视频在教什么

我收集了大约140个韩语YouTube视频下的2.2万条评论，这些视频都在讲AI编程工具。把标题和标签堆在一起看，内容高度一致：怎么安装、怎么上手、怎么搭一个应用、哪个工具最好。

打开网易新闻 查看精彩图片

全部围绕“开始”。跟着视频操作，屏幕上出现一个结果，视频结束。

评论区在说什么

高赞评论讲的是另一套故事。

  • “验证AI的错误太花时间。每条答案都要检查有没有胡话，累到我现在干脆自己写。”（598）
  • “用AI写代码让我焦虑。一旦有bug上线，负责的是我。逐条检查、逐条调试，最后比不用AI还累。”（265）
  • “我每个月付钱，它在工作问题上撒谎跟没事一样。”（72）
  • “token烧得太快……充了50美元，半天就没了。”（30）

压缩下来就是三句抱怨：贵、不能信、修不了。视频教的是开始，评论区的人死在开始之后。

最让人后背发凉的一条评论

“让它推荐洗发水，它推荐了一款根本不存在的产品。夹在真实产品中间——有重量、有功效，甚至还有价格。”（49）

这条评论点出了问题的本质：AI出错的时候，看起来并不像出错。假货混在真货里，带着像模像样的数字。

所以“写好提示词”只是半个答案。更好的提示词能降低出错概率，但没法告诉你哪里会出错。把错误率从10%压到3%，你还是不知道那3%藏在哪。如果这3%在支付逻辑里炸开，钱就离开公司了。

真正的需求藏在哪

收集过程中我还发现，评论的性质随频道规模变化。

  • 百万订阅的大频道：真实问题/需求只占评论的12%，剩下的是情绪反应和焦虑。
  • 10万到30万订阅的中型频道：真实需求占26%，比如“我跟着做，卡在这一步了”。

这是旁观者和实际动手的人之间的差别。大视频下面问的是“AI时代我们怎么办”，中型频道下面问的是“这个报错怎么修”。

真正的需求在中型频道里。而且把回复串也收集进来，而不只是顶层评论，又多挖出470条顶层评论里看不到的需求。

所以我选了一个方向

教“开始”的内容已经到处都是。我决定做开始之后的那一段——不能信、修不好的那一段。

这个系列的前几篇就是这一决定的初步结果：给我的大模型出考卷、在考卷里埋陷阱、按严重程度而不是通过与否打分、为什么通过仍然不足以交付上线。每一篇都在做同一件事：把“我不能信它”变成“我验证过它”。

人不是死在开始，而是死在开始之后。