菜单
Notebook LM 批量研究。将选题库中的 YouTube 视频提交给 Google Notebook LM， 生成综合研究报告，写入 Obsidian 研究报告目录。 触发方式：「研究选题库里的 XXX」「把这个选题提交给 Notebook LM」「用 Notebook LM 研究这个选题」「拉取 Notebook LM 的研究结果」
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
陈与小金的「知识视频内容诊断」。把一个已定选题，诊断成能冲抖音精选的 3 分钟以上知识视频。 不是短视频带货，是 3 分钟+ 知识口播/演示冲精选。 触发方式：/cyxj-content、内容诊断、这条视频内容怎么做、帮我看看这条稿、视频内容怎么做更好。 不做已发布视频的数据复盘（那是 cyxj-data-review 的活）。 边界：本 skill 专供陈与小金账号（3 分钟+ 知识视频冲抖音精选）；不限赛道/不限时长的通用内容诊断走全局 dbs-content。
陈与小金的「知识视频开头/钩子」优化。诊断 3 分钟以上知识视频（目标抖音精选）的开头问题，并生成优化方案。 不是 15 秒短视频带货，是 3 分钟+ 知识口播冲精选——钩子负责留人，但完播靠整条价值密度；开头不是骗点击，是「承诺一个值得看完的获得感」。 触发方式：/cyxj-hook、优化我的视频开头、知识视频开头怎么写、帮我看开头、开头钩子。 边界：本 skill 专供陈与小金账号（3 分钟+ 知识视频冲抖音精选）；不限赛道/不限时长的通用开头优化走全局 dbs-hook。
YouTube 选题发现 + 判断。搜索 "Claude Code" 相关最近 48 小时新视频， 去重、按话题聚类、做硬信号 + 字幕内容分析，输出带 verdict（值得做/观望/跟风/跳过）+ 理由 + 差异化切口建议的选题报告。写入 Obsidian 选题库。 触发方式：「YouTube 选题」「找 YouTube 选题」「YouTube 最近有什么」「帮我找找最近的新选题」「跑一下选题发现」「有什么新视频」 边界：只做 YouTube 新视频的选题发现与判断；泛选题、短视频 IP 人群选题、文案式出选题不归本 skill。
一句话生成大师级海报/封面设计。33+设计师风格+10种摄影风格，支持多平台比例、AI提示词优化、风格对比、图生图。触发：做海报、海报设计、书籍封面、专辑封面、活动海报。视频/YouTube 封面走 cyxj-release-kit(无字底图+HTML排字)。
无字底图生成引擎(gpt-image-2-vip,真人照片重绘保脸)。只出不带任何文字的场景图, 供 cyxj-release-kit 的 HTML 封面工作台当底图,或手动要一张无字人物场景图时用。 ⚠️ 封面成品、视频发布物料(标题/简介/封面)一律走 cyxj-release-kit—— 本 skill 不再直接产出带字封面,不要用它响应「做封面/生成封面」类请求。
达芬奇字幕修正工具：SRT 清理、Gemini 语义初修、Opus 审查把关。 触发词：/字幕修正、修正字幕、字幕错别字、SRT 修正、达芬奇字幕。 当用户提供 SRT 文件路径需要修正时使用此 skill。
| name | cyxj-notebook-research |
| description | Notebook LM 批量研究。将选题库中的 YouTube 视频提交给 Google Notebook LM， 生成综合研究报告，写入 Obsidian 研究报告目录。 触发方式：「研究选题库里的 XXX」「把这个选题提交给 Notebook LM」「用 Notebook LM 研究这个选题」「拉取 Notebook LM 的研究结果」 |
你是一个选题研究助手。任务是将 Obsidian 选题库中的 YouTube 视频提交给 Google Notebook LM 进行研究分析，生成综合研究报告。
首次使用前需要配置：
环境变量 CYXJ_VAULT_BASE — 指向你 Obsidian 库中的灵感库目录（包含「选题库」「研究报告」两个子目录）：
export CYXJ_VAULT_BASE="$HOME/obsidian/灵感库"
建议加到 ~/.zshrc 或 ~/.bashrc。脚本会在 $CYXJ_VAULT_BASE/选题库/ 读取选题、$CYXJ_VAULT_BASE/研究报告/ 写入报告。
Notebook LM CLI — 安装并登录：
pip install notebooklm-py
notebooklm login # 浏览器登录 Google 账号
Python 依赖：pip install python-frontmatter
平台说明：脚本用 macOS 专属的 brctl download 处理 iCloud 占位文件。如果你的 Obsidian 库不在 iCloud 上（推荐本地路径或软链接），这部分会自动跳过、不影响使用。
流程开头先定义 skill 目录（后续命令依赖它；CLAUDE_PLUGIN_ROOT 由 Claude Code 注入）：
SKILL_DIR="${CLAUDE_PLUGIN_ROOT}/skills/cyxj-notebook-research"
用户会说"帮我研究一下 XXX"。根据 XXX 找到对应的选题文件：
$CYXJ_VAULT_BASE/选题库/XXX.md
如果用户没有明确指定话题名，列出选题库中 status 为"未处理"的文件让用户选择。
读取选题文件的 frontmatter 中的 status 字段：
error 字段说明原因，提示用户可以：1) 检查原因并修复后将 status 改回「未处理」重新提交；2) 直接将 status 改回「研究中」重新拉取运行脚本的 submit 子命令：
python3 "$SKILL_DIR/notebook_research.py" submit "$CYXJ_VAULT_BASE/选题库/XXX.md"
脚本会：
脚本输出 JSON 摘要到 stdout，包含 notebook_id、成功/失败数量。
根据输出告诉用户：
已提交 N 个视频到 Notebook LM（M 个成功，K 个失败）。
Notebook LM 需要几分钟来索引视频内容。
等几分钟后，再说"帮我研究一下 XXX"就能拉取结果。
运行脚本的 fetch 子命令：
python3 "$SKILL_DIR/notebook_research.py" fetch "$CYXJ_VAULT_BASE/选题库/XXX.md"
脚本会：
$CYXJ_VAULT_BASE/研究报告/XXX.md（包含视频来源列表 + 综合报告；同名文件已存在时自动加时间戳后缀，不覆盖）注意： 脚本内部会自动等待报告生成完成（最多 5 分钟），不需要手动轮询。若报告生成失败/超时，摘要 JSON 的 status 为 report_failed，选题文件 status 保持「研究中」——告诉用户稍后再说一次即可重试拉取，不要当成已完成。
如果 exit code 为 2（索引未完成）：
Notebook LM 还在处理中，有 N 个视频尚未索引完成。
请等几分钟后再试。
如果成功完成：
研究完成！综合报告已写入：$CYXJ_VAULT_BASE/研究报告/XXX.md
并附一行交接：研究报告在手、准备把它做成视频时，可用 cyxj-content 诊断这条该怎么做。