OpenSkillIndex← back to search
claude-codeopenclawwriting

Skills chat-to-podcast

install
source · Clone the upstream repo
git clone https://github.com/openclaw/skills
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/alex-shen1121/chat-to-podcast" ~/.claude/skills/openclaw-skills-chat-to-podcast && rm -rf "$T"
OpenClaw · Install into ~/.openclaw/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/skills/alex-shen1121/chat-to-podcast" ~/.openclaw/skills/openclaw-skills-chat-to-podcast && rm -rf "$T"
manifest: skills/alex-shen1121/chat-to-podcast/SKILL.md
tags
#content-generation#halo-integration#markdown-formatting#session-management#text-processing
source content

Chat to Podcast — 对话转播客文稿

将你与 AI 助手的特定对话内容，自动整理成 Podcast 风格的文稿，确认后一键发布到 Halo 博客。

前置依赖

  • 已安装 
    @halo-dev/cli
    ： 
    npm install -g @halo-dev/cli
  • 已配置 Halo profile（如 
    blog-danke
    ）并完成登录
  • 已有 
    halo-blog
    skill 作为发布规范参考

工作流程

Step 1: 确定对话范围

询问用户要整理哪些对话内容。支持以下方式定位：

定位方式示例说明
话题关键词"关于 Halo 配置变更的对话"从当前/历史 session 中搜索匹配内容
时间范围"今天下午的对话"、"最近3天"按时间过滤 session 消息
当前对话"刚才我们聊的"、"这段对话"从当前 session 上下文提取
指定 session"上一次关于 XX 的对话"从历史 session 日志中查找

提取方法

方式 A：从当前 session 提取

直接读取当前会话的上下文或 

memory/YYYY-MM-DD.md
中的当日记录。

方式 B：按日期筛选历史 session

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

# 按日期筛选
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：按关键词搜索历史 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

找到目标 session 后，提取完整对话记录（不做条数限制）。

Step 1.5: 获取并更新播客序号

序号计数器文件：

~/.openclaw/workspace/memory/podcast-counter.json

默认格式：

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

操作规则：

  1. 读取 
    podcast-counter.json
    获取当前 
    nextEpisode
    值
  2. 将本期序号格式化为两位数字（如 
    05
    、
    12
    ）
  3. 文章标题格式固定为：
    「XX.」文章主标题
  4. 发布成功后，将 
    nextEpisode
    加 1，
    lastGenerated
    更新为当天日期，写回文件

Step 2: 整理成 Podcast 文稿

将提取的对话内容加工为播客风格文稿。核心理念：不是整理会议纪要，而是还原一场真实的探索对话——有提问、有试探、有卡壳、有恍然大悟。

文稿结构：

# [播客标题]

> 📅 录制日期：YYYY-MM-DD  
> 🎙️ 主播：[用户名] & [AI助手名]  
> 📝 时长：约 X 分钟阅读  
> 🏷️ 标签：#话题1 #话题2

---

## 🎬 开场

[用对话体写开场，像播客主持人开场一样自然。]

**[用户名]**：[用一两句话抛出本期核心话题/问题/困惑，像是随口聊起]

**[AI助手名]**：[自然接话，表达兴趣或初步反应]

---

## 💬 正文

### [章节1标题 — 用疑问句或口语化短语]

**[用户名]**：[提出问题/想法/困惑——保留真实的思考痕迹]

**[AI助手名]**：[回应，但不是直接给答案。展现分析思路：
"我先想到的是..." → "但仔细一看..." → "所以其实..."]

**[用户名]**：[追问、质疑、或者补充新信息——体现对话的推进感]

**[AI助手名]**：[进一步展开，可以有修正之前观点的过程]

> 🤔 **[用户名]的思考**：[记录用户在这个环节的关键洞察或决策理由]

### [章节2标题]

**[用户名]**：[新的问题或话题转折——可以加入"等等，我突然想到..."]

**[AI助手名]**：[回应，保留探索过程中的不确定性]

**[用户名]**：[反馈、验证、或表达新理解]

**[AI助手名]**：[确认、补充、或给出最终建议]

> 💡 **转折点**：[记录"从不确定到想明白"的关键拐点]

---

## 🧵 复盘：我们是怎么想明白的

一开始我们以为 [初始假设/问题]...

