00:00:00За последний месяц я набрал более 38 000 подписчиков на YouTube,
00:00:0350 000 в Instagram и 11 000 в Tik TOK.
00:00:08И это во многом благодаря моей системе контента Claude code.
00:00:12Сегодня я разберу всё по полочкам: созданные мной навыки, мой ежедневный
00:00:16рабочий процесс и покажу, как я использовал Claude code для автоматизации всей
00:00:20системы контента. Чтобы вы тоже могли это сделать.
00:00:22Итак, перед нами семь навыков Claude code, которые являются основой
00:00:26моей системы контента. За последний месяц они принесли 10 миллионов просмотров.
00:00:30Работал я один: ни редакторов, ни ассистентов, ничего.
00:00:33Эти 10 миллионов просмотров распределены по 90 единицам контента
00:00:38за 30 дней. Из этих 90 — 30 длинных видео.
00:00:43По сути, в марте каждый день выходило по одному длинному видео на YouTube и по 60
00:00:47коротких. Это Shorts, Reels, Tik TOK — всё вместе.
00:00:51И цифра, на которой вам действительно стоит сосредоточиться, — это не подписчики.
00:00:54Как я сказал во вступлении, и даже не 10 миллионов просмотров, а 90 видео,
00:00:5890 видео за один день для одного человека — не хочу хвастаться,
00:01:02но это довольно впечатляющий объем.
00:01:05И единственный способ, которым я смог это сделать, — это устойчивая,
00:01:10стабильная и повторяемая система. И именно её мы сегодня разберем.
00:01:14Потому что, опять же, я делаю это в одиночку,
00:01:15но я не привязан к компьютеру по 12–16 часов в сутки, верно?
00:01:19Я могу поддерживать такой темп только в том случае, если это эффективно,
00:01:22если в этом есть смысл. Более того,
00:01:25говоря о тех самых 10 миллионах просмотров,
00:01:27не было ни одного ролика, набравшего более 400 000 просмотров.
00:01:31Так что это не та ситуация, когда цифра в 10 миллионов сложилась из пары
00:01:35вирусных хитов, а всё остальное провалилось, понимаете?
00:01:37Это была победа за счет 90 точных ударов, а не одного мощного нокаута.
00:01:40Думаю, это тоже важно знать.
00:01:42Мы не пытаемся просто создать какой-то случайный вирусный хит.
00:01:45Это маленькие последовательные победы, которые, я думаю, может повторить каждый.
00:01:48Так как же нам удалось это сделать?
00:01:50Как использовать Claude code для создания такой устойчивой системы,
00:01:54которая генерирует контент, действительно нужный людям? Что ж,
00:01:56сначала нам нужно понять процесс создания контента в целом.
00:01:59Затем нужно разбить этот процесс на отдельные части и назначить
00:02:04конкретные навыки и автоматизации Claude code для этих частей, верно?
00:02:08Именно так мы методично всё разбираем.
00:02:10Я бы разделил процесс создания контента на четыре основных этапа.
00:02:13Первый — это исследование. Второй — генерация идей.
00:02:17Третий — написание сценария. И четвертый — дистрибуция.
00:02:22И именно из этих четырех этапов мы выводим различные навыки Claude code.
00:02:27На некоторых этапах есть несколько навыков, потому что там происходит много всего.
00:02:31Возьмем, к примеру, написание сценария. Это включает в себя хуки (крючки),
00:02:34сам сценарий,
00:02:36план видео, а также «упаковку» — заголовки и
00:02:40обложки. Но давайте начнем с первых двух этапов: исследования и идей,
00:02:44потому что важно говорить о них параллельно — это своего рода цикл, верно?
00:02:47Вы что-то исследуете,
00:02:50придумываете идеи на основе этого, а для идей нужно больше исследований.
00:02:52И затем часто на основе этих исследований рождаются новые идеи.
00:02:56Так что первый и второй этапы очень тесно связаны. Итак,
00:02:59главный навык для меня — это мой навык «YouTube pipeline» (конвейер YouTube).
