從會用 AI，到建一座個人指揮中心
趨勢 × 盤點 × 目標 × 知識 × 流程 × 飛輪，整合成一套會長大的工作系統
Vista Cheng ｜ 鄭緯筌
用 AI 建你的個人指揮中心
Vista Cheng（鄭緯筌）
AI 內容策略顧問 ｜ 知識轉化專家 ｜ 作家
二十年以上寫作與內容策略經驗，著有近 20 本書，主題涵蓋 AI 應用、個人品牌、知識管理與文案寫作。協助過 200+ 企業與個人品牌導入 AI 工作流程。專注於把知識轉成內容、把內容轉成行動、把行動轉成成果。
Vista 作品集
近 20 本著作，涵蓋 AI 應用、內容行銷、個人品牌、知識管理與文案寫作——都是從真實工作現場打磨出來的心法
社群與電子報
Vista 電子報
每週精選 AI 工具與工作方法
AI 好好用
Facebook 社團，跨領域 AI 交流
博碩士生練功團
研究生與知識工作者學習社群
我愛寫筆記
筆記愛好者與工作系統交流
你缺的不是工具，而是一套能持續推進重要工作的系統。
— Vista Cheng
先承認一件事
你已經會用 AI 了。你會開 ChatGPT，會打 prompt，可能還訂閱了 Claude、Notion AI。你追過幾堂課，收藏了 50 個提示詞範本，滑過各種「一定要知道的十個 AI 工具」。
但回到你自己的工作：報告還是卡在初稿、會議紀錄還是拖到週五、客戶 Email 還是一封一封手寫。AI 好像在旁邊等你，但你始終不知道怎麼把它接進來。
今天的目標，不是再教你一個新工具、一招新提示詞，而是把你從「會用 AI 的人」升級成「會設計系統的人」。
今天的旅程
今天你會帶走什麼
-
一個定義
什麼是個人指揮中心
-
一張盤點圖
看清楚你每天在做什麼
-
一條主線
未來 12 週的方向
-
一套資產
為輸出服務的知識庫
-
一條流程
可立即上手的 AI 協作流程
這堂課不做什麼
-
不教安裝設定
工具環境交給余老師
-
不教 ChatGPT 語法
不是 Prompt 101
-
不給工具清單
工具會過時、方法會留下
-
不只讓你筆記
強調做得出來的產出
3.7 倍
AI 使用者與系統使用者的產出差距
McKinsey 2024 年企業調查：同樣導入 AI，有建立流程與範本的人，平均產出是沒有系統者的 3.7 倍——差距不在工具，在系統。
你會帶走五樣東西
工作盤點圖
看清楚自己每天在做什麼
12 週主線
未來三個月的推進方向
知識資產架構
為輸出服務的素材池
AI 協作流程
一條可立即上手的工作流
指揮中心藍圖
把五者串成一套系統
不是聽懂
而是現場做得出來
工具會過時，方法會留下；
招式會忘記，系統會跟著你。
— Vista Cheng
上課前，做好三個準備
前半 vs 後半
心法
- ✓ 趨勢與系統思維
- ✓ 盤點與主線
- ✓ 知識轉化方法
- ✓ AI 協作流程設計
- ✓ 內容飛輪心法
實作
- ✓ 工具與環境安裝
- ✓ Claude Code 實作
- ✓ Obsidian × 自動化
- ✓ 技術整合
- ✓ 真正把系統裝起來
兩段的關係
-
前半
決定要推什麼、怎麼設計
-
後半
決定用什麼工具落地
-
缺一不可
只有方向沒工具＝空想
-
缺一不可
只有工具沒方向＝瞎忙
-
合起來
才是完整的指揮中心
今天只有一個重點
從「會用 AI」升級到「會設計系統」——這一步走完，工具怎麼換、模型怎麼變，你都能跟上；這一步走不完，再新的工具對你都只是玩具。
Part 1
趨勢與定位：你缺的不是工具， 而是一套工作系統
Part 1 的地圖
-
你是不是有這些症狀
五分鐘診斷
-
問題在斷裂
工作流為什麼斷
-
六種常見卡關
不是技術，是結構
-
什麼是 AI 工作系統
定義與特徵
-
什麼是個人指揮中心
今天的核心
真正讓人卡住的，
不是知道太少，
而是沒有形成可持續推進的系統。
— Vista Cheng
1.1
你是不是也卡在同一個地方
你是不是也有這 5 種症狀
-
待辦很多
但不知道今天先推進什麼任務
-
筆記很多
但要用時找不到
-
AI 很常用
但用完還是自己重做
-
靈感來時爆發
沒靈感就停擺
-
每天像在救火
不像在推進
症狀 1：目標健忘症
-
年初寫過
3 月就想不起來
-
訂了願望清單
從沒打勾過
-
知道應該做
不知道什麼時候做
-
根源
目標沒進入工作節奏
-
後果
一年過去，還在原地
症狀 2：知識失蹤
-
看過
記不起來
-
存過
找不到
-
想引用
找不到出處
-
根源
收藏 ≠ 管理
-
後果
知識變成看過就忘的資訊流
症狀 3：AI 只會聊天
-
問了很多
收穫很少
-
每次都從零開始
沒累積
-
用完就忘
沒成為資產
-
根源
沒有自己的資料庫
-
後果
AI 只是比較聰明的搜尋引擎
症狀 4：產出不穩定
-
靈感來
一口氣寫三篇
-
靈感沒來
兩週擠不出一篇
-
每次都從零開始
消耗意志力
-
根源
沒有工作流
-
後果
產出跟著情緒起伏
症狀 5：沒有系統
-
工具用很多
都是孤島
-
做很多事
沒有推進感
-
忙到不行
不知道在忙什麼
-
根源
缺一套把工具串起來的機制
-
後果
忙 ≠ 進步
小測驗：你中了幾個
- 1 對照剛剛的 5 種症狀
- 2 誠實計算
- 3 中 3 個以上算偏高
- 4 中 4 個以上算嚴重
- 5 你不孤單——這堂課是為你設計的
問題從來不是你不夠努力。
問題是你努力的方向，
沒有被系統接住。
— Vista Cheng
1.2
一個常見的疑問
學員最常問我的一句話
「Vista 老師，我真的用了 AI——ChatGPT、Claude、Notion AI 我都開著——可是為什麼工作量沒變少？有時候反而更忙？」
這是我在企業內訓最常被問的問題。問這話的，通常是很認真的學員，已經在 AI 裡花了很多時間。他們不是沒用，是用得太零散。
真相是：你不是 AI 用得不夠，你是沒有把 AI 設計進工作流程裡。
三種思維的差別
系統思維（今天要教的）
- ✓ 先看自己的工作長什麼樣
- ✓ 設計流程、累積可重用資產
- ✓ 每次用 AI 都在強化一條軌道
- ✓ 工具是配角，流程是主角
- ✓ 結果：工具越少、產出越多
工具思維（多數人停在這）
- ✗ 看到新工具就想試用
- ✗ 收藏提示詞、下載範本
- ✗ 每次用 AI 都是一次性任務
- ✗ 問題來才找工具，沒問題就忘了
- ✗ 結果：懂很多工具、工作沒變少
完整光譜：從工具到系統
工具思維
我會用 ChatGPT——關注會不會用，每次都從頭來
任務思維
我會用 AI 做會議紀錄——針對特定場景有套路
系統思維
我有一套工作系統——流程、範本、資產互相扣連
今天的升級路徑
不是從零開始，是把你現在的工具思維往上推到任務思維，再從任務思維推到系統思維——今天走完這兩步。
1.3
問題不在工具，而是斷裂
知識工作者的工作流
-
目標
你想做什麼
-
資料
你看過什麼
-
思考
你想通什麼
-
任務
你排程什麼
-
輸出
你產出什麼
理想的樣子
目標變任務、任務變行動、行動變內容、內容回饋到下次目標。
資料在需要時被叫回、觀點在輸出時被組合、結果沉澱成可複用的資產。
每天起床，你知道要推什麼任務？每週結束，你看得到進度。
現實的樣子
目標放在筆記 App，三週後完全沒看過。
資料存在某處，要用時只記得「我看過類似的」卻找不到。
任務寫在待辦清單，但沒有優先順序，每天都在救火。
4 個斷裂點
-
斷裂 1
目標沒拆成可做的事
-
斷裂 2
筆記無法回收利用
-
斷裂 3
任務沒有優先順序
-
斷裂 4
輸出靠意志力硬撐
斷裂 1：目標沒拆
-
典型
「我要建立個人品牌」
-
問題
太抽象，無法執行
-
結果
看到時沒力氣做，幾週就忘
-
解法
拆到「今天這 2 小時做什麼」
-
關鍵
你的時間 + AI 協助
斷裂 2：筆記無法回收
-
典型
筆記軟體裡有超過 1000 則筆記
-
問題
要用時找不到、找到不能直接用
-
結果
知識變成收藏品
-
解法
為「輸出」而整理
-
關鍵
召回率 > 收錄量
斷裂 3：任務沒有優先順序
-
典型
每天 20 件事同等重要
-
問題
不知道先做哪件
-
結果
挑容易的做，重要的拖
-
解法
主線 + 支線明確
-
原則
一條主線 > 十條支線
斷裂 4：輸出靠意志力
-
典型
每週逼自己寫一篇
-
問題
沒有系統支撐
-
結果
有靈感 OK、沒靈感就停擺
-
解法
工作流取代意志力
-
關鍵
系統做決定、不是每天重做
當目標、知識、任務、輸出之間斷了線，
你就會陷入「忙得要死，卻沒有累積」的狀態。
— Vista Cheng
1.4
六種常見的卡關
不是技術問題，是結構問題
我在企業內訓與一對一顧問中觀察到，有 AI 工具但沒有流程的人，幾乎都卡在同一組問題上。
接下來六張投影片，逐一拆解。如果你覺得中了三個以上，沒關係——這正是我們今天要一起解決的。
卡關一｜每次都從頭開始
-
沒有累積
每次開新對話都從零解釋領域、偏好、語氣
-
沒有範本
上週才做過類似任務，這週又重想 prompt
-
沒有記憶
合作三個月，AI 還是不理解我的工作方式
卡關二｜AI 成了第二個自己
-
產出還要改
每次 AI 給的我都得從頭改——不如自己寫
-
沒有信任感
不敢直接交給 AI，每個環節都要盯
-
變相加班
AI 生成、我校稿，工時沒減少、注意力反而更發散
卡關三｜一個工具用到底
-
當萬靈丹
什麼都丟同一個——查資料不準、寫作不深入
-
不知分工
不曉得寫作、查資料、讀資料各有強者
-
錯配任務
用錯工具，像用水果刀砍柴——能用但很辛苦
卡關四｜資料四散
-
Prompt 在對話歷史
好的提示詞下週就找不到
-
範本散各處
散落在五個不同的文件與頁面
-
沒有資產庫
每次都在重造輪子
卡關五｜品質不一
-
這次好、下次不行
同樣 prompt 結果天差地別
-
沒有把關機制
何時該信 AI、何時自己寫，全憑感覺
-
例外靠運氣
AI 一錯，整條流程停擺、人工重來
卡關六｜沒有優化機制
-
做完就結案
不回頭看哪裡卡、怎麼改進
-
沒有版本管理
去年的範本和今年的混在一起
-
三個月前的方法還在用
工具升級了、自己卻還沒升級
共同的根源
這六個卡關看起來不同，其實是同一件事——缺少系統設計的視角。把 AI 當成一次性任務，而不是一條可以持續運轉的軌道。
系統的價值，
不是讓你做得更多，
而是讓你把時間花在不可替代的事情上。
— Vista Cheng
1.5
什麼是 AI 工作系統
AI 工作系統的定義
以你日常工作為核心，把重複性任務用 AI 自動化或半自動化處理，讓你把時間留給判斷、創造、溝通等不可替代的工作——是流程、範本、工具、判斷節點的有機組合。
AI 工作系統的五大特徵
可重複
同樣任務，流程一致，品質穩定
可累積
Prompt、範本、經驗越用越多
可組合
不同工具各司其職，拼成完整流程
可把關
有明確的人工判斷節點
可優化
定期回顧，持續進化
AI 工作系統 vs 臨時性用 AI
AI 工作系統
