全部文章
Agent 设计2026-04-20

elvis 的播客消费工作流:YouTube 播客 → LLM 生成知识 Artifact → 自进化 Wiki

dair_ai 的 elvis 设计了一套播客消费 pipeline:YouTube 播客经 Elevenlabs Scribe 做说话人分离 → Opus 4.7 提取洞见生成 Artifact(HTML+JS,如 Chart.js 图表)→ 存入自进化 Wiki 供后续 Agent 调用。核心用法:Agent 主动发现值得研究的点,而不是被动摘要。

elvis(dair_ai 创始人,前 Meta AI / Elastic,PhD)分享了他现在最喜欢的播客消费方式:

YouTube 播客 → LLM Artifact → 自进化 Wiki

不是文字摘要,是 Agent 生成的知识制品。

#完整 pipeline

YouTube 播客
    ↓ Elevenlabs Scribe(说话人分离/ diarization)
音频转写文本
    ↓ Opus 4.7(Agent)
识别重要洞见 + 深度分析 + 引发进一步研究兴趣的观察
    ↓
Knowledge Artifact(纯 HTML + JS,如 Chart.js 图表)
    ↓
存入自进化 Wiki(供后续 Agent 调用)

#Agent 做了什么

不是简单总结,是主动发现:

  • 识别值得深挖的洞见
  • 做深度分析
  • 生成引发好奇心的观察(让你想进一步研究的那种)

Artifact 格式是纯 HTML + JS ,可以嵌入 Chart.js 等可视化组件。

#关键交互

选中文本或图表组件,直接继续深挖 ——这让 Artifact 不是终点,而是研究的起点。

#为什么这代表一种趋势

elvis 的判断:

"我预期更多人会用 Agent 的方式做这件事。"

不是用 AI 替代阅读/收听,而是用 AI 把消费行为升级为研究行为 ——信息流经 Agent 后,带走的不只是摘要,而是:关联洞见、可执行的研究路径、以及供其他 Agent 使用的结构化记忆。


dair_ai 是 AI 学习社区,elvis 此前在 Meta AI 和 Elastic 有多年工程经验。