鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

一群会说话的“猫狗”成为普通人用AI赚钱的捷径

编程导航
编程导航
2025-12-24 23:51
阅读 172
编程导航
2025-12-24 23:51
阅读 172

文 | 电厂,作者 | 何畅,编辑 | 高宇雷

“最近真的很爱看韩国那个AI小狗的视频,根本停不下来,有人能懂吗?”12月,一位小红书用户发布了这样一条笔记,共收获超过2300个点赞、接近600条回复。沉迷AI小狗的人们,彼此分享着“连看好几遍”、“浪费三小时”的观看感受。无论是在下雨天接受采访哈哈大笑的马尔济斯犬“大麦”,还是面对镜头大喊“姨姨,爱你哟”的比熊犬“云朵”,“总有一款诈骗视频适合你”。

从AI猫咪的短剧到AI小狗的视频,越来越多的普通人开始尝试在内容创作领域使用AI,并借此获得回报。来自第三方营销平台Nox Influencer的数据显示,截至发稿,以“大麦”为主角的YouTube频道创建10个月,共发布145个视频,总粉丝数为8.5万,单月广告收入约为11万元。而以“云朵”为主角的YouTube频道,创建仅2个月,就凭借22个视频积累了超过423万的播放量。

“大麦”和“云朵”们同样养活了中文互联网上的搬运账号,后者将翻译过的字幕重新嵌入,发布在抖音和小红书上,先吸引粉丝关注,再接洽广告商单。当然,还有人选择自力更生。毕竟,猫咪也好,小狗也罢,脚本和视频都可以交给AI,连制作过程都能够变为知识付费的材料,最终导向收徒和卖课。

当互联网公司接二连三地拿出自己在AI赛道的成果时,一些普通用户更为在意的是如何靠AI赚钱。具体到内容创作领域,文字、图片、视频这三种形式均衍生出了生意。不过,在一对一的创作交付之外,“做号”依然是相对大众化的选择,AI则充当了一个通往流量变现的加速器。

宠物博主,不需要宠物

对热爱刷短视频的中老年人来说,分辨屏幕对面的男女老少是真人还是AI生成已经足够艰难了,现在可能还要再加上动物,特别是猫和狗。在一位抖音剧情博主的视频评论区,有用户写道:“谁能告诉我这个狗是AI还是真的?”而让另一位用户发愁的是:“我妈总和我说,你看人家养的猫多厉害,还能打工!”

之前成为宠物博主至少得先有一只宠物,才能够围绕它进行日常生活、趣味互动等一系列主题的内容生产。现在,只要确定内容方向,具备粗浅的视频剪辑技能,其他工作借助AI就可以完成。

步骤大概是这样的:首先,将需求丢给ChatGPT或DeepSeek,生成剧情脚本并细化至每个静帧的提示词;其次,通过即梦AI、可灵AI、Midjourney、Gemini等平台生成图像;最后,在将画面动作描述清楚的前提下,由图像生成视频,加入音效、对好口型,使用剪映等工具完成剪辑。在操作者熟练掌握流程的情况下,十几分钟到半小时即可生成一条成片。

“大麦”和“云朵”的相关视频中,最受欢迎的是采访类内容。背景设置在一个非常生活化的角落,小狗或坐在电脑前、或处于餐桌旁,在疯狂打字与大快朵颐之间,对着另一侧伸出来的话筒一本正经地回答问题。这些十几秒到几十秒的切片受众颇多,“可爱”是它们最常收到的赞美,有“大麦”的粉丝在YouTube频道下留言:“看着你就让我心情愉悦,情不自禁地露出笑容,谢谢你呀!”

在“大麦”和“云朵”们之前,席卷中外互联网的AI网红动物是猫。2024年以来,一批又一批AI猫咪视频在YouTube、Instagram、抖音和小红书等平台刷屏。其中,出现频率较高的往往是一只胖乎乎的橘猫,有时背着包一路小跑去上班,有时骑着电动车大街小巷送外卖,有时忙前忙后专心做家务,有时在健身房跑步机上挥汗如雨,完全拟人化。

后来,这些橘猫的生活小剧场进阶为短剧,要么讲述阖家欢故事,要么背负仇恨一招翻盘,要么从悲惨走向励志,情节简单直接,流量一路走高。电厂注意到,一位粉丝超过30万的抖音博主,从2025年3月起开始更新以AI橘猫为主角的短剧,至今发布了5部作品,基本覆盖前述类型,总播放量已经突破4亿。类似的还有《霸总雪纳瑞爱上我》《比熊殿下她权倾天下》等AI宠物短剧,催更声量不亚于真人参演作品。

创意也是与时俱进的,随着视频播客兴起,AI猫咪与AI小狗开始成为对谈的主角。在看似荒诞的交流中,吐槽主人是一个备受欢迎的主题。一位主打猫狗吐槽内容的抖音博主,半个月时间就从0做到了2万粉丝。目前,其最为热门的一条视频是动物嘉宾出场的圆桌对谈,点赞超过6万。当戴着耳机哈士奇说出“你的美容费比你主人的房租还贵”时,屏幕上缓缓飘过四个字:“我破防了。”

当AI成为“做号”的工具

某种程度上来说,AI为普通人的副业选择提供了一条捷径,特别是在与内容相关的领域。

一位刚刚开始尝试网络小说创作的作者表示,她会先构思故事大纲和重点情节的走向,但将具体扩写和润色的工作交给AI,最后自己完成修订。“比如要写一个什么场面,我就让豆包来搞,一开始给我的内容可能过于堆砌辞藻或者上下文不通顺,我再来修改就行了。”