- ✓ 固定任務走固定流程
- ✓ 輸入有範本、產出有規格
- ✓ 每次跑完都有回饋機制
- ✓ 品質靠流程設計把關
- ✓ 三個月後效率提升 2–3 倍
臨時性用 AI
- ✗ 想到才用，沒有固定流程
- ✗ 每次輸入都重新想
- ✗ 產出完就結案，不回顧
- ✗ 完全靠人腦追蹤品質
- ✗ 三個月後還是同樣效率
一個真實對比
我認識兩位行銷主管，都用 ChatGPT 一年多。A 每次寫文案都從「寫一篇關於我們產品的文案」開始，每次重新說明品牌、客群、語氣——她估計 70% 的時間在跟 AI 解釋脈絡。
B 有一份內部文件叫「品牌骨架 prompt」，500 字，含定位、客群畫像、禁用詞、範例。每次寫文案，她貼上這份 + 一句任務描述，30 秒拿到可用初稿。
兩人能力相當、工具相同。差別只是 B 把脈絡做成了資產。這就是系統與非系統的差距。
系統的回報是指數型的
第一天投入 30 分鐘建一個範本，第二天省 10 分鐘，第十天省 100 分鐘，第一百天省 1,000 分鐘——工具型使用是減法，系統型使用是複利。
1.6
什麼是個人指揮中心
一句話定義
-
個人指揮中心
一個把目標、知識、任務、輸出與 AI 協作串起來的個人工作系統
-
不是一個 App
是一套機制
-
不是一套範本
是可持續運作
-
核心
讓你每天知道該推什麼
指揮中心的 4 個核心
🎯
目標
📚
知識
⚡
任務
📤
輸出
四個核心，缺一不可
指揮中心不是四個獨立模組，是一個閉環。
目標決定方向、知識提供彈藥、任務承接行動、輸出產生成果並回饋下一輪目標。
接下來四頁，逐一說清楚每個核心在系統裡扮演什麼角色。
核心 1：目標
-
是什麼
未來 12 週你要推進的那條主線
-
在系統裡的角色
決定其他三個核心為誰服務
-
沒有它會怎樣
每天被最急的事牽著走
-
關鍵
一條，而不是十條
-
產出
季 → 月 → 週 → 日的拆解
核心 2：知識
-
是什麼
為輸出服務的素材池，不是收藏夾
-
在系統裡的角色
讓每次產出不從空白開始
-
沒有它會怎樣
每次都重新研究、重造輪子
-
關鍵
召回率 > 收錄量
-
產出
六大知識庫
核心 3：任務
-
是什麼
今天可以立刻動手的最小行動
-
在系統裡的角色
把目標翻譯成今天的動作
-
沒有它會怎樣
知道方向卻不知道今天做什麼
-
關鍵
可執行 > 看起來重要
-
產出
每天一件最有槓桿的事
核心 4：輸出
-
是什麼
穩定產出的內容與成果
-
在系統裡的角色
把累積兌現成價值，並回收成素材
-
沒有它會怎樣
學很多、做很多，卻沒有累積
-
關鍵
發出去才算、回收才有複利
-
產出
文章、課程、提案、可展示作品
它的三個特徵
-
可持續
不靠意志力硬撐
-
可回收
每個輸出都沉澱成資產
-
可演化
用越久越順手
它不是什麼
-
不是更好用的 ToDo
目標感是核心，不是打勾
-
不是範本套件
範本只是殼，機制才是靈魂
-
不是 AI 自動化
AI 是幫手，不是主人
-
不是生產力神器
是策略工具
1.7
AI 時代要的是穩，不是快
大家都在追求「快」
更快產出一篇文章、更快生成一份提案、更快剪完一支影片。
但真正拉開差距的人，不是最快的那個。
是最穩定的那個。
快 vs 穩
追求快
- ✗ 比別人早一天發
- ✗ 一口氣做完
- ✗ 靈感來就拼
- ✗ AI 生完就丟
- ✗ 短期爆發
追求穩
- ✓ 每週一次穩定節奏
- ✓ 分成多個小步驟
- ✓ 靈感先存、時機到再用
- ✓ AI 協作後回收成資產
- ✓ 長期複利
穩定，不是靠紀律硬撐。
穩定，是因為你有一條可重複的工作流。
— Vista Cheng
為什麼「穩」比「快」重要
快 10 倍但只做一次，結果還是 10。
穩 1 倍但做 100 次，結果是 100。
複利的本質不是速度，是頻率。
今天我要帶你做的事
先看清楚
盤點工作、找出該交給 AI 的
定方向
把目標變成 12 週主線
建資產
把知識變成可回收的素材
設流程
把一件工作拆成可重複的流程
組飛輪
讓產出回收成下一輪燃料
Part 1 小結
-
問題
工具碎片化 + 工作流斷裂
-
解法
建立個人指揮中心
-
原則
穩 > 快
-
下一步
先盤點，再設計
Part 2
盤點與判斷：先看清楚 你的工作全貌
Part 2 的地圖
-
為什麼先盤點
順序錯了全白做
-
四象限盤點
看清工作長相
-
四標準判斷
哪些該交給 AI
-
三角色案例
盤點怎麼套用
-
五階段成熟度
用到什麼程度
先盤點、後設計；
先看自己、再看工具。
— Vista Cheng
2.1
為什麼要先盤點
多數人導入 AI 的順序是錯的
多數人是先選工具，再硬塞任務。結果是流程四不像、每個任務都只適合一點點。
正確的順序是：先盤點你的工作、看清楚每天在做什麼、判斷哪些適合 AI，再選工具、設計流程。
這個順序聽起來慢，但能讓你避掉 80% 的無效嘗試。
工作盤點的四個象限
重複高 + 標準化
每週都做、格式固定——AI 介入首選（週報、會議紀錄）
重複高 + 創造性
常做但每次不同——AI 當初稿引擎（社群貼文、簡報）
一次性 + 標準化
不常做但有規則——AI 當查詢引擎（合約審閱、資料整理）
一次性 + 創造性
少做且依賴判斷——AI 只當靈感來源（策略決策）
盤點練習：寫下每週的七類任務
-
1. 會議與溝通
開會、紀錄、訊息回覆、Email
-
2. 資料處理
整理、摘要、翻譯、搜尋
-
3. 寫作產出
報告、企劃、文案、內部文件
-
4. 分析與判斷
數據、趨勢、決策建議
-
5. 日程與專案管理
排程、追蹤、協調
盤點練習（續）
-
6. 學習與研究
閱讀、筆記、競品分析
-
7. 創意發想
命名、標語、靈感
-
小提示
先不用分類 AI 能不能做——先全部寫下來
實作練習 1-A：寫下你的七類任務
- 1 拿出紙筆或開筆記 App
- 2 對照七大類別
- 3 把過去兩週真實做過的任務寫下來
- 4 目標至少 15 項
- 5 不要美化、不要刪減
2.2
判斷 AI 介入的四個標準
不是所有工作都該丟給 AI
盤點出 15 項任務之後，下一步是判斷：哪些該讓 AI 介入、哪些先緩緩、哪些根本不該碰？
我整理出四個判斷標準——這是跟數百家企業合作後，歸納出最不會出錯的一套框架。
四個判斷標準
標準一｜頻率
多久做一次？一週一次以上，值得設計流程
標準二｜結構化程度
有沒有固定格式？格式越清楚，AI 越能穩定產出
標準三｜容錯度
錯一次成本多高？容錯高的優先讓 AI 介入
標準四｜敏感度
涉及機密、情緒、策略？敏感度越高，AI 角色越輕
標準一｜頻率
-
每週多次
首要 AI 化對象——Email 回覆、會議紀錄
-
每週一次
值得設計流程——週報、客戶報告
-
每月一次
建個範本就好，不用完整流程
-
一季一次
到時再想，不必先花時間設計
-
一年一次
單純找 AI 協助即可，不建系統
標準二｜結構化程度
-
高度結構化
有固定範本（SOP、週報、會議紀錄）——AI 能 80% 交付
-
中度結構化
有大方向但內容彈性（文案、企劃）——AI 初稿、人工潤
-
低度結構化
每次都不同（策略、創意）——AI 當伙伴、不當主力
標準三｜容錯度
-
高容錯
內部文件、草稿、靈感——AI 主力，人工抽查
-
中容錯
對客戶的提案、社群貼文——AI 產出、人工定稿
-
低容錯
法律合約、重要發言稿、道歉信——AI 僅參考、人工主寫
標準四｜敏感度
-
低敏感
公開資料、一般行政——全交 AI 沒問題
-
中敏感
內部策略、員工意見——AI 處理但匿名化
-
高敏感
個資、財務、法律——謹慎評估，必要時不用
四標準交叉判斷
頻率高 + 結構化 + 容錯中等 + 敏感度低——這是「AI 介入黃金區」。相反組合（頻率低 + 低結構 + 低容錯 + 高敏感）就不要硬推。
黃金區的常見任務
符合四標準的工作，在多數知識工作者日常裡大概佔 40–60%。代表如果你好好設計，有超過半數的工作可以被 AI 大幅加速。
典型黃金區任務：會議紀錄、週報、Email 初稿、資料摘要、社群貼文、競品整理、閱讀重點擷取——這些就是 Part 5 要一起拆的。
實作練習 1-B：四標準打分
- 1 把剛剛 15 項任務逐項評估
- 2 四標準各打 1–3 分（1=低、3=高）
- 3 算總分
- 4 總分 10 分以上：列入優先清單
- 5 6–9 分先觀察；5 分以下暫緩
2.3
案例研究：三種角色的盤點
從三個真實案例看盤點怎麼做
接下來三張投影片，分享三位真實學員的盤點結果——一位行銷主管、一位 HR 專員、一位獨立顧問。
他們職務不同、工作型態不同，但都用同一套四標準篩出了自己的黃金區。看完你會更清楚怎麼套用。
案例一｜Mia，35 歲行銷主管
盤點出的主要任務
- 每週 3 場跨部門會議
- 每週 2 篇社群貼文
- 每月 1 份部門月報
- 每週 10 封客戶 Email
- 每季 2 次活動策劃
- 每週研讀 5 篇產業文章
黃金區（四標準高分）
- 會議紀錄（頻率高 + 結構化）
- 社群貼文初稿（頻率高 + 中結構）
- 產業文章摘要（頻率高 + 結構化）
案例二｜Ken，29 歲 HR 專員
盤點出的主要任務
- 每週面試 10 位候選人
- 每週寫 3 份面試報告
- 每季整理員工滿意度調查
- 每日回應員工諮詢訊息
- 每週擬公司內部公告
黃金區（四標準高分）
- 面試報告（頻率高 + 結構化）
- 員工問答 FAQ 範本（結構化 + 高容錯）
- 公告草稿（結構化 + 中容錯）
案例三｜Leo，42 歲獨立顧問
盤點出的主要任務
- 每月接 6 個客戶案
- 每月寫 3 份診斷報告
- 每月 6 次客戶訪談會議
- 每月 2 次對外內容產出
- 隨時處理臨時諮詢
黃金區（四標準高分）
- 客戶會議逐字稿整理（頻率高 + 結構化）
- 診斷報告框架（結構化 + 中容錯）
- 週電子報草稿（頻率高 + 中結構）
三個案例的共通點
黃金區任務全部集中在「會議、寫作、資料整理」三大類——這就是為什麼 Part 5 要挑這三個場景做完整示範。
2.4
反向案例：這些工作不要硬推
避開 AI 介入的三種陷阱
有些任務看起來應該能 AI 化，但實際做下去反而更累——三個最常見的陷阱列出來，你可以先檢查自己有沒有踩到。
三種不值得硬推的情境
創意早期發想
需要你獨特視角的靈感階段——AI 只會給業界平均水準
高情緒溝通
安慰、道歉、挽留——需要你的真實，AI 一介入就走味
牽涉機密判斷
人事調整、併購決策、個資——不是技術問題，是風險問題
AI 最該做的，
是替你把重複性工作掃乾淨，
讓你有力氣做那些它做不了的事。
— Vista Cheng
2.5
AI 介入的五階段成熟度
不是用或不用，是用到什麼程度
多數人判斷 AI 介入是非黑即白——要嘛全交 AI、要嘛完全不用。但現實中每項任務都落在一條光譜上。
我把這條光譜拆成五個階段，幫你在盤點時更精準判斷每項任務該被推到哪一格。
