看技術教學、專案開箱或長篇訪談影片挺耗時間，很多半小時以上的影片，核心乾貨其實只有五分鐘。今天我們來做一個影音過濾器：只要追蹤的頻道發了新影片，流程就自動去撈逐字稿或字幕，交給 AI 提煉成結構化筆記，讓你在點開影片前就知道這部片到底值不值得花時間看完。

第一站：監聽頻道的新影片
要抓 YouTube 更新，最穩也最省事的方式依然是靠 RSS。其實每個 YouTube 頻道都有一個隱藏的 RSS 網址，只要拿到該頻道的頻道 ID，拼成專屬的訂閱連結，丟進前幾天用過的 RSS 節點就能隨時掌握動態。設定排程每隔幾小時檢查一次，只要有新影片發布，節點就會吐出影片標題、影片連結和發布時間。

第二站：取得影片字幕文字
拿到影片連結後，下一步是取得內容文本。如果影片本身有官方或自動產生的 CC 字幕，可以透過公開的字幕提取 API 或是小型的抓取工具服務，把整支影片的逐字文字檔拉回來。如果遇到沒有字幕的影片，也能在這裡接一個條件分流，先標記「無字幕」，避免流程卡死。

第三站：文本清理與長度控制
逐字稿抓回來通常會有一大堆時間標記（比如幾分幾秒）和零碎的斷行，直接丟給模型會吃掉不必要的額度。我們接一個簡單的資料處理節點，把多餘的時間標籤洗掉，只保留乾淨的說話內容。如果逐字稿太長，也可以先切成段落，確保丟進模型時不會超過單次長度限制。

第四站：讓 AI 萃取精華筆記
乾淨的字幕送進 AI 節點，提示詞可以這樣下：「你是一個高效率的學習筆記助手。請閱讀以下影片的發言內容，整理成一份清晰易讀的速讀摘要。請列出：1. 這部影片的核心主題（一句話）、2. 三到五個關鍵論點或步驟、3. 最值得注意的一個亮點或結論。」這樣整理出來的內容，結構乾淨，掃一眼就能抓到講者的思維脈絡。

第五站：推播與存檔
最後把影片標題、原始觀看連結，以及 AI 整理出來的三大塊重點排好版，發送到自己的閱讀頻道或筆記庫。看到感興趣的論點，再針對那個段落點進影片精準觀看，直接省下一大半盲目摸索的時間。明天我們換個工程師更常遇到的場景，來做一個 GitHub 專案變動雷達，自動監控重要開源工具的 Release 更新。