lark-knowledge-allin-transcript

name	lark-knowledge-allin-transcript
version	2.3.0
description	All In Podcast 逐字稿生成：说一句话全自动完成，含翻译+AI分析+排版美化。触发词：allin逐字稿、生成逐字稿、allin转写、allin建页。用法：allin逐字稿 <YouTube_URL> <record_id>
metadata	{"requires":{"bins":["lark-cli","yt-dlp","python3"],"pip":["openai","anthropic"],"scripts":["scripts/allin/vtt_clean.py","scripts/allin/translate_bilingual.py","scripts/allin/build_feishu_page.py","scripts/allin/run_episode.sh"],"env":["ARK_API_KEY"]}}

All In Podcast 逐字稿生成 v2.1

用户只需说一句话，Claude Code 自动完成全部步骤：

allin逐字稿 https://youtube.com/watch?v=xxx recXXXXXX

---

完整自动化流程（Claude Code 自动执行）

触发后按以下顺序全部自动完成，无需用户手动干预：

🤖 Step 1：读取收件表记录

CRITICAL — 开始前 MUST 先读取：

1. ~/.agents/skills/lark-knowledge-config/config.json → 读 all_in_podcast 区块
2. ../lark-shared/SKILL.md — 认证、权限处理

lark-cli base +record-get \
  --base-token "<config.all_in_podcast.base_token>" \
  --table-id "<config.all_in_podcast.table_id>" \
  --record-id "<record_id>"

提取：期号、中文标题、发布日期、YouTube链接、主题分类、五维分析（AI摘要字段）。

---

🤖 Step 2：下载 + 翻译（run_episode.sh）

export ARK_API_KEY=<从用户环境或 config 读取>
cd ~/lark-knowledge
bash scripts/allin/run_episode.sh <YouTube_URL> <record_id>

自动完成：

• 2A yt-dlp 下载英文字幕（.en.vtt）
• 2B vtt_clean.py 去重清洗，按 15 分钟分段 → segments.json
• 2C translate_bilingual.py 调 Doubao-Seed-2.0-pro 逐句翻译 → bilingual.json

输出路径：/tmp/allin_<VIDEO_ID>/bilingual.json

字幕下载失败时：告知用户，接受手动上传 .vtt/.srt/.txt，直接传给 vtt_clean.py

---

🤖 Step 3：Haiku 事实核查

读取 bilingual.json，用 Claude Haiku 核查：

• 所有包含数字、$、% 的句子（原文 vs 译文数字一致性）
• 与已知四位主播立场有明显矛盾的表述
• 说话人归属是否合理

权力边界：只标 ❓，不改内容，只做机械比对。

输出中文报告展示给用户：

⚠️ 发现 N 处需确认：
① [时间] 问题描述 → 建议操作

用户确认后继续（默认全部接受可直接 Enter）。

---

🤖 Step 4：Sonnet 注释 + 五维分析 + 精华金句

基于完整中文译文，用 Claude Sonnet 生成：

精华金句（3-5条）：

> **"英文原句"**
> 中文译文 — 说话人

注释（≤15条，全期 91 分钟约每 5 分钟 1 条）：

• 触发：普通读者不熟悉的背景 / 中国市场类比 / 数据需背景 / 四人明显分歧
• 格式：{time_label: ["注释内容"]}

五维分析终稿（150-250字）：

① 议题背景
② 核心论点链
③ 市场与行业判断
④ 四人立场图谱（Chamath/Jason/Sacks/Friedberg）
⑤ 国内启示（必须出现中国公司/政策名词）

---

🤖 Step 5：Opus 异常检测

将中文译文 + 五维分析交给 Claude Opus 检测：

1. 世界知识核验：四位主播立场与公开记录是否一致
   • Chamath：批评美联储，支持 AI/科技，批评 ESG
   • Sacks：关注估值和盈利能力，对监管保持警惕
   • Jason：乐观主义者，押注成长型公司
   • Friedberg：数据和科学导向，关注农业/生命科学
2. 内部一致性：五维各维度是否有逻辑矛盾
3. 合理性检查：数字量级是否异常

输出中文报告：⚠️ 需关注 或 ✅ 通过，用户确认后继续。

---

🤖 Step 6：保存 AI 分析结果

将 Step 3-5 的输出整合，保存到：

/tmp/allin_<record_id>_analysis.json

格式：

{
  "quotes": "精华金句 Markdown 文本",
  "annotations": {
    "00:00:00–00:15:00": ["注释1", "注释2"],
    "00:15:00–00:30:00": ["注释3"]
  },
  "five_dim": "① 议题背景...\n② 论点链...\n③ ...\n④ ...\n⑤ ..."
}