AI 介入成熟度五階段
各階段的典型任務
-
L0 任務
策略決策、高敏感溝通、創意原點
-
L1 任務
複雜提案、董事會報告、客戶挽留
-
L2 任務
週報、產業分析、部落格文章
-
L3 任務
會議紀錄、Email 回覆、社群貼文
-
L4 任務
資料分類、格式轉換、重複性摘要
漸進式升級的路徑
不需要急於一步到位——一項任務從 L0 升到 L3 通常要 3–6 個月。每週選一個任務往前推一階，年底你會有 10 項任務在 L3 以上。
2.6
Part 2 小結：你的盤點圖
Part 2 我們走了這幾步
模擬產出｜Alex（32 歲產品經理）的盤點圖
AI 介入優先（10–12 分）
3 項黃金區：
① 週會議紀錄（每週 3 次 / 高結構 / 高容錯）11 分
② 跨部門 Email 回覆（每日 / 中結構 / 中容錯）10 分
③ Sprint 回顧摘要（每兩週 / 高結構 / 高容錯）12 分
先觀察（6–9 分）
5 項中段：
PRD 初稿 8 / 競品比較表 7 / 使用者訪談整理 9 / 月度週報 8 / 客戶 FAQ 7
暫緩 AI（≤ 5 分）
4 項保留人工：
季度策略簡報（敏感高）/ 主管 1-on-1（低結構）/ 客戶高層提案（低容錯）/ 團隊衝突協調（高敏感）
Alex 的關鍵領悟
原本以為「想策略」最該用 AI，盤點後才發現：真正該先動手的是每週都在做、又有固定格式的會議紀錄與 Email。先把這 3 項做成 SOP，每週至少省 4 小時。
Part 2 最終產出：工作流程盤點圖
- 1 整合練習 1-A 的 15 項任務
- 2 加上練習 1-B 的四標準分數
- 3 畫成一張盤點圖
- 4 圈出綠燈的 3 項
- 5 這就是你接下來要設計流程的對象
Part 2 帶走的關鍵心法
先盤點、後設計；先看自己、再看工具——這是所有 AI 工作系統最容易被跳過、卻最不能跳過的一步。
Part 3
目標管理：把想做的事 變成做得動的主線
Part 3 的地圖
-
為什麼目標常失敗
三個原因
-
主線的概念
目標 vs 主線
-
主線拆解圖
從季到日
-
AI 的正確角色
拆解 + 追蹤
-
案例與好壞對照
寫出你的 12 週主線
目標不能只是願望。
目標必須變成主線。
主線必須能拆成每日的最小行動。
— Vista Cheng
3.1
為什麼很多人訂了目標卻沒前進
三個致命原因
-
原因 1
目標太抽象
-
原因 2
目標太多
-
原因 3
沒有轉成每週行動
原因 1：太抽象
-
典型
「我要更有影響力」
-
問題
什麼叫「影響力」？
-
怎麼衡量
無法衡量 = 無法推進
-
結果
永遠覺得還沒達成
-
陷阱
聽起來很棒，做起來無從下手
原因 2：太多
-
典型
10 個年度目標
-
問題
注意力被稀釋
-
結果
每個都只推 10%
-
真相
一次能推的事比你以為的少
-
原則
專注 > 面面俱到
原因 3：沒轉成每週行動
-
典型
訂在年度目標表
-
問題
跟每週工作脫節
-
結果
每週該做什麼還是靠感覺
-
關鍵
年 → 月 → 週的橋樑
-
解法
有節奏的回顧
我觀察到的真相
不是人懶，是結構鬆了。
不是意志弱，是連接斷掉了。
最會推進事情的人，往往不是最自律的人，而是最會把大事切小的人。
3.2
目標不是清單，而是主線
真正有效的目標管理，
不是寫十條願望，
而是找出你這一季真正要推的那一條主線。
— Vista Cheng
什麼叫主線
-
定義
未來 12 週你最重要的那條推進線
-
特徵
一條、具體、可衡量
-
對照
願望清單有 10 條，主線只有 1 條
-
原則
其他都是支線，支線服務主線
願望 vs 主線
願望清單
- ✗ 我要經營個人品牌
- ✗ 我要寫更多文章
- ✗ 我要提升影響力
- ✗ 我要學 AI
- ✗ 我要變健康
一條主線
- ✓ 12 週內完成一套 Lead Magnet
- ✓ 每週一篇高價值內容
- ✓ 建立 30 則可重用素材
- ✓ 讓 AI 進入內容工作流
- ✓ 其他先放一邊
主線的 3 個必要條件
-
具體
能用一句話講清楚
-
可衡量
有數字或明確結果
-
有時限
12 週是經典時長
為什麼是 12 週
-
足夠長
可以做出真的成果
-
足夠短
不會拖到忘記
-
可重複
一年 4 次循環
-
心理上
看得到盡頭
-
經典方法
《The 12 Week Year》
主線的心理效益
有主線的人，每天知道該推什麼。
沒主線的人，每天被最急的事牽著走。
差別不在能力，在「今天該做什麼」的清晰度。
3.3
一條主線長什麼樣
主線的 4 層結構
季目標
12 週要達成什麼（一個具體結果）
本月里程碑
這 4 週要走到哪（中途檢查點）
本週重點
這 7 天最重要的 3 件事
今日最小行動
今天下班前要完成的 1 件事
這 4 層為什麼缺一不可
只有季目標：太遠，每天無從下手。
只有本週重點：太近，容易迷路。
有 4 層：每天看得到今天和遠方。
拆解的關鍵問題
-
季目標問
12 週後我要能展示什麼
-
月里程碑問
這個月走到哪才不會落後
-
週重點問
這週做哪 3 件最推進主線
-
日行動問
今天做哪件事最有槓桿
拆解的原則
-
由遠到近
先想結果，再想路徑
-
由大到小
不要跳級
-
可調整
每週回顧、可修正
-
保留彈性
有 20% 的 buffer
-
寫下來
口頭的不算
3.4
AI 的正確角色
AI 最適合幫你的，
不是做決定，
是拆解。
— Vista Cheng
AI 在目標管理的 4 個工作
-
拆任務
把季目標 → 月里程碑 → 週重點 → 日行動
-
排優先
幫你看哪件事槓桿最大
-
回顧進度
用你的日誌生成週報
-
提醒偏離
警告你在做跟主線無關的事
AI 不該做的事
-
替你決定人生方向
那是你的事
-
替你設定價值觀
AI 沒有立場
-
替你承擔決策
責任要你背
-
替你做所有思考
外包思考 = 失去判斷力
拆解主線的 Prompt
我的 12 週主線是：【你的主線】 請幫我： 1. 拆成 3 個月里程碑 2. 每個月拆成 4 個週重點 3. 第一週重點拆成 5 個具體行動 4. 每個行動標註預估時數 優先考量「能帶來明顯進度的事」，而非「容易的事」。
每週回顧的 Prompt
這是我本週的完成事項： 【貼清單】 請幫我： 1. 分析有多少真的推進主線 2. 指出哪些是無效忙碌 3. 建議下週該收斂哪 3 件事 4. 用 100 字以內寫本週摘要
AI 是教練，不是代寫
好的教練幫你看見盲點、問對問題、把大事切小。
但教練不會替你上場比賽。
AI 在你的目標管理裡，就是這個角色。
3.5
案例：講師／顧問型工作者
案例主目標
-
身份
一位獨立講師／顧問
-
12 週主目標
建立一套 AI 寫作／知識型產品的銷售系統
-
為什麼選它
具體、可衡量、有時限
-
背後需求
從純授課 → 有被動收入
第 1-4 週：盤點
-
里程碑
內容資產盤點 + 定位確定
-
行動 1
列出過去所有授課素材
-
行動 2
找出最受歡迎的 3 個主題
-
行動 3
決定 Lead Magnet 的題目
-
行動 4
寫下 3 行產品定位
第 5-8 週：產出
-
里程碑
Lead Magnet + 報名頁上線
-
行動 1
寫完 Lead Magnet 初稿
-
行動 2
設計報名頁
-
行動 3
串接收 Email 工具
-
行動 4
測試整個漏斗
第 9-12 週：推廣
-
里程碑
拿到 100 個 Email + 10 個轉換
-
行動 1
社群推廣 4 週
-
行動 2
電子報 4 封
-
行動 3
跟合作夥伴互換流量
-
行動 4
每週看數據調整
這個案例的關鍵
12 週不是做完「所有想做的事」，是做完一件「真的有產出的事」。
結案時，你手上會有名單磁鐵（Lead Magnet）、報名頁、訂閱數字——具體、可展示、能延伸。
3.6
壞目標 vs 好目標
對照組
壞目標
- ✗ 我要更有效率
- ✗ 我要經營品牌
- ✗ 我要多寫文章
- ✗ 我要學會 AI
- ✗ 我要變強
好目標
- ✓ 每週 5 小時用於主線、不接新案
- ✓ 12 週累積 1000 個電子報訂閱
- ✓ 每週一篇 1500 字高價值內容
- ✓ 12 週建立個人 AI 工作流 SOP
- ✓ 12 週完成 1 個可展示的作品
好目標的 5 個特徵
-
有主詞
誰要做
-
有動詞
做什麼
-
有數字
多少
-
有時限
什麼時候
-
有情境
在什麼條件下
改寫練習
改寫「我要經營個人品牌」這句話。
先問自己：12 週後你要能給別人看什麼？
答案可能是：一份 5000 字電子報、3 篇高價值文章、100 個訂閱者。
這樣就不抽象了。
3.7
先做對一條線
你今天不需要做很多，
只要先做對一條線。
— Vista Cheng
為什麼是一條線
-
注意力稀缺
一次專注一條最有效
-
累積複利
一條做透比十條做散好
-
心理清晰
一條線讓你睡得著覺
-
可驗證
12 週後能回答「我做到了嗎」
小練習：寫下你的 12 週主線
- 1 拿出紙筆或開筆記
- 2 回答：未來 12 週我最重要的推進目標是什麼
- 3 回答：若只做一件事，哪件最值得推
- 4 寫成一句話
- 5 符合「具體、可衡量、有時限」
Part 3 小結
-
問題
目標太抽象、太多、沒拆解
-
解法
找出一條 12 週主線
-
結構
季 → 月 → 週 → 日
-
AI 角色
拆解 + 追蹤，不是決策
-
成果
每天都知道該推什麼
Part 4
知識管理：知識不是收藏， 而是為了輸出
Part 4 的地圖
-
為什麼筆記沒用
三個根本問題
-
知識管理的目的
為輸出服務
-
六大知識庫架構
你需要的庫
-
資料到資產的路徑
六步
-
AI 的 4 件事
摘要、關聯、重組、延伸
知識管理的目的，
不是把資訊存起來，
而是讓它能在你需要時，
被轉成內容、課程、提案與產品。
— Vista Cheng
4.1
為什麼多數人的筆記沒用
三個根本問題
-
問題 1
只收藏，不提煉
-
問題 2
沒有分類邏輯
-
問題 3
沒有輸出場景
問題 1：只收藏不提煉
-
典型動作
看到好文章 → 存起來
-
缺的步驟
用自己的話重寫
-
後果
存了跟沒看一樣
-
心理錯覺
以為「我已經會了」
-
真相
收藏 = 未來的你的問題
問題 2：沒有分類邏輯
-
典型
一個 Inbox 資料夾 + 5000 則筆記
-
後果
要用時找不到
-
為什麼
沒有「為誰服務」的架構
-
關鍵
分類要跟你的輸出綁定
-
原則
輸出決定分類
問題 3：沒有輸出場景
-
典型
「以後可能會用到」
-
後果
沒有使用的時機
-
心理
囤積感，不是成就感
-
解法
先想「要輸出什麼」再決定存什麼
-
原則
有輸出場景才值得存
很多人不是在做知識管理，
而是在做資訊囤積。
— Vista Cheng
4.2
知識管理真正服務的
一個關鍵切換
-
舊思維
我要把重要的事記下來
-
新思維
