打造你的智慧工作系統
從會用 AI，到會設計流程——把 AI 真正接進工作裡的一套方法
Vista Cheng
https://www.vista.tw
Vista Cheng
內容策略顧問｜AI 應用講師｜作家
擁有二十年以上寫作與內容策略經驗，出版近 20 本著作，主題涵蓋 AI 應用、個人品牌、知識管理與文案寫作。長期協助數百家企業、數千名學員導入 AI 工作流程，不是教你用最新工具，而是教你讓 AI 真正接進自己的工作裡。
Vista 作品集
近 20 本著作，都是從真實工作現場打磨出來的心法——今天這堂課，也是其中一章
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
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 和 Notion AI。你追過幾堂課，收藏了 50 個提示詞模板，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。
這堂課的目標，不是再教你一個新工具、一招新提示詞，而是把你從會用 AI 的人升級成會設計流程的人。
三個單元
-
01
單元一｜從會用 AI 到會設計流程：建立系統思維
-
02
單元二｜AI 協作實戰：把一件工作拆成一條高效率流程
-
03
單元三｜從單點應用到整體升級：打造你的 AI 工作指揮中心
你目前用 AI 最常做什麼事？
你目前用 AI 最常做什麼事？
3.7 倍
AI 使用者與系統使用者的產出差距
McKinsey 2024 年企業調查顯示：同樣都有導入 AI，有建立流程與模板的員工，平均產出是沒有系統者的 3.7 倍——差距不在工具，在流程
這堂課不是什麼
這堂課不是十個你必須知道的 AI 工具清單課。工具會換、API 會改、公司會倒，清單一個月後就過期。
這堂課也不是ChatGPT 提示詞聖經，我不會給你 100 個複製貼上就能用的 prompt。每個人的工作長得不一樣，別人的 prompt 對你沒有意義。
這堂課要給你的是——一套可以自己長出流程、自己累積資產、隨著時間越用越順的方法。不是魚，是釣竿，更是釣魚的漁場規劃。
你會帶走三樣東西
一張屬於你的工作流程盤點圖、一條可立即上手的 AI 協作流程、一份個人 AI 工作系統藍圖——不是聽懂，而是做出來。
三個單元，三個產出
單元一產出
一張屬於你的工作流程盤點圖——看清楚自己每天都在做哪些事，哪些該讓 AI 介入
單元二產出
一條可立即上手的 AI 協作流程——從會議紀錄、報告、Email 三大場景挑一個帶回家用
單元三產出
一份個人 AI 工作系統藍圖——你的 Prompt 資產庫、模板庫、指揮中心的設計圖
上課前，做好三個準備
工具會過時，方法會留下；招式會忘記，系統會跟著你。
— Vista Cheng
課程結束後，你會發現
AI 真正的威力，不在單次對話的技巧，而在你有沒有一套讓它持續運轉的系統——今天就是要幫你建那套系統的地基。
今天只有一個重點
從會用 AI 升級到會設計流程——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。
01
從會用 AI 到會設計流程
一個常見的疑問
Vista 老師，我真的用了 AI——ChatGPT、Claude、Notion AI 我都開著——可是為什麼我的工作量沒變少？有時候感覺反而更忙了？
這是我在企業內訓最常被問的問題。問這話的人，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。
為什麼會這樣？三種思維的差別
Pros
- ✓ 先看自己的工作長什麼樣
- ✓ 設計流程、累積可重用的資產
- ✓ 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
Cons
- ✗ 看到新工具就想試用
- ✗ 收藏提示詞、下載模板
- ✗ 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——關注的是會不會用，每次打開都從頭來一次
任務思維
我會用 AI 做會議紀錄——關注的是能不能完成任務，針對特定場景有套路
系統思維
我有一套 AI 工作系統——關注的是整體效率，流程、模板、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。
1.1
為什麼用了 AI，工作還是沒變少？
六種常見的問題
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，幾乎都會卡在同一組問題上——不是技術問題，是結構問題。
接下來六張投影片，我會逐一拆解這六個問題。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。
問題一｜每次都從頭開始
-
沒有累積
每次開新對話都從零解釋自己的領域、偏好、語氣
-
沒有模板
明明上週才做過類似任務，這週又要重新想 prompt
-
沒有記憶
跟 AI 合作三個月，它還是不認識你的工作方式
問題二｜AI 成了第二個自己
-
產出我還要改
每次 AI 給我東西，我都得從頭改一遍——那我不如自己寫
-
沒有信任感
不敢直接交給 AI 處理，每個環節都要盯
-
變相加班
AI 負責生成、我負責校稿，工時沒減少、注意力反而更分散
問題三｜一個工具用到底
-
ChatGPT 當萬靈丹
什麼都丟進去——結果查資料不準、寫作不深入、搜尋不精準
-
不知道工具分工
不曉得 Claude 寫作強、Perplexity 查資料強、NotebookLM 讀資料強
-
錯配任務
用錯工具，就像用水果刀砍柴——能用但很辛苦
問題四｜資料四散
-
Prompt 存在對話歷史
好的提示詞下週就找不到
-
好用的範本存在某個 Google Doc
或散在五個不同的 Notion 頁面
-
沒有資產庫的概念
每次都在重造輪子
問題五｜品質不一
-
這次好用，下次就不行
同樣的 prompt 結果天差地別
-
沒有 QA 機制
什麼時候該信 AI、什麼時候該自己寫，全憑感覺
-
