我如何用 AI 从零打造爆款 YouTube 频道（完整打法）

我如何从零开始用 AI 打造一个爆款 YouTube 频道——完整攻略 July 20, 2026 · 25 min read · View source ↗ Marketing Youtube Claude AI 第一部分：策略、调研与脚本——从零到一份完成的脚本。 我在不到 4 个月的时间里，从 0 做到了变现。 靠的不是"保持稳定更新"，也不是"追随我的热爱"。 我从那些已经赢了的频道那里偷走了整套系统——然后让 AI 完成 80% 的工作。 关于范围的一个简短说明：这第一部分覆盖从开头一直到一份完成、可录制的脚本——包括细分领域选择、逆向拆解竞品、Bible 系统，以及 Master Bible。它不涵盖真正的制作栈——用哪个 AI 模型做视觉、如何处理配音、如何组装出一个可发布的视频文件。那是第二部分的内容，我会在其中逐一讲解具体工具（包括一套 Claude + Higgsfield 自动化设置），把一份完成的脚本一路变成上传好的视频，手工操作降到最低。如果你现在就想要那一半，跳到下方 Phase 6 附近的说明，或者等第二部分。 成果： 用这套系统做的前 10 个视频（不含前面四个，那四个我下面会讲）：每个 15k – 40k 次观看 4 个月实现变现 第 6 个月：$3k - $6k/月 现在稳定在每个视频 50k – 150k+ 次观看 多个视频突破 500k+ 下面是整个系统，一步步来。 大多数创作者从未听过的残酷真相 大多数人开 YouTube 频道失败，原因只有一个。 他们在猜。 他们猜该选什么主题。他们猜什么能让人们点击。他们猜如何把视频结构设计得让人不会在 90 秒后就离开。 然后当它不起作用时，他们感到挫败——并责怪自己"不够坚持"或"不够热爱"。 问题不在这里。 当已经有很多频道把每个答案都弄明白了——而且他们每次发视频都在向你展示到底什么管用——"猜"就是一个糟糕透顶的策略。 我不再猜了。我建了一套系统去偷他们的智慧。 ——"别再猜了。开始找模式。" 但在我展示怎么做之前——先告诉你真正走到那一步花了什么。 三个我不想谈的视频 你接下来要读到的这套系统，不是我在书桌前凭空想出来的。我是烧掉了最初 6 个星期，才走到这里——现在回想起来，那几乎是一种犯罪式的时间浪费。 第 1 个视频花了我 9 天。我自己写的脚本，"发自内心"，零参照点。这个点子在我脑子里感觉妙极了。到了屏幕上，它变成了 14 分钟的平淡唠叨，前 30 秒没有任何钩子。结果：212 次观看——我猜其中 40% 是我自己，反复刷新确认剪辑真的渲染对了。 我记得第一天每隔半小时就刷新一次数据分析，纯粹出于习惯，尽管我明明知道那个数字不会动。那真是一种让人谦卑的感觉——你人生中的九天，换来一个连你手机通讯录里联系人数量都比不过的数字。 第 2 个视频之所以出现，是因为第 1 个视频把我吓得开始想"多做点内容、再快点"。我抓了一个感觉应景的主题，两天剪完，发出去。结果发现根本没人搜那个主题——我只是说服了自己它会"爆"。89 次观看。比第一个还差。 到这个时候，我认真考虑过放弃。不是那种模糊的、比喻式的说法——我真的打开了频道设置，看了看删除按钮长什么样。 ——"是啊，破事常有。" 第 3 个视频才是真正的转折点——不在内容，而在方法。我不再凭空发明，而是开始真正地看——带着一个笔记本——看我的细分领域里五个已经持续拿到几十万观看量的频道。不是"汲取灵感"。是字面意义上每 20 秒暂停一次，写下：他们刚说了什么，为什么用那种方式说，为什么我没有在那个精确的瞬间跳到下一个视频。 花了三个晚上。我在手机上记满了 11 页笔记。直到那时我才看清我一直没看到的东西：这些频道有一套模式。不是天赋，不是魅力——是一套模式。同样的钩子结构。同样的重新抓回注意力的节奏。同样的故事类型，一遍又一遍。 第 3 个视频，围绕这些模式构建，第一周就拿到了 15,000 次观看。是第一个的 70 倍。我确信自己破解了公式——从这里开始只会一路向上。 