数字分身这事，我测试了三个主流平台，最后选了 Heygen，不是因为效果最好，是因为它的 API 文档最他妈像人写的。其他家要么藏着掖着，要么调用逻辑绕得你头晕，Heavy load 测试时直接给你报 429。我现在要的不是炫技，是稳定，是能塞进 n8n 工作流里当一颗螺丝钉，7×24 小时别给我掉链子。
布道不是讲课，是制造“偶遇”。我让数字分身干的第一个活，不是录系统课程，是生成一百条 30 秒的“碎片化痛点回应”。脚本来源就是我过去十年博客里那些最脏、最具体的挣扎：比如“Axure 动态面板中继器联动的五种死法”，或者“凌晨三点调试 Python 多进程池时内存泄漏的焦糊味”。让 AI 用我的脸、我的语气，去讲这些细节，算法推给那些正在经历同样时刻的人。这才是精准打击。流量思维已经刻进骨子里了，只不过现在流量入口变成了 AI 推荐的短视频。
视频生成只是皮，真正的骨头是背后的“自适应交互”系统。我搭了个简单的三层架构：前端是数字分身视频和轻量交互界面；中间层是 n8n，负责调度——用户点了“听不懂”，n8n 就触发工作流，调用 GPT-4 把刚才那段脚本拆解成更基础的类比，再调用 Heygen API 生成新的解释视频；数据层记录每一次交互、每一次放弃。这系统跑起来，我才发现以前所谓的“课程体系”多傲慢，我以为的难点根本不是用户的难点。现在好了，让数据说话，让分身去试错。
有人问我，这不就是高级录播吗？区别大了。录播是死的，是单向灌输。我这套东西，核心是“响应式内容生成”。比如，监测到最近三天“API 频率限制”这个关键词的放弃率飙升，系统会自动让数字分身加录一条“用指数退避和令牌桶算法平滑请求”的实战片段，并推给所有卡在这里的用户。内容本身在进化，像活物。我的角色从“内容生产者”变成了“系统规则与初始数据集的设定者”。
代价就是，我把自己“数字化”了。现在网上那个滔滔不绝的 Flovico，可能是我上周录的，也可能是五分钟前 AI 刚生成的。有种诡异的剥离感：我的物理实体在健身房撸铁，我的数字分身同时在五个社群里解答“如何用 n8n 抓取动态渲染的网页数据”。时间被克隆了，但焦虑没减少——我总在担心分身说错话，或者被滥用。所以规则引擎写得极其保守，所有涉及具体代码和金额的判断，一律跳转到真人审核队列。
下一阶段，AI Coach 课程会彻底变成“自适应世界”。不再是你看完 A 看 B，而是系统根据你的点击流、停留时间、甚至代码练习里的报错信息，实时拼接出一条只属于你的学习路径。数字分身是这条路上的导游和陪练。这件事的技术难点反而不在 AI 视频了，在于如何设计那些非显性的、触发内容切换的规则。这又回到了产品经理的老本行：揣摩人性，设计路径。只不过这次，我的“用户”既是真实的人，也是那个不知疲倦的、数字化的我自己。
