podcast-digest（播客文摘）

Podcast Digest Skill — 播客深度纪要技能

目标

将播客内容转化为可学习、可研究、可关联的结构化知识资产。 支持两种主模式：

• 单期深度解析：一期播客 → 完整纪要 + 可视化
• 多期横向研究：多期播客 → 主题对比 + 知识图谱 + 双向关联

第一步：判断输入类型

若输入为音频文件，告知用户：

"我将基于音频内容进行分析。如需更高精度，建议同时提供文字稿。"

第二步：单期深度解析流程

2.1 基础信息提取

播客名称、期号、日期
主持人、嘉宾（背景、身份、立场）
核心主题（1句话）
时长 / 章节分布

2.2 内容分层解析

按以下层次提取内容：

L1 — 核心论点（3-5个，附原文时间戳/引用） L2 — 支撑论据（数据、案例、类比） L3 — 隐含假设（说了什么 vs. 预设了什么） L4 — 反驳与张力（嘉宾之间的分歧、未解决的问题） L5 — 延伸方向（提到但未深入的话题）

2.3 知识点标签

为每个知识点打标签，格式：

#领域/子领域  #人物  #概念  #工具/方法  #争议点  #可行动

2.4 金句与洞察

• 精选 5-10 条金句（附说话人）
• 每条附：字面意思 → 深层含义 → 可应用场景

第三步：可视化输出选择

根据用户需求或内容类型，生成以下一种或多种输出。 默认：同时生成 Mermaid 图 + Web 报告。

输出格式 A：Mermaid 关系图

读取 references/mermaid-templates.md 获取模板。

根据内容类型选择图类型：

• 论点结构 → graph TD（层级关系）
• 时间线 / 过程 → timeline 或 sequenceDiagram
• 概念对比 → quadrantChart
• 多期关联 → graph LR（网络图）
• 人物关系 → graph TB

输出格式 B：Web 可视化报告（HTML Artifact）

读取 references/web-report-template.md 获取完整模板规范。

包含：

• 导航栏（各章节锚点）
• 核心论点卡片（带折叠详情）
• 嘉宾/人物信息侧栏
• 金句滚动展示
• 知识标签云
• 关联播客推荐卡

输出格式 C：Web PPT（HTML 幻灯片）

读取 references/webppt-template.md 获取模板。

适合：用户需要分享或讲解播客内容给他人。 结构：封面 → 背景 → 核心观点(逐页) → 金句 → 延伸资源

输出格式 D：Markdown 结构化笔记

适合：用户需要导入 Obsidian / Notion 等工具。 包含 YAML frontmatter、双链语法 [[概念名]]、标签。

第四步：多期横向研究模式

当用户提供 2期或以上 内容时激活。

4.1 建立研究矩阵

维度 \ 期号    | EP01 | EP02 | EP03 |
-------------|------|------|------|
核心主题      |      |      |      |
主要立场      |      |      |      |
关键数据      |      |      |      |
提到的概念    |      |      |      |
嘉宾          |      |      |      |

4.2 双向关联分析

正向关联（同一概念在多期中的演化）：

• 概念 X 在 EP01 中的定义 → EP03 中的修正/深化

反向关联（某期观点如何被其他期验证/反驳）：

• EP02 的案例 ←→ EP01 的理论框架

用 Mermaid graph LR 绘制关联网络。

4.3 知识图谱构建

提取所有期的核心概念，建立：

• 概念节点（大小=出现频率）
• 关系边（类型：支持/反驳/扩展/前提）
• 时间轴（概念首次出现 → 演化路径）

4.4 综合研究报告

输出多期研究的 Web 报告，包含：

• 主题演化时间线
• 观点对比表格
• 知识图谱（交互式，使用 D3.js 或 SVG）
• 学习路径推荐（建议阅读顺序）
• 待深入研究的开放问题清单

第五步：互动式学习功能（可选）

若用户希望深入学习，提供：

问答卡片生成：基于内容生成问答对，格式：

Q: [问题]
A: [答案]
来源: EP XX 第 XX 分钟
相关概念: [[X]] [[Y]]

延伸学习地图： 播客提到的书 / 论文 / 人物 → 搜索补充信息 → 形成学习资源清单

可行动清单： 提炼播客中的具体建议/方法论，整理为待办清单格式

输出质量标准

• 深度：不只是摘要，要有分析和洞察
• 结构：层次清晰，可快速扫读也可深度阅读
• 关联：每个概念尽量与其他概念建立关系
• 可用性：输出可直接用于学习、分享、研究
• 忠实性：观点归属准确，不混淆嘉宾立场

参考文件索引