聊着聊着发现 [转折点/新发现]...

最后得出的结论是 [最终洞察]...

**如果用一句话总结**：[一句精辟的总结]

---

## 🎯 尾声

**[用户名]**：[用对话体收尾——这次聊下来最大的收获/下一步打算做什么]

**[AI助手名]**：[自然回应，可以带一点展望或调侃]

---

*本文由 [AI助手名] 基于真实对话整理，经 [用户名] 确认发布。*

整理原则：

  1. 保留思考链条：假设 → 验证 → 修正 → 结论
  2. 保留不确定性：试错、犹豫都是真实感的来源
  3. 对话感 > 结构感：宁可像两个人在聊天，也不要像在做汇报
  4. 章节标题用问题或口语：用"这个方案靠谱吗？"代替"方案可行性分析"
  5. 用户视角的思考：在关键节点插入用户的内心独白（🤔 标记）
  6. 转折点高亮：每个章节标记"从不确定到想明白"的关键拐点（💡 标记）
  7. 结尾用复盘叙事：用"一开始...后来...最终..."的叙事弧线回顾
  8. 工具调用细节省略：不展示具体的 API 调用、代码执行过程，只保留结论和关键发现
  9. 脱敏处理：去除敏感信息（token、密码、API key 等）

Step 3: 预览确认

将生成的文稿完整展示给用户，并发送封面图（如果已生成），询问：

播客文稿已整理完毕，请确认：

  1. ✅ 内容准确，直接发布到 Halo 博客
  2. ✏️ 需要修改（请告诉我哪里需要调整）
  3. ❌ 放弃发布

如果用户要求修改，按反馈调整后再次确认，直到用户满意。

Step 4: 生成头图与封面图（3 分钟超时）

头图和封面图是两个不同的东西：

  • 头图：放在正文最顶部的吉卜力风格插画，增强阅读氛围
  • 封面图：Halo 文章的 
    cover
    字段，用于列表/卡片缩略图展示

头图

  1. 提取全文主题：综合文稿标题、开场和各章节内容，提炼出一个能概括全文场景的画面描述
  2. 生成 prompt：风格固定为「吉卜力（Studio Ghibli）卡通风格」——手绘质感、柔和光影、温暖色调、画面富有故事感和治愈感，横版 16:9
  3. 调用方式：使用 
    image_generate
    生成
  4. 插入位置：文章正文最顶部，在 
    ## 🎬 开场
    之前
  5. Markdown 语法：必须使用 
    ![](url)
    ，禁止写 
    ![头图](url)
    或任何带 alt 文本的语法，否则 Halo 会显示图片标题

Prompt 必须包含：

  • 「吉卜力卡通风格，手绘质感，柔和光影，温暖色调」
  • 体现全文核心场景的画面描述
  • 「画面富有故事感和治愈感，横版16:9构图」

封面图

头图生成后，另外生成一张封面图，用于 Halo 文章封面（

cover
）。

  • 比例：21:9 超宽横幅（Halo 主题封面区域偏横幅，16:9 会被严重裁剪）
  • 目的：以符合文章主题为第一原则，根据播客内容生成对应的场景或意象画面
  • 注意：封面图和文章标题不会叠加显示，不需要刻意留出标题空白区域
  • 用途：设置为 Halo 文章 
    cover
    ，不在正文中显示

超时处理

  • 成功 → 头图插入正文顶部，封面图设为 Halo 
    cover
  • 超时 → 纯文字发布，并在回复中说明：「⏱️ 头图生成超时，以纯文字版本发布」

