今天...嗯...想來聊聊一個小專案。就是...最近一直想，能不能讓做 YouTube Shorts 這件事自動化一點。你知道的，就是那種上面一張圖，下面是音樂，然後跑個十幾秒的短影片。自己手動做好麻煩。
但我又...說真的，懶得自己從頭開始寫程式碼。所以我就想，不然...來試試看叫 AI 幫我寫好了。整個過程，從後端的 Python 腳本到前端的網頁介面，都跟 AI 一起弄。嗯...有點像把 AI 當成一個初階工程師在跟他對話。蠻有趣的。
重點一句話
結論就是...可行的。但它不像電影演的那樣，你下一句指令，它就給你完美的程式。整個過程更像...嗯...來回溝通，你給個方向，它做個東西出來，你再修正它，這樣來來回回好幾次。像在帶人，不像在用工具。
怎麼做：跟 AI 一步步把東西「聊」出來
整個過程我把它分成兩塊。第一塊是核心功能，就是那個用 Python 產生影片的腳本。第二塊才是給人用的介面，我用了一個叫 Streamlit 的東西來做，也是叫 AI 寫的。
我用的 AI 工具主要是 Manus 跟 Windsurf，這在國外比較有人用。不過呢，我自己是覺得，這整個邏輯，你在台灣大概用 ChatGPT 的 Code Interpreter 或是現在的 GPT-4o，其實也能做到八九不離十。重點是那個溝通的思路。
先搞定後端：那個 Python 腳本
一開始，我的想法很單純。我給 AI 的第一個指令，嗯...現在回頭看有點囉唆，但就是盡量寫清楚。大概是這樣：
「我要一個 Python 腳本，做 YT Shorts 自動化。影片是 1080x1920 直的。畫面正中間會放一張我給它的圖，然後背景...嗯...背景就用這張圖最主要的顏色去填滿，做成單色背景。然後中間那張圖要有點立體感，加個陰影之類的。所有東西都要能讓使用者自己調整...」
我還特別跟它說，圖片路徑啊、音樂路徑啊、要剪音樂的開始結束時間啊，這些都要做成參數，讓使用者可以自己改。
結果...它還真的給我生出一個可以跑的 Python script。我裝了一下它說要裝的套件，像是 MoviePy 什麼的，然後...就真的跑起來了。這點真的蠻神奇的。
再來是加戲：讓音樂「動」起來
但...你知道嗎，那個影片做出來，就只是一張圖配音樂，老實說，有點單調。我看著那個成品，就覺得...嗯...少了點什麼。
突然想到，很多音樂影片不是都會有那個...音波圖嗎？對，就是 waveform，會跟著音樂節奏跳動的那個視覺效果。我覺得加了那個，質感應該會好很多。
所以我就回去繼續跟 AI「聊」。
我跟它說：「欸，我有兩個新想法。第一，你可以在影片下方加上音樂的波形動畫嗎？第二，背景除了單色之外，可不可以多一個選項，就是用同一張圖的『模糊虛化版』當背景？」
這個部分就沒那麼順利了。來來回回好幾次。AI 第一次給我的音波圖，很醜...就是，不管什麼音樂，它長得都一樣，像固定的三角形在那邊抖。根本沒有跟著音樂在反應。
我又花了點時間跟它描述，說「這個波形太平了，不對，它應該要能反應音樂的起伏...高音的時候高一點，重低音的時候寬一點...」之類的。反正就是用很...很人類的語言去形容。試了兩三次吧，它總算搞懂了，做出來一個真的會跟著音樂變化的波形。
說真的，做到這裡，這個 Python 腳本的核心功能已經讓我覺得...嗯，很可以了。
接著弄前端：生一個 Streamlit 網頁 App
只有一個 Python 腳本，對不會寫程式的人來說根本沒用。所以下一步，就是幫它做一個簡單的網頁介面。我選了 Streamlit，因為它很適合快速把 Python 腳本變成網頁應用。
這部分我用了另一個叫 Windsurf 的 AI。我一樣，先把它當成一個剛報到的同事。
