用 AI 整理 YouTube 影片重點：能做什麼、不能做什麼、怎麼設計工作流
很多人想讓 AI 看完 YouTube 影片後自動產生筆記。但實際上，目前大多數 AI 工具透過 API 拿到的只有影片的標題、描述、觀看數和留言——不是影片內容本身。知道這個限制後，工作流才能設計對。
這篇你會學到
- AI 從 YouTube 實際能拿到哪些資料（跟你以為的不一樣）
- 三種真正有用的工作流：影片清單整理、描述欄抓重點、留言區淘金
- YouTube API 的配額限制和避坑方式
先搞清楚：AI 到底能拿到什麼
我實測的結果：
✅ 影片標題、頻道名、發布日期
✅ 影片描述（很多創作者會在描述裡放大綱和重點連結）
✅ 觀看數、按讚數、留言數
✅ 留言內容（有時包含有價值的討論）
❌ 影片的實際內容（聲音、畫面）
❌ 字幕 / 逐字稿（YouTube Data API 不提供）
三種真正能用的工作流
1. 課程或教學系列的影片清單整理
你可以直接複製這段：
搜尋 YouTube「{channel 名} {topic}」，列出前 10 部影片的標題、發布日期、觀看數。按觀看數排序，寫成 Notion 表格。
2. 從影片描述抓重點
很多技術影片的描述欄包含完整大綱、程式碼連結、資源連結。這些 AI 拿得到。
你可以直接複製這段：
取得影片 {video_id} 的完整描述。從描述中提取：大綱或章節標題、所有外部連結、提到的工具或資源。寫成 Notion 頁面。
3. 留言區淘金
技術影片的留言區有時比影片本身更有價值——人們會分享替代方案、報告 bug、提供更好的做法。
你可以直接複製這段：
拿到影片 {video_id} 的留言。找出提到「替代方案」「不同做法」「問題」的留言，整理成筆記。
做不到的事
❌ 「幫我看完這部影片然後摘要」——做不到。 AI 沒有看影片，它只讀了 metadata。如果描述欄很短，AI 會「根據標題猜測內容」——看起來合理但可能完全錯誤。
⚠️ YouTube API 有配額限制。 每日 10,000 單位，一次搜尋消耗 100 單位。一天最多搜 100 次就到限。
💡 想要真正的影片摘要？ 用專門的字幕擷取工具（如 yt-dlp 拉字幕）再餵給 AI。這超出本文範圍，但是唯一能拿到實際影片內容的方法。
工具設定
需要連接 YouTube。如果要同時寫入 Notion，還需要連接 Notion。
到 OctoDock 用一個 MCP URL 同時連接 YouTube + Notion，AI 就能搜影片 → 整理重點 → 自動寫進筆記。