播客音频转知识笔记
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_79d28269/podcast-learning-notes。
技能介绍
解决的问题
AI 访谈播客信息密度高、口语噪声多，直接听完整期成本高；逐句转写又常出现 skill 被转成 scale、agent 被转成 AG 这类危险专名错误。该技能面向需要把单集播客整理成可复习、可引用、可回查的学习笔记的场景，目标是让读者用约 1/4 时间理解嘉宾核心观点，同时不混入 LLM 自己的评判或反方观点。
如何工作
技能按 source/transcript.md 统一入口，支持音频 URL、本地音频、.md / .txt 文字稿和小宇宙单集页。转写层可走本地 FunASR 做批量与说话人分离，也可走通义 / DashScope、飞书等云 ASR 并规范化结果；已有文字稿则跳过转写。笔记层按阶段处理：先用 show notes 和 references/ai-term-corrections.md 清洗全文，再提取主持人实质提问形成 question-skeleton.md，逐块抽取嘉宾观点、限定词、例子、专名存疑，最后按学习主题重排为 notes/notes.md。
适用边界
默认产物是 Obsidian / Notion 兼容的朴素 Markdown，不做 dashboard、交互式 HTML 或视觉文章。内容默认忠实转述嘉宾观点，仅基础概念可少量补充并显式区分；关键结论可挂 mm:ss 锚点，但无时间戳不编造。若 transcript 与 show notes 冲突，默认以 transcript 为事实底座并标注来源不一致。
使用场景
- 听完一期 AI 访谈播客后，需要把嘉宾对 memory 三分类的观点整理成可复习的 Markdown 笔记。
- 已有小宇宙单集链接，想下载音频、提取 show notes，并生成带时间锚点的学习笔记。
- 批量处理多期播客，优先用本地 FunASR 转写，再把文字稿清洗为稳定事实底座。
- 拿到一段转写错成 scale/AG 的文字稿，需要按 AI 专名误转写对照表修正并输出笔记。
适合人员
- 每周需要把 AI 播客嘉宾观点沉淀为笔记的研究助理。
- 负责团队知识库更新、要从访谈中抽取可引用结论的内容运营。
- 想复用本地 ASR 做批量播客转写的 AI 工程师。
- 希望把小宇宙单集整理成 Obsidian 笔记的终身学习者。
相关技能
记录、回顾并分析个人与职业决策，辅助沉淀经验。
围绕研究方向建立 Markdown Wiki，持续抓取 arXiv 论文，提取全文与架构图，并生成中文摘要和每日简报。
上传植物图片、视频或 URL，调用云端视觉 API 输出物种、科属、分布、习性与养护要点，并查询历史报告。
将书籍、文章与笔记材料转化为可解释、可判断、可迁移、可执行、可复盘的拆解框架与HTML读书看板。