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。
# 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。