我要讓這份資料能被再次使用
-
差別
從「存」到「用」
-
帶來的改變
每則筆記都有明確用途
知識管理服務的 4 個輸出
📝
文章
🎤
簡報
🎓
課程
💼
產品／提案
每一則筆記要回答的問題
-
是什麼
這份資料的核心是什麼
-
為什麼存
為哪個輸出場景服務
-
什麼時候用
什麼情況下會被叫回
-
可以怎麼延伸
可以跟哪些素材組合
為輸出而整理的本質
不是把知識塞進腦袋，
是讓它在你需要的時候，能夠立刻被組裝成你要的產出。
就像廚房的食材——不是為了囤，是為了煮。
4.3
六大知識庫架構
一位知識工作者需要的 6 種庫
-
主題庫
你長期關心的核心主題
-
案例庫
故事、品牌、研究案例
-
觀點庫
你的金句、立場、洞察
-
素材庫
日常靈感、引用、數據
-
輸出庫
已發布文章、講綱、課程
第 6 種庫
-
FAQ 卡關庫
受眾真正常問的問題
-
為什麼重要
這些是內容選題金礦
-
原則
受眾的困擾 > 你想講的
庫 1：主題庫
-
放什麼
你選擇長期深耕的 3-5 個主題
-
為什麼
讓所有素材有歸屬
-
範例
「AI 內容策略」「一人公司」「知識管理」
-
數量
不要超過 5 個
-
更新頻率
每季檢視一次
庫 2：案例庫
-
放什麼
真實發生的故事、品牌案例
-
為什麼
人不被道理說服，被故事說服
-
範例
某品牌 3 個月成長 10 倍的做法
-
來源
書、報導、觀察、訪談
-
關鍵
用自己的話重述脈絡
庫 3：觀點庫
-
放什麼
你的原創觀點、金句、立場
-
為什麼
這是你最值錢的資產
-
範例
「知識管理不是收藏，是轉化」
-
差別
不是別人說的，是你想通的
-
累積效應
越久越珍貴
庫 4：素材庫
-
放什麼
日常靈感、數據、引用、圖表
-
為什麼
寫作時的彈藥庫
-
範例
「臺灣有 80% 創作者月收入不到 3 萬」
-
特色
短小、即時、輕量
-
使用頻率
每次寫作都翻
庫 5：輸出庫
-
放什麼
所有已發布的作品
-
為什麼
回收再利用的原料
-
範例
演講逐字稿、部落格文、電子報
-
關鍵
每份都標註主題 tag
-
驚喜
你會發現自己很會寫
庫 6：FAQ 卡關庫
-
放什麼
受眾真正常問的問題
-
為什麼
這些是內容選題金礦
-
來源
課後提問、留言、私訊、搜尋
-
用法
每個 FAQ 都可以變一篇文
-
關鍵
受眾的困擾 > 你想講的
6 個庫的關係
主題庫
你關心什麼——決定其他庫的邊界
案例 ＋ 觀點 ＋ 素材
你擁有什麼——日常累積的彈藥
輸出庫
你產出過什麼——可回收的原料
FAQ 卡關庫
市場需要什麼——選題的金礦
六庫一起運作
關心 × 擁有 × 產出 × 需要，閉環才叫知識管理
4.4
從資料到資產的路徑
6 步路徑
資料
原始的文章、影片、觀察
整理
重寫成自己的話
標註
加上主題 tag 和關鍵字
連結
跟其他筆記建立關聯
觀點
萃取出你的立場
第 6 步：輸出
-
動作
組合成文章／課程／提案
-
起點
從素材池，不從空白
-
關鍵
前 5 步的累積在這裡兌現
關鍵是中間 4 步
-
整理
避免複製貼上當筆記
-
標註
讓它未來可被找到
-
連結
讓它跟其他知識接軌
-
觀點
讓它變成你的
存進筆記軟體不是終點，
是起點。
真正的知識管理，從「整理」那一刻才開始。
— Vista Cheng
一個具體例子
我讀到一篇「品牌故事化」的文章。
我不存原文，我寫下：「品牌故事化的核心是主角、衝突、解決——跟小說結構一樣。」
加 tag：#品牌 #說故事 #結構。跟「簡報結構」筆記建立連結。
萃取觀點：「結構才是故事感的來源，不是華麗辭藻。」
4.5
AI 在知識管理的 4 件事
AI 最值錢的 4 件事
✂️
摘要
🔗
關聯
🔄
重組
➕
延伸
AI 工作 1：摘要
-
場景
收到一篇 5000 字文章
-
做法
AI 濃縮成 3 個重點
-
好處
快速判斷要不要深入
-
進階
再濃縮成一句話金句
AI 工作 2：關聯
-
場景
想寫一個主題，不知道手上有什麼素材
-
做法
AI 搜尋你的知識庫找相關筆記
-
好處
一次找回 20 則相關素材
-
關鍵
召回率 = 知識管理的價值
AI 工作 3：重組
-
場景
同一份素材想用在 3 個不同地方
-
做法
AI 按不同角度重組
-
好處
一份材料變 N 份產出
-
範例
同一份案例 → 社群文／課程頁／電子報
AI 工作 4：延伸
-
場景
你有一個初步想法但還不完整
-
做法
AI 幫你延伸 3 種可能方向
-
好處
避免陷入單一思路
-
關鍵
你挑方向，AI 提供選項
知識召回 Prompt
我要寫一篇關於【主題】的文章。 請從我的知識庫幫我： 1. 找出 5-10 則相關筆記 2. 整理成主要論點、支持案例、反對意見 3. 指出哪些可以直接用、哪些需要延伸 4. 建議開頭角度 3 種
AI 最厲害的不是幫你多記，
而是幫你更快找到：
「這份資料可以怎麼用」。
— Vista Cheng
4.6
同一份素材，變 5 種輸出
場景：一場 60 分鐘演講
-
原始素材
演講投影片 + 逐字稿 + 學員提問
-
價值
你花了 3 週準備
-
機會
只用一次就太浪費了
-
原則
一次輸入、多次輸出
5 種衍生輸出
電子報
演講核心觀點 + 擴寫成 1500 字
社群貼文
3 則金句短文 + 1 張圖卡
課程大綱
演講結構 = 課程模組骨架
FAQ
學員提問 → 受眾問題庫
銷售頁素材
金句 + 案例 + bullet points
這個做法的威力
-
時間效益
1 份素材 × 5 個產出
-
風格一致
都來自同一個觀點
-
累積效應
每場演講都成為資產
-
心理效益
不用每次從零開始
這才是知識管理的真正價值
不是你存了多少筆記，
是同一份知識被你用了多少次。
用一次 = 素材。用十次 = 資產。
4.7
追求的不是收錄，是叫得回來
召回率的 4 個指標
-
找得到
記得起哪裡有
-
用得上
打開就能用、不用重看一遍
-
改得快
5 分鐘內改好
-
接得起
能跟下個輸出任務串起來
兩種知識工作者
收藏型
- ✗ 1 萬則筆記
- ✗ 收了很多
- ✗ 用時找不到
- ✗ 每次重新研究
- ✗ 疲於奔命
召回型
- ✓ 1000 則精選
- ✓ 每則都消化過
- ✓ 用時 30 秒找到
- ✓ 直接引用
- ✓ 輕鬆愉快
沒有被回收的知識，
不叫資產，只叫堆積。
— Vista Cheng
真正成熟的知識管理，
不是「我存了什麼」，
而是「我下次輸出時，能不能立刻叫回來」。
— Vista Cheng
5 分鐘盤點你的高價值素材
- 1 寫下：你最近最常產出的內容是什麼
- 2 寫下：你手上哪三類資料最值得建成素材
- 3 寫下：過去 1 年有哪些內容可以重複利用
- 4 判斷：你是收藏型還是召回型
- 5 決定：接下來要怎麼改
Part 4 小結
-
問題
收藏 ≠ 管理
-
目的
為輸出服務
-
架構
6 大知識庫
-
路徑
資料 → 整理 → 標註 → 連結 → 觀點 → 輸出
-
AI 角色
摘要、關聯、重組、延伸
Part 5
AI 協作實戰：把一件工作 拆成一條高效流程
Part 5 的地圖
-
四環節架構
輸入 → 處理 → 判斷 → 輸出
-
Prompt 五要素
把咒語變工單
-
工具分工
六大類型，選對不選多
-
四大實戰場景
會議、報告、Email、研究
-
判斷節點
流程的安全閥
從盤點到流程
Part 2 你挑出了最值得設計流程的任務。Part 5 我們要做的，是把其中一項真的變成一條可重複運作的流程。
我會先給你通用架構，再用四個真實場景示範，最後幫你設計自己的第一條流程。
5.1
一條有效流程的四個環節
AI 工作流的通用結構
任何一條有效的 AI 工作流，都可以拆成四個環節：輸入（Input）→ 處理（Process）→ 判斷（Review）→ 輸出（Output）。簡單、通用、少有例外。
AI 工作流的四環架構
1. 輸入
餵給 AI 的原始素材——錄音、需求、報告、偏好設定
2. 處理
AI 執行的動作——摘要、分類、改寫、生成，複雜要拆步驟
3. 判斷
人工檢查品質——不合格就退回重做，形成閉環
4. 輸出
最終交付物——Email、文件、報告、貼文
環節一｜輸入
-
什麼叫輸入
餵給 AI 的原始資料
-
關鍵原則
輸入品質決定輸出品質
-
常見錯誤
只給一句話叫 AI 寫個 Email
-
最佳實務
把脈絡（對象、目的、限制、範例）打包
-
格式建議
結構化：任務、對象、約束、參考、輸出
環節二｜處理
-
什麼叫處理
AI 拿到輸入後執行的動作
-
關鍵原則
複雜任務分步驟
-
常見錯誤
整理、提煉、翻譯、摘要全塞一次
-
最佳實務
分段執行——先摘要、再提煉、最後翻譯
-
工具選擇
這裡才決定用哪個工具
環節三｜判斷
-
什麼叫判斷
人類介入檢查——與純自動化最大差別
-
關鍵原則
不是每環都判斷，但關鍵節點必須有
-
常見錯誤
全跳過、或每個字都檢查
-
最佳實務
設 2–3 個判斷節點，盯 AI 最易錯處
-
判斷項目
事實、語氣、敏感詞、對象是否搞錯
環節四｜輸出
-
什麼叫輸出
流程的最終產物
-
關鍵原則
輸出格式要標準化
-
常見錯誤
AI 給什麼格式就接受什麼
-
最佳實務
在輸入階段就指定輸出格式
-
下一步
輸出後存檔歸類，累積成範本
四環節各自的比重
對多數任務：輸入 40%、處理 20%、判斷 25%、輸出 15%——「輸入 + 判斷」≈ 65% 才是真正決定品質的部分，不是中間的 AI 生成那一步。
5.2
Prompt 模板的五要素
Prompt 不是咒語，是工單
很多人把 Prompt 想成「對 AI 說話的技巧」——好像咒語唸對就能召喚神獸。這個比喻害了很多人。
Prompt 的本質是工單——你給一位不熟你公司的資深員工一張委託書。寫得清楚，他就做得好；寫得模糊，他就猜。
下面是我用了兩年、在不同場景驗證過的五要素結構。
Prompt 五要素
角色（Role）
你希望 AI 扮演誰？資深文案、財務分析師、英文編輯
情境（Context）
任務背景——公司、對象、已有資訊
任務（Task）
具體要它做什麼——動詞 + 具體對象
輸出（Format）
要什麼格式——Markdown、表格、條列、字數
範例（Example）
給一兩個好範例讓 AI 對齊
Prompt 五要素範本
【角色】你是一位資深的 B2B SaaS 行銷主管，擅長寫面向 CTO 的專業 Email。 【情境】我是一家臺灣 AI 新創，產品是企業內部知識庫搜尋工具。這封 Email 要寄給一位科技廠採購主管，他上週在展覽會拿了我們的型錄。 【任務】撰寫一封 300 字以內的 follow-up Email，目的是爭取 30 分鐘的產品 demo。 【輸出格式】 - 主旨一行，不超過 40 字 - 內文三段 - 結尾有明確 CTA（兩個時段選項） 【範例語氣】不要太熱情、專業、重點放在省時間而非功能強大
套用之後——AI 生成的 Email
