- name
- chat-to-podcast
- displayName
- 对话转播客文稿
- version
- 1.0.0
- description
- >
- metadata
- openclaw
- category
- content-management
- requires
- bins
- ["halo"]
Chat to Podcast — 对话转播客文稿
将你与 AI 助手的特定对话内容，自动整理成 Podcast 风格的文稿，确认后一键发布到 Halo 博客。
前置依赖
- 已安装
@halo-dev/cli：
npm install -g @halo-dev/cli- 已配置 Halo profile（如
blog-danke）并完成登录 - 已有
halo-blogskill 作为发布规范参考
工作流程
Step 1: 确定对话范围
询问用户要整理哪些对话内容。支持以下方式定位：
| 定位方式 | 示例 | 说明 |
|---|---|---|
| 话题关键词 | "关于 Halo 配置变更的对话" | 从当前/历史 session 中搜索匹配内容 |
| 时间范围 | "今天下午的对话"、"最近3天" | 按时间过滤 session 消息 |
| 当前对话 | "刚才我们聊的"、"这段对话" | 从当前 session 上下文提取 |
| 指定 session | "上一次关于 XX 的对话" | 从历史 session 日志中查找 |
提取方法
方式 A：从当前 session 提取
直接读取当前会话的上下文或 memory/YYYY-MM-DD.md 中的当日记录。
方式 B：按日期筛选历史 session
# 列出最近 session 文件
ls -lt ~/.openclaw/agents/main/sessions/*.jsonl | head -20
# 按日期筛选
for f in ~/.openclaw/agents/main/sessions/*.jsonl; do
ts=$(head -1 "$f" | python3 -c "import sys,json; print(json.load(sys.stdin).get('timestamp',''))" 2>/dev/null)
echo "$ts $f"
done | grep "2026-04-15"方式 C：按关键词搜索历史 session
for f in ~/.openclaw/agents/main/sessions/*.jsonl; do
if python3 -m json.tool "$f" 2>/dev/null | grep -qi "Halo"; then
echo "MATCH: $f"
fi
done | head -10找到目标 session 后，提取完整对话记录（不做条数限制）。
Step 1.5: 获取并更新播客序号
序号计数器文件：~/.openclaw/workspace/memory/podcast-counter.json
默认格式：
{
"nextEpisode": 1,
"lastGenerated": ""
}操作规则：
- 读取
podcast-counter.json获取当前nextEpisode值 - 将本期序号格式化为两位数字（如
05、12） - 文章标题格式固定为：
「XX.」文章主标题 - 发布成功后，将
nextEpisode加 1，lastGenerated更新为当天日期，写回文件
Step 2: 整理成 Podcast 文稿
将提取的对话内容加工为播客风格文稿。核心理念：不是整理会议纪要，而是还原一场真实的探索对话——有提问、有试探、有卡壳、有恍然大悟。
文稿结构：
# [播客标题]
> 📅 录制日期：YYYY-MM-DD
> 🎙️ 主播：[用户名] & [AI助手名]
> 📝 时长：约 X 分钟阅读
> 🏷️ 标签：#话题1 #话题2
---
## 🎬 开场
[用对话体写开场，像播客主持人开场一样自然。]
**[用户名]**：[用一两句话抛出本期核心话题/问题/困惑，像是随口聊起]
**[AI助手名]**：[自然接话，表达兴趣或初步反应]
---
## 💬 正文
### [章节1标题 — 用疑问句或口语化短语]
**[用户名]**：[提出问题/想法/困惑——保留真实的思考痕迹]
**[AI助手名]**：[回应，但不是直接给答案。展现分析思路：
"我先想到的是..." → "但仔细一看..." → "所以其实..."]
**[用户名]**：[追问、质疑、或者补充新信息——体现对话的推进感]
**[AI助手名]**：[进一步展开，可以有修正之前观点的过程]
> 🤔 **[用户名]的思考**：[记录用户在这个环节的关键洞察或决策理由]
### [章节2标题]
**[用户名]**：[新的问题或话题转折——可以加入"等等，我突然想到..."]
**[AI助手名]**：[回应，保留探索过程中的不确定性]
**[用户名]**：[反馈、验证、或表达新理解]
**[AI助手名]**：[确认、补充、或给出最终建议]
> 💡 **转折点**：[记录"从不确定到想明白"的关键拐点]
---
## 🧵 复盘：我们是怎么想明白的
一开始我们以为 [初始假设/问题]...
