當八十萬粉絲的代價是失去自己:我如何拒絕YouTube的魔鬼交易

我最近想了很久一個問題。如果有人告訴你,只要你改變自己,你就可以擁有幾十萬的粉絲和穩定的收入,但代價是把接下來的每一天都用來製作你不想做的內容——你會簽這個合約嗎?

我聽說有個頻道主,經營了一個擁有八十幾萬粉絲的頻道。老實說,很多人聽到這個數字會先羨慕。但他卻在某一天毅然決然地決定放棄它。不是因為沒有觀眾,而是因為觀眾要他做的事,和他真正想做的事完全相反。演算法喜歡他拍的某些題材,但那些是他最討厭拍的。他想拍的內容呢?流量一般般。在這樣的煎熬裡,他的身心靈一點一點崩潰,直到他決定停止更新。

▋ 我也在同樣的十字路口站過

我之前有段時間,每週都按時發影片。那時候我慢慢發現了一個模式——流量喜歡我拍的 Cloud Code 相關主題。但這就是問題啊。我本來每週的工作不是只有做這個東西。我在做很多不同的東西,但觀眾似乎只想看那一種。

一開始我試著迎合。每週硬擠出時間來拍這類內容,一邊做著我真正在做的工作,一邊為了維持這個頻道的「人設」而活著。慢慢地,拍影片變成了一種義務,而不是分享。我開始在上傳前就感到疲憊,甚至在發布後才是最累的。不是因為工作量大,而是因為一種莫名的虛無感。

那時我才意識到,我在做一筆交易——用我的創意自由和精神狀態,去換一些數字。這些數字會讓我在社群媒體的某個排行榜上向上爬升幾格,但換來的是每天都在做自己不太想做的事。

▋ 那個轉捩點

有一天我終於決定停止這個遊戲。我做了一件在創作者圈可能有點瘋狂的事——我告訴所有付費訂閱的粉絲,之後我可能不會定期更新,也請他們不用再付費。

我記得按下發布鍵時的感覺很奇怪。是鬆一口氣,也有點罪惡感。罪惡感來自於,我覺得自己在「背棄」這些支持我的人。但同時,我知道繼續騙他們(其實也是騙自己)說我會定期更新,那才是真正的背棄。

做出這個決定以後,很多東西才漸漸回到原位。我找回了生活的節奏。不再是為了演算法而活著,而是有時間去做我真正在乎的事。失去的是某種規律性和可能的收入,但得到的是——我自己。

▋ 那個叫做「魔鬼的交易」的東西

我現在理解為什麼有人會放棄八十萬粉絲。因為粉絲的數字和這份工作能否讓你活得像自己,有時候是成反比的。你可能會問,那為什麼還有人接受這個交易呢?老實說,我不怪他們。在現實生活裡,有時候你需要這份收入、需要這份認可。算法本身不是壞的,它也幫助過很多創作者找到真正喜歡他們內容的人。

但問題是,如果你發現自己在不斷地調整自己的創意,去迎合一個永遠在變化的系統,那就值得停下來問問:我到底在優化什麼?是在優化我想要的人生,還是在優化某個平台上的排名?

現在我偶爾還是會做一些我感興趣的題材。我也介紹外國頻道主的作品,藉由他們的視角來分享我認為重要的東西。但節奏是我自己定的,而不是被演算法推著跑。沒有定期更新表,沒有「為了漲粉絲」而拍的內容。

▋ 如果是你,你會簽嗎?

回到最開始的問題。如果有人給你這筆交易,我想你需要誠實地問自己:五年以後,你更在乎的是曾經擁有過幾十萬粉絲,還是今天睡前能想起,這一週你做的東西是自己真正想做的?

沒有絕對的答案。但我知道的是,經過那段被演算法綁架的日子以後,我不太想再簽這份合約了。哪怕代價是慢一點、少一點。至少我不會在晚上躺在床上,對著天花板想著「我在幹嘛」。

也許有一天我會又開始定期更新。但如果我這麼做,那也會是因為我想要,而不是被迫。這個差別,比粉絲數字多多少,重要得多。

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By andy

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By andy

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By andy