一句话看懂：YouTube 推出“自定义信息流”功能，用户可以用自然语言描述想看的内容，由 Gemini 大模型生成专属推荐流并固定在首页。这是主流视频平台把推荐算法的部分控制权交给用户的一次实质性尝试。
事件核心：发生了什么
在周三的 Made On YouTube 活动上，YouTube 宣布名为 Custom Feeds（自定义信息流）的新功能。用户只需在提示框中用自然语言描述想要的视频类型，例如“适合 30 分钟通勤时收看的视频播客”或“放松解压的解说类视频”，系统便会借助 Google 的 Gemini 模型生成对应的推荐流，并以独立标签页形式固定在 YouTube 首页顶部。
由于底层由大模型驱动，用户可以在提示词中写得很细，包括希望收录或排除的内容、优先展示的题材等。该功能将率先支持创建多个自定义信息流，从下个月起在网页端和移动端陆续上线。需要说明的是，它不会取代 YouTube 现有的主推荐流，而是作为补充入口存在。YouTube 产品管理副总裁 Emily Moxley 提到，平台目前拥有超过 200 亿条视频，自定义信息流意在帮助用户更快找到目标内容。
为什么重要
推荐算法长期是社交与内容平台的核心资产，也是用户抱怨最集中的部分。过去几年，Bluesky 率先用自定义 feed 作为差异化卖点，今年又推出 AI 工具 Attie 降低搭建门槛；Meta 的 Threads、Instagram、X 以及 Spotify 也相继上线类似功能，其中不少由 AI 驱动。YouTube 的加入意味着这套“用户自建算法”的思路已从去中心化社区扩散到全球最大的视频平台。
更值得关注的是技术路径：过去自定义 feed 多依赖规则筛选或第三方工具，现在直接用 Gemini 这类大模型解析长文本意图，再映射到推荐系统，等于把提示工程和大模型推理嵌入到内容分发的核心链路中。这既是 AI 应用落地的新场景，也说明平台愿意在可控范围内让渡一部分排序权。
对用户/开发者/创作者的影响
对普通用户来说，最直接的价值是减少“刷不到想看内容”的挫败感，尤其是通勤、学习、放松等有明确场景的需求，可以用一段描述替代反复调教推荐。但自定义信息流的质量取决于提示词写法和模型理解能力，初期效果可能不稳定。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对创作者而言，这意味着流量入口可能进一步碎片化：除了主推荐流和搜索，未来还要考虑如何被用户的“自定义提示词”命中。标题、标签和内容定位若能与常见场景描述对齐，或许会获得新的曝光机会。对开发者来说，YouTube 目前没有开放相关 API 的信息，但如果后续允许第三方调用或与外部工具打通，围绕 feed 生成的提示词优化、模板市场可能成为一个新方向。
值得关注的后续
一是实际落地效果，下个月上线后自定义信息流是否能稳定理解复杂提示，避免推荐结果与描述偏差过大。二是竞品跟进节奏，TikTok、Netflix 等是否推出类似功能，以及是否同样绑定自家大模型。三是商业化与合规问题，自定义信息流中是否会出现广告、平台如何平衡用户控制权与内容审核，目前公开信息显示这些细节尚未明确。