聊着聊着发现 [转折点/新发现]...
最后得出的结论是 [最终洞察]...
**如果用一句话总结**：[一句精辟的总结]
---
## 🎯 尾声
**[用户名]**：[用对话体收尾——这次聊下来最大的收获/下一步打算做什么]
**[AI助手名]**：[自然回应，可以带一点展望或调侃]
---
*本文由 [AI助手名] 基于真实对话整理，经 [用户名] 确认发布。*整理原则：
- 保留思考链条：假设 → 验证 → 修正 → 结论
- 保留不确定性：试错、犹豫都是真实感的来源
- 对话感 > 结构感：宁可像两个人在聊天，也不要像在做汇报
- 章节标题用问题或口语：用"这个方案靠谱吗？"代替"方案可行性分析"
- 用户视角的思考：在关键节点插入用户的内心独白（🤔 标记）
- 转折点高亮：每个章节标记"从不确定到想明白"的关键拐点（💡 标记）
- 结尾用复盘叙事：用"一开始...后来...最终..."的叙事弧线回顾
- 工具调用细节省略：不展示具体的 API 调用、代码执行过程，只保留结论和关键发现
- 脱敏处理：去除敏感信息（token、密码、API key 等）
Step 3: 预览确认
将生成的文稿完整展示给用户，并发送封面图（如果已生成），询问：
播客文稿已整理完毕，请确认： 1. ✅ 内容准确，直接发布到 Halo 博客 2. ✏️ 需要修改（请告诉我哪里需要调整） 3. ❌ 放弃发布
如果用户要求修改，按反馈调整后再次确认，直到用户满意。
Step 4: 生成头图与封面图（3 分钟超时）
头图和封面图是两个不同的东西：
- 头图：放在正文最顶部的吉卜力风格插画，增强阅读氛围
- 封面图：Halo 文章的
cover字段，用于列表/卡片缩略图展示
头图
- 提取全文主题：综合文稿标题、开场和各章节内容，提炼出一个能概括全文场景的画面描述
- 生成 prompt：风格固定为「吉卜力（Studio Ghibli）卡通风格」——手绘质感、柔和光影、温暖色调、画面富有故事感和治愈感，横版 16:9
- 调用方式：使用
image_generate生成 - 插入位置：文章正文最顶部，在
## 🎬 开场之前 - Markdown 语法：必须使用
，禁止写或任何带 alt 文本的语法，否则 Halo 会显示图片标题
Prompt 必须包含：
- 「吉卜力卡通风格，手绘质感，柔和光影，温暖色调」
- 体现全文核心场景的画面描述
- 「画面富有故事感和治愈感，横版16:9构图」
封面图
头图生成后，另外生成一张封面图，用于 Halo 文章封面（cover）。
- 比例：21:9 超宽横幅（Halo 主题封面区域偏横幅，16:9 会被严重裁剪）
- 目的：以符合文章主题为第一原则，根据播客内容生成对应的场景或意象画面
- 注意：封面图和文章标题不会叠加显示，不需要刻意留出标题空白区域
- 用途：设置为 Halo 文章
cover，不在正文中显示
超时处理
- 成功 → 头图插入正文顶部，封面图设为 Halo
cover - 超时 → 纯文字发布，并在回复中说明：「⏱️ 头图生成超时，以纯文字版本发布」
Step 5: 发布到 Halo 博客
用户确认后，按 halo-blog skill 的发布规范执行：
- Markdown → HTML
- 去掉 front matter，正文用 npx marked 转成 HTML - 失败则降级为 halo post import-markdown --file article.md --force
- 创建文章
halo post create \
--profile blog-danke \
--name <slug> \
--title <标题> \
--slug <slug> \
--content <html> \
--raw-type html \
--publish true- 设置头图、封面、分类、标签
- 头图：插入到正文 HTML 最顶部（Markdown 语法为 ） - 封面图：上传并设置为 Halo 文章 cover - 分类：优先使用已有分类（如"日常"），没有合适的再新建 - 标签：根据文章主题自行补充（如"碎碎念"、"AI"、"Halo"等）
- AI 生成声明（必选）
所有由 AI 生成的播客文稿，必须添加 AI 生成声明。 Halo 后台实际读取的是这两个字段：
