Chat to Podcast — 對話轉播客文稿

將你與 AI 助手的特定對話內容，自動整理成 Podcast 風格的文稿，確認後一鍵釋出到 Halo 部落格。

前置依賴

• 已安裝 @halo-dev/cli：

  npm install -g @halo-dev/cli

• 已配置 Halo profile（如 blog-danke）並完成登入
• 已有 halo-blog skill 作為釋出規範參考

  想要更強大的技能外掛，就來小蔥技能站7w4.net看看吧。

工作流程

Step 1: 確定對話範圍

詢問使用者要整理哪些對話內容。支援以下方式定位：

提取方法

方式 A：從當前 session 提取

直接讀取當前會話的上下文或 memory/YYYY-MM-DD.md 中的當日記錄。

方式 B：按日期篩選歷史 session

# 列出最近 session 檔案
ls -lt ~/.openclaw/agents/main/sessions/*.jsonl | head -20

# 按日期篩選
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：按關鍵詞搜尋歷史 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

找到目標 session 後，提取完整對話記錄（不做條數限制）。

Step 1.5: 獲取並更新播客序號

序號計數器檔案：~/.openclaw/workspace/memory/podcast-counter.json

預設格式：

{
  "nextEpisode": 1,
  "lastGenerated": ""
}

操作規則：

1. 讀取 podcast-counter.json 獲取當前 nextEpisode 值
2. 將本期序號格式化為兩位數字（如 05、12）
3. 文章標題格式固定為：「XX.」文章主標題
4. 釋出成功後，將 nextEpisode 加 1，lastGenerated 更新為當天日期，寫回檔案

Step 2: 整理成 Podcast 文稿

將提取的對話內容加工為播客風格文稿。核心理念：不是整理會議紀要，而是還原一場真實的探索對話——有提問、有試探、有卡殼、有恍然大悟。

文稿結構：

# [播客標題]

> 📅 錄製日期：YYYY-MM-DD  
> 🎙️ 主播：[使用者名稱] & [AI助手名]  
> 📝 時長：約 X 分鐘閱讀  
> 🏷️ 標籤：#話題1 #話題2

---

## 🎬 開場

[用對話體寫開場，像播客主持人開場一樣自然。]

**[使用者名稱]**：[用一兩句話丟擲本期核心話題/問題/困惑，像是隨口聊起]

**[AI助手名]**：[自然接話，表達興趣或初步反應]

---

## 💬 正文

### [章節1標題 — 用疑問句或口語化短語]

**[使用者名稱]**：[提出問題/想法/困惑——保留真實的思考痕跡]

**[AI助手名]**：[回應，但不是直接給答案。展現分析思路：
"我先想到的是..." → "但仔細一看..." → "所以其實..."]

**[使用者名稱]**：[追問、質疑、或者補充新資訊——體現對話的推進感]

**[AI助手名]**：[進一步展開，可以有修正之前觀點的過程]

> 🤔 **[使用者名稱]的思考**：[記錄使用者在這個環節的關鍵洞察或決策理由]

### [章節2標題]

**[使用者名稱]**：[新的問題或話題轉折——可以加入"等等，我突然想到..."]

**[AI助手名]**：[回應，保留探索過程中的不確定性]

**[使用者名稱]**：[反饋、驗證、或表達新理解]

**[AI助手名]**：[確認、補充、或給出最終建議]

> 💡 **轉折點**：[記錄"從不確定到想明白"的關鍵拐點]

---

## 🧵 復盤：我們是怎麼想明白的

一開始我們以為 [初始假設/問題]...

聊著聊著發現 [轉折點/新發現]...

最後得出的結論是 [最終洞察]...

