用 BibiGPT 一週挖完 50 個 YouTube 產業訪談：一位顧問的真實工作流
用 BibiGPT 一週挖完 50 個 YouTube 產業訪談：一位顧問的真實工作流
來自一位接受訪談的獨立顧問的工作流復盤。文中「我」指訪談者本人。
核心情境：產業研究最大的瓶頸不是「找不到資訊來源」，而是「消化不完」——當客戶給我一週時間出一份新能源儲能產業的報告，我搜出 50 個 YouTube 產業訪談但沒人能在一週內看完。這篇是我用 BibiGPT 把這件事做成的真實工作流。 全程 5 個工作日，產出一份 60 頁交付報告，客戶驗收 A 級。
我是誰，背景是什麼
我是一位獨立顧問，主做硬科技和能源產業的市場進入研究。客戶類型是 PE、產業集團、政府智庫——他們不需要「很多研究」，需要「很快、很深、有判斷」。
2026 年 3 月底接到一個儲能產業的專案：
- 客戶：一家頭部 PE
- 交付時間：5 個工作日
- 交付物：60 頁 PPT 形式的產業研究報告，包含技術路線、關鍵玩家、商業模式、政策走向、投資邏輯
- 預算：不到一週，傳統方法 3 個分析師兩週還得加班
困難是：高品質的第一手資訊不在論文裡，在產業訪談影片裡——CEO 上節目、技術專家做客 Podcast、產業大會的圓桌討論。我搜了一週內能找到的 YouTube 影片，列出 50 個候選，每個 30 分鐘到 2 小時。
50 × 60 分鐘（按平均算）= 50 小時。我一週只有 40 小時工作時間。
工作流總覽
| 工作日 | 階段 | 用 BibiGPT 做的事 |
|---|---|---|
| Day 1 上午 | 批次入庫 | 50 個 YouTube 連結一次性貼入 BibiGPT，啟動批次摘要佇列 |
| Day 1 下午 | 一級篩選 | 看 50 份 AI 摘要，按「是否有原始洞察」打標籤，淘汰 18 個 |
| Day 2-3 | 深度挖掘 | 剩 32 個加進合集，用合集 AI 對話做跨影片追問 |
| Day 4 上午 | 重點整理 | 在篩選出的核心 12 個影片裡做重點筆記，按主題歸檔 |
| Day 4 下午 | 反向校驗 | 用合集 AI 對話做「反方觀點」提問，找出 5 個矛盾點 |
| Day 5 全天 | 報告寫作 | 用 AI 影片轉文章 + 自己整合，產出 60 頁 PPT |
關鍵步驟詳解
Day 1：把「消化 50 個影片」變成「讀 50 份摘要」
打開 BibiGPT 首頁，多行連結批次摘要 讓我用 Shift+Enter 一次貼上 50 個 YouTube 連結，進入批次摘要佇列。
我去吃了頓午飯，2 個小時後回來，50 個影片都已經處理完——每個都有結構化的智慧深度摘要（核心要點 + 思考問題 + 術語解釋 + 可點擊時間戳）。
下午我做的事是「讀摘要」，不是「看影片」。判斷每個影片是否值得深挖的標準：
- 摘要裡出現「獨家數據」、「內部觀點」、「反共識判斷」 → 留
- 摘要全是產業常識、媒體腔 → 淘汰
50 個裡淘汰 18 個，剩 32 個候選。
Day 2-3：合集 AI 對話替代「讀完所有原文」
把 32 個影片加進同一個合集（命名為「儲能產業-2026Q1-訪談」），打開 合集 AI 對話。這一步是整個工作流的核心——我不需要逐個打開看，只需要問。
我問的問題包括：
- 「這 32 個影片裡，對儲能商業模式的看法分成哪幾派？每派的代表人是誰？」
- 「受訪者中有沒有提到 2026 年儲能產業最大的政策不確定性？哪些影片談到了？」
- 「技術路線上，磷酸鐵鋰和鈉離子電池被提及的頻率誰更高？看法分布如何？」
AI 給出的回答都附帶 citation——我可以直接點進去看是哪個影片在哪個時間點說的。這一步把「消化 32 個影片」壓縮到「提問 + 看 AI 整合答案 + 抽查關鍵 citation」。
Day 4：重點筆記 + 反方校驗
合集追問後我篩出了 12 個「必須自己看一遍」的影片——這些是有獨家數據或反共識判斷的核心資訊來源。這 12 個我用重點筆記邊看邊劃，劃完直接在 BibiGPT 裡按主題歸類。
下午我做了一件傳統顧問研究裡很難做的事——反方校驗。我用合集 AI 對話問：
- 「如果我要論證『儲能產業接下來三年是 PE 投資的甜蜜期』，這 32 個影片裡有哪些反對證據？」
