模組一｜為什麼不做全自動（Day 1–5）

模組一的最後一天，來算帳。

前四天講的都是「哪裡不能自動」。今天講反面：能自動的地方，到底省了多少。

這一篇會比我原本想寫的難看。因為我發現一件事：省下來的時間很難量化，但沒省到的可以，而且數字很醒目。

真的省了的五件事

這五項有一個共同特徵，而這個特徵不是巧合：

確定性、可重跑、輸出可量測。

• 確定性：同樣輸入給出同樣輸出。FFmpeg 的濾鏡鏈跑一百次結果一樣。
• 可重跑：錯了重來的成本趨近於零。
• 可量測：跑完有數字可以看——響度多少、長度多少、檔案多大。

這三個條件剛好就是 Day 3 那條「可逆」判準的技術版本。可重跑等於可逆；可量測等於錯了看得出來。

產線自己已經回答了閘門該畫在哪裡。 凡是符合這三個條件的環節，我從來沒有猶豫過要不要放手；凡是不符合的，我全部留了人。

這三個條件裡，「可重跑」的價值被我低估了很久。它省的不只是重做的時間——它讓「再試一個版本」變成一個廉價選項。Day 22 會講某集的剪輯走了五個版本才定案，那五版之所以付得起，是因為每一版都只是改幾行參數再跑一次腳本。如果每一版都要重新手拖一次時間軸，我大概第二版就放棄了，然後帶著一個我自己都不滿意的成品上架。

自動化真正的回報，經常不是「這次快了多少」，是「我變得敢重來」。

沒省到的那一項，佔了 13%

ASR 的錯字修正，佔了製作端全部 commit 的 13.1%（155 筆）。

如果把所有 fix / 修正 類的 commit 算進來，是 187 筆、15.8%。

換句話說：每七個 commit 就有一個在修字。

而最難看的是它的形狀。最密集的一段是 85 分鐘內連續 10 筆，全部在修同一批字幕的錯字，其中有一句 commit message 一模一樣地重複了三次。

那不是我在做工程，那是我在鬼打牆。

更糟的是它沒有收斂。那一串的最後一筆只是「修正文本中的錯別字」，然後幾個月後同樣的事情又爆一次，那個月的字幕相關 commit 是全期最高。

ASR 省下的是打字時間，不是校對時間。 而校對沒有任何驗證器擋得住，它需要人逐句聽（Day 17 整篇講這件事）。

**我不知道打字省了幾小時，但我知道校對花了 155 個 commit。**後者有數字，前者沒有，而這件事本身就說明了什麼比較痛。

完全白做的那一次

還有第三類：做了，而且做得很完整，然後零沿用。

某一集留下了一整套影片美化與硬字幕的工作流：17 份文件加 6 支腳本。裡面有完整方案說明、兩份不同 GUI 剪輯軟體的設置指南、主流程文件、三個步驟腳本、字幕轉檔工具。

我全 repo 搜過每一支檔名。每一支都只有那一集有，之後零命中。

這件事有兩個諷刺的地方：

第一，那批文件是簡體中文，跟 repo 其他所有檔案的語言不一致。那是 AI 產出之後直接落盤、沒人整理過的痕跡。

第二，它假設要用 GUI 工具（那兩份設置指南就是在教這個）。而同一集後來的剪輯記錄走的是純 FFmpeg 加程式繪圖的路線，理由寫在記錄裡：本機的 FFmpeg 沒有編進字幕相關的濾鏡。

一套完整的方案文件寫完之後，被自己的後續決策否決了。

這不是 AI 的錯，是我沒有在它產出之前先確認「這條路走不走得通」。AI 讓「寫一份完整方案」變得非常便宜，於是我先寫了方案，才發現前提不成立。

Day 29 會講這一類東西還有幾筆，以及怎麼在寫下的當下就標記它。

所以帳到底怎麼算

我試著誠實地估：

確定省了的：如果沒有這條產線，我不可能在不到一年內出五十集以上。這是一個人的節目，而剪輯、封面、影片、文案這些事如果全部手做，一集要多花的時間大概是現在的好幾倍。這條產線的存在，決定了這個節目能不能持續。

確定沒省的：ASR 校對、剪輯的試聽與退回（Day 22 有五組版本歷程）、選題判斷（Day 9）。這三項加起來，是我在這個節目上花最多時間的地方。

負的：白做的那套工作流、以及每一支被複製到十幾個目錄卻沒人維護的腳本（Day 23 會給你看三支已經指向錯誤集數的）。

算下來我的結論是：

AI 省的是「產出」的時間，不是「決定」的時間。

而在內容產線裡，多數時間花在決定：決定這則要不要收、決定哪一題當開場、決定這段要不要剪掉、決定這句話能不能講死。

AI 一次都沒有幫我做過這些決定。它做的是：我決定完之後，把它變成檔案。

一個反直覺的觀察

寫完這一篇我發現：我省下的時間，幾乎全部花回同一條產線上了。

不是拿去做別的事，是拿去修字幕、試聽剪輯版本、調 BGM 音量（Day 20 那個參數改了七次）、補導流卡（Day 25）。

這不是抱怨。這是這條產線變好的方式——自動化把時間從「產出」挪到「品質」。

但它讓「AI 幫我省了多少時間」變成一個錯誤的問題。正確的問題是：

AI 把我的時間，從哪裡挪到了哪裡？

代價

這一篇的代價是它拿不出正面的量化證據。

前四天我可以給你精確的數字，這一篇的「省了多少」全部是估的。原因很簡單：我沒有在導入自動化之前量過基線。手做一集要多久，我從來沒記過。

這是這個系列裡我最想重來的一件事。如果當初在第一集就記下「這一集我花了幾小時」，今天這篇會強十倍。

第二個代價：那 13.1% 的錯字修正，我到現在還沒解決。Day 17 會講可以怎麼做（詞庫、批次校對腳本），但那些我都還沒做。寫出來不等於處理了，這句話是這個系列的主旋律，而它也適用於我自己。

帶走什麼

要導入自動化，先量基線。

這是我最貴的一課，而它便宜到荒謬：在你動手自動化之前，手做三次，記下每次花多久。 三個數字，五分鐘的事。沒有這三個數字，你之後永遠說不清楚它值不值得。

第二條，關於哪些環節可以放手：

確定性、可重跑、可量測。三個都中，放手；缺一個，留人。

這三個條件比「AI 做不做得到」好用太多，因為它們是你的流程的性質，不是模型的性質。模型會變，你的流程性質不會。

第三條，也是模組一的收尾：

AI 省的是產出的時間，不是決定的時間。 所以如果你導入 AI 之後覺得沒有變快，先確認一件事：你的瓶頸原本就在產出，還是在決定？

如果在決定，那你需要的不是更好的模型，是更少的選項。

模組一到這裡結束。明天開始進產線內部，從最前面那一段講起：新聞要怎麼存，才能直接拿來口播。