00:03:03И он подключает NotebookLM. Все навыки, которые вы видите сегодня,
00:03:08а также поисковик для Twitter,
00:03:10можно найти в моем GitHub-скрипте внутри Chase AI.
00:03:14Ссылка на него есть в комментариях. Chase AI — это также дом для моего
00:03:19мастер-класса по Claude code, лучшему месту, чтобы пройти путь от нуля до AI-разработчика.
00:03:22Он обновляется каждую неделю. Так что если вы пытаетесь понять,
00:03:25как на самом деле освоить Claude code и получить четкий путь развития,
00:03:29обязательно загляните к нам, ссылки в комментариях. А теперь
00:03:32вернемся к навыку «YouTube pipeline»,
00:03:34который я считаю самым мощным из всех семи. Что ж,
00:03:36этот навык для NotebookLM позволяет нам перенести мощь NotebookLM в
00:03:41Claude code. Я могу дать NotebookLM всё что угодно,
00:03:44будь то ссылки на YouTube, PDF-файлы, документы —
00:03:48всё то же самое, что и в обычном веб-приложении NotebookLM,
00:03:51но прямо через терминал.
00:03:53И это здорово, потому что NotebookLM отлично справляется с тем типом
00:03:56контента, который может быть проблемным для Claude code,
00:03:59а именно с видео из YouTube, и всё это обрабатывается на серверах Google, верно?
00:04:03Мы не тратим токены Claude code на этот анализ.
00:04:05Мы поручаем это NotebookLM и Gemini, а затем просто забираем результат.
00:04:09И я получаю доступ ко всем материалам NotebookLM: видео,
00:04:12презентациям, изображениям — всё, что можно сделать там, теперь доступно через терминал.
00:04:17И этот навык использует CLI-инструмент NotebookLM PI, чтобы создать этот
00:04:21мостик между Claude code и NotebookLM.
00:04:24Этот репозиторий включает в себя собственный навык.
00:04:27Так что исследование через YouTube-конвейер — это, по сути, навык, который
00:04:32вызывает другие навыки. Это навык высшего порядка.
00:04:33И то, что делает этот навык «YouTube pipeline», — он берет
00:04:38CLI-инструмент и навык NotebookLM PI и, по сути, автоматизирует
00:04:43поиск источников.
00:04:44Он собирает кучу ссылок на YouTube на основе вашего запроса и включает
00:04:49этап анализа.
00:04:50Таким образом, он использует это как связующее звено, а затем автоматически находит и
00:04:54анализирует всё одной командой.
00:04:56Но использование этого навыка подразумевает, что у вас уже есть источник информации, верно?
00:04:59Вы уже поняли, о чем хотите поговорить или что хотите
00:05:02проанализировать. Возникает вопрос:
00:05:04как нам вообще в первую очередь решить, о чем говорить?
00:05:08Как Claude code помогает нам в этом?
00:05:09И это выходит за рамки того, что вы видите в разборе навыков, верно?
00:05:13Нам нужно выяснить, что является «нулевым этапом». Знаете,
00:05:16мы должны понять, где находится первоисточник знаний для вашей конкретной
00:05:21ниши. Для технологий всё очевидно, верно? Для всей этой темы с ИИ
00:05:23всё исходит из нескольких мест:
00:05:25либо напрямую из репозиториев GitHub, либо рождается в Twitter, верно?
00:05:30А затем со временем попадает на YouTube. Изредка
00:05:33что-то может зародиться прямо на YouTube,
00:05:35но обычно это Twitter и GitHub. Оттуда идет на YouTube, а с
00:05:39YouTube расходится повсюду.
00:05:40Поэтому вам нужно найти свой первоисточник знаний, потому что если это
00:05:45не технологии и не ИИ, вам нужно понимать:
00:05:47где зарождается информация?
00:05:49Чтобы вы могли быть в числе первых, кто об этом расскажет. В моем случае,
00:05:53раз мы говорим, что всё идет из GitHub или Twitter,
00:05:57как мне использовать Claude code для помощи? Что касается Twitter,
00:06:00я просто попросил Claude code создать мне веб-приложение для скрапинга Twitter.