第 4 个视频拿到了 640 次观看。 结果发现，我从自己的笔记里得出了错误的结论——我几乎逐字复制了钩子结构，但选了一个我确实毫无真实专业度的主题，而这一点在每一句话里都暴露无遗。只有模式还不够，如果模式底下没有真东西。那是一次让人难受的发现——而且正是它（而不是第 3 个视频的成功）让我意识到：我需要的不是一个幸运的洞察。我需要一套系统，能从多个角度同时检验每一个决定——结构、主题、故事、视觉——而不是依赖一个时机恰好的一次观察。 更重要的是，手动拆解五个频道、记 11 页笔记，这种做法根本无法规模化。我不可能在每个视频之前都亲自做一遍，更别说同时从四个不同角度做。三个晚上换一轮观察——要让这种做法变得可靠而不是碰运气，得跑多少轮？ 就在那时我灵光一闪：如果真正的过程——看、注意、记录模式——可以交给 AI 来做呢？不是做一次，而是在每一个未来的视频之前自动做，用几分钟而不是几个晚上。 下面的这套系统就这样诞生了。第 5 个视频往后——完全用这套系统做的——稳定落在我在本文开头提到的 15k–40k 观看区间。但要走到那个区间，得先熬过前四个视频，其中三个都翻车了。我会带你走完每一个部分——就是我在最初那六个星期里缺失的那些细节。 Phase 1：选择一个真正能赢的细分领域 在你碰相机或打开脚本文档之前，先回答一个问题：这个细分领域能不能赢——对一个现在从零开始的人来说？ 不是"它有没有趣"。不是"我热不热爱它"。是能不能赢。 三个细分领域测试 测试 1 —— 常青测试。在 YouTube 上搜你的主题，按上传日期排序。3 年多以前的视频现在还在获得观看量吗？如果是，这个领域有持久力。如果只有最近 6 个月的内容在起量，你只是在追一个趋势。 测试 2 —— 变现测试。通过 Google Keyword Planner 或任何 SEO 工具查一下你这个领域关键词的 CPC。金融、商业、健康、生产力、科技、法律——高 CPC。游戏、表情包、娱乐——低 CPC。高 CPC 意味着广告主愿意花更多钱触达你的受众——每 1,000 次观看赚更多钱。 测试 3 —— "换个方式讲"测试。你能不能看着这个领域排名前 10 的视频，立刻看到一个缺口——一种把主题讲得更好的方式，从一个不同角度，服务一个不同受众？如果每个视频看起来都一样，那就是你的机会。 用 Claude 对你的想法做压力测试 一旦你有了 3–5 个细分领域想法，把它们交给 Claude： > 我在考虑开一个 YouTube 频道。这里有 5 个细分领域想法：[列出它们]。对每一个，分析： > > 1. 受众规模和增长轨迹 > > 2. 竞争程度，以及一个新频道是否现实可行地挤进来 > > 3. 变现潜力（预估 CPM、联盟机会、产品潜力） > > 4. 它是否适合长视频内容（10–30 分钟的视频） > > 5. 基于我的背景，我的不公平优势是什么：[描述你的经验] > > 给我一个带理由的排名推荐。 Claude 花 2 分钟就能做完这件事。过去这要花一周的表格调研。 Phase 2：找到你的参照频道 找到 3–5 个在你这个领域已经赢了的频道——你会在做任何一个视频之前，把它们彻底逆向拆解。 什么才算好的参照频道： 100K–2M 订阅（大到足以已经弄明白了点什么，又小到他们的战术今天依然适用） 至少 18 个月稳定的更新频率 强烈的点击信号——相对订阅数而言很高的观看量 长视频内容（10–30 分钟的视频，不是 Shorts） 搜你的领域关键词，按观看量排序。找那些每个视频——而不只是一个爆款——都持续拿到高观看量的频道。那种一致性就是信号。 写下 3–5 个频道名字。你接下来要把它们知道的一切都提取出来。 Phase 3："四本 Bible"方法——真正的秘密 大多数创作者会花 3 个月手动做笔记。用 NotebookLM，只要几天。 思路是：不是复制一个频道，而是研究 4–5 个顶级频道，建立四份情报文档——Bible。然后你把每个里面最好的部分合并成一些新东西，但完全建立在被验证过的模式之上。 那不是抄袭。那是每个成功创作者一直以来做事的方式。