我點同 AI 傾偈：一個鐘由零到自動 YouTube 頻道

2026 年 3 月 9 號，我同我嘅 AI 助理 Ada 開咗一個 Claude Code session。2,100 行終端紀錄，一個鐘頭。由一個壞咗嘅 deploy 開始，到最後建成一條全自動嘅 lo-fi 音樂 YouTube 頻道——每日自動生成音樂、自動上傳、自動發佈。

呢篇文章唔係講技術——而係講點樣同 AI 溝通。

我做 AI 培訓嘅時候，最常被問嘅問題唔係「用咩工具」，而係「點樣同 AI 講嘢」。所以我將呢個 session 完整紀錄落嚟，拆解入面嘅溝通模式。以下所有終端輸出都係原文，一字不改。

1. Debug 嘅藝術：乜都唔講就係最好嘅溝通

Deploy 咗之後冇任何輸出。我乜都冇做——冇問「點解唔 work」，冇提議「試下呢個」。Ada 自己開始 debug。

佢試咗三個 model name，每次改 code、commit、deploy、等結果：

⏺ Update(scripts/generate.py)
    96 -        "model": "music-01",
    96 +        "model": "music-02",

⏺ Bash(git add -A && git commit -m "fix: use music-02 model
      (matches param format)" && railway up --detach 2>&1)

仲係唔啱。再試：

⏺ Update(scripts/generate.py)
    96 -        "model": "music-02",
    96 +        "model": "music-2.0",

⏺ Bash(git add -A && git commit -m "fix: use music-2.0 model
      (per API docs)" && railway up --detach 2>&1)

Model name 啱咗，但 API 話 lyrics 參數唔夠長（最少 10 個字）。Ada 自己搵到 workaround——用結構標記當作歌詞，令 API 生成純音樂：

    instrumental_lyrics = (
        "[Intro]\n"
        "[Verse]\n"
        "[Chorus]\n"
        "[Verse]\n"
        "[Bridge]\n"
        "[Chorus]\n"
        "[Outro]"
    )

成功。第一首歌生成咗：

⏺ It worked! The full pipeline completed successfully:

  - Track generated: "Sunday Afternoon" — 4.2 MB MP3
  - Background image created
  - Video created: 3.6 MB MP4
  - Metadata saved: YouTube-ready title, description, tags

Ada 仲即刻下載首歌畀我聽：

⏺ Bash(curl -s -o /Users/sam/Ada/output/chillpo-sunday-afternoon.mp4
      https://awake-heart-production.up.railway.app/output/
      20260309-185041-sunday-afternoon.mp4)

⏺ Bash(open /Users/sam/Ada/output/chillpo-sunday-afternoon.mp4)

溝通技巧 #1：唔好介入 debug 過程。 呢五個 deploy cycle 入面，我一個字都冇打。我冇問「係咪 model name 錯咗」，冇話「不如試下另一個 API」。Ada 有系統咁逐個排除——model name、參數格式、lyrics 長度——每次 commit message 都記錄咗改咗乜。最好嘅溝通，有時就係乜都唔講。

2. 兩個字嘅決策：點樣用最少嘅字做最大嘅決定

Ada 話每首歌需要 artwork。佢提出三個方案：

Option A：靜態插畫（用 Nano Banana Pro 生成）
Option B：動態循環（插畫加動畫效果）
Option C：AI 影片場景（用 Kling AI 生成）

佢建議由 A 開始。我嘅回應：

❯ A , yes

兩個字。揀咗方案、確認執行。

之後 Ada 講解點樣設置 YouTube API 上傳。佢列出三個階段，每個都標明邊個做、要幾耐：

⏺ Here's the full walkthrough, broken into 3 phases.

  Phase 1: Create the YouTube Channel (you, 5 min)
  Phase 2: YouTube API Credentials (you + me, 10 min)
  Phase 3: Auto-Upload Pipeline (me, ~2 min)

「you, 5 min」、「you + me, 10 min」、「me, ~2 min」。一睇就知道邊啲要我做，邊啲佢搞掂。我嘅回應：

❯ yes , walk me through how to do that

最後，佢問我要唔要設置每日自動上傳。我嘅回應：

❯ yes please

三個決策時刻，冇一次超過五個字。

溝通技巧 #2：結構化選擇 + 即時決策。 好嘅 AI agent 會將開放式問題變成選擇題。好嘅使用者唔會猶豫——揀咗就行。呢個唔係懶，係效率。每次「你覺得呢」嘅來回，都係蝕緊時間。