00:06:04Вот что вы видите здесь. Оно отправляет данные в Telegram. И каждые 30–45 минут
00:06:08я получаю подборку твитов по определенным ключевым словам и списку авторов,
00:06:12где сказано: «Вот о чем они говорят. Вот лайки.
00:06:16Вот показатель виральности (velocity score)».
00:06:18Это также позволяет мне отвечать им, если я захочу, потому что я также подключил свой
00:06:21Twitter API. Вот схема работы этого веб-приложения. Опять же,
00:06:25его было довольно легко создать внутри Claude code, хотя оно
00:06:28относительно сложное и легко настраиваемое.
00:06:31Примерно каждые 45 минут (там настроен случайный таймер)
00:06:36оно собирает от 40 до 90 твитов. Используется недорогой скрапер.
00:06:39Это обходится довольно дешево.
00:06:40Затем система фильтрует и оценивает твиты.
00:06:43Она анализирует их на основе ряда сигналов: скорость роста, авторитетность,
00:06:48время публикации, возможности и потенциал для ответа, потому что у меня есть возможность,
00:06:52как я уже сказал, отвечать на эти твиты. Если я захочу,
00:06:54все собранные твиты отправляются в Supabase.
00:06:57Это нужно, чтобы мне не попадался постоянно один и тот же твит от одного и того же человека,
00:07:00и чтобы контент был более разнообразным.
00:07:03Система оценивает их и выбирает на основе рейтинга. Используется функция Softmax,
00:07:07которая присваивает каждому твиту оценку вероятности.
00:07:08Так что я не всегда получаю только самый популярный твит. Опять же,
00:07:11нам нужна определенная доля случайности.
00:07:13Оттуда данные уходят в Telegram, и система также может предлагать мне варианты
00:07:16ответов. К этому у меня подключен Brock.
00:07:18Если вы хоть немного сидели в Twitter,
00:07:21то знаете, что он просто кишит ИИ-ботами.
00:07:24Поэтому все ответы попадают в Supabase и,
00:07:29по сути, оцениваются. Таким образом, я вижу, какие ответы я даю,
00:07:34потому что я также могу писать кастомные ответы, и со временем
00:07:36система начинает самосовершенствоваться. И наконец,
00:07:40всё это отображается в Telegram. Теперь поговорим о втором первоисточнике —
00:07:43трендовых репозиториях GitHub. Да, на GitHub есть страница трендов,
00:07:47но почему бы мне не получать эту информацию автоматически вместе с
00:07:50полезными данными о скорости роста этих трендов, верно?
00:07:53Сколько звезд они набрали с момента создания? И еще я хочу,
00:07:57чтобы был фильтр: меня интересует только тема ИИ. Что ж,
00:07:59Claude code сделал всё это за меня.
00:08:00Он создал скрипт, который запускается каждое утро, находит
00:08:04трендовые репозитории GitHub в сфере ИИ и помещает их в мою базу Obsidian.
00:08:08Так я могу видеть топ-10 трендовых репозиториев, созданных за последние
00:08:12семь дней. Каждый день я вижу количество звезд, язык программирования,
00:08:16получаю ссылку и краткое описание. Вдобавок к этому
00:08:19я вижу топ-5 трендов за месяц. И затем система выдает мне,
00:08:22знаете, свою рекомендацию на каждый день и объясняет почему.
00:08:24Благодаря этому GitHub-скрипту, созданному Claude code, и поисковику Twitter
00:08:28я могу решить проблему «нулевого этапа» —
00:08:31как вообще находить темы для обсуждения, которые не являются
00:08:34просто пересказом того, что крутилось на YouTube всю последнюю неделю,
00:08:37верно? Нам нужно что-то новое, и это позволяет нам его найти. И снова,
00:08:41прелесть Claude code в том, что вам не обязательно использовать GitHub.