AI 只是把它系统化了。 一个简短的提醒：从这里开始，我会继续点名具体工具——NotebookLM、Claude——因为那正是我实际构建这套系统用的，我想给你精确的、可直接复制粘贴的提示词，而不是含糊的建议。但方法论本身并不绑定某个特定服务。重点从来不是"你非得用 NotebookLM"——重点是你需要一个有足够大上下文窗口、能一次装下几十份文字稿并从中找出模式的东西。今天那就是 NotebookLM 和 Claude。一年后名字可能就变了。系统是那个五文档结构以及它们如何连接——而不是对某个品牌的依赖。 如果你想更深入了解 NotebookLM 本身——它到底如何处理大批量来源导入、它的强项和弱项、大多数人忽略的设置——我早前写过一篇单独的拆解。 嵌入帖子： 作者：Dmitry (@dmtr_btc) 帖子 ID：2069744888002805822 来源：https://x.com/dmtr_btc/status/2069744888002805822 回复：无 文本： > http://x.com/i/article/2069738842001756160 设置 NotebookLM 前往 notebooklm.google.com，新建一个笔记本，用你的细分领域命名。 往里装入： 你参照频道里观看量最高的前 10 个视频的文字稿（任何视频下的三个点 → "Open transcript"）更新：你可以直接粘贴一个 YouTube 视频链接——NotebookLM 会自动提取文字稿。 那些相同视频的评论区（前 50–100 条——观众会在这里明确告诉你他们想要什么） 关于你领域里什么内容管用的文章 你自己看频道时记的笔记 不要整理它。只管往里塞。NotebookLM 什么都能读。 ——"一切就是在这里改变的。" 📘 Bible 1：好奇心 Bible 它是什么：你的参照频道用来制造和维持好奇心的每一种技巧——他们提出的问题、做出的承诺、打开的信息缺口。 为什么它重要：好奇心是留存的引擎。观众留下来，是因为他们在等一个答案。最好的频道是打开观众脑中问题、并把答案拖到刚好够久以让人继续看下去的大师。 提示词： > 仔细研究这些文字稿。我想理解这些频道是如何在整个视频过程中制造和维持好奇心的。识别并记录： > > 1. 他们如何开场——用哪个问题或承诺开场？ > > 2. 他们制造了哪些"开放循环"（提出问题但不立刻回答）？ > > 3. 他们如何预告后面会来的内容？ > > 4. 哪些语言模式制造期待？ > > 5. 他们如何关闭循环——何时以及如何最终回答他们自己的问题？ > > 6. 同时运行的开放循环平均有多少个？给我带时间戳的具体例子。 把输出复制到一份文档里——那就是你的好奇心 Bible。 你会发现什么：最好的频道几乎从不立刻回答问题。他们堆叠问题——在关闭第一个之前就打开第二个。到第 5 分钟，你有 3 个未回答的问题拉着你往前。这就是你停不下来的原因——现在你知道怎么复现它了。 📗 Bible 2：留存 Bible 它是什么：让观众一直看下去的结构模式——节奏、场景切换、重新抓回注意力的时刻、信息传递的韵律。 为什么它重要：YouTube 的算法靠观看时长和留存运行。一个平均观看时长 70% 的视频会被积极推广。一个 30% 的视频会死掉。区别几乎总是结构性的，而不是内容质量。 提示词： > 分析这些文字稿中影响留存的结构模式。 > > 1. 在"有东西改变"（新想法、角度、故事）之前，一个"段落"平均有多长？ > > 2. 他们如何重新抓住走神的观众——用什么措辞或技巧？ > > 3. 前 30 秒发生了什么（关键的留存窗口）？ > > 4. 在 25–30% 处发生了什么（大多数观众流失的地方）？ > > 5. 故事和信息之间的比例与模式是怎样的？ > > 6. 哪些模式区分了表现最好和最差的视频？ > > 7. 他们如何处理主题之间的过渡？记录具体例子和用到的语言。 把输出复制到一份文档里——那就是你的留存 Bible。 你会发现什么：最好的频道把每 90 秒都当作一次可能失去观众的新机会。