podcast

适用场景

• 用户想围绕任意主题制作一期播客
• 用户提供 URL 或文本，并希望将其改编成播客讨论
• 用户要求采用“辩论”“对话”或“讨论”形式
• 用户提到“播客”“播客节目”或“录一期节目”

不适用场景

• 用户想要文本转语音朗读（使用 /speech）
• 用户想要制作带有视觉内容的讲解视频（使用 /explainer）
• 用户想要生成图片（使用 /image-gen）
• 用户只想从 URL 提取内容，不需要生成音频（使用 /content-parser）

用途

生成由 1-2 位 AI 发言者讨论某个主题的播客节目。支持快速概述、深度分析和辩论形式。输入可以是主题描述、URL，或文本。输出是包含文字稿的完整音频节目。

严格约束

• 始终按照 shared/cli-authentication.md 检查 CLI 身份验证
• 按照 shared/cli-patterns.md 执行命令并处理错误
• 不要在 API 调用中硬编码发言者 ID——仅在需要回退时使用 shared/speaker-selection.md 中的内置默认值；用户想更换语音时，从 speakers API 获取
• 不要捏造 CLI 命令或参数
• 任何交互前，始终按照 shared/config-pattern.md 读取配置
• 始终按照 shared/speaker-selection.md 选择发言者（文本表格 + 自由文本输入）
• 不要将文件保存到 ~/Downloads/ 或 .listenhub/——将生成内容保存到当前工作目录，并使用易识别的主题名称（参见 shared/config-pattern.md § Artifact Naming）

每个多选步骤都必须使用 AskUserQuestion 工具——不要以纯文本形式列出选项。一次只问一个问题。等待用户回答后再进行下一步。收集完所有参数后，总结选择并请用户确认。用户明确确认前，不要调用任何生成 API。

步骤 -1：CLI 身份验证检查

按照 shared/cli-authentication.md § Auth Check 执行。如果未安装 CLI 或用户尚未登录，则自动安装并自动登录——不要让用户手动运行命令。

然后按照 shared/cli-authentication.md § Auth Mode Detection 确定 AUTH_MODE 并设置：

if [ "$AUTH_MODE" = "openapi" ]; then
  CMD_PREFIX="listenhub openapi podcast"
else
  CMD_PREFIX="listenhub podcast"
fi

后续所有 CLI 调用都使用 $CMD_PREFIX，而不是硬编码的 listenhub podcast。

步骤 0：配置设置

按照 shared/config-pattern.md 中的步骤 0（零问题启动）执行。

如果文件不存在——静默创建默认配置并继续：

mkdir -p ".listenhub/podcast"
echo '{"outputMode":"inline","language":null,"defaultMode":"quick","defaultSpeakers":{}}' > ".listenhub/podcast/config.json"
CONFIG_PATH=".listenhub/podcast/config.json"
CONFIG=$(cat "$CONFIG_PATH")

不要询问任何设置问题。 直接进入交互流程。

如果文件存在——静默读取配置并继续：

CONFIG_PATH=".listenhub/podcast/config.json"
[ ! -f "$CONFIG_PATH" ] && CONFIG_PATH="$HOME/.listenhub/podcast/config.json"
CONFIG=$(cat "$CONFIG_PATH")

设置流程（仅在用户主动要求重新配置时）

仅在用户明确要求重新配置时执行。显示当前设置：

当前配置 (podcast)：
  输出方式：{inline / download / both}
  语言偏好：{zh / en / 未设置}
  默认模式：{quick / deep / debate / 未设置}
  默认主播：{speakerName(s) / 使用内置默认}

然后按顺序提出以下问题并保存：

1. outputMode：按照 shared/output-mode.md § Setup Flow Question 执行。

2. 语言（可选）：“默认语言？”

   • “中文 (zh)”
   • “English (en)”
   • “每次手动选择” → 保留 null

3. 模式（可选）：“默认播客模式？”

   • “Quick — 简短概述”
   • “Deep — 深度分析”
   • “Debate — 辩论对话”
   • “每次手动选择” → 保留 null

收集完答案后，立即保存：

NEW_CONFIG=$(echo "$CONFIG" | jq --arg m "$OUTPUT_MODE" '. + {"outputMode": $m}')
# Save language if user chose one (not "每次手动选择")
if [ "$LANGUAGE" != "null" ]; then
  NEW_CONFIG=$(echo "$NEW_CONFIG" | jq --arg lang "$LANGUAGE" '. + {"language": $lang}')
fi
# Save mode if user chose one
if [ "$MODE" != "null" ]; then
  NEW_CONFIG=$(echo "$NEW_CONFIG" | jq --arg mode "$MODE" '. + {"defaultMode": $mode}')
fi
echo "$NEW_CONFIG" > "$CONFIG_PATH"
CONFIG=$(cat "$CONFIG_PATH")

交互流程

步骤 1：主题 + 参考资料

使用 AskUserQuestion 一次提出两个子问题，或使用单个自由文本提示，同时询问主题和可选参考资料：

你想把什么主题改编成播客？如果有参考资料（URL 或文本），也请一并提供。

接受：主题描述、URL、粘贴的文本，或以上内容的任意组合。

有效输入示例：

• “2026 年的 AI 发展”
• “https://example.com/article — 讨论这篇文章”
• “远程办公的利弊。参考资料：https://study.com/remote-work-2026”

第 2 步：模式

默认：“quick”——跳过此问题，除非：

• config.defaultMode 被设置为其他值 → 静默使用该值
• 用户在第 1 步明确提到了某种模式（例如“深入探讨”“辩论”“深入分析”）→ 根据意图推断模式

只有当用户的意图不明确且未配置默认值时，才询问此问题。大多数情况下，直接使用“quick”。

第 3 步：语言

默认：匹配用户的交互语言。 根据用户在第 1 步使用的语言进行判断：

• 如果用户用中文书写 → zh
• 如果用户用英文书写 → en
• 如果设置了 config.language → 使用该值

绝不询问此问题。 始终静默推断。将语言显示在确认摘要中，供用户按需更改。

第 4 步：说话人数

默认：2 位说话人（对话）——这是最常见且最吸引人的形式。

跳过此问题。辩论模式需要 2 位说话人。对于 quick/deep，也默认使用 2 位说话人。

只有当用户明确要求独白或单人形式时，才使用 1 位说话人。

第 5 步：说话人选择

遵循 shared/speaker-selection.md：

• 如果设置了 config.defaultSpeakers.{language} → 静默使用已保存的说话人
• 如果未设置 → 使用 shared/speaker-selection.md 中的内置默认值（不询问）
• 在确认摘要中显示说话人，用户可以按需更改
• 只有当用户明确要求更换声音时，才显示完整的说话人列表

对于 2 位说话人模式（对话/辩论）：使用该语言的主要和次要默认说话人。

第 5.5 步：生成速度

默认：1.0x（原始速度）。绝不询问此问题。

只有当用户明确提出速度要求时才设置速度——“慢一点”、“快一点”、“1.25 倍速”、 “read it faster”、“slow it down”。否则完全省略 --speed，以保持请求的 历史行为。

• 范围：0.5 到 2.0 之间的任意值，最多保留两位小数——这是一个连续范围， 而不是固定的几个档位。
• 常见值：0.5、0.75、1（默认）、1.25、1.5、2。0.85 或 1.35 等 中间值同样有效。
• 含义：生成音频的语速，而非播放器的播放速率。同一集中的所有说话人共用相同的任务级速度。
• 对模糊表述采取保守映射：“慢一点” → 0.85，“快一点” → 1.25，“慢很多” → 0.5， “快很多” → 1.75。用户指定数值时，原样传递该数值。

只有当速度不为 1 时，才在确认摘要中显示速度。

第 6 步：确认并生成

汇总所有选项：

Ready to generate podcast:

  Topic: {topic}
  Mode: {mode}
  Language: {language}
  Speakers: {speaker name(s)}
  Speed: {speed}x        # omit this line when speed is 1
  References: {yes/no + brief description}

  Proceed?

