research-collectorlisted

# Research Collector 这个 skill 只做一件事: - 为某个主题批量收集 YouTube 视频 + 网页文章,喂进 NotebookLM,跑分析查询,把结果落地到本地目录(默认 `./research/<topic>/`,可配置) 不负责: - 写成品文章(交给你自己的写作工具 / skill) - 选主标题 - 下载视频(交给本仓库里的 `yt-dlp-direct` skill) - 发布到多平台(交给本仓库里的 `publisher-wechatsync` skill) 一句话原则:用户说"帮我收集 X 话题的素材"或"拉一批 YouTube + 文章到 NotebookLM",就走这条固定流水线,不要每次重新设计。 ## When To Use 适用场景: - 用户要为某个话题写推荐/测评/观点文,需要先做背景研究 - 用户说"帮我找 X 的热门 YouTube 视频和文章" - 用户说"收集到 NotebookLM 里分析" - 用户说"给我整理一份 X 话题的素材研究" 不适用场景: - 用户已经有明确素材清单,只想要总结 → 直接跑 `nlm notebook query` - 用户要做的是实时对话研究,不需要持久化到 notebook → 用 WebSearch + WebFetch - 用户只要下载单个视频 → 用 `yt-dlp-direct` ## Preconditions 开始前必须确认: 1. `nlm` CLI 已安装且登录:`nlm login --check` 2. `yt-dlp` 在 PATH 中:`which yt-dlp` 3. 用户明确说明了主题和角度 4. 输出目录可写(默认 `./research/<topic>/`,可以通过 `RESEARCH_OUTPUT_DIR` 环境变量或对话里直接指定其他路径) 前置不满足时: - `nlm login --check` 失败 → 让用户跑 `nlm login`,session 有效期 ~20 分钟 - `yt-dlp` 没装 → 停止并告诉用户 ## Working Rules - 先和用户对齐主题、角度、量级,再动手 - 每轮 ytsearch 默认 15 条,可以根据需要调整 - NotebookLM deep research 一次只能跑一个任务,不能并发 - 添加 source 时每条之间 sleep 2 秒,避免限流 - 所有产出(原始 JSON + 汇总 markdown)落到 `./research/<topic>/` 下(或用户指定的目录) - 这个 skill 只负责收集和分析,不要擅自接着写成品文章 - 不要删 notebook,用户后面可能还要回去跑 query ## Core Workflow ### Phase 0: 对齐目标 在动手前必须和用户明确: 1. **主题是什么**(要一句话能喂给 ytsearch 的关键词) 2. **角度**(比如"最常用 + 个人创作" vs "最新发布 + 技术细节") 3. **笔记本命名**(默认 `<主题> 素材`) 4. **量级**(默认:15 油管 + deep research 自动 ~40 网页) ### Phase 1: 创建笔记本 + 设 alias ```bash nlm notebook create "<话题> 素材" # 从输出提取 ID,然后: nlm alias set <short-na