大家好，最近花时间搞定了一个一直想做的坑：一个由 AI 驱动、但听起来没那么「AI」的 Hacker News 播客项目。
虽然市面上已经有面条大佬的 Hacker News 播客，也有 NotebookLM 这种直接生成播客对话的工具，但我总觉得差点意思。这些 AI 播客有很明显的一些问题：
没「人味」，生成的对话听起来像是一问一答的面试，或者死板的说明书，缺乏真人对话那种跳跃感和性格。
在真实的播客对谈中，其实是有很多的跑题和有趣的对话，而不是专注在话题本身。而生成的播客一心想让你学点东西，但有时候我们听播客只是想对新闻「浅尝辄止」，缺乏电台的陪伴感。
在开发调试的过程中，很容易发现，如果我们只是抓取信息塞给 AI，哪怕给它复杂的提示词，它也只会机械地完成任务，忘记自己要转换成一个有性格的播客对谈，很多时候还会因为上下文长度问题，给出的播客脚本经常不符合格式。所以为了让最后的成品更符合自己的期望，重新设计了一期播客的生成工作流：
- Hacker News 网站信息抓取 → 只抓取基础信息和评论，不抓取 Story 的详情
- 使用 AI 总结每一条信息，生成话题分类、可讨论性、摘要、评论的核心观点、亮点评论。
- 将上面所有的信息交给 AI 生成「蓝图」，选取最热门的 5-6 条故事，生成背景、描述、氛围和每一个章节信息。对于每一个章节信息，会包含这个章节的讨论类型（深度剖析还是思维漫游？）、互动类型（观点碰撞还是共同吐槽或赞赏？）。
- 将背景和氛围用来生成 Intro 和 Outro 的对话脚本，将每一个章节生成独立的对话，在生成独立的对话时，要传入具体的 Story 详情，包括评论、观点外，还要传递具体的文章信息。
- 最后将对话拼接在一起，形成对话脚本，使用 Azure TTS 生成对话语音，使用 ffmpeg 拼接在一起，并加入适当的背景音乐和停顿，让最后的成品更像是一个完整的播客。
在生成的流程中，用到的提示词是比较精简的，如果给的提示词过于严格和死板，就很容易让 AI 完全遵循我给的案例，导致每期播客主播的咖啡都凉了、楼上天天装修…… Anyway，经过这样的一套流程，最终的成品更有人味，而不是生硬的面试对谈。
用到的一些模型：
| 模型 | 用途 |
|---|---|
| LongCat-Flash-Chat | 用于总结 Story 信息，免费好用 |
| gpt-oss-120b | 来自 Cerebras，速度快，稳定。用于生成蓝图、封面提示词。 |
| Z-Image-Turbo | 用于生成封面，nano banana 没有稳定的 API 啊  |
| mistral-3-large | 用于生成对话 |
之所以没有用最热门的模型，是因为目前公开的 API 公益站还是不够稳定，而且经常遇到的问题是很多公益站提供的接口，结构性输出经常报错。之后生成对话的流程会考虑迁移到 Gemini。
整个工作流我放到了 GitHub Action 上每天运行，相关的数据会存储在 CloudFlare R2 / Workers KV 中，生成的 Markdown 文本会额外存储下来放到仓库，用于更新 Astro 播客网站。
欢迎大家挑刺找茬：
GitHub Repo： GitHub - craigary/hn-podcast-project
待办事项：
小雅同学好像脏话有点太多了
Update 1: 怀念满嘴脏话的小雅，看看后期能不能在不影响收听效果的前提下，把脏话适当加回来 
Update 2: 感觉这次优化差不多了，会有一小部分脏话，但不影响收听体验
语音 TTS 生成需要继续调整，要不从 Azure 换成别的？
Update 1: 小雅的声音做了一些调整，并且修正了（Vibe）了 TTS 的生成逻辑，这样语音就不会突然加速了
Update 2: 小雅还是用 zh-CN-Xiaochen:DragonHDFlashLatestNeural 更符合情绪
继续优化提示词，确保对话的真实感和时效性
Update 1: 现代先避免出现大段的说英文的情况
上传各大播客平台
如果在未来，能说出「我们在前几期就聊到 xxx」这样的对话就更好了…… 人设和知识库是不是可以定期更新呢
明天我把原链接找到贴上～