该作者已经完成了一部AI辅助创作的作品,并收到了来自番茄小说平台的签约通知,但她并没有签约,因为“不太敢,怕被审核发现”,“就先练手找找感觉,试试看行不行”。

除此之外,借助AI进行占卜、设计海报、撰写策划方案等一对一的服务交付也是常见的副业方向。一位小红书用户就吐槽,自己在和男朋友吵架后,联系了一个占卜师,希望对方帮忙看看应该如何处理,“收了我39块9,结果是让DeepSeek给我弄”。

不过,对比之下,“做号”依然是相对大众化的选择。毕竟,这条赛道的门槛低、上手快,就算不考虑某个垂直领域,即使刚刚失业也可以直接起号,定位甚至更加明确:离职的职场博主。

一位小红书资讯博主告诉电厂,一些与其领域相同的博主,日常发布内容已经“离不开AI了”。“写和改都会用到,比如梳理资料、提供思路,你写不出来的时候就让AI来启发一下。”该博主发现,多位科技互联网博主发布的笔记带有明显的“AI痕迹”,“看那个行文结构就知道不是自己写的”。

微信公众号和视频号同样如此。一家内容创业公司的员工提到,他们借助ChatGPT实现内容更新的微信公众号,后台已经迎来了询价的客户。而他们的视频号主要由两位“同事”负责——ChatGPT负责生成脚本、标题、文案,剪映负责剪辑、配乐、特效,模版固定,形式统一。

在看到“大麦”和“云朵”们的内容后,一位小红书博主也做起了AI小狗的视频。虽然将设定更换为博美犬并更新在小红书,这只小狗却说着一口韩语,模仿之意明显。事实上,YouTube、Instagram、抖音和小红书等平台挤满了类似题材的内容,以至于用户能看到穿着各种衣服打工的橘猫、念叨着“捡破烂也要养妈妈”的小狗,部分视频连代表AI生成的水印都没有被抹除——Sora、豆包、千问等应有尽有。

有意思的是,抖音、小红书上的一些视频并非博主原创,而是直接搬运自YouTube、Instagram。12月初,一位内容定位于韩语教学、韩国留学方向的小红书博主发布了几条“大麦”的搬运视频,仅增加了中文字幕,点击远超过其日常更新的其他笔记。在其中一条视频的评论区,有用户写道:“你把所有视频都做成小狗的,春节之前就能到10万粉丝。”

AI内容变现依然“古典”

流量积攒到一定程度,就自然地指向了变现。然而,在内容创作过程中使用AI,并不意味着变现方式的升级。至少在当下,可以走的还是那几条熟悉的路。

一是来自平台的广告分成。以YouTube为例,加入“YouTube合作伙伴计划”(YouTube Partner Program)且拥有1000名订阅用户的创作者,关联谷歌广告联盟账户,即可获得从其视频播放的广告中获得收益分成,长视频分成比例为55%,短视频(Shorts)为45%。

此外,YouTube创作者的商业化途径还包括频道会员、商品售卖、Premium订阅、超级留言(Super Chat)、超级贴纸(Super Stickers)、超级感谢(Super Thanks)等。订阅用户数量超过6万的YouTube频道“Orange cat YT”就在主页添加了商品信息,比如售价6.99美元的贴纸、售价15.99美元的马克杯和售价23.99美元的T恤,上面均印有橘猫图案。

但平台广告分成依然是YouTube创作者最常见的收入来源,占比较高。用户观看的视频越多,连带观看的广告就越多,创作者的收益也就越高。一个例子是,第三方营销平台Nox Influencer发布的数据显示,订阅用户数量超过165万的YouTube频道“AI Kitty Chronicle”,其单月广告分成收入预估在45000元上下,CPM(Cost Per Mille,每千次展示费用)在6.97元至13.24元。

在抖音、小红书等平台,博主则更多地仰仗品牌方的广告投放。互联网公司猛推旗下AI产品之际,AI赛道博主赚得盆满钵满。电厂查询小红书蒲公英后台发现,一位粉丝数量超过20万的小红书AI领域博主,近两个月的合作笔记数量为8条,其中1条为图文笔记,报价45000元;7条为视频笔记,报价80000元。也就是说,在不考虑非报备交易和返点的情况下,两个月到手超过60万元。

搬运AI猫咪和AI小狗视频的博主则逊色许多。粉丝数量在1万左右的小红书博主,图文和视频笔记的报价在百元量级,广告的品类相关度也不高——你可能在一堆橘猫视频中突然刷到一条种牙诊所的推荐,或者刚刚看过比熊接受采访,就不得不面对来自某家电商平台的彩妆推荐。

当然,他们还有其他变现手段。在抖音搜索“AI橘猫”,昵称后标注“收徒”的账号,正在探索AI与知识付费的结合。想靠AI赚钱?先交学费。于是,借由几百元到上千元不等的所谓课程,以及15%到30%的“师父分成”,一批人托举了另一批人。“月入XX万”的造富神话,大多是为了钓鱼的鱼饵。

一位花费688元学习AI课程的用户后来才意识到,自己上的只是录播课,“讲的都是皮毛”。她认为,可以学习这些博主的创作思路,但“一旦说什么报课、私信拿资料之类的千万捂好钱包”。“教人赚钱才是最赚钱的”——也许,对打算靠AI赚钱的普通人来说,这才是最应该牢记的事情。

原文链接: 一群会说话的“猫狗”成为普通人用AI赚钱的捷径
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手