大家好，我是悟鸣。（公众号：悟鸣AI）
"悟鸣 AI 学习圈"里，有不少行业的 AI 先行者已经将 AI 与工作深度融合。
超杰老师就是其中一位。他是山东广播电视台优秀的主持人，目前负责 5 档新媒体类节目。全年算下来，接近 200 期节目的录制、制作和宣发工作。
这是什么工作量？
一档 60 分钟的节目播完，还要从中找出 5---10 个有价值的片段，剪成一两分钟的短视频。每条视频都要确定起止时间、重新裁剪、加底图、写标题，再分发到不同平台。
如果从头到尾重新看一遍节目，仅仅找到可用片段，就要花掉一个小时。
超杰老师自己也很坦率：只靠人工，这些活根本忙不过来。
现在，他已经把其中很大一部分工作交给了 AI 和自己搭出来的小工具。
这套流程并非从一开始就长这样。超杰老师前后改了好几版，最早那版甚至还要手动选时间、手动输入标题。
也正是这些不完美的版本，一点点垫出了后面的自动化。
1.一开始，AI 没有帮上他太多
2025 年春节前后，DeepSeek 受到广泛关注，引发新一轮的 AI 学习热潮，超杰老师也开始研究 AI。
他最早尝试的，是大家很熟悉的文字工作：整理节目大纲、做前期准备、辅助写稿。
用了一段时间后，他发现这些场景对自己的帮助比较有限。
做了多年节目，超杰老师很清楚主题该怎么定、嘉宾该问什么、哪些内容值得展开。AI 可以补资料、顺结构，最后还得由他拍板。
反而是节目录完之后，大量机械、重复的后期工作，更适合交给 AI。
当时最让他头疼的，是从一小时节目里筛短视频。
通常的做法，是录制时尽量记住哪个时间点出现过精彩内容，后期再到 Premiere、Vegas 或剪映里定位。如果当时没有记下来，就只能重新看节目。
实习生也不愿意做这件事。
一小时视频从头看到尾，最后可能只找到两三段内容。重复、耗时，而且很容易把真正有价值的观点漏掉。
超杰老师开始琢磨：既然视频里有时间轴，能不能先把节目变成文字，再通过文字找到对应的时间点？
这个念头，来自他在 B 站看到的一段 AI 视频。
一位博主用 FFmpeg 制作鬼畜视频。超杰老师看完意识到，视频的切割、合成和处理，不一定每次都要在剪辑软件里手工完成，也可以交给程序批量执行。
他的第一套流程，就从这里开始了。
2.第一版很笨，但把最耗时间的一步搬走了
超杰老师先找了一款语音识别软件，把整期节目转换成两种文件。
截图里的这期节目时长 1 小时 02 分，原始文件超过 2.2GB。放进工具后，软件开始做语音转写。
一种是 TXT，里面有完整的节目文字。
另一种是 SRT，也就是带有时间信息的字幕文件。
有了这两个文件，他不用再拖着进度条反复看视频。只要阅读文字，就能大致判断哪段内容值得剪；再通过 SRT，找到这段话在视频里的准确位置。
接下来，他借助 AI 做出了第一版「字幕时间戳提取工具」。
把 TXT 和 SRT 加载进去，左边显示完整节目内容，右边负责记录开始时间、结束时间和短标题。
这一版仍然很手工。
哪段内容值得剪，需要他自己判断；开始和结束位置，需要自己选择；短标题，也要自己输入。
选好后，工具会生成一份规范的时间戳文件和标题文件，再交给另一个 Python 程序。这个程序调用 FFmpeg，把指定时间段的视频批量切出来。
它离"全自动"还很远，却让人不用再把整期节目重新看一遍。读文字找内容，再回到时间轴定位，省事多了。
3.一个程序反复出错，他改成了三次点击
视频能自动切出来以后，超杰老师又发现了新的工作量。
切出来的只是原始横版片段。要发到短视频平台，还需要加底图、转成竖版，再把每段内容的标题写到画面上。
这些操作依然要回到剪映或 Premiere 里手工完成。
于是他继续和 AI 沟通，希望做一个程序，把视频切割、底图合成和标题添加全部处理掉。
最初，他想得很完整：最好选择一次文件，后面的事情一次做完。
实际运行时却经常出错。
一个程序同时承担太多任务，只要其中一步有问题，整条流程就跑不下去，也很难判断问题出在哪里。
超杰老师调整了思路，把任务拆成三个独立步骤。
STEP 01
第一步，只负责根据时间戳切割视频。
STEP 02
第二步，把切好的横版片段放进统一背景，生成适合短视频平台的竖版画面。
STEP 03
第三步，再把对应的短标题写入视频。
三个程序，每次手动点击一次。
看起来不如"一键生成"漂亮，却更稳定，也更容易排查错误。
切割有问题，就只检查第一步；背景位置不合适，就调整第二步；标题显示不对，也不会影响前面的文件。
如果还坚持让一个程序从头包办，他可能会继续陷在报错里。超杰老师选择先忍受三次点击，把每一步跑稳。
4.三步跑稳后，他才做出完整工具
三步流程用了一段时间后，超杰老师再次把需求交给 AI。
这一次，视频切割、背景合成和标题添加都已经分别验证过。每一步需要什么输入、应该得到什么结果，也都非常清楚。
AI 在这些成熟步骤的基础上，帮他整合出了一套完整的「短视频制作工具」。
使用时，只需要选择原始视频、时间戳文件、标题文件、背景图片和输出文件夹。
工具会按照时间戳批量切片，把横版视频放进竖版背景，再写入对应的短标题。界面里还可以选择字体颜色、填写话题标签，并查看处理进度。
这时，它已经不再是只有超杰老师自己看得懂的脚本。实习生照着界面选择文件，也能使用。
过去，他们要先找到片段，再打开剪辑软件逐条处理。现在只要准备好几个文件，点击运行，程序就会批量生成成品。
按照超杰老师的实际记录，原来需要半小时到一小时的处理环节，现在通常 3---5 分钟就能完成。
对一个一年要做近 200 期节目的人来说，这还解决了一个很实际的问题：任务可以交给实习生，不用每次都由他亲自操作。
5.视频能自动做了，最难的却变成了"选哪一段"
短视频能自动生成了，超杰老师很快又遇到了下一个问题。
程序可以按照时间戳切片，却不知道一小时节目里，哪些内容真正值得传播。
这件事如果完全交给实习生，质量并不稳定。
有人不愿意仔细阅读完整转写稿，随便找两三段就结束了。节目里更有观点、更有知识含量的内容，反而可能被漏掉。
超杰老师开始尝试让 AI 参与亮点筛选。
他又做了一个「提示词生成器」。把整期节目的 TXT 和 SRT 放进去，工具会根据预先设计的模板，生成一份完整的分析提示词。
在这份提示词里，超杰老师没有只让 AI "找出几段精彩内容"。
他给出了更具体的判断标准，包括话题度、知识性、内容完整性和传播性，让 AI 从整期节目中先筛出 10---15 个候选片段。
AI 找到候选内容后，还要把对应文字与 SRT 匹配，输出准确的开始时间、结束时间和短标题。
生成的时间戳文件和标题文件，可以直接放进前面的短视频制作工具。
到这里，整条流程已经连了起来：
节目转写成文字，AI 辅助寻找亮点，程序匹配时间戳，短视频工具负责切割、包装和写入标题。
于是，主持人和实习生不用再把大量时间花在重新观看和拖动进度条上。他们主要检查几件事：片段是否完整，观点有没有被截断，标题是否准确，内容是否适合发布。
6.短视频只是起点，他又把节目变成了可检索的内容
短视频流程跑通之后，超杰老师把同样的思路用到了内容发布上。
电视节目以视频为主，但视频里的信息很难被搜索和引用。每期节目播出后，团队还要整理微信推送、新闻稿和网页文字，发布到不同平台。
过去，实习生不爱写，超杰老师自己也不愿意写。
因为重新看节目、整理观点、组织成文，又是一轮耗时工作。
现在，他们直接使用节目转写出来的完整 TXT，再通过提示词控制稿件的角度、结构和表达，让 AI 先生成文章初稿。
但生成稿只能当初稿。
超杰老师发现，AI 第一遍生成的内容经常很生硬，尤其喜欢使用"一、二、三、四"的标注式结构，看起来像整理材料，不像新闻稿。
提示词写得是否清楚，生成内容是否准确，哪些段落需要删改，都需要人来判断。
他常对实习生说，现在考验大家的，已经不只是能不能从头写出一篇稿件，也包括能不能识别 AI 哪里写得好、哪里写得不好。
同一份转写稿，超杰老师还想继续往下用。
超杰老师手上已经积累了近 100 期医疗类节目和近 200 期法律类节目。这些内容播出后，如果只留在视频平台上，很快就会沉下去。
他正在和实习生一起，把这些节目重新整理成一个可以查询的网站。
用户可以搜索疾病、医生、医院或法律问题。想快速了解，就看文字内容；想看完整节目，再跳转到原有平台播放视频。
为了控制成本，网站主要承载页面、文本和检索功能，视频仍然使用已经发布在官方平台上的内容，不需要重新占用大量服务器空间。
AI 帮他完成了网站架构。
一期节目播完后，不再只剩下一个视频链接，还多了一份能够被搜索、再次使用的素材。
从一个很小的麻烦开始
超杰老师的做法非常值得学习，他先从简单任务开始，循序渐进。
一开始，他只想解决一个很烦人的问题：能不能不重新看完一小时节目，也找到值得剪辑的片段？
第一版能用，他才继续解决视频切割。切割跑通了，再处理底图和标题。三个小程序稳定下来，才合成完整工具。后来又有了亮点筛选、稿件生成和节目资料整理。
超杰老师作为一名主持人，完全没有编程基础。他的优势是多年的主持工作培养出来的专业素养，他知道时间浪费在哪里，也知道什么样才是好节目，好的视频。
AI 虽然可以帮他写代码、改程序、分析文字，怎么拆任务、先做哪一步、出了错去哪里找，仍然要靠他自己判断。
在超杰老师这里，AI 更像一个能陪他反复试错的开发搭档。
内容值不值得播，还是人拍板。转写、找时间点、切片、套底图这些重复动作，能交给程序就交出去。
很多人还在问 AI 能帮自己做什么。超杰老师给了自己的答案：每天最烦、最重复的那几步，能不能先少做一步？
他的这套工作流，就是这样一步一步进化过来的。
当前太多人把人机交互的关键放在 AI 身上，甚至误以为只是差一个工具，而忽视了人的重要性。
我们应该把枯燥、重复的工作让 AI 来完成，把更多时间用在挖掘有价值的场景，清晰表达需求组织上下文，感知大模型的能力边界，使用更先进的模型，给 AI 有价值的反馈。
超杰老师的案例也证明了人的专业性在人机交互中的重要性。
AI 不是技术人的 AI，是所有人的 AI，任何人挖掘出有价值的场景，用好 AI 都可以对自己的工作产生巨大的增益。
悟鸣，浙江省人工智能专家团专家，一线大厂 Agent 工程师，一线大厂讲师，Qoder 企业培训大使，阿里国际全员 AI学习与认证项目讲师，专注 Agent 应用。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。