之前有一次跟大家讲过，如果玩 AI 的话，有一个重要的选题源一定不要错过，就是播客。
如果你经常听播客的话，自然就会明白我的意思。不过这播客这玩意吧，真的又爱又恨。爱的是信息密度，一期好播客四十分钟里聊的行业判断、实操经验和系统思考，比你刷一上午短视频有用得多。恨的是时间成本——你永远不知道点开之后，前面的二十分钟到底是干货还是闲聊。
所以我的日常就是：看到一期好像挺有意思的播客，点开，听五分钟，发现好像都在铺垫，切走，找一期新的，点开听 5 分钟，然后又开始一轮循环。
有点烦。
有没有什么办法，可以先快速判断一期播客到底讲了什么、有没有核心观点、值不值得听？想了很多次，一直没动手。
正好最近 Qwen-3.7-max 上新，我就琢磨着：别整那些花里胡哨的 demo 了，拿它做一个我自己真的会用的工具试试。用的 Agent 工具就是阿里的 QoderWork，原汤化原食嘛。而且 QoderWork 中国版目前每天赠送 Qwen-3.7-Max 200 次免费调用额度，现在注册可领取 1 个月 2000 积分，直接上手体验，零成本试用。
这次我要的需求简单说就是：输入小宇宙或者 Apple Podcasts 链接，自动获取播客节目信息、提取文字稿或者转写音频，然后用大模型分析内容，给你一个结构化摘要、核心观点和收听建议。起个名字就叫 PodBrief。
你看，需求很清晰。但把它做出来，中间踩的坑，故事比结果还精彩。
不是在吹
先说结论。我原本的预期是：让 AI 搭一个能跑的原型就行，界面过得去、流程能走通，就够了。
结果 Qwen-3.7-max 在这个项目上的表现，远超这个预期。它不是只写了个前端页面就完事了，而是理解了一整个系统的工程链路。
我把需求发给内置 Qwen-3.7-max 的 QoderWork：我要一个播客分析系统，支持小宇宙和 Apple Podcasts，优先找公开文字稿，没有的话就获取音频转写，最后生成摘要、核心观点和收听建议。还要能配置自己的大模型和 ASR，要有进度展示和历史记录。
它没有一上来就开始写代码。而是先把这个模糊需求拆成了几个功能模块：平台识别、节目资料获取、文字稿查找、音频转写、内容分析、结果展示、设置模块、历史记录。这步拆解做完，我心里已经有谱了，是我要的这个方向。
接下来是项目结构的搭建： Next.js App Router、TypeScript strict、SQLite + Drizzle ORM、Tailwind CSS。这些技术选型我都没指定，它自己选的。而且选的方案确实符合这个项目的体量——不重，不花哨，刚好够用。说实话，这个技术选型能力，比很多初级开发者都要靠谱。
项目骨架搭完之后，就是一步步实现功能。这中间有几个地方，让我对 Qwen-3.7-max 的印象加分不少。
举个例子。平台识别这个功能看起来很简单，看看输入链接是小宇宙的还是 Apple Podcasts 的。但如果按能跑就行的思路，可能就是写几个 if-else 判断 URL 格式。Qwen-3.7-max 的做法是：把平台识别做成一个独立模块。每个平台有自己的解析器，统一输出标准格式的节目数据。这样以后加 Spotify、喜马拉雅、RSS Feed，只需要加一个新的平台解析器，其他流程完全不用改。
这就是工程思维。需要解决的问题，先想好为未来的扩展留好接口。这种思路在 AI 写的代码里，不常见。
开始折腾
系统跑起来之后，第一关是 ASR 配置。播客不一定有公开文字稿，很多时候只能获取音频然后转写。ASR（语音转文字）是整个链路里最容易被忽略、但最可能出问题的一环。
Qwen-3.7-max 一开始帮我接了一个通用的 ASR 实现，走的是 OpenAI Whisper 兼容的 multipart/form-data 接口。我心想，阿里云千问也有 ASR 模型，与其用第三方，不如直接全部走千问生态。于是我开始搞千问 ASR 配置。
这里就要说一下 QoderWork 的一个关键能力了。整个配置流程涉及 API 文档阅读、接口对接、模型参数设置、错误处理、连接测试。Qwen-3.7-max 在 QoderWork 里能看完阿里云帮助文档后，把千问 ASR 的两个模式都接进来了：一个是 qwen3-asr-flash（同步模式），走 Chat Completions 端点，把音频转成 base64 发过去。但这个东西有个致命限制——单次只能转 3 分钟的音频。
三分钟。播客有多长你们是知道的，四十分钟起步，一小时常态。所以只能搞分片了。
Qwen-3.7-max 给我写了一个音频切分引擎。原理是这样的：如果是 WAV 格式，就读 PCM 采样数据，用滑动窗口算 RMS 能量，找到静音段，在静音中间切分。如果是 MP3 或者 M4A，就按估算码率切成固定时长的小段。
这个切割逻辑本身不复杂，但让我惊喜的是它在设计时做的权衡：优先用静音检测（最精准），WAV 不可解析时退化到固定时长切分（最通用），有对应回退和边界处理。不是临时糊上去的。切成小段之后，每段不超过 2.5 分钟，然后并发 3 个 API 调用去转写，转写完合并结果，按时间偏移对齐。
跑是能跑了，但有个问题：每个小段返回的都是纯文本，没有时间戳。后面做时间轴和内容提取的时候，时间都对不上，乱七八糟的。这就很难受。
