start	end	text
0	6000	我們經常看到網上有很多的AI工作流,自全自動化工作流,7x24小時工作流。
6000	15000	但是當我做不到的時候,我就會疑問說,他們是真的嗎?他們真的可以撒手不管,然後讓agent一直在做決策,在做運行嗎?
15000	20000	當我真正自己實現了之後,我才發現這裡面的細節非常的多。
20000	25000	那今天,我就帶大家親自拆解一條我的視頻製作工作流。
25000	32000	現在看到的所有視頻,這個,這個,以及這個,都是這個工作流剪輯出來的。
32000	34000	好,話不多說,那我們直接開始拆解。
41000	45000	整個視頻製作分為六步,用痛點挖掘需求提取。
45000	50000	根據自己的insights,形成觀點提取框架,要最後生成腳本。
50000	57000	錄製視頻,剪輯視頻,製作,封面,以及最後發布全平台。
57000	61000	但是我們並沒有用一個prompt把它交給agent,讓它全全去做。
61000	67000	而是用這樣一個framework,兩個維度,把它所有的任務劃在四個項線裡面。
67000	70000	而每一個項線,我會用不同的方式去做。
70000	74000	那對於這種共同探索,或者一次性委託的,我們就不多追溯。
74000	78000	基本上是通過和AI之間的聊天,或者是一次性的prompt完成。
78000	85000	我們今天主要focus在流程化的協作和自動化執行這兩個項線裡面。
85000	95000	比如說第一個,用戶痛點調研,以及全平台發布。
95000	100000	這兩個重複性又非常高,對我的每次的判斷力又依賴很低。
100000	104000	這種類型的任務,你就可以設置一個全自動化的工作流。
104000	109000	對於用戶調研需求,我用的是Growbuck Skills,加上Notion的MCP,
109000	114000	再加上Growbuck裡面的Routine,來實現這樣一份全自動化工作流。
114000	118000	所以初始的設置是這樣的,你要寫一份完整的Skills,
118000	124000	需要用戶調研的Skills,這裡包含你的內容要求,你的衡量標準,以及輸出的格式。
124000	131000	然後同時給他開一些MCP Tools,比如說,我想看報告是在Notion裡面,用Notion Template。
131000	137000	所以你給他連接到Notion的MCP,並且告訴他用人生的Block Template去使用。
137000	144000	然後最後給他設置一個Routine,Routine就是讓他主動的,按時的,或者周期性的去做一件事情。
144000	150000	那這個Routine我就用它,讓他自動的來去掃描他所生成的Notion的Research報告,
150000	154000	的Comments。如果有新的Comments,他就會去Address,
154000	157000	Spone一個新的Session或者Task來去做。
157000	160000	所以他是通過這三個功能來實現全自動化,
160000	163000	而我和Aden之間的協作是通過Notion。
163000	167000	那接下來我們來看,流程化協作的這個象限。
167000	172000	就是對你的判斷性依賴又很高,同時重複性又很高的這種工作,
172000	173000	我們應該怎麼做?
180000	184000	首先我們要選擇一個基礎能力,就是需要有一個工具或者是引擎,
184000	187000	它可以去自動編輯實品。
187000	190000	那這裡我選擇的是Hyperfree,如果大家需要,
190000	194000	我可以再出一期單獨講解為什麼我會選擇Hyperfree,
194000	196000	以及它的一些Tactics。
196000	200000	所以你把第一步引擎選定了之後,工具選定了之後,
200000	202000	你要先去試用它,
202000	204000	讓它就用它原生的這個引擎,
204000	206000	它自帶的一些Skills,
206000	208000	你直接直出一板效果。
208000	210000	結果你會發現出出來的效果,
210000	212000	可能完全不是你想要的樣子。
212000	213000	舉個具體的例子,
213000	215000	我的視頻裡面有大量的屏幕錄製。
215000	218000	當我講到界面上的某個功能的時候,
218000	221000	我希望觀眾能立刻知道現在應該看哪裡。
221000	223000	而我想要的效果通常是這樣的,
223000	225000	框出重點區域,
225000	227000	把其他部分壓按,
227000	229000	再把重點區域抬出來,
229000	231000	加上一個簡短的標籤,
231000	233000	這樣觀眾的注意力就能跟著我的講解來走。
233000	236000	那這套表達本身不複雜,
236000	237000	但如果每次都做,
237000	239000	我每次都要重新解釋一遍。
239000	242000	而AI每次的執行,
242000	243000	它都不一樣。
243000	246000	所以我希望把這套處理方式,
246000	248000	沉澱成一個可用的一個Recipe,
248000	251000	再加上它實現效果的Block。
251000	254000	這樣,Recipe告訴我什麼時候用,
254000	255000	該怎麼用。
255000	256000	而Block呢,
256000	257000	直接把框選壓按,
257000	258000	抬起,
258000	259000	標籤,
259000	260000	這一系列的動作,
260000	261000	給它實現起來。
261000	262000	那模型負責什麼?