调用任何 CLI 命令前，等待用户明确确认。用户可以在此处确认前调整任何参数。

工作流

生成

1. 提交（后台）：运行 CLI 命令，并设置 run_in_background: true 和 timeout: 360000：

   $CMD_PREFIX create \
     --query "{topic}" \
     --source-url "{url}" \
     --source-text "{text}" \
     --mode {quick|deep|debate} \
     --lang {en|zh|ja} \
     --speaker "{name}" \
     --speaker "{name2}" \
     --speed {0.5-2.0} \
     --json
   

   参数说明：

   • --query — 要讨论的主题或问题
   • --source-url — 每个 URL 引用重复指定一次
   • --source-text — 每个文本块引用重复指定一次
   • --mode — 可选 quick、deep 或 debate
   • --lang — 语言代码
   • --speaker — 可重复指定（最多 2 个）；使用说话人的显示名称
   • --speaker-id — --speaker 的替代选项；使用说话人 ID，而非名称
   • --speed — 生成速度倍数，范围为 0.5–2.0（最多两位小数，默认为 1）；除非用户要求更改速度，否则省略此参数
   • 如果用户未提供引用，则省略 --source-url / --source-text

   CLI 会在内部轮询，并在生成完成后返回最终结果。

2. 告知用户任务已提交，完成后会收到通知。

3. 收到完成通知后，呈现结果：

   解析 CLI JSON 输出，提取以下字段：audioUrl、subtitlesUrl、audioDuration、credits。

   从配置中读取 OUTPUT_MODE。按照 shared/output-mode.md 中的说明操作。

   inline 或 both：将 audioUrl 显示为可点击链接。

   呈现：

   播客已生成！
   
   在线收听：{audioUrl}
   字幕：{subtitlesUrl}（如有）
   时长：{audioDuration / 1000}s
   消耗积分：{credits}
   

   download 或 both：同时下载文件。按照 shared/config-pattern.md § Artifact Naming 生成主题 slug。

   SLUG="{topic-slug}"  # e.g. "ai-developments"
   NAME="${SLUG}-podcast.mp3"
   # Dedup: if file exists, append -2, -3, etc.
   BASE="${NAME%.*}"; EXT="${NAME##*.}"; i=2
   while [ -e "$NAME" ]; do NAME="${BASE}-${i}.${EXT}"; i=$((i+1)); done
   curl -sS -o "$NAME" "{audioUrl}"
   

   呈现：

   已保存到当前目录：
     {NAME}
   

4. 提供查看转录文本或按需获取下载 URL 的选项

成功生成后

根据本次会话中的选择更新配置：

NEW_CONFIG=$(echo "$CONFIG" | jq \
  --arg lang "{language}" \
  --arg mode "{mode}" \
  --argjson speakers '{"{language}": ["{speakerId}"]}' \
  '. + {"language": $lang, "defaultMode": $mode, "defaultSpeakers": (.defaultSpeakers + $speakers)}')
echo "$NEW_CONFIG" > "$CONFIG_PATH"

API 参考

• 说话人列表：shared/cli-speakers.md
• 说话人选择指南：shared/speaker-selection.md
• CLI 模式：shared/cli-patterns.md
• CLI 身份验证：shared/cli-authentication.md
• 配置模式：shared/config-pattern.md

可组合性

• 调用：speakers API（用于选择说话人）
• 由以下内容调用：content-planner（阶段 3）

示例

用户：“制作一期关于最新 AI 发展的播客”

Agent 工作流：

1. 检测：播客请求，主题 = “最新 AI 发展”，无引用
2. 推断：模式 = quick（默认），语言 = en（用户使用英语），2 位说话人（默认）
3. 显示确认摘要 → 用户确认

$CMD_PREFIX create \
  --query "The latest AI developments" \
  --mode deep \
  --lang en \
  --speaker "Mars" \
  --speaker "Mia" \
  --json

等待 CLI 返回结果，然后呈现标题和收听链接。