把上一頁的五要素範本交給 AI，它會產出語氣專業、有 CTA、300 字以內的完整初稿，你再依品牌慣用語微調即可寄出。
主旨：30 分鐘的 Demo，幫您省下部署評估時間 XXX 總監，您好： 感謝您上週在展覽會停留在我們攤位。我是 XXX，XXX 產品的行銷負責人。 看到您特別拿了型錄，我猜您可能在評估內部知識庫解決方案。我們最近協助兩家類似規模的廠商，把內部技術文件搜尋時間從平均 12 分鐘壓到 30 秒，整合進既有 SSO 只要兩週。 如果您方便，我想安排一次 30 分鐘線上 demo——不會有業務話術，直接用您的使用場景跑一遍。以下兩個時段請挑一個： • 本週四下午 3:00 • 下週二上午 10:30 先預祝工作順心，期待您的回覆。 XXX
五要素不是每次都要全寫
這五要素是上限，不是下限。簡單任務只需任務 + 輸出格式兩項；複雜任務才全寫五項。
但我的經驗是：寧可前期多花 2 分鐘寫完整，也不要後期花 20 分鐘改 AI 的粗糙產出。時間成本算一算，永遠是前期贏。
好 Prompt vs 壞 Prompt
好 Prompt（五要素）
- ✓ 角色、情境、任務、格式、範例
- ✓ 脈絡完整、AI 有判斷依據
- ✓ 產出高度貼合需求
- ✓ 你只需微調 10–20%
- ✓ 5 分鐘輸入 + 3 分鐘修改
壞 Prompt（一句話）
- ✗ 「幫我寫一封 Email 給客戶」
- ✗ 缺角色、情境、對象、目的
- ✗ AI 只能給範本答案
- ✗ 你拿到後還要改 80%
- ✗ 2 分鐘輸入 + 20 分鐘修改
5.3
工具分工：不同 AI 各司其職
一個工具不夠用
多數人停在「ChatGPT 打天下」——什麼都丟給同一個。但就像你不會用同一把刀切水果、砍柴、開罐頭，AI 工具也有分工。
選錯工具，不是工具不好，是你用錯場景。下面把 2026 年值得知道的六大工具類型整理給你——至於每個工具怎麼安裝、怎麼設定環境，下半場余老師會帶你實際裝起來。
六大 AI 工具類型
對話式通用型
ChatGPT、Gemini、Claude——日常寫作、問答、生成
查資料搜尋型
Perplexity、ChatGPT Search——即時、可信、附來源
讀資料知識型
NotebookLM、Claude Projects——餵資料後深度問答
程式／自動化型
Claude Code、Cursor——程式、自動化腳本
圖像／視覺型
Midjourney、DALL·E——圖像生成
企業整合型
Copilot、Notion AI——嵌入既有工具
對話式通用型
-
最適合
日常寫作、發想、結構整理
-
Claude 強項
長文、語氣細緻、程式碼品質
-
ChatGPT 強項
生態整合、外掛、圖像、程式執行
-
Gemini 強項
Google 生態整合（Gmail、Docs）
-
選擇邏輯
寫作選 Claude、研究選 ChatGPT、辦公選 Gemini
查資料搜尋型（Perplexity）
-
最適合
即時查詢、附可信來源、研究前置
-
與 ChatGPT 差別
Perplexity 專注搜尋、ChatGPT 是聊天 + 搜尋混合
-
使用場景
寫文章前查背景、寫報告前找數據
-
小技巧
用 Focus 模式限縮來源
-
不適合
寫長文、複雜邏輯推理
讀資料知識型（NotebookLM / Claude Projects）
-
最適合
上傳多份文件後深度問答、摘要、對照
-
NotebookLM 強項
Podcast 摘要、影片字幕、多媒體整合
-
Claude Projects 強項
Prompt 可永久儲存、長期工作空間
-
使用場景
讀論文、整理會議錄音、資料庫問答
-
不適合
即時搜尋新資訊
程式／自動化型（Claude Code / Cursor）
-
最適合
寫程式、自動化腳本、處理 CSV / JSON
-
進階用法
讓 AI 寫腳本，每天自動整理你的工作
-
非工程師也能用
寫 Excel 公式、Google Apps Script
-
工作流場景
把 100 份 PDF 自動切分、分類、摘要
-
備註
今天先講「能做什麼」，下半場余老師帶實作
企業整合型（Copilot / Notion AI）
-
最適合
嵌入既有辦公軟體、不用切換
-
Microsoft Copilot
直接在 Word、Excel、PPT、Teams 裡用
-
Notion AI
在 Notion 內摘要、翻譯、生成
-
Gemini for Workspace
Gmail 自動回信、Docs 智慧生成
-
判斷標準
你每天開最多的是什麼？選那個的 AI
我的工具組合建議
Claude
寫作主力——長文、語氣、程式碼
Perplexity
查資料——即時、附來源
筆記中樞
辦公整合——流程與資產儲存
ChatGPT
生態備援——外掛、圖像、程式執行
四個就夠
分工互補，cover 90% 的日常工作
5.4
實戰場景一：會議紀錄整理
為什麼從會議紀錄開始
會議紀錄是最適合第一條 AI 流程的場景——頻率高、結構化、容錯中等、敏感度可控。
如果你能把會議紀錄流程設計好，一週至少省 2–3 小時，而且這個流程你一年 52 週都用得到。
會議紀錄流程：五個步驟
1. 會議錄音
提前告知參與者；用會議軟體或手機錄
2. 語音轉文字
自動轉逐字稿
3. AI 結構化整理
用範本產出 5 段結構
4. 人工判斷校對
檢查名字、數字、承諾事項——5 分鐘內
5. 分發與歸檔
分發 + 歸檔，下次會議可追溯
會議紀錄整理 Prompt 範本
【角色】你是一位專業會議祕書，擅長把混亂逐字稿整理成結構化會議紀錄。 【情境】以下是一場 60 分鐘專案例會逐字稿，參與者：PM（阿哲）、設計（Mia）、工程（Leo）。 【任務】整理成會議紀錄，聚焦在決定事項與待辦事項。 【輸出格式】 ## 會議基本資訊 ## 討論重點（3–5 點） ## 決定事項 ## 待辦事項（表格：項目 / 負責人 / 截止日） ## 下次會議議程 【注意】 - 待辦必須有明確負責人 - 模糊發言不列入待辦 - 逐字稿：[貼上]
AI 產出（上半）｜基本資訊與決策
把上一頁 Prompt 套用到真實 60 分鐘專案例會逐字稿，AI 直接產出如下結構化紀錄的上半段。
## 會議基本資訊 - 時間：2026-05-16 14:00–15:00 - 地點：線上 - 參與者：阿哲（PM）、Mia（設計）、Leo（工程） ## 討論重點 1. Sprint 3 進度落後 3 天，主因第三方 API 規格變更 2. 設計稿第二版完成，需法務確認後才能公開 3. 下週產品 demo 流程需提前演練 4. 測試資源不足，需評估外包或延後 ## 決定事項 1. Sprint 3 交付日延後至 6/2 2. 設計稿公開需待法務 5/25 前回覆 3. 下週四下午 2 點全員 demo 彩排
AI 產出（下半）｜待辦與議程
承上頁——下半段是「帶走就能執行」的待辦表格與下次議程，每項都有負責人與截止日。
## 待辦事項 | 項目 | 負責人 | 截止日 | |---|---|---| | 重新評估 API 整合時程 | Leo | 5/20 | | 整理設計稿法務文件 | Mia | 5/22 | | 安排測試資源外包報價 | 阿哲 | 5/25 | ## 下次會議議程 - demo 彩排結果檢討 - 法務回覆進度 - 測試資源最終方案拍板
關鍵判斷節點
第四步「人工判斷校對」是不能省的——AI 會把「之後再討論」變成待辦、會拼錯專有名詞、會把雜談當決定。你花 5 分鐘校對，省的是往後反覆的誤會與追溯。
會議紀錄：導入前 vs 導入後
導入前（純手工）約 90 分鐘
- 邊聽邊記，注意力分散一半
- 會後額外花 1 小時整理
- 分發時還要重打格式、補上下文
- 同事常問：所以我要做什麼？
- 一週 3 場會＝多耗 4.5 小時
導入後（AI 流程）約 15 分鐘
- 專注討論，錄音交給工具
- 自動產出逐字稿（2 分鐘內到手）
- AI 結構化 10 秒輸出摘要 + 待辦
- 人工校對 5 分鐘修決策與名詞
- 固定格式分發，每人知道下一步
時間省 83%
一個人一週 2 場會議，AI 流程化後一年可省 130 小時——不是 AI 厲害，是流程把 AI 的能力真正釋放出來。
5.5
實戰場景二：報告／企劃初稿
為什麼報告讓人卡住
報告是很多人最怕的工作——不是不會寫，是每次打開空白文件都先呆坐 30 分鐘，想不到從哪開始。
AI 最能幫你的，不是寫完整份報告，而是破那個「空白頁恐懼」——給你一份結構完整、內容 70% 的初稿，你再用人工完成最關鍵的 30%。
報告撰寫流程：五個步驟
1. 確認報告規格
對象、長度、格式、風格、核心問題
2. 提供素材
原始資料、數據、訪談、參考
3. AI 生成結構
先產出目錄 + 每章重點，人工審骨架
4. AI 分段擴寫
骨架確認後分段寫——不要一次寫完
5. 人工定稿
修語氣、補觀點、確認事實、加你的判斷
報告結構生成 Prompt
【角色】你是一位資深市場研究顧問，擅長寫 B2B 產業分析報告。 【情境】我要替老闆準備一份「臺灣 AI 教育市場 2026 趨勢報告」，老闆會在董事會報告，時間 15 分鐘、投影片 10–15 張。 【任務】先不要寫內容——請給我「報告目錄 + 每章 3 個重點 + 需要的數據類型」的骨架。 【輸出格式】 ## 報告目錄 1. 章節名 - 重點 1 / 2 / 3 - 需要的數據：XXX 【注意】 - 董事會只關心機會與風險 - 長度適合 15 分鐘 - 先出骨架，我確認後再擴寫
AI 生成的報告骨架（上半）
把 Prompt 丟給 AI，直接產出五章報告骨架——這頁呈現前三章：市場概況、需求端、供給端。
## 報告目錄 1. 市場概況 - 2026 臺灣 AI 教育市場規模 - 成長率 YoY 25–30% - 主要玩家分布（大型平臺 vs 獨立講師） - 需要的數據：資策會、IDC、Statista 2. 需求端趨勢 - 企業客戶從認識 AI 轉向導入 AI - 高階主管自學需求爆發 - Z 世代偏好短影音、非同步課程 - 需要的數據：104 調查、LinkedIn Learning 3. 供給端變化 - 傳統教育機構轉型壓力 - 獨立講師平臺化 - 國際品牌進入臺灣 - 需要的數據：各平臺年報
AI 生成的報告骨架（下半）
承上頁——第四、第五章把鏡頭拉回「我們公司」：具體機會與對應風險，並附建議時間分配。
4. 對我們公司的機會 - 可切入的 3 個利基 - 競爭優勢與護城河 - 2026 建議動作 - 需要的數據：內部成本結構、既有客戶 5. 風險與應對 - LLM 成本變動 - 人才流失到大平臺 - 法規不確定性 - 需要的數據：各國 AI 法規進度 【建議時間分配】每章 2 分鐘、最後 Q&A 5 分鐘
為什麼先出骨架
