【AI 产品】Podwise：AI 助我听播客
我一直在小宇宙上听一个叫“硬地骇客”的播客，是三个有趣有料的开发者介绍独立开发的方方面面。非常喜欢，每期必听。最近一期节目中，他们介绍了自己的独立开发作品 Podwise，笑称这是“养成系”播客：一边做构建自己的作品，一边介绍这个过程中用到的工具、方法、理念等等。这是典型的 Build in Public，值得学习。本文是对 Podwise 这个产品的结构化梳理。
随着播客的兴起（已经有 200w 个播客 Channel），越来越多的听众在寻找更高效的方式来管理和消化大量的播客内容。Podwise 正是为此而生，它是一个为播客听众提供的知识管理应用。以下是对这款 AI 产品的详细介绍。
产品定位
Podwise 定位为播客听众的首选知识管理应用，它通过 AI 技术为用户提供结构化的播客内容，帮助用户更高效地学习和管理知识。产品链接🔗如下：
使用场景
当用户面对大量播客内容，但时间有限时。比如投资人群体，播客是重要的信息源🍚，他们把听播客作为一种工作日常。
当用户希望快速了解播客的主要内容，而不必完整听完整集时。比如面对“纵横四海”这种完全不讲武德😎，一集动辄 3~4 个小时、但又干货满满的播客，Podwise 就是节省时间的大杀器。
当用户希望将播客内容与其他知识管理工具（如 Notion、Obsidian 等）无缝集成时。笔记党们狂喜！
目标对象
播客爱好者，特别是那些每周只有 5-6 小时听播客时间的人。
对知识管理有需求的用户，希望将播客内容与其他工具集成的人。
功能介绍
AI 驱动的摘要：快速掌握任何剧集的主要内容。
思维导图形式的内容展示：帮助用户更容易地理解内容。
3 分钟大纲概览：提取关键点并提供摘要。
点击听：直接听感兴趣的关键点。
引用提取：从剧集中提取值得注意的引用。
文字转录：帮助用户搜索关键信息。
与知识管理工作流无缝连接：包括 Notion、Obsidian、Readwise 等。
使用流程
下面以介绍 Podwise 这期播客
https://www.xiaoyuzhoufm.com/episode/651188ea19dde7bf6a86a57f
本身为例，展示一下如何使用 Podwise。
用户订阅喜欢的播客内容
登录完整后，可以在 Trending 页面看到热门播客、单集以及最近更新。你能在这里直接查看单集，或者 follow 某个 channel：
或搜索自己感兴趣的播客：
如果这个播客系统没有默认 AI 处理，可以点击“Transcribe”，让 Podwise 用 AI 为你生成对应摘要、大纲、脑图等结构化、供快速消费的内容。
这是用户收听的单集播客：
这是用户关注的播客 channel，当新的播客剧集发布时，Podwise 会自动提供结构化的知识。
单集播客收听和结构化知识学习
下面是单集播客的“学习”界面，包含播放、总结、大纲、脑图、关键字、划重点、文字稿、Shownotes、发送（到 notion 等笔记软件）等功能。其中总结、大纲、脑图、关键字、划重点、文字稿都是 AI 生成的，是 Podwise 的产品核心。
下面是这些功能的界面截图。
总结与大纲：
优美的脑图：
关键词解释：
划重点：
文字稿（生成文字稿是 Podwise AI 系统工作的核心，它是总结、大纲、脑图等其他内容的母体）：
发送到 Notion，成为你知识库的一部分：
定价策略
免费版：每月 4 集处理过的剧集。
标准版：每月 $5.9，无限制阅读处理过的剧集，每月 20 集未处理的剧集。
专业版：每月 $11.9，包括标准版的所有内容，每月 50 集未处理的剧集。
这里的未处理是指系统没有默认处理（热门的 Podcast 会默认处理）。
竞品比对
Snipd 是 Podwise 的主要竞品。虽然 Podwise 和 Snipd 都是播客应用，但它们的重点略有不同。Podwise 更注重知识的结构化和管理，而 Snipd 则更注重发现、保存和分享播客中的亮点。对于那些希望更高效地消化播客内容的用户，Podwise 可能是一个更好的选择；而对于那些希望保存和分享播客亮点的用户，Snipd 可能更适合。
开发历程
在这期“硬地骇客”播客中，开发者们介绍了 Podwise 从点子到开发再到发布的全过程。其中非常有启发的点有：
产品的定位。为什么有 Podwise 这个产品？开发者在播客中详细介绍了灵感的来源、与其他产品灵感的对比、User Story Map、用户调研等等。最终确定做这个以用户为中心的播客工具。
AI 应用开发的挑战。在开发过程中，团队遇到了许多 AI 相关的挑战，主要体现在两方面：
如如何控制 ChatGPT 的成本。这里提及的 Prompt Engineering 技巧包括：
使用英文的 Prompt，比中文更省 Token。
将总结、大纲、脑图、关键字等 AI 分析的工作流放进一个 Prompt 中。因为文字稿非常非常长，如果拆成多个 Prompt，会 Token 翻很多倍。
大文本段落切分。主要解决现在 LLM 的 Prompt 长度限制。
如何控制 AI 输出的稳定性。我最大的收获是：
输出别用 JSON，用 Markdown。因为 JSON 结构化太强，只要有一点错误，程序就会报错，不能处理。Markdown 的容错性更好。
输出的稳定性确实是当前非常大的问题。
增长策略。如何做定价、如何收集用户反馈、如何做 Product Hunt、多渠道的推广（对 100+ AI 集合站印象深刻）、如何做 SEO 等等。
总的来说，Podwise 的开发过程充满了挑战，但团队凭借对用户需求的深入了解和对技术的掌握，成功地推出了这款产品，并为用户提供了一个全新的播客学习体验。
产品小结
Podwise 为播客听众提供了一个全新的选择，它不仅仅是一个播客应用，更是一个知识管理工具。对于那些希望更高效地消化播客内容的用户来说，这无疑是一个很好的选择。
【完】
【往期推荐】
版权声明: 本文为 InfoQ 作者【无人之路】的原创文章。
原文链接:【http://xie.infoq.cn/article/891d49166346e03ee2407488f】。文章转载请联系作者。
无人之路，自己领航。 2018-04-25 加入
喜欢写点东西的数据人，自动驾驶从业者。公众号同名，欢迎加微信yangls06交流。
评论