外力救命
其实千问 ASR 还提供了另一个模式：qwen3-asr-flash-filetrans，异步文件转写。这个模式好在哪里呢？首先不用自己切分了，整段音频一个 URL 丢过去就行。其次它支持词级别的时间戳，每个字的起止时间精确到毫秒。而且 API 自动帮你分了句子，还能标注情绪。这不就是我想要的吗。
于是 Qwen-3.7-max 又在 QoderWork 里帮我换成了这个异步模式。整个流程是：提交任务，轮询状态，下载结果，解析词级时间戳。改完之后，文件转写终于跑通了，十几分钟的播客，几分钟内完成转写，返回了 83 个句子段，每个都有精确到毫秒的时间戳。
这个精度是真不错，很多做得比较规范的播客也就这样了。
AI 分析
转写搞定了，接下来是整个系统最核心的环节：AI 分析。把转写好的文字稿喂给 大语言模型，让它提取摘要、核心观点、关键实体、收听建议。十分钟左右的播客完全没问题。但四十分钟以上的播客，文字稿转出来有将近四百段，AI 分析要分很多块并行处理，最后再综合。然后进度条停在「提取核心内容」，卡住了。
我让 Qwen-3.7-max 去排查。它在 QoderWork 里定位到了两个问题：
第一个：我在 AI 调用的 prompt 里让模型输出一个巨型 JSON，47 分钟播客的综合输出量太大了，模型生成到一半被截断了，最后一个数组少了个括号，全崩。第二个：虽然设置了超时时间，但 fetch 调用在某些情况下根本不响应 abort 信号，导致整个 worker 线程一直等。
Qwen-3.7-max 自己给我改了三件事：
把综合 prompt 精简约 50%，实体分类从 10 类减少到 7 类，每类限制 0-3 条；把分段分析的 prompt 也精简了，segment ID 列表从全部列出改成只给起止示例；写了一个 JSON 截断自动修复函数，扫描未闭合的括号和引号，自动补全。
改完这三件事之后，它还顺手把整个系统的使用文档和开发说明都补齐了。终于，跑通了。
跑出来的效果
最终出来的结果是什么样的？给你们看看。
第一个 Tab 是速读摘要。一句话总结告诉你这期到底讲了啥，下面是三分钟速读，有点像播客版的「太长不看」。不是那种泛泛的“本期讨论了某某话题”，而是真的把核心逻辑链和关键结论给提取出来了。
第二个 Tab 是内容提取。人物、产品、数据案例、金句、行动建议，分类列好。比如 47 分钟那期贝索斯太空梦，提取出了贝索斯、蓝色起源、ULA、SpaceX 等关键人物和公司，还有“太空不是逃避地球问题的地方，而是保护地球的方式”这种金句。每个条目都有出现的时间点和对应的原文段。
第三个 Tab 是完整文字稿。文件转写出来的，385 个句子段，每段都有精确到毫秒的时间戳。可以搜索、可以高亮、可以点时间戳跳转。如果你听完摘要觉得有意思，想直接跳到某个观点对应的原文位置，点一下就行。
使用体验
项目跑完了，复盘一下整个过程。必须要讲一下 QoderWork 的跨会话记忆。
整个开发过程，我前后折腾了大概几十个来回。需求一直在变：一开始只是个简单的播客分析，然后要求加配置页面，再加 ASR 支持，再换异步模式，再修 bug…… 如果每次都要重新跟 AI 解释这个项目是干嘛的、之前改过啥，我估计早就烦躁到放弃了。但 QoderWork 记得。
它记得这个系统的目标是做播客分析而不是通用工具。它记得我已经接过了千问 ASR。它记得上次修的 bug 是 API 响应字段层级写错了。
这就让整个体验非常不同。你不需要重新交代上下文，直接说“上一步卡在 AI 分析，帮我看看”就行了。顺便说一句，移动端还有个很实用的能力：你发起长任务之后可以离开电脑，手机看它跑到哪了。
我实际试过。下班路上打开手机，看到 ASR 转写跑完了，AI 分析正在进行，不用盯着电脑屏幕干等。对于这种动不动几分钟甚至更长的长程任务来说，这个体验比一直守在电脑前好太多了。
结语
有一说一，这次最大的感触不是 Qwen-3.7-max 有多聪明，而是它配合 QoderWork 这种工具，能实实在在地把一个想法推进成一个可用的东西。而我记录的，也是一个真实项目的实操过程。
中间踩的坑，其实都不是模型的锅。ASR 配置、API 字段层级、JSON 截断，这些都是真实开发中本来就存在的问题。真正关键的是：当你遇到这些问题的时候，这个 AI 能不能帮你一步步定位、修复、验证、再推进。从这个角度看，Qwen-3.7-max 在这个项目里做到了。
它不只是写了个能看的页面，它理解了一整个系统的工程链路：平台识别、数据获取、音频转写、文字清洗、AI 分析、结果生成。每个环节都不是一次生成就完美，而是在反复调试中不断迭代到可运行。这就是真实开发。
对于像我这样平时有各种小想法但懒得从零手写完整系统的人来说，Qwen-3.7-max + QoderWork 的组合，确实把“想想而已”变成了“真的能做”。播客太多听不过来？至少现在，我有一个自己做的工具来帮我做第一轮筛选了。
这个成就感，拉满。如果你也有类似的小项目想法，不妨去 云栈社区 和大家一起聊聊，看看还有哪些有意思的 AI 应用场景值得动手做。
发表于 1 小时前
|
查看: 5|
回复: 0