人工修改一份完整初稿要花 2 小時；修改一份目錄只要 10 分鐘。骨架錯了再展開就是浪費——這是 AI 流程設計裡最容易被忽略、但回報最高的一步。
分段擴寫策略
1. 一次一章
把骨架當大綱，分章請 AI 寫
2. 附參考風格
貼一段你寫過的風格範例
3. 限定字數
每章 300–500 字，避免偏題
4. 要求明確引用
數據附來源——迫使 AI 誠實
5. 標註人工補
機密、老闆的話先寫 [待補]
70/30 法則
AI 能幫你寫到 70%——結構、資料整理、文字通順；剩下 30% 是你個人判斷、獨特觀點、機密細節、老闆的語氣——這 30% 才是你真正的價值所在。
5.6
實戰場景三：信件與客戶溝通
Email 的隱形成本
根據 McKinsey 研究，知識工作者平均每天花 2.6 小時處理 Email。一週超過 13 小時——幾乎是 1.5 個工作天。
Email 大部分是可流程化的：回覆格式類似、措辭重複、結構穩定。這是 AI 介入效益最大、心理門檻最低的場景之一。
Email 四種類型 × AI 介入程度
例行回覆
FAQ、確認、排程——AI 幾乎全包
客戶跟進
報價、提案、後續——AI 寫初稿、人工微調
關係維繫
感謝、祝賀、問候——AI 給方向、人工補細節
高敏感處理
道歉、拒絕、挽留——AI 僅參考、人工親寫
客戶跟進 Email 範本
【角色】你是一位資深業務，擅長寫不壓迫、有專業感的客戶 follow-up Email。 【情境】我是設計公司 PM，兩週前給一位行銷總監提案，對方說有興趣、月底會內部討論。今天已超過兩週。 【任務】寫一封 follow-up，目的是推進決策，但不要有業務壓力。 【輸出格式】 - 主旨一行（不超過 30 字） - 內文三段 - 結尾給兩個明確選項 【語氣】專業、溫和、尊重對方節奏，不催、不抱怨
AI 生成的 Email 初稿（上半）
把上一頁 Prompt 給 AI、搭配真實客戶資訊後，會直接產出如下 follow-up 初稿——上半段含主旨、問候、更新分享。
主旨：上月提案的後續——給您一個簡短更新 XXX 總監，您好： 想跟您分享一個簡短更新。上個月月初我們向您提案的品牌視覺升級案，這兩週又根據您當時提到的「強化國際化訊息」做了一版延伸草稿，內部看過都覺得跟您原本的方向更貼近。
AI 生成的 Email 初稿（下半）
承上頁——下半段給兩個明確選項，並以不壓迫的結尾收束，你再依品牌慣用語微調即可寄出。
不確定內部討論進度如何，完全理解貴司有自己的節奏。如果方便，提供兩個選項讓您挑： （一）我把延伸草稿整理成 5 頁 PDF 寄給您，您有空再看 （二）安排一個 30 分鐘線上會議，由我走過一次，您當場提回饋 無論哪個都不打擾、不急——就是想讓您知道我們沒停下來、隨時準備好。 期待您的回覆。 XXX
高敏感 Email：AI 的角色是什麼
拒絕合作、道歉失誤、挽留離職——這些 Email 的重量來自「你是誰寫的」。AI 不能替你承擔情緒責任。正確用法：讓 AI 列三個不同語氣版本給你參考，你挑一個再親手改寫。不要複製貼上。
Email 流程化的隱藏好處
當你把 80% 的例行 Email 交給流程，你會發現剩下的 20% Email 回得更好——因為你終於有時間、有心神處理真正重要的那些對話。
5.7
實戰場景四：資料整理與研究
最被低估的 AI 應用場景
會議紀錄、報告、Email 是明顯的 AI 黃金區。但有一個場景比這三個都被低估——資料整理與前置研究。
你每週花多少時間讀文章、整理資料、做競品比較？平均答案是 8–12 小時——這整塊都可以被 AI 壓縮到 1–2 小時。
資料整理流程：五個步驟
1. 來源蒐集
把文章、PDF、錄音、截圖丟進一個資料夾
2. 上傳知識型 AI
讀資料型工具最適合
3. 結構化提問
用固定 prompt 把「資料 → 洞察」流程化
4. 交叉對照
讓 AI 找出不同來源間的矛盾與共識
5. 產出行動筆記
不是純摘要，是「下一步該做什麼」
資料整理萬用 Prompt
【角色】你是一位資深研究分析師，擅長把大量原始資料轉化為決策洞察。 【情境】我已上傳 [N 份] 資料，主題是 [主題名]。 【任務】分三階段： （1）給我 10 項事實層——每項附來源 （2）給我 5 項模式層——從事實歸納的規律 （3）給我 3 項行動層——我現在該做什麼 【輸出格式】 ## 事實層（10 項） ## 模式層（5 項） ## 行動層（3 項，必須可執行） ## 不確定與矛盾之處（若有）
（AI 會把散落的資料收斂成三層結構：事實、模式、行動——這就是「資料 → 決策」的完整轉換）
三層結構的威力
多數人用 AI 摘要只停在事實層，那是把檢索工作做完而已。真正的價值在模式層與行動層——這是資料整理從「知道」變成「做到」的關鍵。
5.8
進階技巧：多 AI 協作與互審
讓 AI 互相審核
單一 AI 的盲點在於「自己看不出自己的問題」。進階玩家的做法是——讓兩個 AI 互相審核。
實際做法：用一個模型寫初稿，用另一個模型挑錯。兩個不同模型的盲點不一樣，交叉後會發現單一模型永遠看不見的問題。
AI 互審的三種組合
寫作 + 批評
A 寫作 → B 扮演挑剔讀者提出三個疑問
研究 + 驗證
A 找資料 → B 驗證邏輯是否一致
結構 + 細節
A 出大綱 → B 展開細節
5.9
人工判斷節點：流程的安全閥
為什麼判斷節點是流程的靈魂
AI 最可怕的，不是它會出錯——是它「自信地出錯」。它會把編造的資料寫得煞有其事、把錯誤的人名拼得很有氣勢、把誤解的脈絡演繹得頭頭是道。
沒有人工判斷節點的 AI 流程，就像沒有煞車的車——能跑很快，但總有一天會撞。
三個必設的判斷節點
事實節點
人名、數字、日期、引用——錯了會傷信任，一定要查
語氣節點
AI 常太正式或太殷勤——對象的語氣要你判斷
敏感節點
涉及機密、財務、法律、個資——不能放行
判斷節點的 5 個檢查項
五分鐘原則
每個判斷節點控制在 5 分鐘內完成——這個時間足以檢查致命錯誤，不足以讓你陷入「我再改一下就好」的泥沼。AI 流程的目標是「足夠好」而不是「完美」。
5.10
常見陷阱與對策
陷阱一｜AI 產出直接用
錯誤做法
反正 AI 寫的看起來不錯，直接交——結果客戶發現名字寫錯、日期寫錯，一通電話打來問為什麼
正確做法
AI 產出後 5 分鐘人工校對，成為流程中不可跳過的一步——再忙也不例外
陷阱二｜Prompt 每次重寫
錯誤做法
每次要用 AI 都重新想 prompt——時間全花在「怎麼問」而不是「得到什麼」
正確做法
把常用 prompt 存在固定地方，需要時呼叫、複製、微調即可
陷阱三｜工具切換成本
錯誤做法
同一任務先搜尋、再聊天、再換筆記 AI——每次切換都打斷思路
正確做法
設計流程時就鎖定工具組合——查資料、寫作、歸檔各用固定的，不隨便換
流程防呆三原則
一、判斷節點寫進 SOP 文字裡；二、常用 prompt 有固定存放處；三、工具選擇有明確分工——三原則守住，90% 的陷阱都會避開。
5.11
實作練習：設計你的第一條流程
實作練習 2：第一條 AI 工作流
- 1 從 Part 2 挑出的黃金區任務中
- 2 選一個你最常做的
- 3 套用四環節：輸入 → 處理 → 判斷 → 輸出
- 4 寫出一份流程設計
- 5 不用完美——能跑就好
流程設計範本
-
任務名稱
例：每週五的週報撰寫
-
輸入
這週做的事 + 數據 + 會議紀錄
-
處理
用主力工具 + 週報範本 prompt
-
判斷
檢查數字、人名、對老闆的語氣
-
輸出
Markdown 格式、貼到團隊頻道
Part 5 我們走了這幾步
Part 5 的核心心法
好流程不是一次設計完美的——是先有能跑的版本，再隨用隨改。今天寫下來的第一版，下週就會比今天更好。
Part 6
內容與產出飛輪：讓素材變成 文章、課程、提案
Part 6 的地圖
-
為什麼有知識沒輸出
四個原因
-
穩定產出的核心
工作流不是靈感
-
內容飛輪六階段
輸入到回收
-
AI 的 5 個角色
研究到回收
-
寫 vs 組
成熟協作的差別
穩定產出不是靠天分，
是靠系統。
— Vista Cheng
6.1
為什麼有知識卻沒輸出
4 個常見原因
-
沒有時間
工作太多
-
沒有框架
不知從哪下筆
-
每次從零開始
心智負擔太重
-
腦中太亂
想法多但無法整理
原因 1：沒有時間
-
真相
時間可以擠出來
-
關鍵
不是沒時間，是沒優先順序
-
解法
每週固定時段
-
最小單位
90 分鐘
-
不中斷
關通知
原因 2：沒有框架
-
典型
「我要寫一篇好文章」
-
問題
「好」沒有定義
-
解法
用固定的文章結構
-
經典結構
卡關 → 原因 → 解法 → 案例 → 行動
-
框架
讓你不用每次重想
原因 3：每次從零開始
-
問題
心智成本太高
-
解法
從「素材池」開始，不從空白開始
-
關鍵
Part 4 的知識庫
-
差別
有沒有累積
原因 4：腦中太亂
-
症狀
想講的太多
-
後果
寫出來沒重點
-
解法
先寫一句話核心論點
-
原則
一篇文章一個主題
-
練習
核心 → 延伸，不要反過來
6.2
穩定產出的核心是工作流
不是靈感，
是工作流。
— Vista Cheng
內容飛輪的 6 個階段
-
輸入
閱讀、觀察、對話
-
整理
寫進知識庫
-
提煉
萃取觀點
-
組稿
用素材組裝成文章
-
發布
公開給受眾
飛輪的第 6 階段：回收
-
動作
已發布內容 → 知識庫
-
為什麼
下次組稿的素材
-
副產品
社群短文、金句、圖卡
-
這是飛輪的關鍵
越跑越順
階段 1：輸入
-
來源
書、文章、Podcast、對話、觀察
-
頻率
每天都要
-
數量
不求多，求質
-
關鍵
帶著問題輸入
-
錯誤
無目的的滑
階段 2：整理
-
動作
寫進知識庫
-
格式
主題 + 摘要 + 觀點 + tag
-
時間
每週固定一次
-
原則
自己的話
-
避免
複製貼上
階段 3：提煉
-
動作
從多則筆記抽出共通觀點
-
頻率
每月一次
-
產出
原創金句和立場
-
價值
這是最值錢的部分
-
提示
這是你的差異化
階段 4：組稿
-
動作
把素材組成文章
-
起點
從素材池，不從空白
-
AI 角色
結構助手、延伸助手
-
時間
每週 90 分鐘
-
關鍵
你是導演、AI 是攝影師
階段 5：發布
-
平臺
選 1-2 個主戰場
-
頻率
每週一次（最基本）
-
不求
每篇爆紅
-
求
可預測的節奏
-
關鍵
發出去才算
階段 6：回收
-
動作
已發布內容 → 知識庫
-
為什麼
下次組稿的素材
-
副產品
社群短文、金句、圖卡
-
累積
越做越多素材
-
飛輪關鍵
越跑越順
飛輪的本質
第一輪
很累——從零累積，手上沒有存量
第二輪
省一半力——開始有素材可以複用
第三輪
覺得輕鬆——存量成為後幾輪的彈藥
這就叫複利
不是你變厲害，是累積在替你做事
6.3
AI 在內容工作流的 5 個角色
AI 的角色