Step 5: 发布到 Halo 博客

用户确认后，按 

halo-blog
skill 的发布规范执行：

  1. Markdown → HTML

    • 去掉 front matter，正文用 
      npx marked
      转成 HTML
    • 失败则降级为 
      halo post import-markdown --file article.md --force

  2. 创建文章

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

  3. 设置头图、封面、分类、标签

    • 头图：插入到正文 HTML 最顶部（Markdown 语法为 
      ![](url)
      ）
    • 封面图：上传并设置为 Halo 文章 
      cover
    • 分类：优先使用已有分类（如"日常"），没有合适的再新建
    • 标签：根据文章主题自行补充（如"碎碎念"、"AI"、"Halo"等）

  4. AI 生成声明（必选） 所有由 AI 生成的播客文稿，必须添加 AI 生成声明。 Halo 后台实际读取的是这两个字段：

    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'] = '本文内容由 AI 辅助生成，已经人工审核和编辑。'
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
    会将文章状态重置为 DRAFT（未发布），导入后必须重新执行 
    halo post update <name> --publish true
    。

  5. 可见性检查

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

  6. 更新播客序号 发布成功后，立即更新 

    ~/.openclaw/workspace/memory/podcast-counter.json
    ：

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

发布成功后，返回完整反馈：

✅ 播客文稿已发布到 Halo 博客！ 📄 文章链接：https://blog.codingshen.top/archives/<slug> 🖼️ 头图：[✅ 吉卜力风格头图已插入正文 / ⏱️ 头图生成超时，纯文字版本] 📕 封面：[✅ Podcast 风格封面已设置 / ⏱️ 封面生成超时] 📝 字数：约 XXXX 字 🏷️ 标签：#日常 #AI生成 #碎碎念

文稿风格指南

语气风格

  • 像真播客：允许"嗯我想想..."、"对对对"、"等等这里有问题"
  • 有思考弧线：每段对话都应该有"提出问题 → 探索 → 发现 → 结论"的弧线
  • 保留转折和意外："我以为是A，结果发现是B"的时刻要重点保留
  • 有温度：保留困惑、兴奋、恍然大悟、调侃等情绪反应
  • 节奏感：长段分析之后跟一句简短的回应或调侃

对话感技巧

  • 用追问推进："那如果..."、"但是..."、"换个角度想..."
  • 展示思考过程："我先想到..."→"但是..."→"所以实际上..."
  • 允许修正：保留观点被推翻或修正的过程
  • 用户内心戏：在关键决策点加入用户视角的思考（🤔 标记）

标题命名

  • 风格：口语化、有悬念感
  • 格式建议：
    🎙️ [引发好奇的短句]
  • 示例： 
    • 🎙️ 工单能不能自己变聪明？— 我和 AI 折腾了一天配置自动化
    • 🎙️ 从"查不到数据"到"原来是这么回事" — 一次排查的完整探索
    • 🎙️ 这个权限为什么总是报错？— 踩坑三小时的真实记录

长度控制

  • 短篇（单个话题）：1000-2000 字
  • 中篇（多个话题）：2000-4000 字
  • 长篇（深度探索）：4000-8000 字
  • 超过 8000 字建议拆分为上下篇

❌ 避免的写法

  • "本期我们将探讨..." → ✅ "最近遇到个事儿..."
  • "经过分析，我们得出结论..." → ✅ "聊到这儿我突然意识到..."
  • "综上所述" → ✅ "所以说到底..."
  • 纯 bullet point 罗列 → ✅ 用叙事串起来
  • 一问一答的扁平结构 → ✅ 多轮追问、有来有回的深入探讨

注意事项

  • 隐私脱敏：自动去除 token、密码、API key、个人敏感信息
  • 不暴露工具细节：省略具体命令、JSON 响应原文、调试过程
  • 保留决策链：重点呈现"为什么这么做"而非"执行了什么命令"
  • 用户确认必须：文稿必须经用户确认后才能发布，不可自动发布
  • 允许多轮修改：用户可反复修改直到满意
  • 发图规则：生成图片后必须先发送到当前对话给用户看，再进行后续操作