---

🤖 Step 7：组装页面 + 写入飞书

python3 ~/lark-knowledge/scripts/allin/build_feishu_page.py \
  /tmp/allin_<VIDEO_ID>/bilingual.json \
  --record-id "<record_id>"

自动完成：

• 读取 analysis.json + 收件表元数据
• 组装完整飞书页面 Markdown
• lark-cli 分批写入飞书 Wiki（头部+五维先创建，逐字稿分批 append）
• 回填收件表：飞书页面URL、翻译状态=已完成、注释状态=已完成

---

模型分工与质量合同

各模型职责

角色	模型	职责
翻译 Worker	Doubao-Seed-2.0-pro（火山引擎）	字幕全文逐句翻译，成本约为 Claude 的 1/10
事实校对	Claude Haiku	核查数字/人名/归属，输出中文异常报告
内容生产	Claude Sonnet	注释生成 + 五维分析 + 精华金句
异常检测	Claude Opus	世界知识核验 + 内部一致性检查

各角色权力边界（严格遵守）

• Doubao：只翻译，不分析，不判断重要性
• Haiku：只能标 ❓，不能改内容，只做机械比对
• Sonnet：定稿权，但必须回应每个 Haiku 的 ❓
• Opus：只输出 ⚠️ 或 ✅，不推翻 Sonnet 的风格判断，只纠事实错误

可验证事实标准（Haiku 执行）

• 数字：必须能在字幕原文找到出处，否则标 ❓
• 人名归属：Jason 说的 ≠ Chamath 说的，错了就是错了
• 公司名：英文原名保留，括号加中文（如 Salesforce（赛富时））

---

页面格式规范 v2.0

逐字稿格式（每个章节）

**[HH:MM:SS–HH:MM:SS]**

*Jason: English original text*

<callout background-color="light-gray">**Jason**：中文翻译</callout>

*Chamath: English original text*

<callout background-color="light-gray">**Chamath**：中文翻译</callout>

<callout background-color="light-blue">注释内容，1-2句，自然散文风格</callout>

设计原则：英文原文在前（斜体），中文翻译在后（light-gray callout 灰底），视觉上一眼区分原文与译文。 所有段落间用 \n\n 双换行，确保 overwrite 模式重解析时飞书不合并段落。

格式铁律

规则	执行方式
章节标题	## <text color="blue">标题</text>
英文原句	*说话人: 原文*（斜体，每条发言首行）
中文译文	<callout background-color="light-gray">**说话人**：译文</callout>
注释块	<callout background-color="light-blue"> 无 emoji 无标题（与译文 gray 区分）
概览块	<callout background-color="light-yellow">
禁止	逐字稿区域不用 > 引用块前缀（会触发飞书引用合并）
禁止	逐字稿区域不用 <text color="red/blue/..."> 着色词
red 着色	仅限五维分析里的关键数字

完整页面结构

{期号} · {日期} · {时长}分钟 · 播放量{播放量} · {主题}

📌 一句话核心亮点（≤30字）

<callout light-yellow>· 议题 · 关键判断 · 国内启示</callout>

## 手绘笔记速览
## 📥 下载资源
## 五维分析（一至五）
## 精华金句
## 中英对照逐字稿

---

🤖 Step 8：排版美化

引用 ../lark-knowledge-format/SKILL.md 模式 2，执行 Step 3.9 All In Podcast 专项排版规则。

⚠️ CRITICAL：overwrite 绝对不能覆盖逐字稿区域

飞书 --mode overwrite 会全页重新解析 Markdown，若把逐字稿（数万字）一起 overwrite 进去：

1. callout 标签会被重新解析，可能导致格式错乱
2. 极大的 Markdown 正文容易触发飞书 API 超时或截断

正确做法：只 overwrite 页面头部到「精华金句」之间的内容（不含逐字稿）， 逐字稿区域（<!-- TRANSCRIPT_START --> 之后）保持原样，一个字都不动。

操作流程：

1. lark-cli docs +fetch --doc <wiki_url> 读取全文
2. 找到 <!-- TRANSCRIPT_START --> 分隔符，只排版其前面的部分
3. 用 --mode overwrite 只更新头部 Markdown（不含逐字稿）
4. 如需修正个别逐字稿段，用 --mode replace_range 精确替换单个段落

