挑选 + 审阅 + 微调」，且摘要、命名、归档、发布这些纯机械环节全部自动化。
  • 降低门槛：不需要会写代码、不需要懂 YouTube 字幕 API、不需要研究飞书开放平台文档，配置一次后全流程由自然语言驱动，非技术岗位也能独立使用。
  • 规模化能力：预置 21 个频道、5 大分类，配合 2 天更新检查，把「追更」从靠记忆变成靠流程，长期可积累数百条结构化播客笔记。
  • 内容一致性：固定的标题格式、开头句式、观点条数与命名规则，让几十期笔记摆在一起依然整齐可检索，这对知识库的长期可用性远比「每次生成风格不同」重要。
  • 复用价值：产出的结构化文稿本身就是二次创作的原料池——长文、图文海报、周报、选题清单都能从同一份笔记派生，一次处理多处复用。
  • 可控性带来的信任：摘要前的强制询问、结果里的路径与链接回执、明确的错误处理策略，让自动化不至于变成「不知道它干了什么」。

常见问题 FAQ

Q1：怎么安装这个技能？需要会写代码吗？

不需要写代码。把主技能与 youtube-feed、youtube-transcript-cn、content-digest、feishu-wiki、markdown-to-image 五个依赖技能放入 Agent 的 skills 目录，填好本地保存路径和飞书父节点 Token 即可。具体下载地址与安装命令以官方说明为准；文中出现的 /Users/ugreen/... 均为示例路径，需替换成你自己的用户目录。

Q2：这个技能收费吗？

技能本身是一套流程定义与脚本调用组合，不涉及订阅费用。但它会调用第三方服务：飞书知识库需要你有对应权限，转图环节使用的外部网页工具（Madopic）按其自身规则使用。相关服务是否收费、有何限额，请以各官方说明为准。

Q3：适合谁用？我只想偶尔处理一集播客，值得装吗？

最适合「长期跟踪多个 AI/科技频道、且已经有飞书或 Obsidian 知识库」的人，比如内容创作者、产品经理、研究员。如果你只是偶尔处理一集，用它反而要多花配置成本，直接用通用转录加 AI 摘要更划算——它的价值来自重复使用，而不是单次使用。

Q4：字幕提取失败了怎么办？

技能内置的处理是：先告知你该视频可能没有字幕，并询问是否手动提供文本。实践中，自动字幕缺失、视频设为私享、或网络不稳定都可能触发失败；网络超时它会自动重试一次，仍失败会如实告知。此时可以把已有文稿或人工转录粘贴给它，从摘要环节继续。

Q5：飞书写入报错怎么排查？

最常见原因是权限——需要把对应的飞书应用添加为该知识库的协作者。其次是父节点 Token 是否填对（默认 TOSJwKzxTiFdiRk0aducHNBFntg 对应「每日播客推荐」），以及是否被粘贴了多余空格。

Q6：和 n8n、Zapier 这类自动化平台比怎么选？

要开箱即用、格式统一、开箱就有播客摘要模板，选播客工作流Skill；要跨系统自由集成、且团队已有工程维护能力，选编排平台。前者省的是「设计流程」的时间，后者省的是「流程之外的系统对接」的时间。