Ourword MCP server

原声 · 播客深读

世界太吵，来原声听播客。

每天从 54 档中英文播客里挑出值得记住的判断。要点和金句都带时间戳，点一下就回到

它在原声里被说出的那一秒；金句逐字校验过、数字回原文核对过——查不到出处的，

一律不上站。

线上： https://ourword.ai/podcast/ · RSS · 信源清单

为什么要重做一个

同类站点（如 onepod.site）的做法是：抓 21 个 YouTube 频道的自动字幕，让模型写一篇散记发出来。三个问题：

第三行是重点。这个仓库里没有"尽力而为"这个选项——pipeline/lib/gate.py 验不过的记录不会变成页面。

内容质量是怎么保证的

一、文稿五层回退（pipeline/lib/transcript.py）

按质量从高到低试，第一个通过密度校验的胜出：

1. feed — 节目在 RSS 里发布的 （VTT / SRT / JSON）。Odd Lots、TBPN、Practical AI、Think Fast、Acquired 有。JSON 那种还自带说话人分离。
2. notes — feed 条目本身就是全文。Substack 系（Latent Space、Interconnects）习惯把整份逐字稿贴进 content:encoded，格式是 Joon [00:31:12]: …，于是说话人归属和精确时间戳都是免费的。
3. page — show notes 里的 transcript 链接，或节目页。抓下来必须通过标题特征词校验确认是这一集，否则丢弃（否则会抓到节目的归档页）。
4. youtube — yt-dlp 拉自动字幕。会做滚动重复裁剪（YouTube 的字幕是"上一条尾部 + 新内容"，直接拼接会把每句说两遍）。
5. asr — 下载音频送 Whisper 兼容接口转写，带 segment 时间戳。长音频用 ffmpeg 切片。

每一层都要过语速校验：英文 70–300 wpm，中文 110–520 字/分。低于下限说明拿到的是 show notes 冒充逐字稿；高于上限说明抓错了文档。两种情况都当作"没有文稿"。

二、编辑质检（pipeline/lib/gate.py）

剔除了什么、为什么剔除，都写进 run log（Actions artifact 保留 14 天），页面侧栏也会显示"质检剔除 N 处"。

三、跨源去重

同一集经常同时出现在 RSS 和节目的 YouTube 频道。指纹 = 归一化标题 + 时长按 2 分钟分桶，命中就跳过。（对照站点没做这个，同一集出现过两次。）

事故记录

踩过的坑都在 POSTMORTEM.md，按错误类型分组，每条写清现象、根因、 以及现在靠什么防住。前三类各自重复发生过三到四次（失败却报成功、基础设施抖动被当成 内容缺失、校验规则误杀真内容），改这个项目之前值得先读一遍。

能自动化的都变成了检查：tests/test_guards.py 直接断言那些教训——推送重试循环必须 检查结果、评审失灵必须拦下而选题失灵必须放行、移除信源需连续失败（一次抖动不算）、 评分不许全挤在及格线上、理由与分数必须一致、信源 id 不许因中文名塌成 42／src、 字符串相似度四版失败用例全部保留、判据必须承认"判断与框架"这种价值形态、 每页恰好一个 h1、cron 还开着、本机脚本含提交推送。纯文档防不住重犯。

python3 -m unittest discover -s tests    # 87 项

怎么自动更新

有两条路，看你能不能拿到 key。

两条线同时在跑，分工由 IP 决定，互不重复：

state.json 在 git 里，本机跑前先 git pull，所以不会重复发同一集。

A · 本机定时（已装，不需要任何 key）

用本机已登录的 claude CLI 生成。不产生 API 账单，但会花 Claude 订阅额度， 所以刻意压小：每天 2 篇、模型 sonnet、跳过超过 2 万词的超长集，约 5 万 input tokens/天。

cp scripts/com.ourword.podcast.plist ~/Library/LaunchAgents/
launchctl load ~/Library/LaunchAgents/com.ourword.podcast.plist

每天 10:30 与 21:30 各跑一次（--only-residential，每次上限 6 篇），完整链路并推送。 日志在 .cache/logs/。停掉用 launchctl unload。代价：机器睡着或断网时不跑 （launchd 会在唤醒后补跑）。

转写用本机模型，不需要任何 key：mlx-whisper（Apple Silicon）+ imageio-ffmpeg 自带的静态 ffmpeg。它返回逐句真实时间码，比云端 SenseVoice 那条更准（后者只给整段 文本，得按字数插值）。~/.config/podcast/env 里若放了 LLMAPIKEY 就走 API 账单， 否则回退到本机 claude CLI（会花订阅额度，因此刻意压小篇数并用 sonnet）。

B · GitHub Actions 云端日更（需要一个 key，当前定时已停用）

.github/workflows/daily.yml 的 cron 已注释掉——没有可用 key 时开着只会天天 红灯。拿到 key 后取消注释即可。不限 Anthropic：任何 OpenAI 兼容端点都行， 配三个 secret 就跑：

Shortened. The full README is on GitHub.