执行：

lark-cli docs +fetch --doc <wiki_url>          # 读取页面
# 只对 <!-- TRANSCRIPT_START --> 之前的内容（头部+五维+金句）做排版
lark-cli docs +update --doc <wiki_url> --mode overwrite --markdown "<仅头部排版后内容（不含逐字稿）>"

---

🤖 Step 9：生成 PDF 并上传飞书

排版完成后，生成「注释版」和「原稿版」两份 PDF，自动上传飞书云盘并更新页面下载链接：

python3 ~/lark-knowledge/scripts/allin/generate_pdf.py \
  /tmp/allin_<VIDEO_ID>/bilingual.json \
  --record-id "<record_id>"

完成后自动：

1. 生成 /tmp/allin_<期号>_annotated.pdf — 注释版（含内联注释）
2. 生成 /tmp/allin_<期号>_original.pdf — 原稿版（干净双语稿）
3. 上传两份 PDF 到飞书云盘
4. 更新飞书 Wiki 页面「📥 下载资源」区块（填入真实下载链接）
5. 回填收件表 PDF状态 = 已完成

前提：build_feishu_page.py 需先完成（收件表中有「飞书页面URL」字段），否则上传后无法写入页面链接

可选参数：

• --skip-upload：只本地生成，不上传飞书
• --html-only：只生成 HTML，用于浏览器手动打印
• --annotated-only / --original-only：只生成其中一版

---

🤖 Step 10：生成手绘笔记（V2 模板，Codex 优先 → API fallback）

使用 V2 模板（scripts/shared/poster_template.py 的 cover_v2 + inner_v2 双模板），生成 5 张图：1 张封面 + 4 张内页。提示词由 poster_template 统一渲染，配色使用同一组 V2 色彩体系，保证整期视觉一致。

优先方式：派 Codex 生成

Codex 内置 gpt-image-2 图片生成能力，不消耗用户 API 额度。先用 --prompts-only 拿到提示词，再逐张派 Codex：

# 先生成提示词
python3 ~/lark-knowledge/scripts/allin/generate_sketchnote.py \
  --record-id "<record_id>" --prompts-only

拿到每张图的提示词后，通过 codex:codex-rescue 逐张派发：

目标：用 gpt-image-2 生成一张手绘笔记图片
提示词：<该张图的完整提示词>
尺寸：1024x1536
保存路径：/tmp/allin_<期号>_sketch_0N_<主题>.png

Fallback：Codex 失败时走 API

若 Codex 报错（额度不足 / 超时 / 生成失败），改用脚本直接调 API：

python3 ~/lark-knowledge/scripts/allin/generate_sketchnote.py \
  --record-id "<record_id>"

输出：/tmp/allin_<期号>_sketch_01_封面.png … _sketch_0N_国内启示.png

固定结构（V2 手绘高级概念海报）：

• 第 1 张（封面）：cover_v2，巨型核心词 + 视觉隐喻 + 嵌入式封面信息
• 第 2 张（核心议题）：inner_v2，五维①②提炼的要点
• 第 3 张（市场判断）：inner_v2，五维③的行业判断
• 第 4 张（四人立场）：inner_v2，四位主播立场图谱
• 第 5 张（国内启示）：inner_v2，五维⑤ + 精华金句

样张验证（推荐姿势，节省token+时间）

历史期先从飞书 Wiki 回拉现有分析：

python3 ~/lark-knowledge/scripts/allin/utils.py extract-analysis \
  --record-id "<record_id>" \
  --out /tmp/allin_<record_id>_analysis.json

新期直接复用当前流程已有的 /tmp/allin_<record_id>_analysis.json。先只生成第 1 张样张确认风格和内容密度：

python3 ~/lark-knowledge/scripts/allin/generate_sketchnote.py \
  --record-id "<record_id>" \
  --analysis /tmp/allin_<record_id>_analysis.json \
  --pages 1 \
  --output-dir /tmp

耗时参考：单张约 3-5 分钟；全 5 张并发约 5-7 分钟。

---

注意事项

• 字幕无法获取：yt-dlp 失败时告知用户，接受手动上传 .vtt/.srt/.txt
• 五维分析来源：优先用收件表 AI摘要字段（P3-B 已生成）→ 再用 Sonnet 现场生成
• 注释密度：全期不超过 20 条（约每 5 分钟 1 条）
• ARK_API_KEY：火山引擎控制台获取，不要硬编码进脚本
• 断点续传：翻译中断后用 --start-from N 继续，不用重头来

---

权限

bitable:record、docs:doc、wiki:node:readonly