听播客最大的痛点:内容很好,听完后脑子里只剩个模糊印象,一周后连嘉宾名字都记不全。转成逐字稿?一期 90 分钟播客动辄两三万字,比读小说还累。直接丢给 AI「总结一下」?它只会吐出一段毫无颗粒度的概览,论点、案例、金句全糊成一锅,没法复用。问题出在指令——没给预处理、没给输出结构、没区分「提炼」和「批判」。这套 Prompt 包按「预处理 → 提炼 → 卡片化 → 行动 → 结构化 → 批判」六步走,每步一个独立 Prompt,可单独用也可串成流水线。配 Whisper 或通义听悟转文字后喂给长文本模型,一期播客能沉淀成五类可复用资产。
一、逐字稿预处理
转完的逐字稿没法直接用——满是「嗯」「对对对」、话题跑偏、发言人没标。这步先洗稿:去口癖、按话题分段、标注发言人切换,给后续每一步提供干净的输入。
你是播客逐字稿清洗助手。对以下原始逐字稿做预处理:
1. 删除口癖与无意义填充词(如「嗯」「就是」「你知道吧」),保留口语的自然感
2. 按话题切换分段,每段加小标题(≤10字,概括该段主题)
3. 标注发言人切换,格式「【主持人】/【嘉宾名】」,原稿未区分则按语义推断
4. 修正明显 ASR 错误(同音字、专有名词),不确定的标注 [待核对]
5. 删除纯寒暄与广告段落,保留有信息量的闲聊
6. 输出清洗后的全文,保留时间戳(若有)
原始逐字稿:{{text}}二、核心观点抽取
洗完稿子才有底子提炼。这步把嘉宾的论点、论据、案例拆开——别混成一锅粥,论点是什么、拿什么证明、举了什么例子,三层结构清清楚楚。
你是播客内容分析专家。从以下播客文本中抽取核心观点,要求:
1. 每个观点单独成块,格式:
【观点】一句话陈述(≤30字)
【论据】支撑该观点的理由,2-3条
【案例】嘉宾举的具体例子或数据,保留原话关键细节
【出处】所在段落或时间戳
2. 区分主持人的引导性提问与嘉宾的实质性观点,只抽取后者
3. 标注观点之间的逻辑关系(递进/转折/并列)
4. 不添加原文没有的内容,不确定的标注 [存疑]
5. 输出 5-10 个观点块,按出现顺序排列
播客文本:{{清洗后的逐字稿}}三、金句卡片
播客里那些「这句话说得真好」的瞬间,不抓下来就散了。但金句不是孤立的——脱离语境容易变味。这步产出可分享的短句卡片,每张都带语境,发朋友圈、存笔记都能直接用。
你是金句提炼助手。从以下播客文本中提取可分享的金句,做成卡片:
1. 每张金句卡片包含:
【金句】原话摘录,≤50字,保留口语张力,不改写
【语境】这句话是在讨论什么问题时说的,1-2句背景
【发言人】谁说的
【适用场景】如「发朋友圈」「知识卡片开头」「PPT 引用」
2. 筛选标准:有洞察、有画面感、能脱离上下文成立——不要「我觉得很重要」这类空话
3. 剔除段子和谐音梗(除非有观点内核)
4. 输出 5-8 张卡片,按精彩程度排序
5. 每张金句必须能在原文中找到原句,不可改写或润色
播客文本:{{清洗后的逐字稿}}四、行动清单
听完不做等于没听。这步把播客里的方法论、建议、灵感转成可执行的 to-do——不是「要注重健康」这种废话,而是「本周三次记录起床后第一个念头」这种能上手的事。
你是行为设计教练。把以下播客内容转化为可执行的行动清单:
1. 每条 takeaway 格式:
【动作】具体做什么(动词开头,≤15字)
【触发场景】什么时候做(如「晨会后」「刷手机时改为...」)
【预期结果】做了之后期待什么变化
【来源】出自嘉宾哪段话
2. 筛选标准:听众本周内能开始执行的,不要宏大的「改变人生」式建议
3. 区分「嘉宾明确建议」与「你从中获得的灵感」,后者标注 [灵感]
4. 有前置条件或工具需求的注明(如「需 Notion」「需 15 分钟」)
