
我試過將課程剪成 YouTube 影片。最後點解我揀咗重新拍過。
我以為只要將課程其中一個模組剪輯一下,修剪幾個過場,就可以當作 YouTube 影片。我錯了。製作 The Parade Problem 令我明白到,好嘅內容再利用唔係剪片 咁簡單。而係要為唔同嘅承諾、唔同嘅觀眾、唔同嘅頭三十秒重新設計個概念。
呢個分類共 77 篇文章

我以為只要將課程其中一個模組剪輯一下,修剪幾個過場,就可以當作 YouTube 影片。我錯了。製作 The Parade Problem 令我明白到,好嘅內容再利用唔係剪片 咁簡單。而係要為唔同嘅承諾、唔同嘅觀眾、唔同嘅頭三十秒重新設計個概念。

我用咗 13 個月、總共畀咗 US$1,892.38 之後,正式取消咗 Claude Max。呢 唔係慶功文,而係一個 30 日實驗:睇下當 Codex 變成主要工具之後,我仲可 唔可以用同一個節奏繼續推進 STRATUM、DIALOGUE、課程平台同呢個網站。

距離我上次比較兩個星期之後,兩個工具都出咗重大更新。Codex 挑戰咗我嘅產品策略,而 Claude Code 做唔到。Claude Code 就推出咗 Agent Teams 同 AutoMemory。結果係:我準備退訂 $200/月嘅 Max 計劃——而且用更少錢,出更好嘅成果。

大部分關於AI同團隊設計嘅對話,一開始就講人頭。我覺得呢個起步點係錯嘅。更好嘅問題係你個團隊需要邊啲職能——而呢啲職能,無論你有四個人定四十個人,其實都係一樣嘅。

DIALØGUE 支援 7 種語言,但真正嘅多語言工作唔係翻譯 strings。真正麻煩嘅係 audience-local 日期、TTS 一致性、UI language drift,仲有判斷邊啲位嘅 quality 值得你慢落嚟做好。

我喺廣告行業做咗好多年,一直見到團隊將「郁得快」誤當成「有進展」。後來我開始 自己整 AI 行銷工具,先發現個問題其實更嚴重:執行快咗,判斷反而弱咗。

AI 而家可以好快咁 produce media plans、performance summaries、measurement frameworks 同 campaign setups。問題唔係 output 明顯差。問題係佢好多時「夠好」到過到一個 casual review,但 miss 咗真正 matter 嘅 business context。

大部分 teams 仲係問應該用邊個 model。以我嘅經驗嚟講,呢個已經唔係最重要嘅問題。如果你嘅 AI system 唔記得個 client 或者 brand、category、同埋乜嘢先叫做好,就算全世界最叻嘅 model 每次對話都係由零開始。

2023年我以為 generative AI 會令平價 content 淹沒 search,減低 SEO 嘅 return。三年之後,呢件事的確發生咗。但更大嘅 shift 係:content production 本身已經唔再係 moat。Structure、trust、QA、localization quality 同 answer-engine visibility 先係。

一個人。七個 modules。三個鐘 video。十五個 templates。18 種 layout type 嘅 custom slide pipeline。Professional voice clone。全部喺做緊 VP 嘅 full-time job 期間完成。呢個就係 AI-first operating model 用喺自己身上嘅樣。

話 AI 會取代初級工作嘅 narrative 根本搞錯重點。一個做 activation 嘅 junior 唔係做雜務 — 佢係喺度 configure DV360 targeting、QA tracking pixels、manage bid strategies。真正嘅問題係:當 AI 拉高咗所有人嘅地板,competitive advantage 點嚟?Depth。

我幾乎用咗成一年 Claude Code 配 Opus 4.6,之後再花一個星期試 Codex 同 GPT-5.4。結論係:冇邊個可以完全勝出。真正更好嘅做法,係將兩個一齊用——做跨模型 review、食盡互補優勢,同埋建立操作層面嘅韌性。