用 BibiGPT 一周挖完 50 个 YouTube 行业访谈：一位咨询顾问的真实工作流
用 BibiGPT 一周挖完 50 个 YouTube 行业访谈：一位咨询顾问的真实工作流
来自一位接受访谈的独立顾问的工作流复盘。文中”我”指访谈者本人。
核心场景：行业研究的最大瓶颈不是”找不到信源”，而是”消化不过来”——当客户给我一周时间出一份新能源储能行业的报告，我搜出 50 个 YouTube 行业访谈但没人能一周看完。这篇是我用 BibiGPT 把这件事做成的真实工作流。 全程 5 个工作日，输出一份 60 页交付报告，客户验收 A 级。
我是谁，背景是什么
我是一位独立咨询顾问，主做硬科技和能源行业的市场进入研究。客户类型是 PE、产业集团、政府智库——他们不需要”很多研究”，需要”很快、很深、有判断”。
2026 年 3 月底接到一个储能行业的项目：
- 客户：一家头部 PE
- 交付时间：5 个工作日
- 交付物：60 页 PPT 形式的行业研究报告，包含技术路线、关键玩家、商业模式、政策走向、投资逻辑
- 预算：不到一周，传统方法 3 个分析师两周还得加班
困难是：高质量的一手信息不在论文里，在行业访谈视频里——CEO 上节目、技术专家做客播客、产业大会的圆桌讨论。我搜了一周内能找到的 YouTube 视频，列出 50 个候选，每个 30 分钟到 2 小时。
50 × 60 分钟（按平均算）= 50 小时。我一周只有 40 小时工作时间。
工作流总览
| 工作日 | 阶段 | 用 BibiGPT 做的事 |
|---|---|---|
| Day 1 上午 | 批量入库 | 50 个 YouTube 链接一次性贴入 BibiGPT，启动批量总结队列 |
| Day 1 下午 | 一级筛选 | 看 50 份 AI 总结，按”是否有原始洞察”打标签，淘汰 18 个 |
| Day 2-3 | 深度挖掘 | 剩 32 个加进合集，用合集 AI 对话做跨视频追问 |
| Day 4 上午 | 高亮整理 | 在筛选出的核心 12 个视频里做高亮笔记，按主题归档 |
| Day 4 下午 | 反向校验 | 用合集 AI 对话做”反方观点”提问，找出 5 个矛盾点 |
| Day 5 全天 | 报告写作 | 用 AI 视频转文章 + 自己整合，输出 60 页 PPT |
关键步骤详解
Day 1：把”消化 50 个视频”变成”读 50 份摘要”
打开 BibiGPT 首页，多行链接批量总结 让我用 Shift+Enter 一次粘贴 50 个 YouTube 链接，进入批量总结队列。
我去吃了顿午饭，2 个小时后回来，50 个视频都已经处理完——每个都有结构化的智能深度总结（核心要点 + 思考问题 + 术语解释 + 可点击时间戳）。
下午我做的事是”读摘要”，不是”看视频”。判断每个视频是否值得深挖的标准：
- 摘要里出现”独家数据”、“内部观点”、“反共识判断” → 留
- 摘要全是行业常识、媒体腔 → 淘汰
50 个里淘汰 18 个，剩 32 个候选。
Day 2-3：合集 AI 对话替代”读完所有原文”
把 32 个视频加进同一个合集（命名为”储能行业-2026Q1-访谈”），打开 合集 AI 对话。这一步是整个工作流的核心——我不需要逐个打开看，只需要问。
我问的问题包括：
- “这 32 个视频里，对储能商业模式的看法分成哪几派？每派的代表人是谁？”
- “受访者中有没有提到 2026 年储能行业最大的政策不确定性？哪些视频谈到了？”
- “技术路线上，磷酸铁锂和钠离子电池被提及的频率谁更高？看法分布如何？”
AI 给出的回答都附带 citation——我可以直接点进去看是哪个视频在哪个时间点说的。这一步把”消化 32 个视频”压缩到”提问 + 看 AI 整合答案 + 抽查关键 citation”。
Day 4：高亮笔记 + 反方校验
合集追问后我筛出了 12 个”必须自己看一遍”的视频——这些是有独家数据或反共识判断的核心信源。这 12 个我用高亮笔记边看边划，划完直接在 BibiGPT 里按主题归类。
下午我做了一件传统咨询研究里很难做的事——反方校验。我用合集 AI 对话问：
