先做得出來，再談自動化
我最近看到 HN.watch，第一個反應不是「這個影片做得好快」，而是，原來解釋一篇 Hacker News 文章，也可以先被拆成一個很小、很可播放的產品！
它的做法是把文章即時轉成解釋影片，一支大約 4 秒生成，成本約 US$0.04，而且用 HTML 來做畫面，比擴散模型快、便宜，也比較容易改。這個引子讓我想到自己做 side project 時最常犯的錯：一開始就想做完整自動化，結果連第一個人願不願意看都不知道。
我不會寫 code，但是我會用 Bubble、Make、n8n 加 GPT API 組東西。假設我要驗證「大家會不會想把 HN 文章變成 60 秒解釋短片」，我現在會這樣做。
第一步，用 Bubble 做一個超簡單頁面，只放文章網址、語言選擇和一個 Generate 按鈕。按下去之後，先不要真的做影片，只把網址丟給 Make，抓標題和正文，再送 GPT API 產出 5 段腳本，每段包含旁白、畫面文字和建議的 HTML 元件。使用者看到的第一版結果，只要能按播放，能在 60 秒內講完，就算過關。
第二步，再用 n8n 接圖片或 icon。這裡我踩過一個很蠢的坑，我原本讓 GPT 一次產完整 HTML，結果它會偷偷把長段落塞進畫面，手機上全部爆版。後來我把規則拆開，GPT 只負責產結構化 JSON，像是 scene、caption、layout，HTML 由固定 template 組出來。畫面一下穩很多，改字也不用重新問模型。
第三步才處理自動化。Make 負責收表單和回傳狀態，n8n 負責排隊、重試和寄通知。GPT API 如果失敗，不要讓整條流程一起死掉，我會設定最多重試 2 次，第三次就把原文和錯誤狀態留在 Bubble，讓我手動補。以前我把所有步驟塞在 Make 裡，遇到一個空白欄位，後面 6 個模組全部變紅，查到半夜還以為是 API 壞掉，結果只是文章沒有 description。
我也會刻意比較兩個版本。A 版用圖片生成模型，每支片的畫面比較漂亮，但平均要等 40 到 90 秒，成本也常常超過 US$0.20。B 版用 HTML、文字和少量 icon，4 到 8 秒就能出結果。第一輪只找 10 個朋友測，我不在意 A 版看起來是不是比較酷，我只問三件事：有沒有播完、看完能不能講回文章重點、願不願意再丟一篇網址。
這裡的反例也很重要。我曾經做過一個客服自動回覆小工具，看到流程可以自動跑，就以為產品完成了。結果店家真正需要的是「遇到客訴時不要亂回」，不是回覆速度。後來我加了人工確認按鈕，反而比全自動更有人用。短片 side project 也一樣，先做可播放不代表要追求全自動，而是先驗證使用者願不願意看第二支。
所以我現在看到這種 4 秒生成、每支幾分錢的案例，會把它當成驗證順序的提醒。先用 Bubble 做入口，用 Make 和 n8n 串出能跑的流程，GPT API 只處理真的需要判斷的地方。第一週目標不是上線一個很完整的平台，而是做出 10 支片，至少 3 個人看完後主動再貼一篇文章給我。達不到，就先改題目，不要急著加登入、付款和會員系統。
no-code 搞定的不是技術細節，而是讓我更快知道，這個想法到底值得不值得繼續。🚀
作者：林 Jay