他们从不断定你还在看——他们不断地重新赢得你的注意力。 📙 Bible 3：故事 Bible 它是什么：你的参照频道如何使用叙事——结构、角色类型、情感弧线。 为什么它重要：信息本身留不住观众。故事能。即使在金融视频里。即使在科技解说里。 提示词： > 分析这些文字稿中的叙事模式。 > > 1. 他们使用哪些故事结构（英雄之旅、问题/解决方案、前后对比、案例研究）？ > > 2. "角色"是谁——真人、公司、原型？ > > 3. 他们如何建立利害关系——观众为什么要在乎？ > > 4. 他们击中哪些情感节拍，以什么顺序？ > > 5. 具体细节 vs. 泛泛之谈——哪个表现更好？ > > 6. 他们如何让抽象概念显得个人化？ > > 7. 他们观看量最高和最低的视频之间，叙事上有何不同？ 把输出复制到一份文档里——那就是你的故事 Bible。 你会发现什么：最好的频道几乎总是把内容锚定在一个具体的故事上——一个失败的真实人物、一家倒闭的公司。故事搭好框架；信息往里填充。 📕 Bible 4：主题 Bible 它是什么：在你的领域里哪些主题表现最好、为什么，以及还有哪些角度没有被覆盖。 提示词： > 基于这些文字稿和来源材料，帮我建立一套主题策略。 > > 1. 哪些主题持续表现最好，为什么？ > > 2. 表现最好的视频在标题和缩略图上存在哪些模式？ > > 3. 受众反复问哪些问题？ > > 4. 什么已经被讲烂了，什么还有新鲜角度可用？ > > 5. 每个顶级主题里的情感钩子是什么——恐惧、好奇、渴望、愤怒？ > > 6. 哪些即将到来的主题或事件能带来强劲的搜索流量？按潜力排序，建议 20 个具体视频创意。 把输出复制到一份文档里——那就是你的主题 Bible。 Phase 4：构建视觉 Bible 四本文本 Bible 告诉你你的参照频道如何思考。视觉 Bible 告诉你它们长什么样。 这是大多数创作者彻底跳过的一步。别跳过。 方案 A：手动总表（30 - 60 分钟） 收集截图：缩略图（表情、颜色、文字叠层、构图）、B-roll 模式、屏幕文字、出镜人取景、开场镜头、场景多样性。 抓 30–50 张截图，用下面的提示词上传到 Claude。 方案 B：自动化脚本（5 分钟设置） 让 Claude 写一个 Python 脚本： > 给我写一个 Python 脚本，要求： > > 1. 用 yt-dlp 从一个 URL 下载一个 YouTube 视频 > > 2. 用 ffmpeg 每 3 秒提取一帧 > > 3. 用感知哈希（imagehash）去除近重复帧 > > 4. 按视觉复杂度给剩余帧打分，过滤掉黑屏和静态幻灯片 > > 5. 用 Pillow 把最好的 40–60 帧排成一张联系表（contact_sheet.jpg）——8 列，单元格尺寸一致，小间距 > > 6. 保存到一个 /output 文件夹 > > 让它可以从命令行运行，接受一个 URL 作为参数。加上清晰的注释。 你需要 Python + 4 个免费库：yt-dlp、ffmpeg、Pillow、imagehash。 方案 C：用 Claude API 完全自动化 让 Claude 扩展这个脚本： > 在上一个脚本最后加一步：生成 contact_sheet.jpg 之后，自动把它发送给 Claude API，附带这个提示词："分析这张来自一个顶级 YouTube 频道的联系表。给我一份结构化的视觉 Bible，包含以下章节：THUMBNAIL PATTERNS、COLOR PALETTE（hex 值）、PRESENTER FRAMING、TEXT ON SCREEN、B-ROLL PATTERNS、VISUAL RHYTHM、MY VISUAL BLUEPRINT。以干净的 markdown 格式输出。"把回复保存为 /output 里的 visual_bible.md。两个文件都保存后打印一条确认信息。 结果：丢进去一个 URL，走开，回来时文件夹里就有 contact_sheet.jpg 和一份完整的 visual_bible.md。