262000	266000	模型就負責去理解這一次的扣播腳本。
266000	268000	結合我的講解和路評,
268000	269000	它需要判斷,
269000	270000	這段是不是該出,
270000	271000	局部交,
271000	272000	聚焦,
272000	273000	應該出在哪個區域,
273000	275000	什麼時候出現,
275000	277000	標籤寫在哪裡。
277000	278000	所以這時候你大概已經了解了,
278000	280000	什麼時候該選擇Harness。
280000	282000	Harness不是一個簡單的,
282000	283000	淨它的文件,
283000	284000	Markdown文件,
284000	285000	而是它是一個動態的系統,
285000	288000	這裡面包含了Recipe,
288000	289000	包含規則,
289000	290000	裝的一些動態效果,
290000	291000	兩標準,
291000	293000	同時它還包含了自我演化的一個功能。
293000	296000	當這次新的視頻裡面出現一些新的Pattern,
296000	299000	它就會再沉澱到你的這個Harness裡面。
299000	304000	所以你的Harness最后變成了Cumulate的你的一個資產庫。
304000	306000	如果大家很感興趣,
306000	308000	這部分到底來怎麼來做,
308000	310000	我也可以把我的VideoFactory,
310000	311000	Distill一下,
311000	312000	再Open Source出來,
312000	314000	這樣可以大家一起來使用。
314000	322000	那最後你可能會問,
322000	325000	整個這個製作流程分了這麼多步,
325000	326000	那每一步之間的協作,
326000	328000	是不是還得你來Drive呀?
328000	329000	不是的,
329000	330000	我跟它之間的協作,
330000	332000	就是用Notion來協作。
332000	334000	整個協作非常簡單,
334000	335000	我錄製好視頻,
335000	338000	把內容Title沾添到Notion裡面。
338000	340000	Agent會定時的去掃描,
340000	342000	如果發現內容的Title已經有了,
342000	347000	它會調用Descript MCP去直接下載我的錄取視頻,
347000	349000	加上Transcription。
349000	351000	然後它就可以自動的kick off
351000	352000	整個剪輯的過程。
352000	353000	當它完成之後,
353000	354000	它會GrabBot告訴我,
354000	355000	然後進行Review。
355000	357000	當我Review通過之後,
357000	359000	這個時候是通過聊天,
359000	364000	會自動的通知其他的Agent來進行浪施到其他的平台。
364000	366000	所以整個過程就是Routine,
366000	369000	加上Agent和Agent之間自帶的Communication,
369000	371000	這裡我使用的是GrabBot。
371000	372000	同時,
372000	373000	Skills,
373000	375000	再加上各式各樣的MCP,
375000	376000	你用的Notion MCP,
376000	378000	Descript MCP等等,
378000	380000	就把整個的過程串起來。
380000	381000	那最後,
381000	382000	我們WrapUp,
382000	386000	AI整個工作流就是在不斷的區分你任務的屬性,
386000	389000	以及你和Agent之間的分工,
389000	393000	而剩下的都是可以通過各式各樣的Routine加上Tools,
393000	395000	可以把它自動化流程下來。
395000	396000	那好,
396000	398000	今天我們就分享到這兒,
398000	399000	下次再見,
399000	399000	
399000	400000	我是Gin。