AI学习营打卡DAY14

今天是我们学习营的demo day，我这并没有分享我的demo，主要是分享了我的心路历程。
在课程初期，我们跟着老师直播课学习，再通过自己实操消除了很多认知模糊，了解很多地基概念。
最初，我基于群里姐妹的反馈想做一套面向大众的“AI 启蒙课”。
当时我觉得这既能帮到人，也一定很赚钱。但后来用户调研时一位朋友点醒了我：大众市场的付费意愿是分散的，赚钱很慢且不多，但是去服务那些“没有时间学习、只要落地省钱”的老板来钱更多。
我觉的非常有道理，所以就基于朋友的需求定了一个研发“AI 自动化视频剪辑”的目标。
研发初期非常痛苦，从 0 到 1 的路很长，需要不停地与 AI 对话、反复调试。
幸运的是，我在 GitHub 上发现了一个火爆的项目：Video-use。虽然它原有的逻辑不完全适配我的场景，但我意识到：在成熟的框架上修改，效率远高于自己重复造轮子。
这里我拆解一下这套爆火的AI自动化剪辑的底层逻辑：
它绕过了高能耗路径，什么意思？ 直接让 AI 识别视频内容非常慢且烧 Token。所以它的策略是：先将音频转为带时间戳的文本。我前面自己从0开发也是这个思路
有了文本和时间戳，就可以根据文字快速定位并切割视频片段。
原项目用的 语音转文本工具Scribe 对中文支持一般，且需要买 API。
所以把我把scribe替换成了阿里开源的 FunASR。虽然它有 2G 体积，但它是本地运行的。这意味着客户不需要申请任何 API，下载即用。
这就是我们作为开发者发挥主观能动性的地方——解决最后的“一公里”体验问题。
通过站在前人的肩膀上进行调整，本来我认为半个月才能解决的问题，3天就顺利进行了交付。
最后，我想分享三点感悟：
第一，赚“省钱”的钱更容易： 找到那些需要降本增效的刚需场景，比单纯传播知识更容易赚到钱。
第二，善用现成工具： 尽可能寻找经过验证的项目，在其基础上通过 Agent 进行二次开发。
第三，要意识到对话即开发： 配合 Cursor 等工具，你不再需要再耗时耗精力研究工具如何用，因为cursor会用。
举个例子：
你现在只需要对 AI 说：“我有个 Skill 压缩包，帮我安装到项目中。” AI 就会自动帮你完成解压、配置和调试。
在这个时代，清晰的业务逻辑比代码细节更重要。希望我的这段心路历程能给大家带来启发。