你有一个播客创意，甚至可能有一堆剧集主题。但研究嘉宾、编写大纲、起草开场白、生成节目笔记和撰写社交媒体推广帖子之间的制作开销会扼杀你的动力。如果你把一个主题丢进去，然后拿回一整套制作素材包呢？ 这个用例将多个智能体串联起来处理从主题到发布就绪素材的整个播客制作流程。 痛点 独立播客和小团队花在制作上的时间比实际录制还多。研究需要数小时，节目笔记是事后考虑的，社交媒体推广是最先被跳过的事情。创意部分——对话——可能只占总工作量的 30%。这个智能体处理另外的 70%。 功能 剧集研究——给定主题或嘉宾姓名，整理背景研究、讨论点和建议问题 大纲和脚本——生成结构化的剧集大纲，包括开场脚本、段落过渡和结尾 节目笔记——自动生成时间戳笔记、关键要点、相关链接和嘉宾简介 社交媒体帖子——为 Twitter/X、LinkedIn 和 Instagram 生成推广文案 转录——录制后，自动生成完整的对话转录 多语言——以任何受支持的语言生成节目笔记和社交媒体帖子 所需技能 文件系统访问 浏览器访问（用于研究） 可选的 RSS 或托管集成 设置方法 一种方法：创建一个专门用于播客制作的独立智能体或技能。 你是我的播客制作智能体。给定一个剧集主题或嘉宾： 1. 研究主题并生成背景摘要 2. 创建结构化的剧集大纲 3. 编写开场脚本（90 秒） 4. 为节目前和节目后编写过渡参考 5. 为社交媒体生成 3 条推广推文、1 个 LinkedIn 帖子和 2 个 Instagram 标题 6. 将所有内容保存到 [path]/[episode-name]/ 目录 完成后告诉我一切就绪。 对于节目笔记，在录制后： 这是 [episode-name] 的转录。生成节目笔记： - 时间戳段落（每 5 分钟间隔） - 关键要点（3-5 个要点） - 剧集中提到的相关链接 - 单段摘要（2-3 句） 保存到 [path]/[episode-name]/show-notes.md 对于剧集发布： 这是 [episode-name] 的信息。创建发布检查清单： - [ ] 音频文件导出和标签 - [ ] 节目笔记发布到网站 - [ ] RSS 推送更新 - [ ] 社交媒体排期 - [ ] 邮件通讯通知（如果适用） 小贴士 让你的播客智能体访问内容工厂工作流（content-factory.md）如果你想将播客内容重新用于博客文章、通讯或视频片段。 相关链接 播客 RSS 规范 Spotify for Podcasters Whisper...

手动监控预测市场的套利机会并执行交易耗时且需要持续关注。你想要在不冒真实资本风险的情况下测试和完善交易策略。 这个工作流使用自定义策略自动进行 Polymarket 纸面交易： • 通过 API 监控市场数据（价格、成交量、价差） • 使用 TAIL（趋势跟踪）和 BONDING（反向）策略执行纸面交易 • 跟踪投资组合表现、盈亏和胜率 • 每日推送摘要到 Discord，包含交易日志和洞察 • 从模式中学习：根据回测结果调整策略参数 所需技能 Discord 集成（推荐，但不是必须的） Polymarket API 访问 Python 技能（用于回测和模拟） 设置方法 建立数据连接 连接 Polymarket API。为我监控这些市场：[列出市场或类别]。 配置策略 运行三个纸面交易策略： 1. TAIL：趋势跟踪——在持续趋势中买入 2. BONDING：反向——在极端情况下反向押注 3. 自定义：基于新闻情绪 每天报告投资组合表现。 设置警报 当任何策略的胜率低于 40% 时通知我。当我准备好投入真实资本时告诉我。 相关链接 Polymarket API 纸面交易最佳实践 ...

在 OpenClaw 开始构建任何新内容之前，它会自动检查该创意是否已存在于 GitHub、Hacker News、npm、PyPI 和 Product Hunt 上——并根据发现结果调整方法。 功能 在编写任何代码之前扫描 5 个真实数据源（GitHub、Hacker News、npm、PyPI、Product Hunt） 返回一个 reality_signal 评分（0-100），表示该领域的拥挤程度 显示前几名竞争对手及其星数和描述 当领域饱和时建议转型方向 作为构建前关卡：高信号 = 停下讨论，低信号 = 继续 痛点 你告诉你的智能体"给我构建一个 AI 代码审查工具"，它愉快地花了 6 小时编码。同时，GitHub 上已有 143,000+ 个仓库——最热门的有 53,000 星。智能体从不检查，因为你从未要求，它也不知道要看。 设置方法 使用 idea-reality-mcp（MCP 服务器）： 安装 MCP 服务器： pip install idea-reality-mcp 将其连接到你的 OpenClaw 设置（根据你的客户端配置 MCP）。 测试它： 验证这个想法："AI 驱动的代码审查工具" 将其设为默认： 从现在开始，在开始任何新构建之前， 始终先运行 Idea Reality Check。 如果信号评分超过 70，告诉我竞争情况， 在继续之前等待我的指示。 工作原理 reality_signal = f(GitHub repos, HN mentions, npm packages, PyPI projects, PH launches, product age, community size) 低信号（0-30）：真正的空白空间。继续。 中信号（30-70）：存在竞争但可进入。考虑差异化。 高信号（70-100）：高度竞争。在继续之前讨论转型或缩小范围。 评分是动态的——它考虑到不仅仅是存在，还有成熟度。一个拥有 50,000 星和 4...

