什么是 YouTube 自定义推荐流？它如何运作？
YouTube 自定义推荐流（Custom Feeds）是一个由文字提示生成、固定在首页顶部的推荐标签页。你用日常语言描述想看的视频，Gemini 解读需求，YouTube 据此建立一条持续更新的推荐流。YouTube 于 2026 年 9 月 23 日公布这项功能，下月起在网页版与手机版逐步推出。
有一种提示技巧叫做“策展提示”（curation prompt）：清楚列出要呈现什么、排除什么、优先什么。大多数人写过其中一半而不自知，几乎没有人会把三部分写齐。而 YouTube 的新功能，奖励的正是写齐三部分的人。
根据 TechCrunch 对 Made on YouTube 活动的报道，公告中最关键的一句是：提示可以写得很长，可以说明推荐流应呈现或排除什么、优先什么。这其实是一份提示规格，也正是修正 ChatGPT 与 Claude 输出不稳定的同一份规格。
为什么推荐流提示对所有写提示的人都重要？
推荐流提示重要，是因为“呈现、排除、优先”这个三段结构，如今同时控制 YouTube、Spotify、X 与 Bluesky 的推荐，也是区分可靠 AI 输出与侥幸输出的结构。学会写好一条策展提示，你学到的是可迁移的技能，而不是 YouTube 小技巧。
同一天，Spotify 在美国推出 Taste Profile，让 Premium 用户用文字要求调整首页推荐，变化通常在几小时内出现。Bluesky 于 2026 年 3 月推出 AI 推荐流工具 Attie，X 则在 4 月加入 AI 自定义推荐流。一年之内，四个平台从“算法决定”转向“你描述你想要什么”。
策展提示本质上是约束提示。当你的 ChatGPT 报告草稿开始跑偏，原因通常是你只指定了主题，却略过了排除项与优先项。推荐流提示逼你把三部分都写出来，这个习惯会直接带回你的工作提示之中。
如何写出真正有效的自定义推荐流提示？
把推荐流提示分成四个带标签的部分：目的（何时、为何观看）、呈现（想要的格式、主题与长度）、排除（绝不能出现的格式与主题）、优先（新近度、新频道或语言等排序规则）。全文控制在 150 字以内，并使用完整句子而不是关键词列表。
下面是一条完整、可直接复制的推荐流提示，你现在就可以存起来：
试试这条提示：
目的：供我 40 分钟的地铁通勤使用，戴耳机以收听为主。
呈现：25 至 60 分钟、关于营销、消费者心理与香港商业的视频播客及长篇访谈。粤语或英语音频。
排除：Shorts、反应视频、10 分钟以下的短片、任何加密货币交易内容，以及每天上传多于一条视频的频道。
优先：过去 30 天内上传、我从未看过的频道，以及有嘉宾而非单人独白的节目。大约 70% 新创作者、30% 我已关注的频道。
留意排除那一段的作用。没有它，营销推荐流会被三分钟的“五个秘技”视频填满，因为那是该类别中点击最多的内容。同时留意优先段落包含比例与时间范围：模型处理“以新创作者为主”时十分松散，处理“大约 70% 新创作者”则稳定得多。
营销人员与创作者如何在工作中运用自定义推荐流？
营销人员可以把自定义推荐流当作会自动更新的研究文件夹：每个客户行业一条、竞争对手内容一条、技能学习一条。创作者则应假设观众很快会用文字描述想看的内容，因此标题、简介与口述内容必须清楚交代视频是什么、给谁看、不是什么。
例如竞争对手流可以这样写：“呈现：过去 14 天内由这五个品牌发布或关于它们的视频。排除：粉丝上传与剪辑合集。优先：产品发布与付费合作。”研究在通勤时完成，活动结束后把推荐流删掉即可。
对创作者而言，Google 以外没有人确切知道 Gemini 如何把提示匹配到视频，因此以下是合理推论而非已确认的排名因素：由提示驱动的推荐流，只有在系统能辨认你的视频是什么时才可能收录它。SQ Magazine 的分析也指出，小众创作者可能受益最多。
推荐流提示最常见的错误是什么？
五个最常见的错误是：只写主题而没有排除项、给出互相矛盾的指令、遗漏长度与格式、期望自定义推荐流去修正主推荐流，以及假设功能已在所有地区上线。自定义推荐流首先在美国推出，而且不会取代默认首页。
“营销视频”是一个类别，不是一条推荐流，每条提示至少需要两项排除。“深入、平静的讲解”加上“高能量、快节奏”让模型无从优化，每条推荐流只选一种调性。如果你不写明长度与格式，Shorts 会渗进来，因为它们在上传量中占主导地位。
另外，YouTube 已表明主推荐流会继续显示你的全部推荐，自定义推荐流只是以独立标签页并列，你的观看记录仍然塑造默认页面。Made on YouTube 活动的相关报道指出，首阶段面向美国观众，涵盖网页、手机与电视。香港账户可能需要等更久，现在就把提示草拟好，提示框出现当天贴上即可。
功能还没到你手上之前，今天可以如何练习？
你今天就可以在 ChatGPT、Claude 或 Gemini 练习策展提示结构：请模型根据你一周的生活草拟三条推荐流提示，然后把同一套“呈现、排除、优先”结构套用到你下一份真实的工作简报上。整个练习大约十分钟。
试试这条提示：
我想预先准备三条 YouTube 自定义推荐流提示。每条必须有四个带标签的部分：目的、呈现、排除、优先，并控制在 150 字以内。
我的一周：每天乘地铁通勤两次、每次 40 分钟；我负责一个香港护肤品牌的社交媒体；晚上正在学习 Make.com 自动化。
每条推荐流至少包含两项排除与一项数字限制（分钟、天数或百分比）。然后列出每条推荐流最可能出错的三种方式，以及提示已如何防范。
如果模型给你一条没有数字的推荐流，要求它补上。接着拿今天一项真实任务，在你平时会写的提示上加入“排除”与“优先”两段，大多数人会发现输出立即变得紧凑，因为改善来自结构而非措辞。
推荐系统花了十五年从你的点击猜测你想要什么；2026 年，四个主要平台开始直接请你说出来。能写出清晰策展提示的人，将用与其他人相同的工具，得到更好的推荐流、更好的研究与更好的 AI 输出。懂AI，更懂你 UD相伴，AI不冷。
由 UD AI 团队审阅。
测一测你的提示直觉到底有多敏锐
你已掌握“呈现、排除、优先”的结构。下一步是找出你还缺少哪些提示基本功，并把它们变成整个团队都能重复执行的工作流程。UD 免费的 AI IQ 测试可在几分钟内评估你的实战 AI 知识，UD 团队手把手带你完成每一步，从测试结果走到可运作的实际设置。