例外處理靠運氣
AI 一錯，整條流程停擺、人工重來
問題六｜沒有優化機制
-
流程做完就結案
不會回頭看這次哪裡卡住、怎麼改進
-
沒有版本管理
去年的模板和今年的混在一起
-
三個月前的方法，三個月後還在用
工具升級了、你沒升級
共同的根源
這六個問題看起來不同，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
1.2
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，將重複性任務用 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、模板、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、模板、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
Pros
- ✓ 固定任務走固定流程
- ✓ 輸入有模板、產出有規格
- ✓ 每次流程跑完都有回饋機制
- ✓ 品質靠流程設計把關
- ✓ 三個月後效率提升 2–3 倍
Cons
- ✗ 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 主管每次寫文案都從寫一篇關於我們產品的文案開始，每次都要重新說明品牌、客群、語氣——她估計自己 70% 的時間在跟 AI 解釋脈絡。
B 主管有一個內部文件叫做品牌骨架 prompt，長 500 字，包含品牌定位、客群畫像、禁用詞、範例文案。每次寫文案，她貼上這份文件 + 一句具體任務描述，30 秒就能拿到可用初稿。
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 分鐘建一個模板，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。
1.3
盤點你的工作：先看清楚全貌
為什麼要先盤點？
多數人導入 AI 的順序是錯的——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，但它能讓你避掉 80% 的無效嘗試。
工作盤點的四個象限
重複性高 + 標準化
每週都做、產出格式固定——AI 介入的首選（例：週報、會議紀錄）
重複性高 + 創造性
常做但每次結果不同——AI 可以當初稿引擎（例：社群貼文、簡報）
一次性 + 標準化
不常做但有規則可循——AI 可以當查詢引擎（例：合約審閱、資料整理）
一次性 + 創造性
少做且高度依賴判斷——AI 只能當靈感來源（例：策略決策、高敏感溝通）
盤點練習：寫下你每週工作的七類任務
-
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——先把全部寫下來再說
實作練習 1-A：寫下你的七類任務
1.4
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——這是我跟數百家企業合作過後，歸納出來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——例：Email 回覆、會議紀錄
-
每週一次
值得設計流程——例：週報、客戶報告
-
每月一次
建個模板就好，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
有固定模板（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 做初稿、人工潤
-
低度結構化
每次都不同（策略、創意）——AI 只能當伙伴、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 僅供參考、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。相反的組合（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
符合四標準組合的工作，在多數知識工作者的日常裡，大概佔 40–60%。這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。
典型的黃金區任務包括：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——這些就是我們後面單元二要一起拆的。
實作練習 1-B：四標準打分
1.5
案例研究：三種角色的盤點結果
從三個真實案例看盤點怎麼做
接下來三張投影片，我會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到自己身上。
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 模板（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——這就是為什麼單元二我們要挑這三個場景做完整示範。
1.6
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——我把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 只會給你業界平均水準的答案
高情緒溝通
安慰、道歉、挽留——這些需要你的真實，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
1.7
AI 介入的五階段成熟度模型
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。但現實中每一項任務都可以落在一條光譜上。
我把這條光譜拆成五個階段，幫助你在盤點時更精準地判斷每項任務應該被推到哪一格。
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
