我用一个 Chrome 插件,同时搞定了英语学习和产品技术情报

我平时信息输入最大的来源是 YouTube：AI 播客、产品发布会、创始人访谈，一期动辄一两个小时，而且基本都是全英文。

这类内容信息密度很高，但我一直有个很头疼的问题：看的时候觉得醍醐灌顶，过两天就只记得一个大概。 想整理成资料，就得一边暂停一边记，一期视频整理下来比看视频本身还累。

所以这次我决定，用Agent给自己做一个小工具-TubeInsight，一个 Chrome 侧边栏插件。可以满足英语学习+了解前沿产品技术 并行的需求；提效不少。

一、先想清楚：我到底要解决什么问题

动手之前，我先给自己做了一次需求梳理。

我把"看一期 YouTube 长视频"拆成了几个环节，然后看每个场景/环节卡在哪：

拆完我就意识到，市面上大部分工具只解决了"摘要"这一步。但对产品经理来说，摘要只是起点，真正有价值的是后面的提炼、转化和沉淀。

这也成了 TubeInsight 的产品定位：不只是总结视频，而是把一期长视频变成能直接拿去用的研究资料。

二、TubeInsight基础功能

先说基础这一层。

双语字幕解决的是"看懂"。原文、中文、双语对照随时切换，点任意一句视频就跳到对应位置，选中句子还能让 AI 解释、存成带时间戳的笔记。

AI 概览解决的是"筛选"。整期视频按章节拆开，每章都有中英文摘要。我现在的习惯是先花一分钟扫这里，再决定要不要完整看。

双语字幕

AI 概览

三、像写 PRD 一样给 AI 提需求

接下来是我最想分享的部分：怎么用产品经理的方式和 AI 协作。

我用的是 AI 编程工具，全程用自然语言描述需求，由 AI写代码、跑测试、部署上线。但我很快发现，AI 写代码的质量，很大程度上取决于你的需求写得清不清楚。

所以我做了三件事。

第一，写一份完整的需求文档。 我把主要功能模块逐一写清楚（和Agent协作完成）：入口在哪、功能是什么、输出什么格式，还有技术约束，技术栈、数据存在哪、UI及交互风格等。

第二，把 Prompt 当成产品的一部分来设计。 每个 AI 功能的 Prompt 都单独放在 /prompts 目录下，一个功能一个文件。好处是后续调优 Prompt 不用动业务代码，这和我们平时把配置和逻辑分离是一个道理。

第三，给每个模块写验收清单，并且严格按依赖顺序开发。 情报模块是基础，PRD 依赖情报的输出，导出又依赖前两者，所以开发顺序是：情报 → PRD → 导出 → 洞察 → 对比。每完成一个模块，我在真实视频上按清单验收，通过了才让Agent再进行开发下一个模块。

这个节奏非常重要。一次性让 AI 做完所有功能，出了问题根本不知道是哪一环引起的。小步快跑、逐个验收，本质上就是我们平时做迭代的方法。

最终新增的几个核心模块是这样的：

Intel 情报雷达：从视频里提炼产品功能点、用户痛点、竞品信息和商业模式关键词，每张卡片都能单独复制。

PRD 草稿：在情报的基础上，一键生成包含背景与目标、目标用户、用户故事、核心功能列表和验收标准的 PRD 草稿。

Insights 行业洞察：识别视频里的专业术语（点击展开解释），把每位嘉宾的观点整理成"谁说了什么"，再单独挑出对产品经理最有价值的内容。

Compare 多视频对比：把多个视频加入对比库，一键生成横向对比报告。

Notes笔记：解决的是"随手记"。看视频时鼠标移到播放器上点一下 Note，或者直接按 n 键，就能存下一条带时间戳的笔记。它会自动往回退 3 秒，因为人总是听完一句话才反应过来"这句要记"。字幕里选中的句子、概览里的重点引用，也能一键存进来。

所有笔记都集中在 Notes 标签里，可以只看当前视频，也可以看全部视频。点时间戳直接跳回视频对应位置，也能单独复制文字或带时间戳的链接。对我来说，这一步是从"看过"到"留下点东西"的起点。

一键导出：入口放在 Notes 标签里。把摘要、情报、PRD、洞察和我自己记的笔记打包成一份 Markdown 文件，方便存进自己常用的笔记或知识库工具。看视频时随手记，看完一键带走，这样"沉淀"这一环才算闭环。为长期价值-构建自己的PKM。

四、功能做完，才是测试的开始

功能全部做完后，我让 AI 对整个插件做了一次完整的检查。结果查出来的问题，比我预想的多。

挑几个有代表性的说：

这些问题有个共同点：单个功能测试时都发现不了，只有在真实、连续的使用场景里才会暴露。 这也是为什么我坚持每个模块都在真实视频上验收，而不是只看 AI 说"已完成"。

修完这些问题后，我给每个修复都补上了自动化测试，确保以后改代码不会把它们改回去。现在项目有 74 项自动化测试，每次发布前都会全部跑一遍。

五、自己当第一个用户，发现了真正的问题

v1.2.0 发布后，我开始在日常工作中真正使用它。

很快我发现了一个设计上的问题。

有一次我在看 Lex Fridman 的一期人物访谈，打开 Intel 一看，结果非常别扭：它把视频开头提到的 AI 配音技术，当成了这期视频的"核心产品"来分析。

原因很简单：Intel 的 Prompt 默认假设"每个视频都在讲产品"。 遇到不讲产品的视频，AI 只能硬凑。

这是一个典型的"需求假设和真实场景不匹配"的问题。我看的视频里，有相当一部分是访谈和经验分享，它们没有产品，但有非常有价值的方法论。

所以 v1.3.0 版本，我对 Intel 做了一次迭代：先判断，再分析。

现在 Intel 会先判断视频是不是以核心产品为主题，并给出判断依据：

比如下面这期讲精神病学历史的访谈，Intel 识别出这是"非产品视频"，提炼的是"历史批判分析法""多因素整合视角"这类方法论，而不是硬凑产品功能。

PRD 也跟着做了调整：遇到方法论类视频，会把方法论转化成一个产品构想来写，并在开头注明。

六、给产品经理加一个"技术边界"

另一个迭代来自我自己的工作痛点。

做 AI 产品，我最怕的一件事是：高估了技术能力。 需求评审时信心满满，研发一句"现在的模型做不到"，整个方案就得推翻。

而 AI 播客和访谈里，嘉宾经常会聊到某项技术现在能做到什么、还有哪些局限。这些信息对产品经理来说非常值钱，但通常散落在长达两小时的对话里。

所以我在 Insights 的 For PM 板块里，加了一个新的分支标签。现在它分成两个：

For PM · 产品洞察

For PM · 技术边界

提需求前看一眼技术边界，心里会有底很多。

七、关于隐私和成本

最后说两个大家一定会关心的问题。

隐私。 TubeInsight 是开源的，没有自己的服务器，也不做任何数据统计。API Key、笔记和分析结果，全部只保存在你自己的浏览器里。

成本。 插件本身免费，但需要你自己准备两个 API Key：Supadata（获取字幕）和 DeepSeek（AI 分析）。费用按你自己的实际用量，直接付给这两家服务商。

这种"自带密钥"的模式，对独立开发者来说很友好：不用承担服务器，也不用碰用户数据。

写在最后

TubeInsight 目前是 1.3.0 版本，已经在 GitHub 开源，欢迎star,fork。

项目地址：github.com/rubyzhao666/tube-insight

如果你也经常靠 YouTube 学习、做研究，欢迎试用。