- “如果我要论证’储能行业接下来三年是 PE 投资的甜蜜期’，这 32 个视频里有哪些反对证据？”
- “受访者中谁的观点最被其他人挑战？挑战的核心是什么？”
AI 找出 5 个跨视频的矛盾点。这些矛盾点后来在交付报告里成了”风险因素”专章的核心内容——客户特别看重这一段。
Day 5：从笔记到 60 页报告
最后一天纯写作。我把高亮笔记按报告章节分组，用 AI 视频转文章 把 12 个核心视频里的关键片段直接转成结构化文字段落，剪贴到我的 PPT 模板里。
整个流程下来，最关键的产出物：
- 32 个视频的结构化摘要（约 8 万字）
- 12 个核心视频的高亮笔记（约 1.2 万字）
- 5 个跨视频矛盾点
- 60 页 PPT 交付报告
数字对照（vs 传统方法）
| 维度 | 传统方法 | BibiGPT 工作流 |
|---|---|---|
| 视频处理 | 50 小时（看完）/ 25 小时（倍速） | 2 小时（批量） + 4 小时（核心 12 个）= 6 小时 |
| 跨视频整合 | 几乎不可能 / 靠人工记忆 | 合集 AI 对话原生支持 |
| 反方校验 | 传统咨询基本不做 | 1 小时完成 |
| 总耗时 | 3 个分析师 × 2 周 | 1 个顾问 × 1 周 |
| 数据可追溯 | 笔记本 / Word | 时间戳级 citation |
我没有把所有事情都让 AI 做——核心判断、客户语境、报告叙事是我的工作。BibiGPT 替我消化的是机械的”看视频”过程，让我把时间投入在判断和叙事上。这是这个工作流和”用 AI 写报告”完全不同的地方。
这套工作流谁能复用
如果你符合下面任意一项，几乎可以直接照搬：
| 你是 | 痛点 | 这套工作流的价值 |
|---|---|---|
| 独立咨询顾问 / 行研员 | 一周交付，信源消化不过来 | 把 50 小时压到 6 小时 |
| 二级市场买方研究员 | 财报季要快速消化路演视频 | 批量总结 + 合集 AI 对话 |
| 产业基金投资人 | 看赛道前期要快速建立判断 | 行业访谈横向整合 |
| 公司战略部 / BD | 要追踪竞争对手公开访谈 | 长期合集，定期追问 |
| 学术研究者 | 文献以外的访谈/会议视频 | 多视频引用追溯 |
立即试用
- 还没用过 BibiGPT → 立即体验，先把当前的 5 个候选视频丢进去
- 已有账号 → 把你正在做的研究主题创建一个合集，试试 合集 AI 对话 跨视频追问
- 重度研究者 → 配合 Notion 集成 或 Obsidian 集成，把高亮笔记沉淀进自己的研究库
常见问题
Q1: 这个流程的”批量总结”会不会消耗很多额度？
A: BibiGPT 的会员体系按总结次数计费。50 个视频一次大概在 Plus 月度额度内（具体配额见会员页）。对于像咨询顾问这种”项目制重度使用”，按需充值或 Pro 套餐更合适。
Q2: AI 总结的准确率能让我把判断建立在它上面吗？
A: 我的做法是两层校验：第一层 AI 做摘要、做合集追问，把信息密度压缩到我能消化；第二层我自己看核心视频（12 个）确认关键判断。这样既快又安全。如果客户对某个具体数字特别敏感，我会回到原视频时间戳逐字核对——BibiGPT 的 citation 让这个核对变得很快。
Q3: 视频里讲的内容和受访者实际意图可能有出入，AI 怎么处理？
A: AI 也处理不了语境偏差。这就是为什么”反方校验”那一步特别重要——我用合集 AI 对话主动找受访者之间的矛盾，那些矛盾通常就是语境敏感的地方。AI 替我提供了候选清单，最终判断仍然是我做。
Q4: 客户能接受我用 AI 工具做研究吗？
A: 我不会主动告诉客户”我用了 AI”，但客户问起的话我会坦诚——我用 AI 处理机械工作（看视频、记笔记），判断和叙事还是我做。客户在意的是交付质量和速度，不是工具。这个项目最后客户验收 A 级，他们说”你怎么这么快还做得这么深”。
Q5: YouTube 之外的播客 / B 站 / 微信视频号能不能用同样的方法？
A: 完全可以。BibiGPT 支持 30+ 平台，包括 B 站、小宇宙、喜马拉雅、抖音、微信视频号等。我做中国市场研究时也会大量用 B 站和小宇宙——尤其是行业大会的录播和深度对谈类播客。
BibiGPT 团队