菜单
获取关注的 YouTube 博主/播客的最新更新。列出最近两天的新视频，包含标题、发布时间和简要描述。 触发词："获取播客更新"、"最近有什么新播客"、"YouTube 更新"、"播客更新"、"有什么新的播客"。 用于每日检查关注的 AI/科技播客是否有新内容更新。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/SpaceZephyr/read-buddy --skill read-youtube-feed命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | read-youtube-feed |
| description | 获取关注的 YouTube 博主/播客的最新更新。列出最近两天的新视频，包含标题、发布时间和简要描述。 触发词："获取播客更新"、"最近有什么新播客"、"YouTube 更新"、"播客更新"、"有什么新的播客"。 用于每日检查关注的 AI/科技播客是否有新内容更新。 |
获取关注的 YouTube 博主/播客的最新更新。
数据来源：Zara's AI Learning Library
| 播客名称 | 频道 |
|---|---|
| Andrej Karpathy | @AndrejKarpathy |
| Anthropic | @anthropic-ai |
| Lex Fridman | @lexfridman |
| 播客名称 | 频道 |
|---|---|
| Lenny's Podcast | @LennysPodcast |
| Peter Yang | @PeterYangYT |
| The MAD Podcast (Matt Turck) | @DataDrivenNYC |
| Every | @EveryInc |
| 播客名称 | 频道 |
|---|---|
| Y Combinator | @ycombinator |
| Latent Space | @LatentSpacePod |
| South Park Commons | @southparkcommons |
| No Priors | @NoPriorsPodcast |
| a16z | @a16z |
| 播客名称 | 频道 |
|---|---|
| Google DeepMind | @googledeepmind |
| Google for Developers | @GoogleDevelopers |
| Stanford GSB | @stanfordgsb |
| 播客名称 | 频道 |
|---|---|
| Mckay Wrigley | @realmckaywrigley |
| Tiago Forte | @TiagoForte |
| The Pragmatic Engineer | @ThePragmaticEngineer |
| 播客名称 | 频道 |
|---|---|
| The AI Daily Brief | @TheAIDailyBrief |
| TBPN | @TBPNLive |
| Brett Malinowski | @TheBrettWay |
# 默认获取最近 2 天更新
python3 scripts/get_updates.py
# 获取最近 7 天（一周）的更新
python3 scripts/get_updates.py --days 7
# Markdown 格式输出（带可点击链接）
python3 scripts/get_updates.py --markdown
# 获取播放量（会增加请求时间）
python3 scripts/get_updates.py --views
# 组合使用
python3 scripts/get_updates.py --days 7 --markdown --views
当用户说：
--days 2--days 7--days 3--days 30每个播客更新包含：
当向用户展示播客更新时，Agent 需要：
### {序号}. [{中文标题}]({链接})
**{频道}** | {日期} | ⏱ {时长} | 👁 {播放量}
**嘉宾介绍**：{嘉宾姓名} 是 {公司} 的 {职位}。{公司介绍}。{嘉宾成就}。{为什么值得关注}。
**内容摘要**：本期播客讨论了...（150-200字中文描述）
当用户说"获取播客更新"时：
运行脚本获取最近 2 天的更新：
python3 /Users/ugreen/.claude/skills/read-youtube-feed/scripts/get_updates.py --days 2
向用户展示格式化的更新列表：
📺 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...
2. 【No Priors】
...
询问用户：
请选择要处理的播客（输入序号，如 1 或 1,3）：
用户选择后，调用 read-podcast-workflow Skill 进行完整处理：
编辑 scripts/get_updates.py 中的 CHANNELS 列表：
CHANNELS = [
("频道名称", "channel_id", "@handle"),
# ...
]
获取 channel_id 的方法：
本 Skill 是播客处理流程的第一步：
read-youtube-feed → 用户选择 → read-podcast-workflow → 飞书
↓ ↓ ↓
获取更新 挑选播客 字幕+处理+发布
用户： 获取播客更新
Agent：
用户： 处理第 2 个
Agent：
基于微信读书的书架、阅读时长、笔记、划线数据，生成 10 维度的深度阅读分析报告。当用户说"分析我的微信读书"、"读书画像"、"阅读分析"、"我的阅读报告"、"猜我的 MBTI"、"读书复盘"时触发。输出美观的 9:16 白底简约 HTML 可视化页面。
微信读书教练 — 把读过的书"用起来"。三种用法：(1) 推荐 - 想搞懂一个领域时，先判段位再给阶梯书单；(2) 引用 - 写作时基于已读划线给出可引用的书与原话；(3) 回顾 - 每天推送一条历史划线，自动去重，支持手动与定时触发。触发词："我想搞懂 XX"、"入门书单"、"阶梯书单"、"我想引用一本书"、"这个观点哪本书讲过"、"今日笔记"、"推一条划线给我"、"读书回顾"。
导出微信读书划线笔记为 Markdown 或 PDF 文件。当用户说"导出我的微信读书划线"、"导出读书笔记"、"把划线保存下来"、"weread 导出"时触发。依赖 weread-skills 调用接口，按书籍-章节分组排版，附划线时间，输出美观的笔记文档。
基于 SOC 职业分类