在 3–5 个参照频道上跑一遍，你就得到了一本由你领域里最好频道、数百个数据点构建出来的视觉 Bible。 方案 A vs. C：A 捕捉你眼睛注意到的。C 能从数百帧中捕捉到你的眼睛完全会漏掉的模式。 Phase 4.5：构建 Master Bible 五份独立文档还不是一个完成的系统。它们是原材料。 我遇到的问题在这里：当你真要写脚本的时候，你最终得手动重读五份文档，决定从每份里挑哪些内容粘进提示词。这很慢，而且难免有洞察丢失——你已经翻到故事 Bible，就忘了留存 Bible 说了什么。 修复方法：把五份合并成一份文档。不是机械地复制粘贴——是再经过 Claude 处理一遍： > 这里是我通过研究 [细分领域] 领域的顶级频道建立的五份文档：CURIOSITY BIBLE：[全文粘贴] RETENTION BIBLE：[全文粘贴] STORY BIBLE：[全文粘贴] TOPIC BIBLE：[全文粘贴] VISUAL BIBLE：[全文粘贴] > > 把它们合并成一份 Master Bible——一份紧凑但完整的综合，不按来源文档组织，而是按制作一个视频的阶段组织： > > 1. TOPIC SELECTION（来自 Topic Bible） > > 2. HOOK STRUCTURE（来自 Curiosity + Retention Bible） > > 3. STORY ARCHITECTURE（来自 Story Bible） > > 4. RETENTION RHYTHM（来自 Retention Bible，带大致的时间戳标记） > > 5. VISUAL STYLE（来自 Visual Bible） > > 删除文档之间的重复。只保留具体的、可应用的模式——不要理论，不要按来源逐一拆解。 把结果保存为 master_bible.md。这才是你真正的核心资产——不是五本独立的 Bible，而是一份紧凑的文档，你在写每个脚本前打开它，每个视频之后更新它（Phase 7）。 ——"当所有拼图终于拼到一起的时候。" Phase 5：用 Claude 写你的第一个脚本 你现在有了一本 Master Bible——一份统一了好奇心、留存、故事、主题、视觉五本 Bible 洞察的单一文档。这比大多数创作者第一年积累的战略情报还多——而且是在几天内建成的。 脚本提示词： > 我在为 [细分领域] 领域的一个频道写 YouTube 脚本。这是我的 Master Bible——通过分析这个领域顶级频道建立的完整战略基础：[全文粘贴 master_bible.md] > > 我的视频主题：[主题] 目标时长：[12–18 分钟] 目标受众：[具体描述] 我的独特角度：[是什么让你的切入与众不同] > > 写一份完整脚本，要求： > > 1. 用 "Hook Structure" 章节里的模式开场 > > 2. 遵循留存节奏（每 90 秒重新抓住注意力） > > 3. 使用对应章节里的故事架构 > > 4. 按正确顺序击中情感节拍 > > 5. 在方括号里加上视觉建议，匹配 "Visual Style" 的风格 > > 格式：[HOOK] / [CONTEXT] / [MAIN CONTENT] 分章节 / [CLOSE]，视觉提示放在方括号里。 回来的是 80% 的草稿，建立在你领域里真正管用的情报之上——一次提示词搞定，而不是五次零散的粘贴。 人类层——让它成为你的那 20% Claude 做不到的： 加入只有你经历过的那个具体故事 注入你真实的个性和说话模式 对"哪个洞察真正最重要"做出判断 确切知道你受众此刻需要听到什么 过一遍草稿。凡是有地方显得通用——把它变具体。凡是有地方读起来像文字——让它听起来像说话。凡是有地方偏离了你的角度——纠正它。这一遍，才是视频真正变成你的地方。 Phase 6：制作循环 关于这一阶段的说明：下面是一般性的制作循环——节奏和检查清单，与你如何生成视觉无关。