القائمة
将播客、YouTube 视频或音视频内容转化为高质量文章。通过 NotebookLM 进行多轮深度对话提炼内容，提供写作方向选择，自动去 AI 味，生成吸引人的标题。当用户提到「把这个视频/播客写成文章」「帮我把这个内容转成文字」「根据这个视频写一篇文章」「播客转文章」「视频转文章」或者给了一个 YouTube/播客链接并要求写作时，使用此 Skill。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
为文章生成配图。分析文章结构，判断哪些位置需要什么类型的插图（infographic/flowchart/comparison/framework/timeline/scene），生成 prompt 并调用 image-gen 生成图片，最后插入文章。当用户说"配图"、"给文章加插图"、"生成文章插图"、"illustrate this article"时触发。即使用户只说"帮这篇文章配个图"也应该触发。
AI image generation with OpenAI, Google and DashScope APIs. Supports text-to-image, reference images, aspect ratios, and direct Cloudflare R2 upload. Sequential by default; parallel generation available on request. Use when user asks to generate, create, or draw images.
快速信息推文 — 用户丢过来一条推文链接、新闻、开源项目、产品动态等素材，快速消化内容，写一条信息推文，判断该引用转发还是原创发布，确认后通过 xurl 直接发送。当用户说"帮我转发这个"、"这个发一条推"、"帮我分享这个"、"这条推翻译一下发出去"、"写个推发出去"并附带了链接或素材时触发。也适用于用户贴了一段英文内容想快速中文转发的场景。
Use when fact-checking a single wiki page against its cited sources — verifies that every footnote actually supports its claim and surfaces uncited factual claims. Run after ingesting a high-stakes page or any time you want confidence in one page's accuracy.
Use when adding a new source to a wiki — a paper, article, URL, file, transcript, or any document. One ingest may touch 10-15 wiki pages.
Use when bootstrapping a new personal wiki for any knowledge domain — research, codebase documentation, reading notes, competitive analysis, or any long-term knowledge accumulation project.
| name | podcast-to-article |
| description | 将播客、YouTube 视频或音视频内容转化为高质量文章。通过 NotebookLM 进行多轮深度对话提炼内容，提供写作方向选择，自动去 AI 味，生成吸引人的标题。当用户提到「把这个视频/播客写成文章」「帮我把这个内容转成文字」「根据这个视频写一篇文章」「播客转文章」「视频转文章」或者给了一个 YouTube/播客链接并要求写作时，使用此 Skill。 |
将播客、视频、音频内容通过 NotebookLM 深度研究后，转化为一篇有血有肉的文章。
添加源 → 概览调研 → 提出4个方向 → 用户选择 → 深度调研(存档) → 写作 → 去AI味 → 生成标题 → 生成配图
用户会给你一个 URL（YouTube、播客链接）或告诉你 NotebookLM 里已经有了。
如果需要添加源：
# 创建笔记本（或用户指定已有的）
notebooklm create "主题名" --json
# 设置上下文
notebooklm use <notebook_id>
# 添加源
notebooklm source add "https://youtube.com/..." --json
# 等源处理完毕
notebooklm source list --json # 确认 status 为 ready
如果源还在 processing，等它变成 ready 再进入下一步。可以用 notebooklm source wait <source_id> 等待。
向 NotebookLM 提一个全面的概览问题，快速摸清内容全貌。
notebooklm ask "Please give me a comprehensive overview: 1) Who are the key people and their backgrounds? 2) What is the main topic/theme? 3) What are the top 3-5 key takeaways? 4) What is the structure/flow of the conversation?" --json
从返回的 JSON 中提取 conversation_id，后续所有提问都用 -c <conversation_id> 保持对话连贯。
解析回答，提取核心信息：人物、主题、关键论点、对话结构。
根据概览内容，提出 4 个不同的写作角度。每个方向要包含：
用 AskUserQuestion 让用户选择 1-2 个方向。
提方向的原则：
根据用户选择的方向，设计 6 轮以上有针对性的提问。确保了解清楚。
每轮提问都用 --json -c <conversation_id> 保持上下文：
notebooklm ask "具体问题..." --json -c <conversation_id>
关键：把每轮 Q&A 写入临时文档。 在用户项目目录下创建一个调研笔记：
文件路径：当前工作目录/podcast-research-<日期>.md
文档格式：
# 调研笔记：[内容标题]
日期：YYYY-MM-DD
来源：[URL]
选定方向：[用户选的方向]
## Round 1: [子主题]
**问题：** ...
**回答：** ...
**关键提取：** （3-5 个要点）
## Round 2: [子主题]
...
每轮调研完成后立即写入文档，不要攒到最后。
遵循 CLAUDE.md 中「钩子写作指南」的三要素框架和自检标准。
在写全文之前，先单独构思 2-3 个不同风格的开头钩子。针对播客/视频转文章，额外注意：
用 AskUserQuestion 让用户选一个开头方向，或者告诉你他想要哪种感觉。
基于调研笔记和选定的开头，撰写完整文章。
写作要求：
如果用户有写作风格 skill（如 bozhou-writing-style）： 加载该 skill 并严格遵循其风格要求。写之前先读一遍 skill 的核心规则和禁用清单。
如果没有特定风格 skill： 用清晰、自然、口语化的中文写作。避免商业黑话和套话。
用 AskUserQuestion 问用户文章保存到哪里，或者根据上下文推断（比如用户之前的文章都放在某个目录）。
文件命名规则： 文件名直接使用文章标题（如 OpenAI 的 PM 说：PM 不是领导岗，20 人以下的团队不需要 PM.md），不要用 slug 或英文缩写。标题确定后立即重命名文件。
文章写完后，调用 humanizer-zh skill 进行去 AI 味处理：
/humanizer-zh 对文件 [文章路径] 进行去AI味优化
如果用户有写作风格 skill，在调用 humanizer-zh 时一并提及，让它结合风格要求优化。
去 AI 味重点关注：
最后一步：为文章生成 3-5 个标题选项。
好标题的特征：
标题公式参考：
用 AskUserQuestion 给出 3-5 个标题让用户选择，或者用户可以自己改。选定后更新文章标题。
文章标题确定后，调用 article-illustrator skill 为文章生成配图。
/article-illustrator [文章路径]
article-illustrator 会自动完成以下工作：
如需指定配图密度或类型，可传参数：
/article-illustrator [文章路径] --density rich
/article-illustrator [文章路径] --type infographic
配图完成后确认用户是否满意。
最后将链接youtube链接放到文章尾部
文章完成后自查：