博客 / WEEKLY #001

一期播客的 Agent 工作流:从录音到多平台发布

录制、剪辑、上架和网站文字稿曾经各是一段手工操作。当写代码之外的环节也可以交给 Agent,流程里最耗人的部分从操作变成了决定。

做一期播客,最耗时间的往往不是说话。录音软件要启动,音视频要剪好,五个平台各有各的上传流程,网站还需要一份可检索的文字稿。这些环节里没有一行代码,过去每一件都要人去点。

这是一期节目从录制到发布走过的实际路径。需要先说明的是,它是一次回顾性的经验整理,不是一份操作教程:工具、界面和平台的规则都在变化,单个案例也不构成可复现的配方。它能说明的是,Computer Use 补上了哪些环节,又把什么留给了人。

写代码之外的环节,过去全靠人点

Agent 进入日常工作后,写代码这件事本身已经高度自动化,问题出在前后两端:录制要打开本地软件,发布要操作一堆不熟悉的后台。这些步骤无法通过写代码完成,只能停下当前任务,切换成人工操作。流程被打断的时间,几乎全部消耗在这里。

一次实际的做法是直接把电脑交给 Codex:启动录音软件这样的事,不再自己研究菜单在哪里,而是由 Agent 去移动鼠标、点击完成。剪辑同理——图形界面的剪辑软件用不顺手时,改用 FFmpeg 的命令行处理,反而落回 Agent 本来就擅长的工作方式。同一批体验里,还有人把两个 iOS 应用和 Obsidian 插件的上架资料逐项提交,全部交给 Agent 完成,自己只做验收。

这类委托的价值在于取消切换。任务不再因为“这一步不是代码”而中断,人也不必为每个软件重新学一遍操作。

五个平台,一次发布

第一期节目要上五个平台:小宇宙、B 站、Spotify、Apple Podcast 和 YouTube。负责发布的人此前没有用过其中任何一个平台的创作者后台,也没有逐一研究各平台的功能差异,只提出需求、准备素材,上传和填写由 Agent 完成。

这种做法改变的不只是时间。一个人维护五个平台,过去意味着五套各自的手续;每接入一个新平台,成本都会再涨一次。当操作本身可以委托,平台数量就不再直接等于工作量,选择上哪些平台时可以更多考虑受众,而不是操作成本。

值得注意的是成本结构的另一面。这次发布和网站搭建,用的是当期刚发布的新模型——单价更贵,但试错的次数明显减少,一次就做对的概率更高,总的开销反而可控。模型省下的 Token 和省下的人时,最终是同一件事。

网站与可检索的文字稿

发布之外,网站承担了另一部分工作。每段文字稿带稳定的锚点,文本里出现的关键词可以点击、聚合到同一个标签下,听众从任何一段话都能回溯到出处。这类功能在通用播客产品里并不常见,定制开发的门槛过去很难跨过;这一次,网站连同发布一起被列进了同一份委托列表。

对一期播客来说,可检索的文字稿意味着内容可以被单独引用。文章讨论某段对话时,可以直接链接到确切的段落,而不是笼统地指向一期节目——本文末尾的链接就是这种用法。

一次没有答案的限流

流程也不是全都顺利。五个平台都发布成功,其中一个平台在用 Agent 发布之后出现了限流。原因没有核实过:可能是对内容的判断,可能是对发布方式的识别,也可能与自动化操作无关。把限流直接归因于自动发布,目前只是当事人的一种猜测,不能写成平台确认的处罚原因。

这次经历引出的讨论倒是值得记下:如果平台要抵制低质内容,针对内容本身审查,比针对发布动作审查更合理——同样的几个真人录的节目,不会因为发布方式不同就变成低质内容。这仍是一种主张,不是对任何平台规则的描述。

人还剩下什么

回顾整条链路,人保留的位置有三处:决定做什么内容、准备和把关素材、对最终结果验收。发布到哪些平台、以什么顺序、要不要发,都由人授权。Agent 负责的,是授权之后从启动软件到点击提交的全部动作。

这份经验的样本只有一期节目和一位操作者,结论应该停在个案的范围内。它能说明的是:当写代码之外的操作也可以委托,流程中最耗人的部分从“操作”转移到“决定”。至于哪些平台会长期接受这种方式、不同类型的节目还能省下多少时间,都还需要更多期数来回答。

相关资料