多Agent播客RSS研究与知识转化流——把"手动逐集收听"变成"下班前拿结构化知识"
场景演示
你订阅了20档优质播客，每周更新少说三五十集。就算每天通勤各听1小时，也只能覆盖冰山一角。更痛苦的是——听的时候觉得有道理，关掉就忘，想引用的时候根本找不到。
用这套多Agent播客RSS研究与知识转化流，你只需要做一件事：订阅RSS，剩下的全部自动化。
每周五下午，躺在椅子上，喝着咖啡，打开飞书，Bitable 里已经躺好了本周所有值得深挖的播客精华：核心论点、引用金句、可行动建议、相关知识图谱关联，全部结构化，随时可查可引用。
Step by Step
第一步：RSS 订阅源注册与增量监控
用 rss-ai-reader skill 维护一个 RSS 订阅列表（技术前沿、投资、商业洞察、AI行业等分类）。每个 RSS 每小时增量检查，有新 episode 则触发后续流水线。
Agent 角色分配：
| Agent | 职责 |
|---|---|
| 📡 监听Agent（文心） | 监控 RSS 更新，发现新集后写入任务队列 |
| 🎙️ 转录Agent | 下载音频 → Whisper 转文字 |
| 🧠 分析Agent | 对转录文本做摘要、关键词提取、知识点结构化 |
| 💾 归档Agent | 将结构化内容写入飞书Bitable，更新知识库 |
第二步：音频转录（Whisper 本地化）
新集检测到后，触发 openai-whisper skill，将 mp3/m4a 转为文本。Whisper 支持本地运行，不需要 API key，成本为零。
# 单集转录示例
whisper --model base "episode.mp3" --language Chinese --output_format txt
转录结果保存为临时文本文件，传递给分析Agent。
第三步：多维度 AI 分析与结构化
分析Agent对转录文本进行以下处理：
- 三句话摘要：用核心观点凝练一段话
- 时间戳知识点：按时间轴提取关键段落（支持快速跳转回听）
- 金句提取：高密度引用，支持直接引用
- 主题标签：自动打标签（AI/投资/商业/技术等）
- 关联已有知识库：对比现有笔记，标记"已有/补充/冲突/深化"
- 可行动建议：从内容中提炼3条可落地的 action item
第四步：飞书 Bitable 归档
分析结果写入飞书多维表格，字段包括：
- 播客名称 / 集数 / 时长
- 发布日期
- 三句话摘要
- 核心知识点（多选）
- 金句引用
- 关联已有笔记（双向链接）
- Action Items
- 知识健康度评分（1-5）
第五步：周五汇总报告（可选）
每周五触发一个汇总Agent，扫描本周所有入库集数，生成"本周播客值得关注的 N 个观点"简报，推送到飞书频道或邮件。
可复制提示词
监听Agent（RSS 监控触发词）
每15分钟检查一次 RSS 列表（见附录），若发现新 episode：
1. 下载音频到临时目录
2. 调用 whisper 转录，输出保存路径
3. 将转录路径写入任务队列，触发分析Agent
分析Agent（转录文本分析提示词）
你是一位专业的知识提炼师。请对以下播客转录文本进行深度分析，输出结构化结果：
【输出格式】
## 三句话摘要
[核心观点浓缩]
## 时间戳知识点
| 时间 | 主题 | 关键内容 |
|------|------|----------|
## 金句提取
1. [引用句] — 来源段落
2. [引用句] — 来源段落
## 主题标签
- [标签1] [标签2] [标签3]
## 与已有知识关联
- 补充：[相关已有笔记标题]
- 冲突：[相关已有笔记标题]
- 深化：[相关已有笔记标题]
## 可行动建议
1. [建议1]
2. [建议2]
3. [建议3]
## 知识健康度
评分（1-5）并说明理由：[理由]
---
【转录文本如下】
{TEXT}
周汇总Agent（周五报告提示词）
请扫描本周（{START_DATE} 至 {END_DATE}）入库的所有播客笔记，
从中提炼出本周最值得关注的5个观点，每个观点附上来源播客和引用金句，
最终输出一份300字以内的周报摘要。
使用的 Skills
| Skill | 用途 |
|---|---|
rss-ai-reader | RSS 增量监控、新集检测 |
openai-whisper | 本地音频转文字（零成本） |
multi-search-engine | 补充搜索播客话题相关信息 |
feishu-bitable | 结构化知识归档、多维度查询 |
feishu-chat | 周报推送至飞书频道 |
halo-backend-publisher | 可选：将精选集发布为博客文章 |
价值与注意事项
核心价值
- 时间节省：1小时播客 → 5分钟结构化笔记，不用全部听完才能提炼
- 知识资产化：散落音频 → 可搜索、可引用、可关联的结构化知识库
- 发现率提升：通过 RSS 全量监控，不会错过任何一期值得听的内容
- 关联学习：新内容与已有知识自动碰撞，发现知识盲区和深化点
注意事项
- 版权尊重：转录仅用于个人学习和研究，不得商业传播转录文本
- 优先级排序：播客数量多时，先按标签/来源做质量过滤，避免低质内容污染知识库
- Whisper 模型选择：中文播客推荐
medium模型，兼顾速度与准确率 - 去重逻辑：同一话题多集报道时，合并去重，避免信息冗余
- 知识图谱维护：定期（每月）对 Bitable 做知识健康度复盘，标注过时内容
扩展想象
这套流程本质是多模态内容的研究与转化流水线，不只限于播客：
- 视频内容（B站 / YouTube）→ 同理 Whisper 提取字幕 + 分析
- 学术论文（arXiv RSS）→ 分析摘要 + 关联领域知识
- 行业报告 PDF → 用
nano-pdf提取关键章节 + 归档
核心架构不变，换的是输入源和解析Agent，输出都是统一的结构化知识资产。
本文使用 OpenClaw 多Agent协作流水线自动生成并发布。