我的第一個指令是：「你先讀一下我這個專案裡面的 Python 腳本，然後跟我報告一下它的功能是什麼。」
這招有點像是考試，看它能不能理解之前 Manus 寫的程式。因為 Manus 寫的 code 註解還算清楚，所以 Windsurf 很快就 파악 (掌握) 了整個腳本在幹嘛。
然後我就下了關鍵指令：「好，既然你看懂了，那就用 Streamlit 幫我做一個網頁介面來操作這個腳本。腳本裡面那些全域變數，你就在網頁上做出對應的輸入框給我。我要讓使用者可以在網頁上調整所有東西。」
結果...它也做出來了。一個有上傳按鈕、有時間拉桿、有顏色選擇器的網頁。雖然版面一開始有點亂，我又跟它來回修了幾次，像是把某個滑桿改成單純的文字輸入框之類的。但...基本上，一個能用的工具就這樣誕生了。
這邊有個小小的...嗯...算是心得吧。我發現跟這種 AI 協作，最好是一個對話框專心做一件事。比如我要加音波圖功能，我就開一個新的 chat。我要調整 UI 版面，我也開一個新的。把任務切得越小，它好像做得越好，比較不會搞混。
AI 初版 vs. 來回溝通後的版本
為了讓大家更清楚那個「來回溝通」的價值，我整理了一下 AI 給的初版跟我們慢慢調整後的最終版，那個差異...嗯...還蠻明顯的。
| 功能項目 | AI 給的第一版 (直接輸出) | 來回溝通後的最終版 |
|---|---|---|
| 背景處理 | 就...純色。從圖片抓個主色調，有點單調。 | 多了選項，可以選純色，也可以用原圖的「模糊版」當背景。質感好很多。 |
| 視覺效果 | 只有一張圖在中間。嗯，沒了。 | 在圖下面加了會動的「音波圖」，整個畫面就活起來了。 |
| 音波圖細節 | (一開始根本沒有這個功能) | 不是固定的假動畫，是真的會跟著音樂高低起伏去變化的那種。這點改超久。 |
| 使用者彈性 | 參數寫死在程式碼裡，要改影片設定得動 code。 | 所有東西都拉出來變成網頁上的選項，上傳圖片、音樂、剪輯時間、連音波顏色都能自己選。 |
| 易用性 | 要會用 command line (命令提示字元) 跑 Python 才行。很麻煩。 | 就是個網頁，點一點、上傳檔案，按個鈕，影片就下載回來了。給誰用都可以。 |
一些心得...或說學到的事吧
這次弄完，我自己覺得有幾個點...嗯...蠻值得記錄一下的。
第一，一開始有個大概的想法就好。不用想得太完美、太完整。反正你跟 AI 的合作，注定就是一個不斷修改的過程。特別是最後那 10% 的細節，超級花時間。
第二，給的回饋要具體。你不能只跟它說「不好看」，你要說「我覺得背景太單調了，能不能試試模糊效果？」或「這個音波圖看起來很假，它應該要跟著節奏跳動」。你描述得越清楚，它才越可能做出你要的東西。
第三，一次只加一小塊功能。不要想著一次到位。今天先把圖放中間，明天再想辦法加陰影，後天再來弄音波圖。這樣一步一步來，比較好管理，出錯也才知道是哪裡錯了。
第四，邊做邊測。AI 給你一段 code，你就馬上跑跑看。它改了什麼，你就馬上測試。不要等到全部都做完才發現，啊，原來第一步就歪了。
最後一個是...版本控制真的很重要。雖然這次 AI 沒給我搞出什麼毀滅性的錯誤，但...說真的，我還是習慣在請它做下一步修改之前，先把目前能動的版本 commit 到 Git。美國這邊的開發者很多也強調這點，他們用的 Windsurf 工具本身有 rollback 功能，但我覺得還是自己手動存檔最保險。萬一它改到整個專案都爛掉，你至少還能退回到上一個版本。
聊聊你的想法：
如果今天也給你一個這樣的 AI 開發夥伴，你最想請它幫你自動化什麼日常瑣事？是每天整理報告、自動回覆 Email，還是...做些更有趣的？在下面留言分享看看吧。