00:08:44Вам не обязательно использовать Twitter.
00:08:45Вам просто нужно определить, что является первоисточником в вашей нише.
00:08:48Затем попросите Claude code собрать инструменты для этого, потому что как только у вас это будет,
00:08:52этот «нулевой этап» первоисточника, вы сможете подключить его сюда —
00:08:57всю эту структуру навыков, понимаете?
00:08:59Когда у меня появляется идея с GitHub или тема, которую кто-то обсуждает
00:09:03в Twitter, я могу запустить поиск через YouTube-конвейер, верно?
00:09:07Он называется «YT pipeline», но это не обязательно должен быть YouTube. Это
00:09:09может быть что угодно. И затем проводится анализ в NotebookLM.
00:09:13И, как вы видели на примере с GitHub,
00:09:14всё это также сохраняется в моей базе Obsidian. Да,
00:09:20у меня открыт терминал, в котором я общаюсь с Claude code,
00:09:22но всё, что создает Claude code, — это Markdown-файлы внутри моей базы.
00:09:27Поэтому мне очень легко видеть, что происходит.
00:09:30Я могу просматривать отчеты и видеть связанные статьи, понимаете?
00:09:33Это дает более глубокое понимание и помогает держать всё в порядке.
00:09:36Особенно если вы занимаетесь контентом,
00:09:38если делаете это каждый день и проводите много разных исследований. Если
00:09:42всё это просто лежит в коде без интеграции с Obsidian,
00:09:44человеку может стать трудно это контролировать. Claude code справится, но вам будет тяжело.
00:09:48Итак, мы поняли, где искать идеи на базовом уровне.
00:09:52И мы только что обсудили навык «YT pipeline» —
00:09:55как мы можем направить его на найденные идеи,
00:09:59отправить в NotebookLM и провести глубокое исследование и анализ. Следующий этап —
00:10:03это своего рода генерация идей и стратегия.
00:10:06Здесь мы берем результаты исследования и думаем, как мы можем подать
00:10:10эти идеи с помощью «карты желаний» (desire mapping)?
00:10:12Как превратить эти мысли в контент, который
00:10:16действительно заинтересует людей на высоком уровне.
00:10:18И вот что делает этап генерации идей: он не переделывает исследование,
00:10:22но он анализирует его с точки зрения конкурентной среды.
00:10:25Типа: «А что другие говорят об этом? Где пробелы?
00:10:29О каких вещах еще никто не рассказывал, что могло бы зацепить
00:10:33аудиторию?»
00:10:33То есть мы вынимаем исследование из вакуума и помещаем его
00:10:38в реальную конкурентную среду, в которой вы находитесь. Давайте посмотрим на это в действии.
00:10:42Я изучал тему RAG и Claude code, планируя выпустить контент.
00:10:45Что-то вроде «Семь уровней Claude code и RAG»,
00:10:49потому что эта сфера сильно изменилась за последний год. Итак,
00:10:52мы вызываем навык генерации идей.
00:10:56«Посмотри на наше недавнее исследование RAG и Claude code и опиши
00:11:00Итак, вот что выдал Claude Code. Опять же,
00:11:03он опирается на уже проведенное нами исследование.
00:11:05Первое, что он нам дает, — это конкурентная среда, заезженные углы,
00:11:10свободные ниши и затем аномалии в показателях, верно?
00:11:14О чем говорили другие, что буквально «взорвало»? После того как он дает
00:11:17этот контекст, он переходит к идеям для видео, так? Заголовки, ракурсы,
00:11:21на какие желания мы давим, затем форматы и конкурентные пробелы.
00:11:25И он делает это для множества разных видео, понимаете?
00:11:29Всего он предложил девять вариантов и затем ранжировал их.
00:11:32И я думаю, то, что вы здесь видите, важно, потому что это повторяется
00:11:36во всех навыках этой системы. Я использую,
00:11:38когда мы говорим об использовании Claude Code и автоматизации,
00:11:40на самом деле мы говорим о превращении Claude Code в соавтора.