不要一步到位——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個階段，年底你會有 10 項任務已在 L3 以上。
1.8
單元一小結：你的盤點圖
單元一我們走了這幾步
單元一最終產出：工作流程盤點圖
模擬產出｜Alex（32 歲產品經理）的盤點圖
AI 介入優先（總分 10–12）
3 項黃金區：
① 週會議紀錄（頻率每週 3 次 / 結構化高 / 容錯高）— 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（總分 6–9）
5 項中段：
• 產品需求文件 PRD 初稿（8 分）
• 競品功能比較表（7 分）
• 使用者訪談整理（9 分）
• 月度產品週報（8 分）
• 客戶 FAQ 撰寫（7 分）
暫緩 AI（總分 ≤ 5）
4 項保留人工：
• 季度策略簡報（敏感度高）
• 主管 1-on-1 對話（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，每週至少省下 4 小時，再用省下來的時間思考策略。
單元一帶走的關鍵心法
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。
02
AI 協作實戰：把一件工作拆成一條高效率流程
從盤點到流程
單元一你挑出了三項最值得設計流程的任務。單元二我們要做的，就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，再用三個真實場景（會議紀錄、報告撰寫、客戶 Email）示範，最後幫你設計自己的第一條流程。
2.1
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）。這個架構不是我發明的，是從自動化控制理論借來、套用在人機協作上的——簡單、通用、少有例外。
AI 工作流的四環架構
1. 輸入（Input）
餵給 AI 的原始素材——會議錄音、客戶需求、產業報告、你的偏好設定
2. 處理（Process）
AI 執行的實際動作——摘要、分類、改寫、生成，複雜任務要拆步驟
3. 判斷（Review）
人工檢查品質——不合格就退回 Process 重做，形成閉環迭代
4. 輸出（Output）
最終交付產物——Email、文件、報告、貼文，準備上場使用
環節一｜輸入（Input）
-
什麼叫輸入
餵給 AI 的原始資料——會議錄音、客戶需求、產業報告、你的偏好
-
關鍵原則
輸入品質決定輸出品質，垃圾進、垃圾出
-
常見錯誤
只給一句話叫 AI 寫個 Email——什麼背景都沒說
-
最佳實務
把所有相關脈絡（對象、目的、限制、範例）打包
-
輸入格式建議
結構化：任務、對象、約束、參考、輸出格式
環節二｜處理（Process）
-
什麼叫處理
AI 拿到輸入後執行的動作——摘要、分類、改寫、生成
-
關鍵原則
複雜任務分步驟，不要一口氣請 AI 做五件事
-
常見錯誤
幫我整理會議紀錄、提煉待辦、翻成英文、寫成摘要全塞一次
-
最佳實務
分段執行——先摘要、再提煉、最後翻譯
-
工具選擇
這裡才是決定用 ChatGPT、Claude 或其他工具的時機
環節三｜判斷（Review）
-
什麼叫判斷
人類介入檢查——這是 AI 流程與純自動化最大的差別
-
關鍵原則
不是每個環節都要判斷，但關鍵節點必須有
-
常見錯誤
全部跳過判斷，直接把 AI 產出交出去—或者—每個字都檢查，效率歸零
-
最佳實務
設計 2–3 個判斷節點，專注在AI 最容易出錯的地方
-
判斷項目
事實正確性、語氣、敏感詞、對象是否搞錯
環節四｜輸出（Output）
-
什麼叫輸出
流程的最終產物——Email、文件、報告、貼文
-
關鍵原則
輸出格式要標準化——Markdown、Word、Slack 格式先決定
-
常見錯誤
AI 給什麼格式就接受什麼，最後還要自己花時間排版
-
最佳實務
在輸入階段就指定輸出格式（例：給我 Markdown + 5 個要點）
-
下一步
輸出後存檔歸類，累積成模板
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。
2.2
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——好像只要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）
這個任務的背景——公司、對象、已有的資訊
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、字數上限
範例（Example）
如果可以，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 要寄給一位臺積電採購主管，他上週在展覽會上拿了我們的型錄。 【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 Prompt 之後——AI 生成的 Email
把上一頁的 Prompt 五要素範本交給 AI，它會產出像下面這封語氣專業、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 XXX 展覽會停留在我們攤位。我是 XXX，XXX 產品的行銷負責人。 看到您特別拿了我們的型錄，我猜您可能在評估內部知識庫解決方案。我們最近協助了兩家類似規模的半導體廠，把內部技術文件的搜尋時間從平均 12 分鐘壓到 30 秒，整合進既有 SSO 系統只要兩週。 如果您方便，我想安排一次 30 分鐘的線上 demo——不會有業務話術，會直接用您可能的使用場景跑一遍流程。以下兩個時段請您挑一個： • 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。簡單的任務只需要任務 + 輸出格式兩項；複雜的任務才全寫五項。
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
Pros
- ✓ 角色、情境、任務、格式、範例
- ✓ 脈絡完整、AI 有判斷依據