我在这里刻意不点名具体的 AI 图像模型、配音工具或组装软件——那正是第二部分全部的主题，届时我会讲我实际使用的完整栈（包括哪种图像生成模型适合哪种细分领域、我如何处理 AI 配音、最终文件如何组装，以及一套 Claude + Higgsfield 设置，可以端到端自动化其中大部分）。把这一阶段想成一份无论你是自己出镜、用 B-roll、还是用 AI 生成每一帧都依然成立的检查清单——第二部分才是填入具体工具的部分。 录制前 把脚本大声读一遍——删掉任何念出来不自然的内容 识别 3–5 个需要配 B-roll 的时刻（你的视觉 Bible 会明确告诉你是什么） 准备好脚本里引用的屏幕录制、图形或视觉元素 录制 遵循你视觉 Bible 里的取景蓝图 允许自己在想到更好的东西时偏离脚本——脚本是地板，不是天花板 B-roll 多拍一些，比你认为需要的更多 剪辑（围绕你的留存 Bible 构建） 每 60–90 秒切一次 B-roll 在你的 Bible 识别出的那些时刻加上屏幕文字 用跳切删掉任何超过 1.5 秒的停顿 在 25–30% 处格外注意——那里有没有发生点什么把观众拉回来？ 缩略图（围绕你的视觉 Bible 构建） 用你领域已被验证的调色板里的主色 表情匹配视频的情感钩子 制造好奇心的文字叠层（不完整的句子、挑衅性的论断、数字） 如果可能，测试两个版本 Phase 7：闭环——Master Bible 会自我重写 一个视频不是战略。迭代才是。但迭代不意味着"吸取一个教训、下次记住它"。它意味着一件具体的行动：更新 Master Bible 文档本身，而不只是你自己对发生了什么事的记忆。 1 周后：把视频的评论装入 NotebookLM。问："观众最常问哪些问题？他们觉得什么最有价值？什么让他们困惑？他们想要更多什么？" 28 天后：查看 YouTube Analytics 的平均观看时长、最大的流失点、点击率，以及最主要的流量来源。把这些数字交给 Claude——不只是要建议，而是真正重写文档： > 这是我当前的 Master Bible：[粘贴 master_bible.md] > > 上一个视频的分析数据（用这本 Bible 做的）： > > - 平均观看时长：[X]% > > - 最大流失点：[时间戳] > > - 点击率：[X]% > > - 最主要流量来源：[来源] > > - 观众评论：[来自 NotebookLM 的关键主题] > > 1. 这些数据告诉你 Master Bible 的哪些章节站得住脚、哪些没有？ > > 2. 重写那些与数据相矛盾的章节——要具体，给出新的措辞。 > > 3. 新增一章叫 "Proven in Practice"，记录在我自己真实视频上实际奏效的东西，而不只是参照频道里的理论。 > > 返回完整更新后的 master_bible.md。 这就是线性指南和一个会学习的系统之间真正的区别：每一个下一个视频都基于一本不再是第一个视频所用的那本 Master Bible——它是一份更新过的版本，里面已经写进了你自己的结果，而不仅仅是参照频道的模式。 Phase 8：复利效应 关于用这种方式构建，没有人告诉你的是：它随时间是呈指数级变好的，因为系统本身真的会在每个循环里变聪明： 参照频道 → Master Bible v1 → 视频 1 → 数据 + 评论 ↑ │ └──────────────── Master Bible v2 ◄────────────┘ │ ▼ 视频 2 → 数据 + 评论 → Master Bible v3 → ... 10 个视频之后：你的 Master Bible 不再纯粹建立在其他频道之上——里面已经写进了你自己被验证过的模式 20 个视频之后：你能看出哪些参照频道假设在你的具体领域里真的站住了脚，而文档已经反映了这一点 50 个视频之后：你拥有了大多数创作者从未构建出的东西——不只是"经验"，而是一份在运作中、持续更新的文档，你可以把它交给你团队里的另一个人，让他用你的风格做出一个视频 大多数创作者在第 50 个视频时还在猜。你不会。