00:11:44Верно? На каждом этапе этого пути
00:11:46я хочу иметь возможность как-то влиять, понимаете?
00:11:49Я не хочу, чтобы Claude Code автоматически шел на GitHub, а я бы этого даже
00:11:53не видел. И чтобы в конце он просто выдал мне: «Эй,
00:11:55вот полный сценарий, который ты сегодня запишешь. Кстати,
00:11:57я создал превью и заголовок, и все уже готово.
00:12:00Тебе нужно просто произнести эти слова».
00:12:01Вам это не нужно, потому что это будет ужасно. Хорошо?
00:12:04Если вы делаете с ИИ что-то, имеющее хоть какой-то творческий уклон,
00:12:08вам нужно оставаться за рулем. Теперь,
00:12:13очевидно, на протяжении всего этого Claude Code делает для нас очень много,
00:12:16но он проводит анализ и предлагает потенциальные планы и идеи.
00:12:20Вам все равно нужно быть рядом, чтобы проверять и говорить: «Эй,
00:12:24мне это не нравится. И это тоже».
00:12:25Только так в итоге можно получить действительно хороший результат.
00:12:29И так вы сможете сохранить свой голос, потому что как бы хорошо вы
00:12:32ни обучали эту штуку,
00:12:32если вы ждете, что она пройдет от нуля до полного сценария без вашего участия,
00:12:37когда вы могли бы сказать: «Давай возьмем эту идею. Давай тут поменяем».
00:12:39«И здесь тоже поменяем» — результат будет безликим и отстойным.
00:12:42Но прелесть в том, что если вы все-таки захотите автоматизировать это так,
00:12:45вы можете, но на каждом шаге этого процесса, верно?
00:12:48Ожидается, что вы посмотрите на результаты Claude Code, прежде чем
00:12:51переходить к следующему этапу. И на самом деле,
00:12:53что это вам дает — это избавление от всей черновой работы по проведению
00:12:58такого рода анализа с нуля. Видя подобные вещи и
00:13:03его идеи, вы оттачиваете то, на чем в итоге остановитесь.
00:13:06Потому что я бы сказал, что в девяти случаях из десяти
00:13:09я в конечном итоге делаю какой-то вариант того, что он мне выдает.
00:13:11Обычно я не использую это в чистом виде, понимаете?
00:13:12Потому что нам всегда хочется добавить что-то свое, особенное,
00:13:15но на этом с разделом идей всё, хорошо? Мы сделали нулевой шаг —
00:13:18нашли знания. Мы сделали первый шаг.
00:13:21Провели исследование через Pipeline, подключили Notebook LM, завершили
00:13:25генерацию идей. Знаете,
00:13:26мы примерно понимаем, где находится идея этого контента в контексте того,
00:13:31что делают все остальные. И конечно,
00:13:34все это делается в Obsidian, внутри нашей базы знаний.
00:13:36И если тема с Obsidian кажется вам слишком сложной,
00:13:39я оставлю выше ссылку на видео, где я подробно разбирал Obsidian и
00:13:43Notebook LM. И это подводит нас к третьему этапу — написанию сценария.
00:13:47Что касается сценариев, я скажу про себя —
00:13:50я не большой любитель расписывать всё дословно.
00:13:52Я прописываю только «крючок», первые секунд 30.
00:13:57Так что то, что вы видели во вступлении к этому видео, где я говорил: «Да,
00:13:5938 000 подписчиков и 11 000 человек в TikTok» — это было по сценарию.
00:14:04Я довольно долго гонял Claude Code туда-сюда, используя навык создания хуков,
00:14:07и выяснял, что именно мне сказать.
00:14:09Потому что когда дело касается контента и соцсетей,
00:14:12«крючок» очень, очень важен. Подача крайне важна.
00:14:14Так что я хочу отработать его на отлично, хоть это и всего 20 секунд. Всё остальное —
00:14:17это планы, концепции с тезисами.
00:14:19Я примерно знаю, о чем буду говорить, но не дословно.
