170万粉AI博主的Codex工作流：将重复劳动变Skills

170 万粉 AI 博主的 Codex 工作流：他把一切重复劳动，都变成了 Skills 在 @petergyang 这期访谈中，全网 170 万粉的 AI 创作者 @rileybrown 完整公开...

170 万粉 AI 博主的 Codex 工作流：他把一切重复劳动，都变成了 Skills 在 @petergyang 这期访谈中，全网 170 万粉的 AI 创作者 @rileybrown 完整公开了他的 Codex Skills 工作流——从 30 秒扒完竞品频道、一句话生成图表，到 AI 换脸做缩略图，几乎除剪辑外全由 Agent 完成。 youtube.com/watch?v=N34zz1… # 核心内容：AI 驱动的内容生产工作流 1. 选题与研究（YouTube Researcher Skill） · 用 Supadata API 一秒拉取任意 YouTube 视频的文字稿（对比 yt-dlp 需下载整个视频，效率差距巨大）。 · 配合 Codex 的 sub-agents 功能，可并行拆分 6 个 agent，30 秒抓取整个频道的内容做竞品研究。 2. 开头钩子（Hook Outline） · 他认为视频开头 30 秒决定留存，因此只精写 intro，正文靠大纲自由发挥。 · 方法是让 AI 把别人的爆款视频（如 Alex Hormozi）压缩成"hook 结构文档"，再把自己的选题套进这个结构。 · 他介绍了 BRENS 原则作为好开头的标准：Big（重大）、Relatable（与观众相关）、Easy（给出简单方法论）、New（新鲜）、Safe（让观众确信不会浪费时间，对 30 分钟以上的长视频尤其重要）。 3. 视觉素材 · Remotion 插件：生成视频开头的高质量动画图形，并通过自定义 skill 注入个人品牌风格（配色、样式）。 · Internet Image Puller：用 SerpAPI 自动搜索并拉取相关 logo 作为 B-roll 素材。 · Excalidraw 图表 skill：他用 Wispr Flow 语音输入，边走边口述 10 分钟想法，AI 自动生成 9 页左右的图表，能直接用掉约 80%，再手工微调 20–30 分钟。 4. 缩略图（Thumbnails）——全场最"炸裂"的环节 · 工作流：让 Codex 抓取 100 张表现优异的同行缩略图 → 自动摆到 Paper（一个 AI 原生的类 Figma 设计工具）的画板上 → 用内置 AI 图像生成（Nano Banana 模型）把人物替换成自己的脸、改衣服、加描边光效 → 多版本生成后挑选迭代。 · 风格迁移不靠文字提示词，而是直接以图作参考："让文字看起来像那张图的风格"。 · 他坦承这种做法"可能惹人生气"，但强调有效；同时他仍雇了真人缩略图设计师做 A/B 测试，因为"视频表现翻倍是很值钱的事"。 5. 发布与协作 · 通过 Typefully skill 随时语音起草推文，每周一统一发布。 · 利用 Codex 的内置浏览器直接操作 Notion 数据库（新建视频条目、生成大纲）、Google Docs、日历和邮件，全程不离开应用。 # 我们能复用的方法论 1. Skill 是"长出来的"，不是设计出来的。他不是坐下来规划需要哪些 skill，而是日常用 AI 做事，发现某个流程反复有用，就对 Codex 说一句"把这个变成 skill"。 2. Skill 可以组合串联。最大的能力跃迁来自把多个 skill 混搭（如 YouTube researcher + Paper 画板），这种"解锁"来自实验而非规划。 3. 以结果为导向迭代 skill，而不是抠提示词。他从不手工编辑 skill 文件：测试输出 → 不满意就告诉 AI"改 skill 别再犯" → 开新会话清空上下文再测。他认为纠结"提示词该怎么写"只对特定模型的特定版本成立，模型一更新就失效。 4. 质量是护城河，批量生产会让内容"失去灵魂"。AI 的价值在于让单条视频的研究深度和制作质量更高，而不是一天批量产十条。他目标是一周 4 条长视频 + 5 条高质量短视频。 5. 内容先于包装。与很多 YouTuber"先做缩略图再决定拍不拍"相反，他 90% 靠直觉和热情选题，拍完后再用 AI 分析内容、反向设计 hook 和包装——他认为被流量逻辑反向绑架选题会让创作不可持续。 💬 0 🔄 0 ❤️ 0 👀 239 ⚡