记得一位嘉宾讲过某个观点，却想不起是哪一期、哪一分钟。几百期访谈都有了文字，搜索容易一些；如果搜出的句子没有出处，还是得回到播放器里从头找。
第七期提到过一项整理尝试：获取节目官网已有字幕，缺字幕的部分再转写，整理成中文网站。转写之后，资料库还得保留能返回原材料的线索，否则内容越多，核对越费劲。
同一句话，可能有几层来源
发布方字幕、自行转写、中文翻译和摘要，可能都对应同一段音频。导入时应保留它们之间的关系。摘要里的判断出现问题，才知道应回查翻译、转写，还是原音频。
每条节目记录至少需要原始链接、日期、语言和文本来源。有时间码的文本，保留对应位置；没有时间码的，不要估算一个看似准确的播放时刻。
官方字幕也可能有误，只是更容易确认来源。后续若拿到修订版，应知道哪些翻译和摘要仍依据旧稿，而不是悄悄换掉原文后继续展示旧结论。
流畅的文字也要能回听
一个人名写成另一个熟悉的人名，读起来往往很自然。Whisper 的模型说明还指出，输出可能包含音频里没有说过的文字。只检查语句是否通顺，抓不到这类错误。
用于浏览的文本可以标明来源和校对情况。准备引用某句话时，则要回听相应位置，尤其留意人名、数字、否定词和限制条件。翻译也应保留原文的不确定性，不能把可能改成已经发生。
修正一个名字以后，相关翻译、摘要和搜索索引都可能需要更新。若每个段落有稳定标识，并记录派生文本引用了它，维护会比全文搜索替换可靠得多。
搜索时把前后条件一起带出来
假设要查某人对开源模型的看法，一段赞成，一段批评。它们可能相隔几年，也可能分别讨论个人研究与企业部署。把两句拼在一起，无法解释差别。
结果页可以先给出节目日期、话题和必要的前后文，再链接到原段落。摘要负责帮助读者决定要不要继续读；正式引用仍应落回原材料。
目录也需要显示缺失。某期没有字幕、某段转写不完整、某个视频链接失效，都应能被看见。否则一次没有搜到，很容易被误解为嘉宾从未谈过这件事。
验收时可以挑几段自己知道出处的讨论，检查能否搜到、是否定位准确、前后条件有没有丢失。再选一项资料不全的节目，确认系统会说明缺口。比起统计已经导入多少篇，这些检查更能说明资料库是否适合用来找材料。