00:14:20Мы просто делаем это вживую.
00:14:21Так что навык составления плана, который я вам даю, опять же,
00:14:26работает именно так. Это общая картина, хотя «крючок» прописан четко.
00:14:30И идеи для хуков во многом взяты у Каллауэя.
00:14:34Я беру много его идей, респект его контенту.
00:14:37Его штуки просто гениальны.
00:14:38Так что я, по сути, прогнал всю эту настройку на куче видео Каллауэя,
00:14:43а затем внедрил это в то, как Claude Code подходит к хукам, планам,
00:14:47заголовкам и прочему. Но давайте посмотрим на это в деле.
00:14:50Мы запустим навык создания хука,
00:14:51плана и заголовка для YouTube для этого потенциального видео про Claude Code и RAG
00:14:55и посмотрим на результат. Я сказал ему:
00:14:57«Давай воспользуемся твоей рекомендацией».
00:14:58Его рекомендация была в духе контекстной инженерии, и я сказал: «Эй,
00:15:03давай прогоним на ней хуки, план и заголовок для YouTube».
00:15:05Вот что он выдал для раздела с хуками — пять вариантов.
00:15:09И для каждого хука он расписывает произносимый текст, визуальный ряд,
00:15:12а также возможный текстовый оверлей, если мы захотим его добавить.
00:15:15Текстовые оверлеи больше подходят для коротких форматов.
00:15:19Так что это не то, что я бы внедрял в длинные хуки. Затем переходим
00:15:22к плану, который включает целевую длительность.
00:15:24Некоторые связанные документы из нашей базы в Obsidian, на которые мы
00:15:28возможно захотим сослаться. А затем идет хук. И опять же, план — это просто разделы.
00:15:32Например, общая идея, понимаете, суть в том, что контекстная инженерия — это вот это,
00:15:36мы собираемся объяснить, что это такое, и даем тезисы.
00:15:39Он также включает потенциальные визуальные средства. Мол: «Эй,
00:15:42если я захочу добавить какую-то диаграмму в Excalidraw, вот что можно сделать».
00:15:45И также исходный материал, если я захочу вывести его на экран
00:15:48в качестве ссылки. И это повторяется для каждой секции.
00:15:51И, наконец, переходит к вариантам заголовков.
00:15:53Плюс навыка заголовков в том, что он не смотрит на них в вакууме.
00:15:56Он фактически анализирует все ваши предыдущие успешные заголовки, чтобы понять:
00:16:00«Так, что на самом деле заходит у этого парня?»
00:16:02И затем он разбивает их по уровням. Первый уровень: «Контекстная
00:16:07инженерия только что сделала промпт-инженерию устаревшей». И он говорит: «Эй,
00:16:10вот на чем я основываюсь, понятно?»
00:16:11«Вот предыдущее видео, которое набрало столько-то просмотров».
00:16:15«Вот почему я думаю, что этот заголовок сработает». И так для всех. Заголовки
00:16:18второго уровня — это «просчитанные риски». Они немного необычные,
00:16:21что полезно знать, так как, скорее всего, вы захотите провести ABC-тестирование.
00:16:25Время от времени стоит выкидывать что-то безумное вместо того,
00:16:28чтобы делать три заголовка первого уровня, которые все на одно лицо.
00:16:31Далее идут варианты текста для превью. Опять же,
00:16:34здесь та же система. И благодаря этим трем навыкам — хуки,
00:16:38планы и заголовки — у нас видео распланировано процентов на 90, да?
00:16:43Упаковка почти готова в плане заголовка, хука и того,
00:16:47что будет на обложке.
00:16:48А план видео, по сути, несет в себе сам контент.
00:16:52Единственное, чего здесь нет, очевидно, это чего-то связанного с созданием
00:16:56самого превью, но это дело вкуса.
00:16:58Я правда не считаю, что ИИ хорош в создании обложек с нуля.
00:17:02Одно дело, если я прихожу с конкретной идеей,
00:17:04но это настолько визуально и субъективно, что я делаю это чисто вручную.