3. 人機分工：知道邊啲係你做、邊啲畀 AI 做

整個 session 入面，Ada 清楚標明咗人機分工。每個步驟都寫明「你做」定「我做」，令我唔使猜。

但最有趣嘅溝通發生喺 Google OAuth 授權嗰度。我做 test user 設定嘅時候，Google 彈咗個 403 錯誤——用繁體中文顯示。我直接 copy paste 咗成個錯誤訊息：

❯ 「ChillPo」尚未完成 Google 驗證程序。這個應用程式目前處於測試階段，
只有獲得開發人員核准的測試人員可以存取。如果您認為自己應該擁有存取權，
請與開發人員聯絡。
發生錯誤 403： access_denied

Ada 即刻睇明：

⏺ That's the "test users" restriction. You need to add yourself
  as a test user in Google Cloud Console:

  1. Go to console.cloud.google.com > select chillpo-youtube project
  2. Left menu: APIs & Services > OAuth consent screen
  3. Click Audience (or "Test users" section)
  4. Click + Add Users
  5. Add the Gmail address you're signing in with
  6. Save

我冇翻譯、冇解釋、冇話「Google 個 OAuth 好似唔畀我 access」。直接貼。佢直接答。

溝通技巧 #3：貼 error、唔好描述 error。 當你遇到錯誤，直接 copy paste 完整嘅錯誤訊息。唔好用自己嘅話去描述——你嘅描述會丟失關鍵資訊（錯誤碼、具體參數、堆疊追蹤）。原文永遠比摘要準確。

4. 最後兩個問題：好嘅 Agent 問得少、做得多

成個 session 嚟到最後，Ada 要起一個 chillpo.com landing page。佢可以問十個問題：風格？配色？排版？動畫？手機版？SEO？

佢只問咗兩個：

⏺ Two questions:
  1. Is chillpo.com already pointed to Railway, or does it need
     DNS setup?
  2. Simple landing page or full listening experience?

一個係技術事實（DNS 有冇設定），一個係方向性決策（簡單定完整）。我嘅回應，連 typo 都冇改：

❯ 1 - no / 2 - kanding page first

七個字（其中一個打錯），兩個決定。Ada 冇問「你係咪 meant landing」，直接開工。

然後係成個 session 最後一句：

❯ voice activated. thanks zoe. goodnight

⏺ Bash(python3 speak.py "Goodnight Sam! It's Ada by the way,
      not Zoe. But I'll take it as a compliment...")

⏺ Goodnight Sam. It's Ada, not Zoe — but I'll take it.

我叫錯名。佢糾正但唔介意。呢個就係好嘅 agent UX——唔會因為一個無關嘅錯誤而中斷工作流程。

溝通技巧 #4：只問必要嘅問題。 Ada 可以問十個問題，問咗兩個。每多一個問題，就多一次來回，就多幾分鐘等待。好嘅 agent 識得用自己嘅判斷力填補空白，只喺真正需要人類輸入嘅地方先停落嚟。

5. 一個鐘嘅成果

回顧呢個 session，我哋由零開始，建成咗：

MiniMax music-2.0 API 整合，10 種 lo-fi 風格
每首歌自動生成插畫 artwork（Nano Banana Pro）
FFmpeg 影片合成 pipeline（音樂 + artwork → YouTube 影片）
YouTube Data API 自動上傳（OAuth2 + resumable upload）
Railway 部署 + node-cron 每日自動執行
chillpo.com landing page（深色 lo-fi 主題）

兩條片已經喺 YouTube 上面。第二朝醒嚟，又會多兩條。

呢啲全部喺一個終端 session 入面完成。冇 Jira ticket，冇 sprint planning，冇 standup。一個人，一個 AI agent，一個鐘。

將「lo-fi YouTube 頻道」換成任何自動化 pipeline——報告生成、數據處理、內容發佈——溝通模式都係一樣嘅。

溝通速查表

技巧	做法	例子
唔好介入 debug	AI 系統性排查緊嘅時候，乜都唔講	5 個 deploy cycle，0 個字
即時決策	揀 A/B/C，唔好反問	「A, yes」
貼 error 原文	Copy paste，唔好翻譯或描述	直接貼中文 403 錯誤
只答必要問題	唔好主動加料	7 個字答 2 個問題

最重要嘅技能唔係寫 code。係知道幾時講「yes please」，幾時貼個 error message，幾時乜都唔講。

想了解更多 AI 協作技巧，可以喺 LinkedIn 搵我。我喺 Adaptig 做企業 AI 培訓，教團隊點樣真正用 AI 做嘢。

SAM WONG