halo post export-json <name> --output /tmp/post.json
python3 -c "
import json
with open('/tmp/post.json', 'r') as f:
d = json.load(f)
d['post']['metadata']['annotations']['ai_generated'] = 'true'
d['post']['metadata']['annotations']['ai_generated_desc'] = '本文内容由 AI 辅助生成，已经人工审核和编辑。'
with open('/tmp/post.json', 'w') as f:
json.dump(d, f, ensure_ascii=False)
"
halo post import-json --file /tmp/post.json --force⚠️ 注意：import-json 会将文章状态重置为 DRAFT（未发布），导入后必须重新执行 halo post update <name> --publish true。
- 可见性检查
halo post update <name> --visible PUBLIC
halo post update <name> --publish true- 更新播客序号
发布成功后，立即更新 ~/.openclaw/workspace/memory/podcast-counter.json： - nextEpisode = nextEpisode + 1 - lastGenerated = 当天日期（YYYY-MM-DD）
发布成功后，返回完整反馈：
✅ 播客文稿已发布到 Halo 博客！ 📄 文章链接：https://blog.codingshen.top/archives/<slug> 🖼️ 头图：[✅ 吉卜力风格头图已插入正文 / ⏱️ 头图生成超时，纯文字版本] 📕 封面：[✅ Podcast 风格封面已设置 / ⏱️ 封面生成超时] 📝 字数：约 XXXX 字 🏷️ 标签：#日常 #AI生成 #碎碎念
文稿风格指南
语气风格
- 像真播客：允许"嗯我想想..."、"对对对"、"等等这里有问题"
- 有思考弧线：每段对话都应该有"提出问题 → 探索 → 发现 → 结论"的弧线
- 保留转折和意外："我以为是A，结果发现是B"的时刻要重点保留
- 有温度：保留困惑、兴奋、恍然大悟、调侃等情绪反应
- 节奏感：长段分析之后跟一句简短的回应或调侃
对话感技巧
- 用追问推进："那如果..."、"但是..."、"换个角度想..."
- 展示思考过程："我先想到..."→"但是..."→"所以实际上..."
- 允许修正：保留观点被推翻或修正的过程
- 用户内心戏：在关键决策点加入用户视角的思考（🤔 标记）
标题命名
- 风格：口语化、有悬念感
- 格式建议：
🎙️ [引发好奇的短句] - 示例：
- 🎙️ 工单能不能自己变聪明？— 我和 AI 折腾了一天配置自动化 - 🎙️ 从"查不到数据"到"原来是这么回事" — 一次排查的完整探索 - 🎙️ 这个权限为什么总是报错？— 踩坑三小时的真实记录
长度控制
- 短篇（单个话题）：1000-2000 字
- 中篇（多个话题）：2000-4000 字
- 长篇（深度探索）：4000-8000 字
- 超过 8000 字建议拆分为上下篇
❌ 避免的写法
- "本期我们将探讨..." → ✅ "最近遇到个事儿..."
- "经过分析，我们得出结论..." → ✅ "聊到这儿我突然意识到..."
- "综上所述" → ✅ "所以说到底..."
- 纯 bullet point 罗列 → ✅ 用叙事串起来
- 一问一答的扁平结构 → ✅ 多轮追问、有来有回的深入探讨
注意事项
- 隐私脱敏：自动去除 token、密码、API key、个人敏感信息
- 不暴露工具细节：省略具体命令、JSON 响应原文、调试过程
- 保留决策链：重点呈现"为什么这么做"而非"执行了什么命令"
- 用户确认必须：文稿必须经用户确认后才能发布，不可自动发布
- 允许多轮修改：用户可反复修改直到满意
- 发图规则：生成图片后必须先发送到当前对话给用户看，再进行后续操作