一个创作者的真实工作流：他用5个AI提示服务10万读者

这不是一份泛泛而谈的AI技巧清单，而是一位拥有10万订阅者的创作者，如何把AI真正嵌入内容生产流程的实战拆解。你将看到：哪些提示词能节省成倍时间、为什么“示例”比“指令”更重要，以及如何用AI放大而不是取代个人风格。

为什么大多数AI提示没用？他的答案是：你给的上下文太少

在视频一开始，Peter Yang就抛出了一个非常现实的背景：他每周要为10万订阅者写通讯，还要主持一档采访顶级产品领袖、创始人和创作者的播客。时间，是他最大的稀缺资源。这也是他构建“个人AI提示库”的直接动机。

但他很快点出了一个关键洞见：“任何人都可以跑一个提示，让AI写一条看起来不错的内容，但真正的魔法发生在你向AI展示什么才叫‘好’的时候。”这句话几乎贯穿了他所有提示的设计逻辑。

与常见的“请帮我总结”“请帮我改写”不同，Peter的每一个提示里，都嵌入了他过去手动完成的高质量示例：最好的研究笔记、最受欢迎的通讯、点击率最高的标题。这些示例并不是装饰，而是在告诉AI他的判断标准。

这也是他反复强调的原则：AI不是替你思考，而是放大你已经验证过的方法论。如果你自己都说不清什么是好内容，AI只会给你一个平均值的结果。这一前提，决定了后面所有具体技巧是否真的有用。

3小时播客压缩成10分钟阅读：他的AI研究提示怎么用

第一个具体案例，来自他做播客前的研究工作。Peter习惯在正式采访前，研究嘉宾过往在其他播客中的观点。但现实问题是：很多播客动辄两三个小时，他“根本没时间每天看这么多视频”。

他的解决方案，是一个AI研究提示。操作流程非常直接：在Claude（他也说明ChatGPT等工具同样可用）中粘贴提示，然后从YouTube打开目标播客的视频，点击“显示字幕”，把完整文字稿复制给AI。

这个提示会做两件事：第一，按主题分段总结关键观点；第二，提取“非常值得引用的原话”。他现场举的例子，是一段长达三小时的播客，嘉宾是Perplexity的CEO Aravind Srinivas（视频中提到的是Perplexity CEO的访谈）。通过这种方式，他可以在几分钟内，掌握对方在“搜索与AI未来”等话题上的核心立场。

Peter特别强调，这个提示的价值不只限于播客。“它可以用于任何长YouTube视频——解释型视频、学习型内容都可以。你基本上是在用阅读几分钟，替代观看一个小时。”对内容创作者来说，这是典型的杠杆放大。

从口语到可读文本：把“难读的原始素材”交给AI

第二和第三个提示，解决的是同一类问题：原始素材质量太差，但信息本身很有价值。

先是播客文字稿。Peter会把音频转成逐字稿，但他形容原始文本“读起来很痛苦”：有时间戳、重复词、口语化的停顿。手动清理非常耗时。于是他设计了一个AI transcript prompt，把10到15分钟的原始文字稿分段粘贴进去。

这个提示会自动删除时间戳、去掉冗余口头语，并把问答整理成清晰、连贯的书面采访。他强调了一个重要细节：一次不要粘太多，避免AI“开始切掉整段问答”。即便如此，他仍然会做一次人工校对，但整体时间成本已经大幅下降。

类似的逻辑，被他用在写通讯上，但方式更有个人特色。他不会一开始就写稿，而是用一个叫 Superwhisper 的免费应用直接对着手机“随便说”。10到15分钟的语音，会变成一大段毫无结构的文字。

然后，他把这堵“文字墙”交给AI通讯提示。这个提示内，包含了他历史上表现最好的多篇通讯作为示例。结果是，AI会自动拆分小标题、使用短段落和列表，生成一个“已经相当不错的第一稿”。正如他说的，这比“对着空白页面发呆”要高效得多。

标题、缩略图、社交媒体：AI如何承担“创意体力活”

内容本身完成后，真正耗时的往往是分发环节。Peter坦言，YouTube的标题和缩略图文案，是最花时间的事情之一。

他的AI缩略图提示，会基于完整采访内容，一次性生成多达10组标题和缩略图文案组合。这些输出之所以“像人写的”，原因仍然是：提示里内置了他频道，以及其他相似频道中表现最好的标题示例。AI会模仿这些风格，主动使用有挑衅性的引用、具体指标或明确的洞见。

同样的思路，也被用在社交媒体分发上。他有一个专门为X（Twitter）和LinkedIn设计的提示，会从播客文字稿中，生成完整的推广帖：以吸引注意的引语开头，介绍嘉宾是谁、聊了哪些话题，再附上链接。

他在视频中甚至展示了AI“思考”的过程，并指出生成的链接是错的，需要手动替换。这种细节并没有削弱可信度，反而提醒观众：AI不是全自动系统，而是一个极快的初级执行者。

到这里，你会发现一个清晰分工：判断什么值得讲、是否准确，仍然是人的工作；而大量重复、消耗精力的创意体力活，才是AI最合适的位置。

总结

Peter Yang的视频，真正有价值的不是那5个具体提示，而是他反复验证的一条原则：AI提示的质量，取决于你是否把“最佳实践”喂给了它。示例，比指令更重要；上下文，比模型更新更关键。对任何创作者来说，这提供了一种可复制的方法——先把自己最好的工作总结成标准，再让AI去规模化执行。最终被放大的，不是AI的能力，而是你的判断力。

关键词： 提示工程， AI内容创作， 生成式AI， 播客工作流， AI写作

事实核查备注： Peter Yang：视频作者与创作者；订阅规模：10万新闻通讯读者；视频发布时间：2024-12-08；工具名称：Claude、ChatGPT、Perplexity、Superwhisper；用例：播客字幕总结、文字稿编辑、YouTube标题与缩略图、社交媒体推广、语音转通讯初稿