「路老闆，我每週要剪片、上字幕、整理逐字稿、發文，這些事情能不能全部交給 AI 自動跑？第一步該做什麼？」

第一步不是打開任何工具。第一步是把那件你懶得做的事，拆成一條步驟鏈，寫在紙上。

每一步寫清楚：進去的是什麼、出來的是什麼。寫得出來，AI 就跑得動；寫不出來，再強的模型也只是在幫你猜。

我用自己做短影音的流程當例子。

我懶得做的事

我不想手動剪片。理想的狀態是：事先寫好腳本，對著手機或麥克風錄音，把聲音檔丟進去，出來就是剪好的畫面加字幕。

聽起來很像魔法，但拆開來其實是幾個很普通的步驟接在一起。

拆成步驟鏈

我的鏈是這樣：

一、聲音檔進去，逐字稿加每一句的時間戳出來。這一步用 Whisper（語音轉文字工具），本機跑或用 API 都行。

二、逐字稿進去，每一句對應的畫面素材出來。事先準備一個 B-roll 素材庫（B-roll 就是配在旁白底下的畫面），檔名用關鍵字命名，例如「電腦工作」「咖啡廳」「台北街景」。這一步讓 Claude 讀每句話的語意，從素材庫挑最接近的。

三、素材跟時間戳進去，裁好長度的片段出來。用 ffmpeg（處理影音的命令列工具）把每段素材裁成對應那句話的長度。

四、片段進去，合併加上聲音、燒入字幕、輸出直式影片。還是 ffmpeg。

四步，每一步的輸入跟輸出都是明確的檔案。然後我請 Claude Code 把這四步寫成一支可以直接執行的腳本，之後每次只要把聲音檔丟進去、跑一次。

為什麼要先拆，不要先問 AI

如果你一開始就跟 AI 說「幫我做一個自動剪片的東西」，它會給你一個很大的東西，然後你不知道從哪裡壞的。

拆成步驟鏈之後，每一步可以單獨測。逐字稿不對就修第一步，配錯畫面就修第二步，其他步不用動。這才是自動化能維護的原因。

還有一個原則：每一步能用決定性的工具做的，就不要交給 AI。轉文字、裁片段、合併、燒字幕，這些工具每次跑結果都一樣，交給它們。只有「這句話該配什麼畫面」這種需要判斷的，才給 AI。判斷的地方越少，整條鏈越穩。

把這套方法套到你的雜事上

你想自動化的可能不是剪片，可能是把 Podcast 逐字稿整理成文章、把一篇長文拆成社群貼文、把每週的資料整理成報表。方法一樣：

• 寫下起點是什麼檔案、終點是什麼檔案
• 中間拆成三到五步，每步一個輸入、一個輸出
• 標出哪幾步是工具能決定性完成的，哪幾步需要判斷
• 先手動跑一遍整條鏈，確認每一步的輸出你都滿意
• 再請 AI 把它寫成腳本

手動跑一遍這一步不要省。你手動走不通的流程，自動化之後只會更快走不通。

順帶講幾個我踩過的小地方：聲音檔先降噪再丟進去，逐字稿會準很多；素材的解析度盡量統一，不然合併的時候要多處理一層；素材數量比句子少的時候，要先決定可以重複用還是要補素材，這種事先想好，腳本才寫得出來。

寫腳本那一段，開最強的模型

這裡有一個配置的細節。跟 AI 討論流程怎麼拆，用輕一點的模型就好，來回快；真的要它寫腳本、處理檔案路徑跟錯誤情況的時候，換成最強的模型，讓它把邊角案例想進去。

因為寫程式是有對錯的事。素材數量比句子少怎麼辦、檔名有空格怎麼辦、聲音檔格式不對怎麼辦，這些它想到越多，你之後半夜被叫起來的次數越少。

常見的誤區：一開始就想做到全自動

很多人第一版就想要「丟進去、什麼都不用管、成品直接發出去」。

不建議。第一版先做到「丟進去、出來一個我看一眼就能用的東西」。發文那一步先留給自己，等你看了幾十次都沒改過，再把它接上去。

自動化是一步一步把人拿掉，不是一開始就沒有人。

留一個問題給你

你那件懶得做的事，現在能不能寫出它的四個步驟，每一步進去什麼、出來什麼？

寫得出來，你已經完成第一步了。

如果你拆到一半卡住，可以把狀況寫信給我。我的電子報每週會寫這類用 AI 把雜事自動化的實際流程，可以先訂起來：https://iamlouis.ai/subscribe/edm