**如果用一句話總結**：[一句精闢的總結]

---

## 🎯 尾聲

**[使用者名稱]**：[用對話體收尾——這次聊下來最大的收穫/下一步打算做什麼]

**[AI助手名]**：[自然回應，可以帶一點展望或調侃]

---

*本文由 [AI助手名] 基於真實對話整理，經 [使用者名稱] 確認釋出。*

整理原則：

1. 保留思考鏈條：假設 → 驗證 → 修正 → 結論
2. 保留不確定性：試錯、猶豫都是真實感的來源
3. 對話感 > 結構感：寧可像兩個人在聊天，也不要像在做彙報
4. 章節標題用問題或口語：用"這個方案靠譜嗎？"代替"方案可行性分析"
5. 使用者視角的思考：在關鍵節點插入使用者的內心獨白（🤔 標記）
6. 轉折點高亮：每個章節標記"從不確定到想明白"的關鍵拐點（💡 標記）
7. 結尾用復盤敘事：用"一開始...後來...最終..."的敘事弧線回顧
8. 工具呼叫細節省略：不展示具體的 API 呼叫、程式碼執行過程，只保留結論和關鍵發現
9. 脫敏處理：去除敏感資訊（token、密碼、API key 等）

Step 3: 預覽確認

將生成的文稿完整展示給使用者，併發送封面圖（如果已生成），詢問：

播客文稿已整理完畢，請確認：

1. ✅ 內容準確，直接釋出到 Halo 部落格
2. ✏️ 需要修改（請告訴我哪裡需要調整）
3. ❌ 放棄釋出

如果使用者要求修改，按反饋調整後再次確認，直到使用者滿意。

Step 4: 生成頭圖與封面圖（3 分鐘超時）

頭圖和封面圖是兩個不同的東西：

• 頭圖：放在正文最頂部的吉卜力風格插畫，增強閱讀氛圍
• 封面圖：Halo 文章的 cover 欄位，用於列表/卡片縮圖展示

頭圖

1. 提取全文主題：綜合文稿標題、開場和各章節內容，提煉出一個能概括全文場景的畫面描述
2. 生成 prompt：風格固定為「吉卜力（Studio Ghibli）卡通風格」——手繪質感、柔和光影、溫暖色調、畫面富有故事感和治癒感，橫版 16:9
3. 呼叫方式：使用 image_generate 生成
4. 插入位置：文章正文最頂部，在 ## 🎬 開場 之前
5. Markdown 語法：必須使用 ![](url)，禁止寫 ![頭圖](url) 或任何帶 alt 文本的語法，否則 Halo 會顯示圖片標題

Prompt 必須包含：

• 「吉卜力卡通風格，手繪質感，柔和光影，溫暖色調」
• 體現全文核心場景的畫面描述
• 「畫面富有故事感和治癒感，橫版16:9構圖」

封面圖

頭圖生成後，另外生成一張封面圖，用於 Halo 文章封面（cover）。

• 比例：21:9 超寬橫幅（Halo 主題封面區域偏橫幅，16:9 會被嚴重裁剪）
• 目的：以符合文章主題為第一原則，根據播客內容生成對應的場景或意象畫面
• 注意：封面圖和文章標題不會疊加顯示，不需要刻意留出標題空白區域
• 用途：設定為 Halo 文章 cover，不在正文中顯示

超時處理

• 成功 → 頭圖插入正文頂部，封面圖設為 Halo cover
• 超時 → 純文字釋出，並在回覆中說明：「⏱️ 頭圖生成超時，以純文字版本釋出」

Step 5: 釋出到 Halo 部落格

使用者確認後，按 halo-blog skill 的釋出規範執行：

1. Markdown → HTML

   • 去掉 front matter，正文用 npx marked 轉成 HTML
   • 失敗則降級為 halo post import-markdown --file article.md --force

2. 建立文章

   halo post create \
    --profile blog-danke \
    --name <slug> \
    --title <標題> \
    --slug <slug> \
    --content <html> \
    --raw-type html \
    --publish true

3. 設定頭圖、封面、分類、標籤

   • 頭圖：插入到正文 HTML 最頂部（Markdown 語法為 ![](url)）
   • 封面圖：上傳並設定為 Halo 文章 cover
   • 分類：優先使用已有分類（如"日常"），沒有合適的再新建
   • 標籤：根據文章主題自行補充（如"碎碎念"、"AI"、"Halo"等）

