核心用法
Podcast Skill 提供端到端的播客生产框架，遵循 Concept → Plan → Record/Generate → Edit → Publish → Promote 六阶段工作流。核心模块包括：
1. 项目架构管理
强制规范的文件结构（~/podcasts/<show>/），分离品牌资产、单集素材、嘉宾关系与数据分析，确保长期可维护性。
2. 格式适配指导
支持 Solo、Interview、Panel、Narrative、AI-Generated 五种播客形态，通过 formats.md 提供差异化脚本结构与互动设计。
3. 内容生产流程
- 前期：话题研究 → 角度锚定 → 大纲撰写（含 Hook 与转场设计）→ 嘉宾调研
- 后期：音频清理/电平标准化 → 时间戳 shownotes → 强制提取 3-5 条社交 clips → 视频缩略图（如适用）
4. 增长引擎growth.md 覆盖 SEO、社交媒体分发、听众社群运营与变现路径；强调「Clips 即增长引擎」，每集必须产出可传播片段。
显著优点
- 系统性框架：从定位到变现的完整 SOP，避免创作者陷入「录完不知下一步」的困境
- 强制一致性：「Consistency beats perfection」原则内置，降低完美主义导致的中断风险
- AI 原生设计：
ai-generation.md支持全 AI 播客生产，适配 AIGC 内容趋势 - 视频优先意识：主动纳入 YouTube Podcast 搜索增长红利，不局限于纯音频思维
潜在局限
- 工具链依赖：
tools.md涉及多平台 API 与第三方服务，需持续维护集成 - 本地化缺失：默认英文语境的 shownotes 与 SEO 策略，中文播客需额外适配
- 深度有限：侧重流程框架，具体音频工程（如降噪算法选择）或法律合规（版权音乐授权）需外部补充
适合人群
- 独立创作者寻求标准化播客启动方案
- 品牌内容团队需要可复用的音频内容生产管线
- 已有受众的 KOL 扩展多模态内容矩阵
常规风险
- 版权陷阱：背景音乐、嘉宾肖像权、引用的第三方内容需明确授权
- 数据孤岛：
analytics.md依赖手动追踪，跨平台（Spotify + Apple + YouTube）数据整合需额外工具 - AI 生成内容标识：全 AI 播客需遵守平台披露要求，避免误导听众