00:17:08И когда вы дошли до этого момента и довольны тем, что получилось,
00:17:11пришло время снимать контент, верно? И это чисто ручной труд.
00:17:15Я не из тех, кто использует ИИ-аватары или что-то подобное.
00:17:18Я не думаю, что это того стоит в 99% случаев.
00:17:20Так что для этапа непосредственного создания контента автоматизации Claude Code нет.
00:17:24И мы переходим к четвертому этапу — дистрибуции, верно?
00:17:28У дистрибуции есть несколько уровней. Есть самая очевидная форма
00:17:32дистрибуции, типа: «Эй,
00:17:33мы хотим выложить это видео на YouTube, в Instagram или TikTok».
00:17:37В Claude Code очень легко создать что-то подобное,
00:17:40например, систему автоматической рассылки контента.
00:17:42Ее можно привязать к определенной папке на Google Диске и создать
00:17:45автоматизацию, которая при добавлении файла запускает процесс.
00:17:48Если честно, для монтажа видео я использую CapCut.
00:17:53И поэтому,
00:17:55выкладывать оттуда на YouTube или в TikTok очень просто.
00:17:58А в Instagram я, честно говоря, просто выкладываю вручную.
00:18:00Самый ли это эффективный способ в мире? Нет,
00:18:02но мне подходит, потому что это занимает две секунды, и меня это устраивает.
00:18:04Тем более что для Instagram я делаю пробные Reels, и попытка
00:18:09автоматизировать эту часть довольно муторная. Не думаю, что это вообще возможно,
00:18:11ну или по крайней мере не было возможно, когда я пробовал в последний раз. Так что для меня
00:18:15дистрибуция — это скорее переработка контента,
00:18:18переработка в плане превращения видео с YouTube в текстовый
00:18:22контент для блога на моем сайте, затем в посты для LinkedIn, Twitter и
00:18:27адаптация под короткие форматы, верно? Если у меня есть длинное видео,
00:18:30как мне превратить его в короткое? И я не имею в виду просто нарезку.
00:18:34Я говорю о том, как нам сжать мои 30,
00:18:3640 минут разговора на YouTube в 30-секундный,
00:18:4060-секундный или 90-секундный клип для Shorts, Instagram или TikTok?
00:18:43За это отвечают два навыка: «Каскад контента» и навык коротких форматов.
00:18:48«Каскад контента» — это целиком про превращение видео в текст.
00:18:52Я беру видео с YouTube и превращаю его в пост для LinkedIn — опять же, как и все навыки,
00:18:55это очень гибко настраивается.
00:18:58У вас может не быть YouTube в качестве основного источника контента, так?
00:19:02Но вы можете заменить его на что угодно.
00:19:04Вы можете натравить этот навык на статью или чужое видео в YouTube," —
00:19:07на то, что вы хотите обсудить в текстовом формате.
00:19:09И это превратит материал в блог, пост для Twitter и LinkedIn, понимаете?
00:19:15Очевидно, что конкретно этот навык настроен под мой стиль,
00:19:18но это несложно изменить.
00:19:19Особенно если использовать навык создания навыков,
00:19:22который проведет тесты. Когда я запускаю «Каскад контента»,
00:19:26он автоматически подхватывает транскрипт с YouTube.
00:19:29Превращает его в статью для блога, автоматически публикует, делает ветку
00:19:33в Twitter примерно из семи твитов. Опять же,
00:19:35автоматически постит после моего одобрения и дает варианты
00:19:39постов для LinkedIn. Сразу скажу, я ленив в плане LinkedIn,
00:19:44но я не автоматизирую там посты, так как использую что-то вроде Lead Shark.
00:19:48Ну,
00:19:48обычно я использую это, чтобы настроить всю систему с лид-магнитом.
00:19:53И это отлично работает, потому что, опять же,
00:19:57платформ так много, социальных сетей так много.
00:20:01Нереально думать: «Ладно,
00:20:03сейчас я возьму этот контент и сам напишу все эти посты».
