三四年前，我做过一次 YouTube。
那时候尝试过火柴人动画，也做过一些音乐类内容。前前后后折腾了半年多，最后没有赚到钱。
现在回头看，那次失败不只是因为选题，也不是因为我不愿意坚持。更现实的问题是：做一条视频太慢了。
找主题、写文案、准备画面、剪辑、做封面、上传，每一步都要自己处理。做完一条已经很累，更别说同时测试不同方向。
现在我又开始了。
不是因为 YouTube 赚钱突然变容易了，也不是因为我找到了什么稳赢的方法，而是因为过去卡住我的一个关键条件发生了变化：AI 和自动化开始改变一个人持续生产内容的成本。
两种视觉方向的生成结果；实际制作时仍需人工选择和检查
我看到的机会，不是一键生成视频
很多人谈 AI 做内容，第一反应是：输入一句话，AI 自动生成一条视频，然后上传 YouTube 赚钱。
我不太相信这种故事。
AI 能生成视频，和这个视频有人看，是两回事；有人看，和频道能够持续增长，是两回事；频道增长，和最终能够覆盖成本、带来收入，又是另一回事。
我真正感兴趣的，是 AI 能不能帮助一个人建立一套完整的内容生产系统。
过去最消耗我的，是那些重复、枯燥，但又不得不做的工作。现在其中相当一部分已经可以交给 AI：寻找候选主题、分析视频、提取文案、拆解结构、生成图片、制作缩略图、尝试不同开头，再把反馈带回下一轮。
AI 没有替我决定最终要做什么，但它确实让“持续做下去”这件事没有以前那么贵了。这里的“贵”，既是钱，也是时间和注意力。
我不是先选历史，而是先筛选生产模型
我现在做的是一个英文历史频道：Past Made Us。内容从今天看起来很普通的生活出发，回到古代，看看过去的人如何生活，以及这些东西怎样一步步演变成今天的样子。
但我不是因为突然喜欢历史，就拍脑袋决定做一个历史频道。
我先看到了一些类似频道，然后开始判断：这种内容形式是否适合一个人借助 AI 持续生产。我主要看三个条件。
第一，频道要比较新。一个已经运行一两年的频道，播放可能来自长期积累；最近几个月才开始更新的频道，更能帮助我判断这种形式在当前环境里是否仍然值得测试。
第二，不能只看一条爆款。我更想看频道整体表现，而不是被一条偶然跑出来的视频说服。
第三，也是最重要的：生产结构能不能自动化。它最好是 faceless，不依赖创作者本人出镜；画面可以通过图片、轻动画或相对简单的镜头完成；内容结构可以分析；素材和版权风险也要在可控制的范围内。
我想找的不是一个“看起来很赚钱”的频道，而是一种我有能力持续生产和测试的内容模型。
Past Made Us 已经发布第一批视频；这是生产闭环的证据，不是商业成功证明
系统不是设计出来的，是做出来的
Past Made Us 已经发布了第一批视频。现在一天大约可以制作两到三个，这和三四年前已经是完全不同的生产条件。
我用得最多的工具是 Codex。它不只是帮我写一段文案，也参与整个流程的搭建和修改。
我会使用 TranscriptAPI.com 获取参考视频的 transcript，再让 Codex 分析文案结构、叙事节奏和信息安排。其他 Skills 分别帮助我制作封面、缩略图和视觉素材，视频里的主要图片则由 OpenAI 的图片生成能力完成。
但这套流程不是我坐下来想一天，然后突然设计出一个完美系统。真实情况更像这样：
只有真正开始生产，才会知道系统哪里需要优化。如果一直停留在规划阶段，很难提前想象所有问题。
自动化负责重复生产，人仍负责方向、质量、权利和继续投入的决定
连视频开头，也是边做边试
一开始，我的视频开头只是静态图片。后来我尝试用 Grok 给几张图片增加简单的动态效果，让它看起来更像视频。现在，我又在通过第三方视频 API 尝试更有冲击力的动态开头。
但我不会因为动态视频更贵，就直接认定它一定更有效。
更合理的方法是做 variation：静态图片、简单动态、更强的视频开头都做出来，再根据发布后的真实结果判断。
如果更贵的视频开头没有带来相应改善，就没有必要继续烧钱；如果它确实改善观看，再考虑怎样降低成本。
这才是我理解的 AI 工作流：不是工具替我做一次决定，而是系统让我能够用更低的成本反复测试。
平台不反对工具，但会判断最终内容
自动化不等于可以批量制造低价值视频。
YouTube 当前的频道创收政策明确把重复或批量制作、缺少原创价值的模板化内容列为不适合创收的内容；同时也说明，使用 AI 辅助脚本、画面或编辑并不自动排除创收，关键仍是最终作品有没有原创叙事、真实观点以及教育或娱乐价值。
另外，YouTube 对生成式 AI 内容的披露要求主要针对看起来真实、但实际上经过有意义修改或合成的内容。我的历史画面虽然服务于叙事，也不能因此跳过事实检查、权利检查和必要的披露判断。
所以我希望自动化的是重复执行，而不是责任。
现在最值得自动化的，可能是“无聊”
这个实验还很早。频道已经有了第一批内容，也获得了一些播放，但远远谈不上成功，更谈不上已经跑通变现。
我愿意继续做，是因为我越来越觉得，YouTube 最难的部分可能不是偶尔做出一条视频。
真正难的是：发布了一条，数据很普通；再发布一条，还是没有明显反馈；连续做了十几条，也不知道方向对不对；但你仍然要继续选题、制作、上传和等待。
这个过程非常 boring。
很多人不是完全没有能力，而是在长时间得不到正反馈时，很难继续忍受重复劳动。
如果有一个系统可以承担其中最枯燥的部分，情况就不一样了。人不再把全部精力浪费在机械执行上，而是回到更重要的判断：哪个主题值得继续、内容有没有质量、哪种开头更有效、成本是否合理、哪些环节可以自动化，以及什么内容不应该发布。
AI 不是替我坚持。它只是把坚持里面最容易让人放弃的部分，变得更容易执行。
我准备给这件事三个月
我不会因为几条视频的数据不好，就立刻判断这个方向失败。同样，我也不会因为某一条多了一些播放，就宣布方法已经跑通。
我准备先持续做三个月。
这三个月真正要验证的，不只是“有没有爆款”，还有：生产系统能不能稳定运行、内容质量能不能保持、哪些主题值得继续、一条视频的真实成本是多少、哪些部分应该自动化、哪些判断必须留给人，以及最终能不能形成可持续的收入。
三四年前，我已经试过一次。那一次，我证明了自己可以做半年，也证明了只靠一个人慢慢制作，很难建立足够的测试能力。
这次我想验证的是另一件事：
当 AI 和自动化把那些枯燥、重复、耗时间的工作接过去以后，一个普通人能不能真正建立一条长期运行的 YouTube 内容生产线？
我现在还不知道答案。
但至少，这一次，我们终于有条件把这个问题认真测一遍了。