Running a Chess YouTube Channel entirely by AI — Stephan Steinfurt, TNG
三句話摘要
用 AI 代理系統自動生成國際象棋遊戲的解說影片，結合象棋引擎的精準性和大型語言模型的表達能力。 透過為 LLM 配備專門的象棋工具並選擇經過深度訓練的模型（Claude 3.1 Pro），可以自動化地將象棋引擎的準確性與語言模型的解釋能力結合，實現大規模生成高品質的遊戲解說影片。 核心挑戰的解決：傳統象棋引擎無法解釋棋局邏輯，而 LLM 無法準確下棋。透過建立 AI 代理，為其配備象棋專用工具（合法著法、棋盤操作、引擎評估、捕獲和威脅分析），讓 LLM 能自主思考並選擇合適的工具，既保留了準確性又獲得了解釋能力。
重點整理
重點- 1
核心挑戰的解決：傳統象棋引擎無法解釋棋局邏輯，而 LLM 無法準確下棋。透過建立 AI 代理，為其配備象棋專用工具（合法著法、棋盤操作、引擎評估、捕獲和威脅分析），讓 LLM 能自主思考並選擇合適的工具，既保留了準確性又獲得了解釋能力。
- 2
模型選擇的重要性：Claude 3.1 Pro 在基礎象棋知識上超越其他模型（包括 Grok 4 和 OpenAI 模型），講者認為該模型經過深度的後期訓練以提升象棋理解。推理模型的出現讓 AI 代理可以自主思考棋局，而非被動接收預處理的信息。
- 3
多維度工具的益處：提供檢查著法、捕獲著法和威脅著法等多種選擇，讓代理能探索不同的變著並平衡解說——不只關注最佳著法，也關注人類可能考慮的著法和歷史背景，使影片內容更符合人類思維。
- 4
完全自動化工作流：從遊戲下載、AI 分析、特殊格式生成、文本轉語音（11Labs V3）到影片製作，全程自動化。代理自主決定要突出哪些方格、繪製哪些箭頭、判斷著法是否精妙，使流程高效且可擴展。
實用技巧與重點
乾貨- 使用模型：Claude 3.1 Pro
- 工具清單：
- 合法著法工具（防止非法著法）
- 完整棋盤工具（允許播放、撤回著法、探索變著）
- 象棋引擎工具
- 檢查、捕獲、威脅工具（Checks, Captures, and Threats）
- 網頁搜尋工具（用於歷史背景）
- 工作流程：Lichess 下載 → 後台分析 → AI 代理深度分析 → 特殊格式生成 → 11Labs V3 文本轉語音 → 自動影片生成 → YouTube 上傳
- 成本：短視頻 20-30 美分；長視頻可達 1 歐元以上
- YouTube 數據：50 萬總觀看次數；4000+ 訂閱者（大多在過去一個月加入）
- 品質指標：錯誤率約 5%（1/20 影片有問題，如漏掉將軍或錯誤描述）
- 輔助工具：Maya 引擎（多倫多大學開發），可根據棋手等級預測可能的著法
- 變現狀態：未達 YouTube 變現門檻，目前虧損
結論
結論“透過為 LLM 配備專門的象棋工具並選擇經過深度訓練的模型（Claude 3.1 Pro），可以自動化地將象棋引擎的準確性與語言模型的解釋能力結合，實現大規模生成高品質的遊戲解說影片。”
完整解析
詳細傳統象棋引擎在過去數十年已經非常強大，但存在一個根本限制：它們無法用人類能理解的方式解釋棋局。與之形成對比的是，現代大型語言模型能夠用文字描述和解釋事物，但卻缺乏象棋直覺和準確性。講者所在的團隊面臨的核心挑戰就是如何把這兩種能力結合起來。
他們的解決方案是建立一個 AI 代理系統，為其配備一系列專門的工具。最關鍵的發現是選擇合適的底層語言模型。經過實驗，Claude 3.1 Pro 成為他們找到的最佳模型，展現出比其他模型（包括之前使用的 Grok 4 和 OpenAI 模型）更好的象棋基礎知識。講者推測該模型可能經過了特殊的後期訓練，以更深入地理解象棋邏輯。推理模型的出現是一個轉折點，讓 AI 代理可以自主思考棋局，而非被動接收預處理的信息。
系統中提供的工具包括：防止非法著法的合法著法檢查、允許代理在棋盤上播放和撤回著法的完整棋盤工具、實時的象棋引擎評估，以及特別重要的「檢查、捕獲、威脅」工具。這最後一個工具是國際象棋教學中的經典概念，用來幫助初學者理解要注意什麼。透過同時提供多種維度的著法選項，代理可以進行更豐富的分析，不僅考慮最佳著法，還能探索人類可能考慮的合理著法，甚至從歷史背景的角度進行解釋。
整個工作流程完全自動化。每晚，系統從 Lichess（一個免費開源象棋平台）下載最新的遊戲，在後台進行分析，然後讓 AI 代理進行深度分析。代理基於分析結果生成一種特殊的結構化格式，之後被轉換為文本並透過 11Labs V3 的文本轉語音服務轉換為自然的語音敘述。代理還自主決定要突出哪些棋盤方格、繪製哪些箭頭以及如何評價特定的著法。最終，自動生成的影片被上傳到 YouTube。
這個自動化系統已經運行了幾週，成果令人印象深刻。他們的 YouTube 頻道目前有約 50 萬次總觀看次數和超過 4000 名訂閱者，其中大多數訂閱者是在過去一個月內加入的，顯示出強勁的增長勢頭。從成本角度看，每支短影片的生成成本約為 20-30 美分，而較長的影片可能達到 1 歐元以上。儘管自動化程度很高，錯誤率仍然很低，約 5%。團隊最初對完全自動化上傳有所保留，但隨著時間推移，他們對系統的信心增加。該項目目前還未實現變現，因為尚未達到 YouTube 的變現門檻要求，所以在財務上仍處於虧損狀態。此外，系統中仍有優化空間，例如消除冗餘的工具調用，以及根據不同觀眾水平進行內容定向。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