而且和大多数人的流程不同，你的这套东西不活在你脑子里——它被写下来了，所以它不会随着你的心情或空闲时间一起消失。 为什么这碾压了 99% 的新频道 1. 你不再猜——你在复制赢家身上被验证过的模式。每一个结构性决定都来自已经弄明白的频道。你不用希望某样东西管用——你知道它管用，因为你记录过它管用。 2. 你不再单打独斗——Claude 和 NotebookLM 做重活。调研、综合、第一稿——AI 处理。你处理判断、声音、以及只有你能讲的故事。 3. 你不再从零开始——你站在已经赢了的频道肩膀上。你的第一个视频就受益于 5 个频道和数百个数据点的情报。大多数创作者要到第二年才能达到这种程度的自我认知。 4. 你迭代得快——每个视频都让下一个更好。系统自动捕捉学习。每个视频改善 Bible。Bible 改善下一个脚本。下一个脚本改善下一个视频。 这不是"AI 替你做视频"。 这是"AI 给你一个不公平的优势，让你作为一个人去赢"。 整套系统一瞥 PHASE 1：细分领域选择 ↓ 三个领域测试 + Claude 分析 → 能赢的领域 PHASE 2：参照频道 ↓ 3–5 个赢家频道 → 深度研究对象 PHASE 3：NotebookLM 里的四本 Bible ↓ 好奇心 + 留存 + 故事 + 主题 Bible PHASE 4：视觉 Bible ↓ 手动截图 或 自动化脚本 → 联系表 → Claude 分析 → 视觉风格指南 PHASE 4.5：Master Bible ↓ 五本 Bible 合并成一份文档，按视频制作阶段组织 PHASE 5：脚本 ↓ Master Bible → Claude 草稿（80%）→ 人类层（20%）→ 最终脚本 PHASE 6：制作 ↓ 录制 → 用留存 Bible 剪辑 → 用视觉 Bible 做缩略图 PHASE 7：闭环 ↓ 数据 + 评论 → Master Bible 被重写 → Master Bible v2 PHASE 8：复利 ↓ Master Bible 随每个循环成长 → 流程改善 → 频道成长 → 重复 │ ──────────────► 用更新后的 Master Bible 循环回 PHASE 5 第一本 Bible 耗时最长。一旦 Master Bible 存在，系统就开始自我喂养——这不是比喻。你在第 20 个视频上用的那份文档，字面意义上已经不是第 1 个视频时的那同一个文件了。 ——"大多数创作者把 AI 当工具用。 目标是建一套系统。" 第二部分预告：从脚本到已发布视频 以上一切把你带到一份完成的脚本和一本随每次上传而改善的 Master Bible。它没覆盖的是管道的另一半——真正把脚本变成躺在 YouTube 上的视频的那部分。 第二部分会讲： 哪个 AI 图像/视频模型真的适合你的领域——不同生成器在一致性、风格和成本之间的权衡，以及为什么"最好"的模型完全取决于你的视觉 Bible 告诉你你的领域长什么样 配音——如何从你的脚本得到一条听起来自然的旁白，而不显得机器腔，以及拿到之后如何处理剪辑那一步 组装——把生成的视觉、配音和屏幕文字变成一个完成的、可发布的文件 自动化这一切——一个使用 Claude + Higgsfield 的实际例子，把一份完成的脚本变成大部分粗剪视频，手工步骤最少，这样 Phase 6 的制作循环就不再是手工活，而变得更接近 Phase 3 的 Bible 构建——大部分是 AI，你只做判断 从好奇心 Bible 开始。它会永远改变你看 YouTube 的方式——也会改变你的观众看你时的体验。Tags: # X # Marketing # Youtube # Claude # AI # Growth # Automation # Higgsfield # Guide # Affiliate Related articles HOW I BUILT A FACELESS YOUTUBE CHANNEL TO $41k/MONTH USING CLAUDE AI $41,000/month. Youtube Claude AI Marketing