- ✓ 產出高度貼合你的需求
- ✓ 你只需微調 10–20%
- ✓ 時間：5 分鐘輸入 + 3 分鐘修改
Cons
- ✗ 幫我寫一封 follow-up Email 給客戶
- ✗ 缺角色、缺情境、缺對象、缺目的
- ✗ AI 只能給模板答案
- ✗ 你拿到後還要改 80%
- ✗ 時間：2 分鐘輸入 + 20 分鐘修改
2.3
工具分工：不同 AI 各司其職
一個工具不夠用
多數人停在ChatGPT 打天下的階段——什麼都丟給同一個工具。但就像你不會用同一把刀切水果、砍柴、開罐頭一樣，AI 工具也有分工。
選錯工具，不是工具不好，是你用錯場景。下面我把 2026 年值得知道的六大工具類型整理給你。
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、Copilot——程式、自動化腳本
圖像/視覺型
Midjourney、DALL·E、ChatGPT Image——圖像生成
企業整合型
Copilot、Notion AI、Gemini for Workspace——嵌入你既有工具
對話式通用型（ChatGPT / Claude / Gemini）
-
最適合
日常寫作、brainstorm、結構整理
-
Claude 強項
長文處理、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、做研究前置
-
與 ChatGPT 的差別
Perplexity 專注搜尋、ChatGPT 是聊天 + 搜尋的混合
-
使用場景
寫文章前查背景、寫報告前找數據、查競品資料
-
小技巧
用Focus模式限縮來源（學術、新聞、Reddit）
-
不適合
寫長文、做複雜邏輯推理
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
聽 Podcast 摘要、影片字幕處理、多媒體整合
-
Claude Projects 強項
Prompt 可永久儲存、上傳檔案做長期工作空間
-
使用場景
讀論文、整理會議錄音、客戶資料庫問答
-
不適合
即時搜尋新資訊（它只讀你給的資料）
程式/自動化型（Claude Code / Cursor）
-
最適合
寫程式、自動化腳本、處理 CSV / JSON 資料
-
進階用法
讓 AI 寫一支腳本，每天自動整理你的工作
-
非工程師也能用
寫 Excel 公式、VBA、Google Apps Script
-
工作流場景
把 100 份 PDF 自動切分、分類、摘要
-
學習門檻
低，但需要克服我不是工程師的心理障礙
企業整合型（Copilot / Notion AI / Gemini Workspace）
-
最適合
嵌入你既有的辦公軟體、不用切換
-
Microsoft Copilot
直接在 Word、Excel、PowerPoint、Teams 裡使用
-
Notion AI
在 Notion 內做摘要、翻譯、生成 — 適合知識工作者
-
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軟體？選那個的 AI
我的工具組合建議
多數上班族的黃金組合是：Claude（寫作主力） + Perplexity（查資料） + Obsidian 或 Anytype（辦公整合） + ChatGPT（生態備援）——四個工具分工，能 cover 90% 的日常工作。
2.4
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的流程設計好，一週至少省下 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
會議錄音
用 Zoom、Teams、Otter 或手機錄音；提前告知參與者
語音轉文字
Otter、Notta、或 Whisper 自動轉逐字稿
AI 結構化整理
丟給 Claude / ChatGPT，用模板產出 5 段結構
人工判斷校對
檢查名字、數字、承諾事項——5 分鐘內完成
分發與歸檔
Slack/Email 分發、Notion 歸檔、下次會議可追溯
會議紀錄整理 Prompt 模板
【角色】你是一位專業的會議祕書，擅長把混亂的逐字稿整理成結構化會議紀錄。 【情境】以下是一場 60 分鐘的專案例會逐字稿，參與者：PM（阿哲）、設計（Mia）、工程（Leo）。 【任務】把逐字稿整理成會議紀錄，聚焦在決定事項與待辦事項。 【輸出格式】 ## 會議基本資訊 - 時間 / 地點 / 參與者 ## 討論重點（條列，3–5 點） ## 決定事項（條列） ## 待辦事項（表格） | 項目 | 負責人 | 截止日 | ## 下次會議議程 【注意】 - 待辦事項必須有明確負責人 - 模糊發言（大家看看之後再討論）不列入待辦 - 以下是逐字稿： [貼上逐字稿]
AI 實際產出範例（上半）｜基本資訊與決策
將上一頁的 Prompt 套用到真實的 60 分鐘專案例會逐字稿（PM 阿哲、設計 Mia、工程 Leo），AI 會直接產出如下結構化會議紀錄的上半段——涵蓋基本資訊、討論重點與決定事項。
## 會議基本資訊 - 時間：2026-04-17 14:00–15:00 - 地點：Zoom 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，主因是第三方 API 規格變更 2. 設計稿第二版已完成，需法務確認合約條款後才能公開 3. 下週產品展示 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 5/2 2. 設計稿公開需待法務 4/25 前回覆 3. 下週四下午 2 點全員進行 demo 彩排
AI 實際產出範例（下半）｜待辦與議程
承上頁——接續輸出的下半段是「帶走就能執行」的待辦事項表格與下次會議議程，每項都有明確負責人與截止日。