传统的看板是静态的，需要手动更新。你会忘记移动卡片，在会话之间丢失上下文，无法跟踪状态变更背后的"原因"。项目在缺乏清晰可见性的情况下漂移。 这个工作流用事件驱动的系统取代看板，自动跟踪项目状态： • 将项目状态存储在具有完整历史的数据库中 • 捕获上下文：决策、阻塞项、下一步、关键洞察 • 事件驱动更新："刚完成 X，阻塞在 Y" → 自动状态转换 • 自然语言查询："[项目] 的状态如何？"，"为什么我们在 [功能] 上转型了？" • 每日站会摘要：昨天发生了什么，今天计划什么，什么阻塞了 • Git 集成：将提交链接到项目事件以实现可追溯性 痛点 看板对于独立开发者来说并不好用，原因有三： 你必须在编写代码时停下来更新卡片 默认情况下，状态变更没有附加上下文（"为什么我们把这个移到进行中？"） 孤立的看板不反映你的实际工作——Git 提交、松弛对话和设计决策 所需技能 文件系统访问 可选的 Git 集成 可选的 Discord/Telegram 用于每日摘要 设置方法 告诉 OpenClaw 你想要事件驱动的项目跟踪： 我希望你使用事件驱动的日志而不是看板来跟踪项目状态。 每次我完成某事、改变方向或遇到阻塞时，记录事件。 定义你的事件类型： 使用这些事件类型： - feature_started - feature_completed - blocker - decision - priority_change - bug_found - bug_fixed 每个事件记录： - 时间戳 - 项目/功能名称 - 事件类型 - 描述 - 关联的提交或链接（如果适用） 设置每日摘要： 每天早上，给我一份项目状态摘要： - 自昨天以来完成的事项 - 当前阻塞项 - 今天的推荐优先级 - 任何需要注意的趋势 使其成为习惯： 当我说"状态更新"时，提示我记录当前状态。 为每个事件使用一致的格式，以便我可以查询它们。 小贴士 避免系统过度设计。目标是少操心项目管理，而不是多操心。 使用自然语言。不要创建严格的命令——只需自然地对你的助手说话。系统会捕获一切。 相关链接 事件溯源模式 为什么看板对独立开发者无效 ...

你有了创意，发现了有趣的链接，听说了要读的书——但你从来没有一个好的系统来捕捉它们。Notion 变得复杂，Apple Notes 变成了 10,000 条未读条目的坟场。你需要像给朋友发短信一样简单的东西。 这个工作流将 OpenClaw 变成一个记忆捕捉系统，你通过短信与之交互，并由一个你可以随时浏览的自定义可搜索 UI 提供支持。 功能 通过 Telegram、iMessage 或 Discord 给你的 OpenClaw 发任何内容——"提醒我读一本关于本地 LLM 的书"——它立即记住 OpenClaw 的内存已经按主题存储不同类型的信息 智能体将链接、书和其他内容分类到你的知识库中 你发短信问"那本本地 LLM 书叫什么名字？"它回答你 设置方法 将 OpenClaw 连接到你的消息平台（Telegram、Discord、iMessage）。 告诉智能体你想捕捉任何有用的东西： 我发给你的任何值得记住的内容，保存到我的记忆中。 这包括链接、想法、推荐和提醒。 按主题分类，方便我以后找到。 测试它： 保存这个想法：一个使用本地 LLM 在笔记本电脑上运行的应用分析器。 永远不需要云 API。完全隐私。 提醒我下周查看这个想法。 后续查询： 还记得那个本地 LLM 应用分析器的想法吗？ 我想现在开始探索它。 小贴士 不要过度组织。让智能体为你分类。你说"记住这个"，它决定放在哪里。 定期回顾。每周问"我这周保存了什么？"以保持记忆新鲜。 使用标签使搜索更容易。智能体会自动标注时间。 相关链接 OpenClaw 内存系统 构建第二大脑 (Tiago Forte) ...