🔬
研究助理
🗂️
結構整理員
✍️
初稿加速器
🔄
改寫與延伸
角色 5：回收舊素材
-
動作
翻你過去寫過的東西
-
問 AI
這段可以怎麼再用一次
-
產出
新角度的舊內容
-
優勢
時效 + 累積
-
關鍵
不是新素材，是新組合
研究助理 Prompt
我要寫一篇關於【主題】的文章。 請幫我： 1. 列出這個主題的 5 個主要觀點 2. 找出每個觀點的反方論點 3. 提出 3 個可以用來佐證的案例方向 4. 指出目前市場上還沒被充分討論的角度
結構整理 Prompt
這是我對【主題】的想法（有點亂）： 【貼上你腦中的想法】 請幫我： 1. 找出真正的核心論點 2. 整理成 5 段式大綱 3. 指出哪些地方論據不足 4. 建議開頭 3 種寫法
初稿加速器 Prompt
請根據以下大綱寫初稿，800 字： 【貼上大綱】 要求： - 用我的語氣（繁體中文、不華麗） - 每段有一個清楚論點 - 加一個真實案例 - 結尾留一個可行動的建議
改寫延伸 Prompt
這是一篇我寫過的文章： 【貼文章】 請幫我改寫成： 1. 電子報版本（更口語） 2. 社群短文版本（300 字） 3. 課程大綱版本（用來教學） 4. 銷售頁 bullet points 版本
6.4
一篇文章是組出來的
對知識工作者來說，
很多內容不是從空白開始，
而是從長期累積的觀點、案例與素材，
重新組合而成。
— Vista Cheng
寫 vs 組
寫（新手）
- ✗ 從空白開始
- ✗ 每個字都要想
- ✗ 靈感斷掉就卡住
- ✗ 沒靈感就停擺
- ✗ 產出看心情
組（熟手）
- ✓ 從素材池開始
- ✓ 挑現成素材組合
- ✓ 靈感是可選配件
- ✓ 沒靈感也能產出
- ✓ 產出可預測
組的 4 個步驟
-
選主題
從受眾的困擾／主題庫挑
-
召素材
從知識庫找 10-20 則
-
排順序
按文章結構組織
-
補漏洞
缺的地方才新寫
組的心理優勢
知道自己手上有彈藥，就不怕動筆。
每次寫作都從「有多少素材」開始，而不是「我有沒有靈感」。
產出的穩定感，從這裡來。
6.5
案例：一場演講變一整套資產
起點：一場 60 分鐘演講
-
素材 1
演講投影片 20 頁
-
素材 2
逐字稿（手機錄音 + AI 轉錄）
-
素材 3
現場提問 10 則
-
素材 4
講後自己的心得
-
素材 5
延伸觀察一則
演變過程
第一天
AI 轉錄逐字稿
第二天
整理成主要論點清單
第一週
寫成一篇 2000 字電子報
第二週
拆成 3 則社群短文
第一個月
組成一個課程模組
最終產出的資產
-
電子報
1 封（2000 字）
-
社群內容
3 則（每則 300 字）
-
課程頁文案
1 份（含 bullet points）
-
FAQ
10 則（來自現場提問）
-
短講腳本
1 份（下次活動用）
5×
內容產出
同一份素材 → 5 種輸出形式 → 長期複利
這個做法的關鍵
不是在演講當天就想到這些。
是建立了「演講 = 內容素材起點」的習慣。
每場活動結束，就是一整套內容資產的開始。
6.6
內容飛輪最怕什麼
3 個致命陷阱
-
陷阱 1
只輸出，不回收
-
陷阱 2
只收藏，不提煉
-
陷阱 3
只問 AI，不建自己的觀點庫
陷阱 1：只輸出不回收
-
症狀
每篇文章發布後就忘
-
後果
下次寫還要從零
-
解法
發布後 24 小時內存回知識庫
-
加工
加 tag、標金句、連相關
-
效果
你的素材池越來越大
陷阱 2：只收藏不提煉
-
症狀
筆記塞滿，但空洞
-
後果
找不到觀點只找得到引用
-
解法
每週強制提煉 3 則觀點
-
形式
一句話 + 一個例子
-
累積
一年 150 則原創觀點
陷阱 3：只問 AI 不建觀點庫
-
症狀
每次問 AI 都很依賴
-
後果
內容越來越沒個性
-
解法
先有自己的立場，再讓 AI 延伸
-
關鍵
AI 可以補強，不能取代
-
原則
觀點你給，文字 AI 加
6.7
什麼叫成熟的 AI 協作
新手 vs 成熟
新手：請 AI 幫我寫
- ✗ 從空白開始問 AI
- ✗ 直接複製貼上答案
- ✗ 每次結果都不一樣
- ✗ 風格飄移
- ✗ 沒有累積
成熟：AI 協助我組織
- ✓ 有自己的資料庫
- ✓ 有自己的觀點庫
- ✓ 有明確的輸出目標
- ✓ AI 協助組織延伸
- ✓ 每次都累積新資產
成熟 AI 協作的 4 個前提
我有自己的資料庫
脈絡與素材都在手邊，不從零解釋
我有自己的觀點庫
立場先於文字，AI 只負責延伸
我知道這次輸出的目標
先定義要產出什麼，再請 AI 動手
我讓 AI 協助組織、延伸、加速
AI 是協作者，不是代寫者
關鍵轉變
消費者思維
問「AI 會替我做什麼」——等工具給答案
策略者思維
問「我希望 AI 在我的系統裡做什麼」——差別不在技術，在思維
6.8
建立你的內容機器
你要建立的，
不只是寫作能力，
而是一臺內容機器。
— Vista Cheng
內容機器的特徵
-
可預測
每週知道會產出什麼
-
可累積
每次產出都成為下次素材
-
可延伸
一次輸入、多次輸出
-
可複利
越做越順、越省力
-
可傳承
未來可以交給助理
Part 6 小結
-
問題
有知識卻沒穩定產出
-
解法
建立內容飛輪
-
關鍵
輸入 → 整理 → 提煉 → 組稿 → 發布 → 回收
-
AI 角色
5 個具體工作
-
目標
一臺你的內容機器
Part 7
系統整合與優化：把全部串成 你的個人指揮中心
Part 7 的地圖
-
系統五大構件
流程、Prompt、範本、判斷、優化
-
Prompt 資產庫
你的第二大腦
-
範本庫與品管
輸出標準化、例外處理
-
持續優化
週檢、月檢、季檢
-
畫出指揮中心草圖
現場填寫
從一條流程到一套系統
Part 5 你做了一條流程。但一個人的工作不是只有一條——你可能有 5 條、10 條、甚至 20 條。
如果每條流程都是獨立孤島，你還是沒有真正的系統。Part 7 要教你的是：把散落的流程整合成一個可持續運作、會越來越聰明的指揮中心。
7.1
個人 AI 工作系統的藍圖
系統的五大構件
一個完整的個人 AI 工作系統，由五個部分組成：流程庫、Prompt 資產庫、範本庫、判斷節點 SOP、以及持續優化機制——缺一不可，但不必一次建完。
AI 工作系統的五大構件
流程庫
所有已設計好的 AI 工作流——像你的菜單
Prompt 資產庫
常用 prompt 的分類儲存——像你的食譜庫
範本庫
輸出格式與結構範本——像你的擺盤規範
判斷節點 SOP
什麼時候人工介入、怎麼檢查——像你的品管站
優化機制
週檢、月檢、季檢——讓系統越跑越好
系統結構圖
🧑 你｜系統中心
所有流程、Prompt、範本都圍繞你實際做什麼事設計——不是反過來配合工具
🔁 流程庫
把重複任務變成可複製流程——每條有明確輸入、處理、判斷、輸出四環
📝 Prompt 資產庫
存放久經優化的 Prompt——每個有標題、用途、版本，可隨時呼叫
📄 範本庫
內容產出範本——報告、Email、貼文、會議紀錄的標準格式
✋ 判斷節點 SOP
哪些地方需要人工介入、如何校對——讓產出可信、責任清楚
⚙️ 優化機制
每週 × 每月回看——合併、重寫、試新工具，讓系統跟你進化
7.2
Prompt 資產庫：你的第二大腦
為什麼要做資產庫
用了半年 AI 之後，你一定累積過幾個「這個 prompt 真的好用」的瞬間——但多數人從來沒把它們好好存起來。兩個月後要用，只能從對話歷史挖半天。
Prompt 資產庫的核心價值不是「多」，是「隨時找得到、隨時能用、隨時能改」。
建立 Prompt 資產庫的五個步驟
1. 選定儲存地
筆記軟體三選一（別多）
2. 設定分類架構
按任務類型分類，不是按工具
3. 標準欄位
標題、用途、完整 prompt、範例輸入輸出
4. 版本管理
每次重大修改存新版，保留舊版
5. 呼叫捷徑
文字替換、書籤——呼叫成本 < 5 秒
Prompt 資產庫的分類架構建議
-
寫作類
Email、報告、文案、社群貼文、新聞稿
-
整理類
會議紀錄、摘要、翻譯、資料分類
-
思考類
發想、SWOT、問題拆解、決策輔助
-
學習類
閱讀摘要、教學整理、考試準備
-
個人類
日記整理、反省、目標規劃
資產庫項目的標準格式
① 用途
一句話寫清楚何時該用——讓未來的自己三秒判斷要不要拿它
② 完整 Prompt
五要素結構，整份可複製貼上
③ 範例輸入
曾經成功的輸入長怎樣——讓未來的自己知道要準備什麼脈絡
④ 範例輸出
當時滿意的輸出——作為品質的錨點
⑤ 備註
改動原因、適用對象——例：新增兩個選項，回覆率 32%→51%
⑥ 版本歷史
v1.0／v2.0 逐版記錄——誰動的、哪天、改了什麼，可回退
7.3
範本庫：輸出格式的標準化
範本 vs Prompt 的差別
Prompt 是「怎麼問」，範本是「要什麼格式」——兩件事常被搞混，但分開建會讓系統更清晰。
一個 Prompt 可能對應多個輸出範本（例如一個寫 Email 的 Prompt，可搭配正式商務、輕鬆提醒或道歉等三種範本）。
範本庫的四種類型
文件範本
報告、提案、企劃書的標準結構
溝通範本
Email、訊息、會議邀請、公告
視覺範本
簡報投影片結構、圖表規格
歸檔範本
命名規則、資料夾結構、標籤系統
範本設計的五個原則
-
最小可用
第一版越簡單越好，之後隨用隨加
-
填空即用
用 [變數] 標出要替換的欄位
-
自帶說明
每個欄位旁註明用途與範例
-
版本記錄
重大修改保留舊版
-
與 Prompt 對應
每個範本標註可搭配的 prompt
7.4
品質管理與例外處理
AI 流程也會出錯
再好的系統都會出錯。問題不是「不讓它出錯」，是「出錯時怎麼辦」——這叫例外處理。
例外處理做得好，系統會越來越強；做得不好，一次事故就讓你對整套系統失去信心。
AI 工作流的三類錯誤
幻覺錯誤
AI 編造事實——最常見、也最可怕
偏題錯誤
AI 誤解任務、往錯方向寫
技術錯誤
工具當機、API 失敗、格式跑版
三類錯誤的應對策略
-
幻覺錯誤
事實節點嚴格把關；要求附來源；低容錯不用 AI
-
偏題錯誤
Prompt 五要素寫完整；先出骨架再擴寫；分段檢查
-
技術錯誤
備援工具雙開；重要任務預留時間
-
共通原則
留下錯誤紀錄——下次更新 prompt 才知道改哪
錯誤日誌範本
每次發現 AI 錯誤時，花 30 秒寫下：日期、任務、錯誤內容、可能原因、修正方向。月底回看錯誤日誌，就知道 prompt 或流程哪裡該改——這是系統升級的最佳燃料。
7.5
持續優化：讓系統越用越順
為什麼沒有完美的版本
工具會升級、AI 會變強、你的工作也會變——昨天完美的系統，三個月後就會顯得笨重。
真正強的系統，不是一開始就完美，而是有「會自己進化」的機制。這個機制的核心只有三個字：定期回顧。
系統優化的週期
小檢查：看錯誤日誌、修一個 prompt、刪一個沒用到的範本
中整理：檢視流程使用頻率、合併相似流程、補上漏掉的判斷節點