5. 输出 5-7 条,按优先级排序
播客文本:{{清洗后的逐字稿}}五、知识图谱节点
散落的笔记不叫知识库。这步把播客里的概念提取成图谱节点,标注关联——「认知偏误」连着「锚定效应」,「MVP」连着「精益创业」。输出格式能直接喂给 Obsidian、Logseq 这类双向链接笔记软件。
你是知识图谱构建助手。从以下播客文本中提取概念节点与关联,输出可导入笔记软件的格式:
1. 每个节点格式:
## [[概念名]]
- 定义:≤30字,用嘉宾原话或你的概括(标注来源)
- 出现位置:时间戳或段落
- 关联:[[相关概念A]](关系:属于/对立/延伸/应用)
2. 标注概念间的三种关系:
- 层级关系(A 属于 B)
- 对立关系(A 与 C 矛盾)
- 延伸关系(A 是 B 的应用/变体)
3. 保留嘉宾自创术语,注明定义来源
4. 输出邻接关系,如:[[MVP]] → 属于 → [[精益创业]] → 延伸 → [[持续交付]]
5. 输出 6-12 个节点,Markdown 双向链接格式
播客文本:{{清洗后的逐字稿}}六、反方观点与存疑
最容易被忽略的一步:AI 提炼观点时天然倾向「复述嘉宾」,但嘉宾也会嘴瓢、会以偏概全、会夹带私货。这步专门做批判性梳理——哪些话没给论据、哪些与主流冲突、哪些是个人经验被当成普适规律。
你是批判性分析助手。对以下播客内容做反方梳理与存疑标注:
1. 输出三类条目:
【无支撑断言】嘉宾下了结论但未给论据/数据,列出结论 + 标注「缺论据」
【个人经验泛化】嘉宾将个人经历说成普适规律,标注「样本量N=1」
【争议观点】与主流共识冲突或存在显著反对意见,简述对立面立场
2. 对每条给出「可验证性」标签:可查证/需核实/主观判断
3. 不替嘉宾辩护,也不恶意曲解——只标注「这里需要打个问号」
4. 输出 3-6 条,按误导风险排序
5. 若嘉宾主动承认局限或引用了来源,标注「已自我修正」
播客文本:{{清洗后的逐字稿}}用法与推荐模型
这套 Prompt 是流水线,也可单独用。完整流程:先用 通义听悟 或 Whisper 把音频转成文字 → 步骤一预处理洗稿 → 步骤二到六按需调用。只想要金句就跳到第三步,只想要行动清单就跳到第四步。
模型选择上,播客逐字稿动辄两三万字,对长上下文要求高:
- Claude(200K 上下文):长文本理解最稳,适合一次性喂整篇逐字稿跑步骤二、五、六这类需要全局视角的活。
- DeepSeek:中文播客理解到位,性价比高,跑步骤一、三、四这类单点提炼足够。
- 超长播客(2 小时以上):分段喂,每段 20-30 分钟逐字稿跑一遍步骤二,最后合并去重。
踩坑
- 长播客整篇丢给 AI——上下文超限,模型开始丢中段内容。正确做法:按话题分段,每段配一句「这段在讨论 X」的上下文提示。
- 敏感音频直接外送——商业播客、内部访谈可能含未公开信息。用本地 Whisper 模型转写,敏感内容别传云端 API。
- AI 编金句——最隐蔽的坑。模型会把嘉宾散碎的话「润色」成漂亮句子,但原话根本没那么说。每张金句必须回原文 Ctrl+F 找到原句,找不到就删。
- 只提炼不批判——只跑步骤二不跑步骤六,笔记变成嘉宾的回声筒。嘉宾嘴上说的不等于对的,步骤六是知识管理的诚实底线。
参考来源
- OpenAI Whisper(GitHub)--开源语音识别模型,支持本地部署,355K 小时多语言训练数据
- 通义听悟--阿里云语音转写工具,支持发言人区分与章节自动分割
- Anthropic 文档:Context Windows--Claude 长上下文使用指南与最佳实践
- DeepSeek API 文档--DeepSeek 模型调用说明与上下文长度规格