2024年終回顧:從推廣困境到AI自動化影片製作的實驗之路

年終回顧:從推廣困境出發,嘗試用 AI 自動化解決影片製作的門檻。技術上突破了,但內容方向還在找平衡點。

2024年終回顧:從推廣困境到AI自動化影片製作的實驗之路
2024年終回顧:從推廣困境到AI自動化影片製作的實驗之路

年底了,想坐下來好好回顧一下今年到底做了什麼。

這一年,我把重心放在一件事上。

從困境開始說起

過去這幾年,我做了不少自己覺得有趣的應用程式。

但每次做完,最頭痛的不是技術,而是推廣。

寫 SEO 文章要時間,關鍵字優化要慢慢累積。

付費廣告?轉換率低到讓人懷疑人生。

問題出在哪?

後來我想通了:是信任。

你跟客戶之間沒有信任關係,不管產品多好,他們都不會買單。

所以今年,我決定只做一件事:建立信任。

不管是當網紅也好,做內容創作也好,核心就是讓陌生人開始相信你。

而要建立信任,影片是最直接的方式。

於是我把目標定在:優化做影片的能力。

第一次嘗試:AI 翻譯外國影片

一開始,我想走捷徑。

用 AI 去搬運外國的影片,客製化翻譯成繁體中文,快速產出內容。

聽起來很美好對吧?

我試了很多方法,折騰了好一陣子,總算讓整個流程跑起來。

結果呢?

發到 YouTube 上,流量慘到不行。

一個從零開始的頻道,本來就很難獲得推薦。

加上平台可能判定內容跟其他影片太相似,直接拒絕給流量。

這條路,走不通。

轉折:決定自己拍

既然搬運不行,那就只能自己拍了。

但我一直抗拒拍影片,原因很簡單:太累。

你得規劃腳本、拍攝、剪輯、設計縮圖,每個環節都要時間。

光想到那個工作量,就覺得喘不過氣。

不過今年有個很大的不同:AI Agent 的出現。

特別是 Claude Desktop,它可以透過 MCP 的方式幫我做很多事。

我突然意識到,也許可以用自動化來解決這些繁瑣的工作。

於是我開始建立一套工具。

包括怎麼自動生成訪綱、怎麼快速產出 YouTube 的描述和字幕、怎麼製作縮圖。

甚至每週測試不同工具後,還能自動幫我寫成文章。

整個流程變得順暢很多。

卡關:趨勢 vs. 興趣

但做了幾支影片後,我發現另一個問題。

做 YouTube 不只是技術層面的事,更重要的是:你的內容要符合觀眾想看的主題。

也就是說,你得跟上趨勢。

但跟趨勢就意味著,有時候你得拍一些自己不是那麼想拍的內容。

測試了幾次後,我開始覺得有點辛苦。

我不太想為了流量,去做那些現在不想拍的影片。

現在在想什麼

所以現在有點卡在這裡。

一方面,我知道要建立信任、要累積觀眾,就得持續產出內容。

另一方面,我也不想為了迎合演算法,失去做內容的初衷。

這大概就是今年最大的收穫吧。

我花了一整年,從推廣困境出發,嘗試用 AI 自動化解決影片製作的門檻。

技術上,我做到了。

但內容方向上,我還在找平衡點。

也許明年,我會找到一個既符合趨勢、又讓自己有熱情的切入點。

或者,我會選擇慢慢做,不追流量,只做自己真正想分享的東西。

現在還不確定。

但至少,這一年的實驗,讓我更清楚自己在做什麼、為什麼要做。

這已經是很大的進步了。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin