立正把后期拆成两类：字幕转录、专有名词校对、断句、生成标题和简介、挑高光候选，这些可以串成一条流水线，一个命令跑完⁠1,2。但短片选段他不放心交给自动工具，因为判断一个片段值不值得单独发，要看它有没有独立成立的内容、观众没听前后文能不能懂、铺垫保留多少、从哪句开始到哪句结束⁠3。他举的例子是嘉宾说“后来就不这么做了”，这句话本身精彩，但前面经历没交代，观众就不知道他为什么改主意，得回到完整对话里找起点⁠3。所以 AI 能省的是转录和格式化的力气，省不掉的是对内容的理解。

立正多次说过自己不喜欢剪辑，早先请人剪第一期，后来长期和专业剪辑合作，流程是给源视频、对方精校字幕并把不确定处交回确认、共同定章节和高光、一起 review 后出成片⁠4,5。他的结论是剪辑完全可以外包，不必因为做 up 主就觉得自己必须剪⁠4。对个人创作者，他给的路子相反一点：先录一条，交给 AI 做必要剪辑、字幕、大字封面和竖屏输出，自己看一遍确认字幕没听错、剪辑没改掉原意，再按反馈改⁠6。两条路的分界在于你更在意控制内容判断，还是更想省下时间。

流水线的基本设计是每一步有明确的输入和输出：转录生成字幕文件，校对、断句各生成一版，高光、文章、标题分别输出成独立文档，中间文件统一放在以视频命名的过程目录，最终交付放在视频同目录。这样字幕错了不会一路错到引用和标题，出问题时也能回到具体文件重跑，而不是回到一段已经消失的对话里猜。之所以要这样拆，是因为视频后期不适合“贴进去让模型整理一下”的聊天式用法，同一步每次结果可能不同，中间发生了什么也看不见⁠1。

高光负责让已经点进来的人觉得这期有料，标题负责让还没点进来的人决定点进来，所以标题不该复述高光说了什么，而要指向高光背后更大的问题，让人带着好奇进来再被高光证实。高光的选择上，文章指出 AI 扫描倾向挑戏剧性最强的时刻，而叙事上最关键的切入点常常不是同一句，所以工具允许编辑在字幕末尾手动追加亲选片段，系统优先用这些片段分析，AI 只提供候选、由人验收。标题生成则拆成发散、独立评审、收敛三轮，避免一个提示词里几种思路互相拉扯⁠2。

流水线被整理成一份给 AI 执行的工作说明，写清需要什么材料、怎样处理、最后交出什么，配套脚本负责能自动化的部分。使用时把视频或最终版字幕交给它，附上嘉宾姓名和节目背景，用自然语言提出要求，比如整理节目介绍、真实章节时间和适合音频播客的节目说明，并先出稿供检查。也就是说，步骤本身是固定的，但每次要什么产出由人提出⁠3。