00:20:07Я знаю себя, я больше по видеоконтенту.
00:20:10Так что любая возможность автоматизировать текстовую часть — это супер.
00:20:14Вот на моем сайте, в разделе блога, вы видите, как он автоматически,
00:20:17очевидно, создает весь пост,
00:20:20но также встраивает видео с YouTube и добавляет кучу SEO-штук.
00:20:24Он заточен под SEO.
00:20:28Идея в том, что этот блог не столько про то,
00:20:31насколько хороши статьи в моем блоге, а скорее про то,
00:20:33что по мере роста моего хранилища контента растет и блог,
00:20:38а вместе с ним и моя видимость в Google Поиске, понимаете?
00:20:40Все связано со всем.
00:20:42Потому что я черта с два стал бы писать эти статьи сам.
00:20:45Хотя я дал ему много своих текстов, чтобы он видел мой стиль,
00:20:48так? Он избегает всяких характерных для ChatGPT словечек. Это не X,
00:20:52это Y, понимаете? Как часть навыка,
00:20:55он анализирует все штампы ИИ-текстов и обходит их.
00:20:59И последнее по порядку, но не по значению — переработка под короткие форматы.
00:21:02Она довольно простая по сути.
00:21:05По сути, это повторение всего того, что мы уже делали: хуки, планы,
00:21:10так? Только упакованное в формат 30, 60, 90 секунд,
00:21:15понимаете? Он дает вам хуки.
00:21:16Дает потенциальные подписи, которые всплывают на экране
00:21:20в начале. То есть это просто сжатая форма того, что мы уже сделали.
00:21:23И поскольку мой навык коротких форматов уже нацелен на длинное видео,
00:21:28вся работа уже, по сути, сделана, да? Нужно просто отсечь лишнее.
00:21:31Но это позволяет мне,
00:21:33по сути, брать то, что я создаю для YouTube,
00:21:36и превращать это в эдакого монстра, которого я пощу в блог на сайте.
00:21:41Пощу в Twitter. Пощу в LinkedIn. Оно становится коротким роликом,
00:21:45Reels в Instagram и видео в TikTok, понимаете?
00:21:48Шесть платформ,
00:21:52шесть разных единиц контента из одной основной вещи, созданной для YouTube.
00:21:55Вот откуда взялось название «Каскад контента».
00:21:59В этом и прелесть системы: она не заканчивается на YouTube-видео.
00:22:02Само видео становится своего рода небольшим источником
00:22:06знаний, о котором мы говорили раньше, но уже вашим собственным.
00:22:09Вот такая моя контент-система на базе Claude Code.
00:22:11Это, по сути, мой соавтор на стероидах. Как я уже говорил,
00:22:14на каждом этапе процесса я общаюсь с Claude.
00:22:17Я не жду, что он выдаст идеальный продукт в самом конце,
00:22:20но я перекладываю на него огромную часть черновой работы. Весь анализ,
00:22:24все исследование конкурентов, все эти хуки,
00:22:27базовую генерацию идей — все это делает он.
00:22:29И это позволяет мне сосредоточиться на вещах с высоким рычагом. Более того,
00:22:32как только я создаю контент,
00:22:34он дает мне очень простой в исполнении путь
00:22:39по его распространению в разных формах на множестве платформ, понимаете?
00:22:42Что в итоге и приводит к результату в духе 10 миллионов в месяц для одного человека
00:22:46без каких-либо, так сказать, «вирусных» постов.
00:22:48Так что если вы хотите получить все эти навыки," —
00:22:50движок для исследования Twitter, скрипт для GitHub и мастер-класс по Claude Code —
00:22:55обязательно загляните в Chase AI Plus. Опять же,
00:22:57ссылка на это есть в описании и в комментариях.
00:23:00Также в описании есть ссылка на мое бесплатное сообщество JCA.
00:23:04Там куча бесплатных ресурсов для тех, кто только начинает работать с ИИ.
00:23:07А в остальном — делитесь мыслями, и до встречи!