## 待辦事項 | 項目 | 負責人 | 截止日 | |---|---|---| | 重新評估 API 整合時程 | Leo | 4/20 | | 整理設計稿法務文件 | Mia | 4/22 | | 安排測試資源外包報價 | 阿哲 | 4/25 | ## 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 會錯把之後再討論變成待辦、會錯拼專有名詞、會把雜談當成決定。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
- 會議中邊聽邊記，注意力分散一半
- 會後額外花 1 小時整理逐字筆記
- 分發時還要重打格式、補上下文
- 同事看完常問：所以我到底要做什麼？
- 一週開 3 場會＝多耗 4.5 小時純整理時間
導入後（AI 流程）｜約 15 分鐘
- 會議中專注討論，錄音交給 Otter / Whisper
- Otter 自動產出逐字稿（會後 2 分鐘內到手）
- AI 用結構化 Prompt 10 秒輸出摘要 + 待辦
- 人工校對 5 分鐘，重點修決策與專有名詞
- 固定格式分發，每人都知道下一步是什麼
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。
2.5
實戰場景二：報告 / 企劃初稿
為什麼報告是痛點？
報告是很多上班族最怕的工作——不是不會寫，是每次打開空白文件都先呆坐 30 分鐘，想不到從哪裡開始。
AI 最能幫你的地方，不是幫你寫完整份報告，而是幫你破那個空白頁恐懼——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
確認報告規格
對象、長度、格式、風格、要回答的核心問題
提供素材
原始資料、數據、訪談、相關參考——越完整越好
AI 生成結構
先讓 AI 產出目錄 + 每章重點，人工審核骨架
AI 分段擴寫
骨架確認後，分段請 AI 寫——不要一次寫完整份
人工定稿
修飾語氣、補關鍵觀點、確認事實、加上你的個人判斷
報告結構生成 Prompt
【角色】你是一位資深的市場研究顧問，擅長寫 B2B 產業分析報告。 【情境】我需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——請給我一份報告目錄 + 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 - 重點 2 - 重點 3 - 需要的數據：XXX 【注意】 - 董事會觀眾只關心機會與風險 - 長度適合 15 分鐘報告 - 先出骨架，我確認後再請你擴寫
AI 生成的報告骨架（上半）｜市場分析三章
把上一頁的 Prompt 丟給 Claude 或 ChatGPT，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 - 重點 1：2026 臺灣 AI 教育市場規模（估計 X 億） - 重點 2：成長率 YoY 25–30% - 重點 3：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 報告 2. 需求端趨勢 - 重點 1：企業客戶從認識 AI 轉向導入 AI - 重點 2：高階主管自學需求爆發 - 重點 3：Z 世代偏好短影音、非同步課程 - 需要的數據：104 調查、LinkedIn Learning 報告 3. 供給端變化 - 重點 1：傳統教育機構轉型壓力 - 重點 2：獨立講師平臺化（Hahow、PressPlay） - 重點 3：國際品牌進入臺灣（Coursera、edX） - 需要的數據：各平臺年報
AI 生成的報告骨架（下半）｜機會與風險
承上頁——接續的第四、第五章把鏡頭拉回「我們公司」：具體機會與對應風險，並附上建議的時間分配。
4. 對我們公司的機會 - 重點 1：可切入的 3 個利基 - 重點 2：競爭優勢與護城河 - 重點 3：2026 建議動作 - 需要的數據：內部成本結構、既有客戶資料 5. 風險與應對 - 重點 1：LLM 成本變動 - 重點 2：人才流失到大平臺 - 重點 3：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
一次一章
把骨架當大綱，分章請 AI 寫——不要一次要五章
附上參考風格
貼一段你寫過的風格範例，AI 會對齊
限定字數
每章 300–500 字，避免 AI 自由發揮到偏離主題
要求明確引用
數據請附來源——迫使 AI 誠實或承認不知道
標註人工補
內部判斷、公司機密、老闆的話——這些地方先空著寫 [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。
2.6
實戰場景三：信件與客戶溝通
Email 的隱形成本
根據 McKinsey 2023 年的研究，知識工作者平均每天花 2.6 小時處理 Email。換算起來一週超過 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、人工補個人細節
高敏感處理
道歉、拒絕、挽留——AI 僅供參考、人工親寫
客戶跟進 Email 模板
【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】我是一家臺灣設計公司 PM，兩週前給一位科技公司行銷總監提案，對方當時說很有興趣、月底會內部討論。今天是 4/17，已超過兩週。 【任務】寫一封 follow-up Email，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 - 結尾給對方兩個明確選項 【語氣】專業、溫和、尊重對方節奏，不要催、不要抱怨
AI 生成的 Email 初稿（上半）｜主旨與開場
把上一頁的 Prompt 給 AI、搭配真實客戶資訊後，會直接產出如下的 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，我這邊同事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）｜兩個選項與收尾