- 「受訪者中誰的觀點最被其他人挑戰？挑戰的核心是什麼？」
AI 找出 5 個跨影片的矛盾點。這些矛盾點後來在交付報告裡成了「風險因素」專章的核心內容——客戶特別看重這一段。
Day 5：從筆記到 60 頁報告
最後一天純寫作。我把重點筆記按報告章節分組，用 AI 影片轉文章 把 12 個核心影片裡的關鍵片段直接轉成結構化文字段落，剪貼到我的 PPT 範本裡。
整個流程下來，最關鍵的產出物：
- 32 個影片的結構化摘要（約 8 萬字）
- 12 個核心影片的重點筆記（約 1.2 萬字）
- 5 個跨影片矛盾點
- 60 頁 PPT 交付報告
數字對照（vs 傳統方法）
| 維度 | 傳統方法 | BibiGPT 工作流 |
|---|---|---|
| 影片處理 | 50 小時（看完）/ 25 小時（倍速） | 2 小時（批次） + 4 小時（核心 12 個）= 6 小時 |
| 跨影片整合 | 幾乎不可能 / 靠人工記憶 | 合集 AI 對話原生支援 |
| 反方校驗 | 傳統顧問基本不做 | 1 小時完成 |
| 總耗時 | 3 個分析師 × 2 週 | 1 個顧問 × 1 週 |
| 數據可追溯 | 筆記本 / Word | 時間戳級 citation |
我沒有把所有事情都讓 AI 做——核心判斷、客戶語境、報告敘事是我的工作。BibiGPT 替我消化的是機械的「看影片」過程，讓我把時間投入在判斷和敘事上。這是這個工作流和「用 AI 寫報告」完全不同的地方。
這套工作流誰能複用
如果您符合下面任意一項，幾乎可以直接照搬：
| 您是 | 痛點 | 這套工作流的價值 |
|---|---|---|
| 獨立顧問 / 產業研究員 | 一週交付，資訊來源消化不完 | 把 50 小時壓到 6 小時 |
| 二級市場買方研究員 | 財報季要快速消化路演影片 | 批次摘要 + 合集 AI 對話 |
| 產業基金投資人 | 看賽道前期要快速建立判斷 | 產業訪談橫向整合 |
| 公司策略部 / BD | 要追蹤競爭對手公開訪談 | 長期合集，定期追問 |
| 學術研究者 | 文獻以外的訪談/會議影片 | 多影片引用追溯 |
立即試用
- 還沒用過 BibiGPT → 立即體驗，先把當前的 5 個候選影片丟進去
- 已有帳號 → 把您正在做的研究主題建立一個合集，試試 合集 AI 對話 跨影片追問
- 重度研究者 → 搭配 Notion 整合 或 Obsidian 整合，把重點筆記沉澱進自己的研究庫
常見問題
Q1: 這個流程的「批次摘要」會不會消耗很多額度？
A: BibiGPT 的會員體系按摘要次數計費。50 個影片一次大概在 Plus 月度額度內（具體配額見會員頁）。對於像顧問這種「專案制重度使用」，按需儲值或 Pro 方案更合適。
Q2: AI 摘要的準確率能讓我把判斷建立在它上面嗎？
A: 我的做法是兩層校驗：第一層 AI 做摘要、做合集追問，把資訊密度壓縮到我能消化；第二層我自己看核心影片（12 個）確認關鍵判斷。這樣既快又安全。如果客戶對某個具體數字特別敏感，我會回到原影片時間戳逐字核對——BibiGPT 的 citation 讓這個核對變得很快。
Q3: 影片裡講的內容和受訪者實際意圖可能有出入，AI 怎麼處理？
A: AI 也處理不了語境偏差。這就是為什麼「反方校驗」那一步特別重要——我用合集 AI 對話主動找受訪者之間的矛盾，那些矛盾通常就是語境敏感的地方。AI 替我提供了候選清單，最終判斷仍然是我做。
Q4: 客戶能接受我用 AI 工具做研究嗎？
A: 我不會主動告訴客戶「我用了 AI」，但客戶問起的話我會坦誠——我用 AI 處理機械工作（看影片、記筆記），判斷和敘事還是我做。客戶在意的是交付品質和速度，不是工具。這個專案最後客戶驗收 A 級，他們說「你怎麼這麼快還做得這麼深」。
Q5: YouTube 之外的 Podcast / Bilibili / 微信影片號能不能用同樣的方法？
A: 完全可以。BibiGPT 支援 30+ 平台，包括 Bilibili、小宇宙、喜馬拉雅、抖音、微信影片號等。我做中國市場研究時也會大量用 Bilibili 和小宇宙——尤其是產業大會的錄播和深度對談類 Podcast。
BibiGPT 團隊