4. AI 生成宣告（必選） 所有由 AI 生成的播客文稿，必須新增 AI 生成宣告。 Halo 後臺實際讀取的是這兩個欄位：

   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'] = '本文內容由 AI 輔助生成，已經人工稽核和編輯。'
   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 會將文章狀態重置為 DRAFT（未釋出），匯入後必須重新執行 halo post update <name> --publish true。

5. 可見性檢查

   halo post update <name> --visible PUBLIC
   halo post update <name> --publish true

6. 更新播客序號 釋出成功後，立即更新 ~/.openclaw/workspace/memory/podcast-counter.json：

   • nextEpisode = nextEpisode + 1
   • lastGenerated = 當天日期（YYYY-MM-DD）

釋出成功後，返回完整反饋：

✅ 播客文稿已釋出到 Halo 部落格！ 📄 文章連結：https://blog.codingshen.top/archives/ 🖼️ 頭圖：[✅ 吉卜力風格頭圖已插入正文 / ⏱️ 頭圖生成超時，純文字版本] 📕 封面：[✅ Podcast 風格封面已設定 / ⏱️ 封面生成超時] 📝 字數：約 XXXX 字 🏷️ 標籤：#日常 #AI生成 #碎碎念

文稿風格指南

語氣風格

• 像真播客：允許"嗯我想想..."、"對對對"、"等等這裡有問題"
• 有思考弧線：每段對話都應該有"提出問題 → 探索 → 發現 → 結論"的弧線
• 保留轉折和意外："我以為是A，結果發現是B"的時刻要重點保留
• 有溫度：保留困惑、興奮、恍然大悟、調侃等情緒反應
• 節奏感：長段分析之後跟一句簡短的回應或調侃

對話感技巧

• 用追問推進："那如果..."、"但是..."、"換個角度想..."
• 展示思考過程："我先想到..."→"但是..."→"所以實際上..."
• 允許修正：保留觀點被推翻或修正的過程
• 使用者內心戲：在關鍵決策點加入使用者視角的思考（🤔 標記）

標題命名

• 風格：口語化、有懸念感
• 格式建議：🎙️ [引發好奇的短句]
• 示例：
  • 🎙️ 工單能不能自己變聰明？— 我和 AI 折騰了一天配置自動化
  • 🎙️ 從"查不到資料"到"原來是這麼回事" — 一次排查的完整探索
  • 🎙️ 這個許可權為什麼總是報錯？— 踩坑三小時的真實記錄

長度控制

• 短篇（單個話題）：1000-2000 字
• 中篇（多個話題）：2000-4000 字
• 長篇（深度探索）：4000-8000 字
• 超過 8000 字建議拆分為上下篇

❌ 避免的寫法

• "本期我們將探討..." → ✅ "最近遇到個事兒..."
• "經過分析，我們得出結論..." → ✅ "聊到這兒我突然意識到..."
• "綜上所述" → ✅ "所以說到底..."
• 純 bullet point 羅列 → ✅ 用敘事串起來
• 一問一答的扁平結構 → ✅ 多輪追問、有來有回的深入探討

注意事項

• 隱私脫敏：自動去除 token、密碼、API key、個人敏感資訊
• 不暴露工具細節：省略具體命令、JSON 響應原文、除錯過程
• 保留決策鏈：重點呈現"為什麼這麼做"而非"執行了什麼命令"
• 使用者確認必須：文稿必須經使用者確認後才能釋出，不可自動釋出
• 允許多輪修改：使用者可反覆修改直到滿意
• 發圖規則：生成圖片後必須先發送到當前對話給使用者看，再進行後續操作

這個 Skill 質量紮實，能把 AI 對話自動整理成好看的播客文章釋出到部落格，模板設計專業、流程完整。優點是文件寫得很詳細，各種細節都考慮到了。不足是沒有示例檔案，無法直觀看到最終效果，而且依賴的 Halo 釋出工具沒有自動檢查配置是否就緒。整體來看，這是一個完成度較高的實用 Skill，但使用前需要先配置好 Halo CLI 環境。