承上頁——下半段給出兩個明確選項讓對方挑，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。如果您方便，我想提供兩個選項讓您挑： （一）我把延伸草稿整理成 5 頁的 PDF 寄給您，您有空再看 （二）安排一個 30 分鐘的線上會議，由我直接走過一次，您可以當場提回饋 無論哪個選項都不打擾、不急——就是想讓您知道我們這邊沒停下來、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。正確用法是：讓 AI 列三個不同語氣的版本給你參考，你從中挑一個再親手改寫。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，你會發現自己剩下的 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。
2.7
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。
你每週花多少時間在讀文章、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
來源蒐集
把文章、PDF、錄音、截圖丟進一個資料夾
上傳知識型 AI
NotebookLM 或 Claude Projects 最適合
結構化提問
用固定 prompt 把資料 → 洞察的轉換流程化
交叉對照
讓 AI 找出不同來源間的矛盾與共識
產出行動筆記
不是純摘要，是下一步你該做什麼
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]。這些資料包含：[類型描述]。 【任務】分三階段完成： （1）給我 10 項事實層——每項附來源 （2）給我 5 項模式層——從事實中歸納的規律 （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。
2.8
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 Claude 寫初稿，用 ChatGPT 挑錯；或相反。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
Claude 寫作 → ChatGPT 扮演挑剔讀者提出三個疑問
研究 + 驗證
Perplexity 找資料 → Claude 驗證邏輯是否一致
結構 + 細節
ChatGPT 出大綱 → Claude 展開細節
2.9
人工判斷節點：AI 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——這些錯了會傷到信任，一定要查
語氣節點
AI 常太正式或太殷勤——對象的語氣要你來判斷
敏感節點
任何涉及機密、財務、法律、個資的內容——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。
2.10
實作練習 2：設計你的第一條流程
實作練習 2：第一條 AI 工作流
流程設計範本
-
任務名稱
例：每週五的週報撰寫
-
輸入
這週做的事情 + 數據 + 會議紀錄
-
處理
用 Claude + 週報模板 prompt
-
判斷
檢查數字、人名、對老闆的語氣
-
輸出
Markdown 格式、貼到 Slack #weekly
2.11
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——即使再忙也不例外
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 Notion / Claude Projects，需要時呼叫、複製、微調即可
陷阱三｜工具切換成本
錯誤做法
同一個任務先 Google、再 ChatGPT、再換 Notion 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——例：查資料用 Perplexity、寫作用 Claude、歸檔 Notion，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。
2.12
單元二小結：你的第一條流程
單元二我們走了這幾步
單元二的核心心法
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。
03
從單點應用到整體升級：打造你的 AI 工作指揮中心
從一條流程到一套系統
單元二你做了一條流程。但一個人的工作不是只有一條流程——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。單元三要教你的是：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。
3.1
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、模板庫、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
模板庫
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、模板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——每條流程有明確輸入、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，可隨時呼叫重用
📄 模板庫
內容產出模板——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 AI 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，讓系統跟著你一起進化
3.2
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，就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
選定儲存地
