轉寫適合研究別人如何解釋一個想法。但若摘要刪去誰說的、何時說的與有哪些不確定性，就沒那麼有用。我們以公開歷史講座為例，由Codex處理本機筆記，Kabo提供可用轉寫證據。
Kabo，面向創作者研究的AI代理，檢索可用轉寫文字。歷史說法進入旁白前，筆記會保留來源歸屬與不確定性。
選擇用戶端並確認連線
準備來源日誌與核實問題
[ ] video-links.txt——公開來源與各自可能回答的問題。 [ ] research-question.md——需比較的講解選擇、歷史說法或術語。 [ ] source-log.md——語言、回傳時間範圍、檢索日期與狀態。 [ ] verification-questions.md——需要獨立一手證據的說法。 [ ] notebook/——註明歸屬的轉述、來源筆記及編輯決定。
檢查轉寫能力與目前輸入schema
一位歷史影片製作者使用支援檔案的MCP用戶端Codex，比較公開講座如何解釋一項印刷技術的引入。他需要註明歸屬的筆記，而非重建整篇講稿或自動事實核查。
詢問用戶端哪些轉寫工具已就緒、需要什麼輸入。Kabo在可用時提供public_video_fetch_transcript。不要推斷所有公開影片都有可用文字，或所有來源語言都會如預期回傳。缺失文字應保留為研究缺口。
檢查轉寫就緒情況與public_video_fetch_transcript的目前schema。針對[公開URL]檢索可用文字，保留來源語言與回傳時間範圍。若請求回傳job_id，請保留。不要把排隊確認總結成彷彿已取得轉寫。
完成資料檢索後再總結
若工具立即回傳文字，將其與來源中繼資料一起保留；若回傳job_id，使用get_research_data_job檢查最終狀態，再以read_research_data_artifacts讀取列出的產物。排隊確認不是轉寫。此路徑不同於讀取已儲存影片分析的get_analysis_run。
核實歷史說法前，使用「講者表示」。這項歸屬說明可防止研究筆記把聽來合理的講座轉為我們無依據的旁白。
若仍須選擇相關影片，YouTube研究流程可補充候選發現。
透過get_research_data_job完成資料任務，再僅以read_research_data_artifacts讀取該任務列出的object_refs。寫簡短且註明歸屬的筆記，附來源URL、語言及有依據時間。區分講者說法、獨立核實事實與我們的解釋。比較講解時不要抹平分歧。不確定人名標為待聽音訊，建立verification-questions.md。
撰寫保留歸屬的筆記
讓Codex儲存含簡短轉述、來源URL、語言與有依據時間範圍的筆記。區分講者說法、自己獨立核實的事實及編輯解釋。不確定的人名或術語應保留，以供對照音訊檢查，不要悄悄「糾正」。
日後可檢查的一條筆記
針對印刷史影片，一條有用筆記應分開處理這些工作：
- 來源：附真實影片URL。
- 講者說法：檢索後加入簡短轉述。
- 時間範圍：僅使用回傳或人工核對的時間。
- 核實問題：是否有獨立一手來源支持該日期？
- 視覺問題：示範展示了轉寫遺漏的什麼？
- 編輯行動：寫腳本前解決這些問題。
比較講解，不抹平分歧
詢問各講座認同什麼，以及哪些差異可能來自範圍、術語或確實有爭議的說法。只有精確措辭重要時才使用短摘錄。不要拼裝為原講座的替代副本，也不要把轉述翻譯成看似直接引語的文字。
帶著核實計畫結束筆記
若已獲本機檔案存取授權，在研究筆記旁建立questions-to-check.md。加入口語文字無法回答的視覺示範問題。歷史說法成為旁白前，需要合適的獨立證據；檢索轉寫不會替你完成核實。
轉寫中的技術名稱看來不可靠。保留不確定措辭，附來源連結，新增音訊或一手來源核對項，不要悄悄選擇一個看似合理的術語。
依已核實筆記撰寫旁白
用Google Docs從已核實筆記發展腳本。讓來源引用與說法清單一起保留，歷史示範在視覺上重要時都應檢查原影片。
文中的完整範例用於說明方法。產品截圖顯示的是 Kabo 網頁版既有的結果，並非本指南範例的實際執行紀錄。請使用自己的素材，以及您的任務實際回傳的證據。