大升級：評估新工具、重寫老舊 prompt、淘汰不再用的流程
系統重整：重新盤點工作、重新設計流程、年度版本升級
每週 30 分鐘：週檢 SOP
-
打開錯誤日誌
看本週有哪些錯誤，修 1 個就好
-
看流程使用次數
用最多的——要不要加強？沒用的——刪？
-
檢查一個 prompt
隨機挑一個，看有沒有可優化處
-
回顧判斷節點
上週有沒有漏掉的檢查項？
-
寫下一個學習
這週對 AI 有什麼新體會？
每月 2 小時：月檢 SOP
-
統計本月使用
最常用的流程、prompt、錯誤類型分布
-
合併相似流程
兩條做類似事情？合併
-
重寫最弱 prompt
品質最差的，花 30 分鐘重寫
-
試一個新工具
看業界有什麼新東西，花 30 分鐘試
-
更新文件
把這個月的改變寫進系統文件
26 小時
每週 30 分鐘優化，一年的累積
看起來不多，但每次優化都影響接下來一整週——複利效果讓你半年內效率翻倍。關鍵不在時間長短，在頻率。
7.6
三位學員的系統案例
案例 A｜Mia 行銷主管的系統
流程庫（7 條）
- 社群貼文 × 3 大平臺
- 每月部門月報
- 活動後記與案例整理
- 客戶提案初稿
- 品牌 FAQ 知識庫
- 競品動態追蹤
- 季度策略稿
工具選擇
- 寫作主力 AI
- 查資料／找出處工具
- 筆記軟體（流程與資產儲存）
- 視覺輸出工具
- 費時 3 個月才把這組穩定下來
案例 B｜Ken HR 專員的系統
流程庫（5 條）
- 候選人面試報告
- 員工常見問題 FAQ 回覆
- 內部公告草稿
- 員工滿意度調查分析
- 新人 onboarding 文件
工具選擇
- 企業整合型（公司用既有生態）
- 個人備援 AI
- 試算表 AI 功能（資料分析）
- 單一生態圈的便利勝過多工具堆疊
案例 C｜Leo 獨立顧問的系統
流程庫（9 條）
- 客戶會議逐字稿整理
- 客戶診斷報告
- 週電子報草稿
- 案例整理與沉澱
- 客戶 Email 分類與回覆
- 提案初稿
- 合約修訂
- 月度財務整理
- 年報回顧
工具選擇
- 自動化／腳本工具
- 個人筆記中樞
- 主力 AI 協作工作空間
- 跨工具串接
- 工程師思維的顧問版
三個案例的共通點
沒有一套通用系統——但都遵循同樣的架構：流程庫 + Prompt 資產 + 範本 + 判斷 SOP + 週檢。形體不同，骨架一樣。
7.7
把今天的內容濃縮成一張圖
個人指揮中心的 5 層
目標主線
你要推進的那條
知識素材池
為輸出服務的 6 大庫
AI 協作處理
摘要、關聯、重組、延伸
任務與輸出節奏
每週穩定的節奏
回收成資產
所有輸出都成為下一輪素材
指揮中心的五大區域
任務進入區
Email、訊息、會議要求——統一進入點
流程導航區
看當下任務走哪條流程——你的決策樹
執行區
Prompt + 範本呼叫處——所有工具在這
判斷區
人工審核站——5 分鐘守門
歸檔區
產出存放、經驗累積、下次呼叫
5 層之間的關係
主線在最上面，決定方向。素材池在第二層，為主線服務。
AI 在第三層，加速處理。節奏在第四層，讓工作流運轉。
回收在第五層，形成飛輪。
最好的系統，
不是最先進的，
是你最願意每天打開的那個。
— Vista Cheng
7.8
個人指揮中心草圖：現場填寫
草圖要填 5 個欄位
-
欄位 1
我未來 12 週最重要的主線
-
欄位 2
我目前擁有的三種高價值素材
-
欄位 3
我最常見的輸出形式
-
欄位 4
我希望 AI 幫我接手的環節
-
欄位 5
下週可以立刻啟動的一個工作流
欄位 1：12 週主線
-
提問
這 12 週你要做完什麼
-
要求
一句話、具體、可衡量
-
錯誤範例
「建立個人品牌」
-
正確範例
「產出 12 篇文章 + 500 訂閱」
欄位 2：高價值素材
-
提問
你手上哪 3 類資料最值得
-
類型
主題、案例、觀點、素材、輸出、FAQ
-
標準
可重複使用、能延伸
-
範例
10 場演講逐字稿、50 則學員提問
欄位 3：輸出形式
-
提問
你最常（或想常）產出什麼
-
選項
文章、電子報、影片、Podcast、課程
-
建議
選 1-2 個主戰場
-
原則
穩定 > 多樣
欄位 4：AI 接手環節
-
提問
哪個環節最耗力？
-
選項
研究／整理／組稿／改寫／校對
-
建議
從最卡的那個開始
-
原則
解困擾 > 追潮流
欄位 5：下週啟動
-
提問
下週可以立刻做的第一步
-
要求
不超過 2 小時
-
範例
盤點現有素材並分類
-
原則
小而具體
10 分鐘現場填寫
- 1 拿出紙筆或開筆記
- 2 按 5 個欄位依序填
- 3 先寫 5 分鐘、安靜
- 4 後 5 分鐘兩兩討論
- 5 不完美沒關係，先有草圖
填寫小提醒
不求完美，求具體。寫 5 個字比空白強，寫 50 個字比 5 個字強。草圖是為了今天帶回家，不是為了交作業。
7.9
避免系統臃腫：三個原則
系統最大的敵人是自己
我看過太多人建系統建到後來，系統本身變成另一種工作負擔——每天花一小時管理系統、卻沒真的節省工作時間。
下面三個原則是我給所有學員的最後叮嚀——不是「怎麼建更多」，而是「怎麼克制」。
系統的節制三原則
夠用就好
不要為了建系統而建系統——一個月沒用到的流程就刪掉
聚焦核心
黃金區 3–5 項做到極致，勝過 20 項都只做一半
週期淘汰
每季做一次流程瘦身——刪過時的、合併重複的
系統的檢驗標準
如果你的系統每週要花 2 小時以上維護，它可能太複雜了。真正好的系統，是你越用越省時間——而不是越維護越累。
7.10
21 天行動計畫
從今天開始的 21 天
系統不是一天建好的。我設計了一份 21 天行動計畫，分三階段——每階段 7 天，每天 30 分鐘。
完成這 21 天，你會有一個可運作的基礎系統——之後就是靠每週 30 分鐘持續優化。
三週行動計畫
Week 1｜盤點週（每天 30 分鐘）
-
Day 1–2
列出過去兩週所有任務（至少 20 項）
-
Day 3
對每項任務做四標準打分
-
Day 4
挑出黃金區前 3 項
-
Day 5–6
對黃金區任務做流程草圖
-
Day 7
週檢：看草圖、修正、準備下週
Week 2｜設計週（每天 30 分鐘）
-
Day 8–9
為任務 1 設計完整流程 + prompt + 範本
-
Day 10–11
為任務 2 設計完整流程 + prompt + 範本
-
Day 12–13
為任務 3 設計完整流程 + prompt + 範本
-
Day 14
實際跑一次每條流程，記錄問題
Week 3｜系統週（每天 30 分鐘）
-
Day 15–16
建立 Prompt 資產庫
-
Day 17
建立範本庫
-
Day 18
撰寫判斷節點 SOP
-
Day 19–20
整合成指揮中心頁面
-
Day 21
完成系統藍圖、排入週檢制度
Part 7 最終產出：個人指揮中心藍圖
- 1 整合今天的一切成一張藍圖
- 2 3 條核心流程
- 3 1 個 Prompt 儲存地 + 1 個範本庫結構
- 4 1 份判斷節點 SOP
- 5 1 個每週 30 分鐘的優化時段
收束
收束 先讓一條線 跑起來
今天要帶走的 3 件事
-
一條主線
12 週的方向
-
一份盤點
知識素材的分類
-
一個啟動
下週要做的第一步
今天不要帶走的
-
不要帶走工具焦慮
工具下半場余老師會教
-
不要帶走完美主義
草圖可以每週調整
-
不要帶走「我要全部改」
先改一條就好
-
不要帶走「以後再說」
下週就開始
FAQ
學員最常問的六個問題
Q1｜哪個 AI 工具最適合我
-
寫作主力
文字細緻、長文強的
-
查資料
即時搜尋 + 附來源的
-
辦公整合
你每天開最多的軟體的 AI
-
答案
不要最好，要最熟
Q2｜公司不讓用 AI 怎麼辦
-
先確認政策
全禁還是禁輸入機密——多數是後者
-
用企業版
已有合約保護的企業方案
-
用本地方案
整合公司既有資料保護的整合型
-
最後手段
個人裝置處理非機密，公司裝置純人工
Q3｜Prompt 資產庫要存多少
-
起步
5–10 個常用 prompt 就夠
-
三個月
會自然長到 20–30 個
-
半年
約 40–60 個是多數人的上限
-
原則
不求多，求隨時能找到、能用
Q4｜同事不用 AI，我用會不會像偷懶
-
真相
產出品質會說話——沒人在乎你怎麼做到
-
加分做法
把流程分享出來，變團隊資產
-
風險提醒
不要隱瞞——被發現偷偷用反而尷尬
-
結論
用 AI 不是偷懶，用得好是專業
Q5｜沒時間維護系統怎麼辦
-
誠實面對
每週連 30 分鐘都擠不出——先砍一半流程
-
簡化原則
3 條跑得順，勝過 10 條半死不活
-
自動化提醒
把週檢排進行事曆，跟重要會議同級
-
核心觀念
每週 30 分鐘換每週省 5 小時
Q6｜如果 AI 退步了怎麼辦
-
歷史經驗
每 6 個月一次大進化，退步罕見
-
避險策略
不要把系統綁死一家模型，雙備援
-
資產所有權
Prompt 和範本存在你的筆記軟體，不在 AI 平臺內
-
長期觀點
模型會換——但你的流程設計邏輯會留下
金句
三句主軸金句
金句 1
你缺的不是更多工具，
而是一套能持續推進重要工作的系統。
金句 2
知識管理的目的，
不是收藏，而是轉化。
金句 3
穩定產出不是靠靈感，
是靠一條可重複的工作流。
交棒
交棒給余老師： 有了方向之後，接下來是加強技術
我們做了什麼
我們先把「你要用這套系統推進什麼」講清楚了。
我們看見了自己的卡關，也看見了指揮中心的輪廓。
我們盤點了工作、畫出了主線、設計了流程、組好了藍圖。
接下來是什麼
接下來，余老師要帶大家運用技術進行實作。
你會實際裝起 Claude Code、設定環境、把 Obsidian 與自動化串起來。
但這些技術之所以有意義，是因為你剛剛已經想清楚了方向。
工具本身不會替你建立方向。
但當方向清楚，
工具就會變成很強的槓桿。
— Vista Cheng
回家後的 3 個動作
-
今晚 30 分鐘
把盤點圖、流程圖、藍圖整理到筆記軟體
-
明天開工前
挑一條流程，用真實任務真的跑一次
-
下週五
做第一次週檢——看哪裡卡、哪裡順、哪裡該改
Vista 的相關資訊
-
電子報
iamvista.substack.com
-
solo.tw
一人公司生態系
-
著作
《ChatGPT 提問課》《慢讀秒懂》
-
企業內訓
iamvista@gmail.com
預約 1-on-1 諮詢
掃描即可預約 Vista 一對一諮詢：https://www.solo.tw/consulting
方向清楚的人，工具會變成翅膀；方向不清的人，工具會變成負擔。
不要再追求更多工具，先讓一條線跑起來。
— Vista Cheng
謝謝
Vista Cheng ｜ 鄭緯筌
vista.tw ｜ solo.tw
工具會過時，方法會留下
期待看見你讓一條線跑起來
接下來交給余老師