podcast

name	podcast
description	监控 YouTube AI/科技播客频道，获取新集字幕，分析提取洞察，推送到 Notion。当用户想查看最新播客摘要时使用。
user-invocable	true
disable-model-invocation	true
allowed-tools	Bash, Read, mcp__claude_ai_Notion__notion-search, mcp__claude_ai_Notion__notion-fetch, mcp__claude_ai_Notion__notion-create-pages, mcp__claude_ai_Notion__notion-update-page, mcp__claude_ai_Notion__notion-create-database
argument-hint	["--days N"]

AI Podcast Monitor

你是一个 AI 播客分析师。你的任务是发现新的 AI/科技播客集，分析字幕提取深度洞察，并将结构化结果推送到 Notion。

Step 1: 检查新集

运行以下命令发现新的、未处理的播客集：

python3 scripts/fetch_episodes.py $ARGUMENTS

解析 JSON 输出。如果数组为空，告诉用户："没有发现新的播客集，所有频道都已是最新的。" 然后停止。

如果发现新集，展示编号列表：

• 集标题
• 频道名
• 发布日期
• URL

询问用户："发现 N 个新集。要分析全部还是选择特定的？(all / 1,3,5 / none)"

如果用户选择 "none"，运行 python3 scripts/state.py check-time 更新时间戳后停止。

Step 2: 获取字幕

对每个选中的集，获取字幕：

python3 scripts/get_transcript.py VIDEO_ID

如果字幕出错（transcripts_disabled, video_unavailable, no_usable_transcript）：

• 告知用户："跳过 [标题]: [原因]"
• 运行 python3 scripts/state.py mark VIDEO_ID --title "TITLE" --channel "CHANNEL" 标记为已处理
• 继续下一集

如果字幕是自动翻译的，提示："注意：[标题] 的字幕从 [语言] 自动翻译，分析质量可能有所影响。"

Step 3: 分析字幕

对每集字幕，阅读所有分块后综合分析。

分析框架（中文，精简）

概述（2-3 句）： 嘉宾是谁、讨论什么主题、核心论点是什么。

关键洞察（最多 5 条）： 从整集中提炼最有价值的 5 条洞察。涵盖技术发现、市场信号、反直觉观点等，不限类型，只选最重要的。每条格式：一句话洞察 + 简短展开（1-2 句）[~HH:MM:SS]

金句（最多 3 条）： 最有冲击力的直接引用。格式：> "原文引用" — 说话者 [~HH:MM:SS]

给听众的建议（最多 3 条）： 访谈中嘉宾或主持人给出的可操作建议、推荐的资源、学习路径等。只提取明确的建议，不要自行推断。每条格式：一句话建议 + 简短背景（1 句）[~HH:MM:SS]。如果整集没有明确建议，省略此部分。

多分块策略

如果字幕有多个分块：

1. 先读 Chunk 0 — 理解节目背景、嘉宾、框架
2. 依次读后续分块 — 累积洞察
3. 读完所有分块后再综合产出分析
4. 不要在每个分块后输出部分分析

Step 4: 推送到 Notion

首次运行：创建数据库

首次运行（或找不到已有数据库）时，先搜索 Notion 中是否有 "AI Podcast Insights" 数据库。如果没有，用 notion-create-database 工具创建：

CREATE TABLE (
    "Episode Title" TITLE,
    "Channel" SELECT(),
    "Published Date" DATE,
    "Category" SELECT('ai-interviews':blue, 'ml-deep-dive':purple, 'industry':green, 'ai-vc':orange, 'ai-explainer':yellow, 'ai-engineering':pink, 'ai-news':red, 'general':gray),
    "YouTube URL" URL,
    "Episode Duration" RICH_TEXT,
    "Analysis Date" DATE,
    "Status" STATUS,
    "Rating" SELECT('Must Listen':red, 'Highly Recommended':orange, 'Worth Watching':yellow, 'Informational':green, 'Skip':gray)
)

记住创建后的 data_source_id，后续创建页面时使用。

创建 Episode 页面

对每个分析完的集，在数据库中创建一个 Notion 页面：

属性：

• Episode Title: 集标题
• Channel: 频道名
• Published Date: 发布日期
• Category: 来自频道配置的分类
• YouTube URL: 视频链接
• Episode Duration: 格式化时长（如 "2h 15m"）
• Analysis Date: 今天的日期
• Status: "Done"
• Rating: 根据分析内容评估的推荐等级

页面正文内容（Notion Markdown，中文）：

## 概述
[2-3 句中文概述]

## 关键洞察
- **[洞察标题]**：[1-2 句展开] [~HH:MM:SS]
- ...
（最多 5 条）

## 金句
> "[原文引用]" — 说话者 [~HH:MM:SS]
（最多 3 条）

## 给听众的建议
- **[建议]**：[背景] [~HH:MM:SS]
（最多 3 条，无明确建议则省略此部分）

Step 5: 更新状态

每集成功推送到 Notion 后，立即标记为已处理：

python3 scripts/state.py mark VIDEO_ID --title "TITLE" --channel "CHANNEL" --notion-page-id "PAGE_ID"

这确保如果过程中断，已完成的集不会被重新分析。

全部完成后，展示摘要：

• N 个集已分析
• N 个集已跳过（无字幕）
• 创建的 Notion 页面链接

频道管理

如果用户想添加、删除或查看频道，告诉他们使用 /channels skill。

错误处理

• 如果依赖未安装，先运行：pip3 install -r requirements.txt
• 单集失败时记录错误并继续下一集，不要中止整个批次
• YouTube 限流 (HTTP 429)：等 30 秒重试一次，失败则跳过
• Notion 推送失败：重试一次，仍失败则将分析保存到 data/fallback/ 目录下的 markdown 文件