Notion、Obsidian、Claude Projects 三選一（別多）
設定分類架構
按任務類型分類，不是按工具分類
每個 prompt 有標準欄位
標題、用途、完整 prompt、範例輸入、範例輸出、備註
建立版本管理
每次重大修改都存新版，保留舊版以備回退
設定呼叫捷徑
alfred、文字替換、瀏覽器書籤——讓呼叫成本 < 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
brainstorm、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「是不是要拿它」
② 完整 Prompt
五要素結構：角色／情境／任務／輸出格式／語氣——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——作為品質的錨點與比對基準
⑤ 備註
改動原因、適用對象、注意事項——例：2026-03-20 新增兩個選項，回覆率 32%→51%
⑥ 版本歷史
v1.0／v2.0／v2.1 逐版記錄——誰動的、哪天、改了什麼，隨時可回退
3.3
模板庫：輸出格式的標準化
模板 vs Prompt 的差別
Prompt 是怎麼問，模板是要什麼格式——兩件事常被搞混，但分開建會讓系統更清晰。
一個 Prompt 可能對應多個輸出模板（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模板）。
模板庫的四種類型
文件模板
報告、提案、企劃書的標準結構
溝通模板
Email、Slack、會議邀請、公告
視覺模板
簡報投影片結構、圖表規格
歸檔模板
命名規則、資料夾結構、標籤系統
模板設計的五個原則
-
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
每個模板標註可搭配的 prompt
3.4
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——這叫做例外處理。
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、往錯的方向寫
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 AI 附來源；低容錯任務不用 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（Claude + ChatGPT 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 時才知道要改哪裡
錯誤日誌模板
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。
3.5
持續優化：讓系統越用越順
為什麼沒有完美版？
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。
系統優化的三個週期
小檢查：看錯誤日誌、修一個 prompt、刪一個沒用到的模板
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
用最多的那條——要不要加強？沒用的——要不要刪？
-
檢查一個 prompt
隨機挑一個，看有沒有可優化的地方
-
回顧一次判斷節點
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
-
統計本月使用情況
最常用的流程、最常用的 prompt、錯誤類型分布
-
合併相似流程
兩條流程做類似事情？合併
-
重寫最弱的一個 prompt
品質最差的那個 prompt，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 README / 系統文件
複利的關鍵在頻率
每週 30 分鐘的優化，一年累積 26 小時——看起來不多，但因為每次優化都影響接下來一整週的工作，實際產出的 compound 效果會讓你在半年內效率翻倍。
3.6
三位學員的系統案例
系統長什麼樣？三個真實範本
理論講完了，你可能還是想看：一個真實的個人 AI 系統到底長什麼樣？
我從過去一年的學員中挑三位最有代表性的分享——不是要你抄，是要你看到各種可能的長相。
案例 A｜Mia 行銷主管的系統
流程庫（7 條）
- 社群貼文 × 3 大平臺（FB／IG／Threads）
- 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
- Claude Projects（主力協作）
- Perplexity（查資料／找出處）
- Notion（流程與資產儲存）
- Canva（視覺輸出）
- 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
- Microsoft Copilot（主力，公司用 Teams）
- ChatGPT（私人備援）
- Excel 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
- Claude Code（自動化與腳本）
- Obsidian（個人筆記中樞）
- Claude Projects（主力 AI 協作）
- Zapier（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 + 模板 + 判斷 SOP + 週檢。形體不同，骨架一樣。
3.7
AI 工作指揮中心：完整架構
所有元素放在一起
我把目前為止教的所有元素——流程、Prompt 資產庫、模板庫、判斷節點 SOP、優化機制——統合成一個概念：AI 工作指揮中心。
這個詞不是比喻，它真的是你日常工作的指揮臺——任務進來時你知道走哪條流程；流程跑完你知道歸檔到哪；有問題時你知道去哪找。
指揮中心的五大區域
任務進入區
Email、Slack、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 + 模板呼叫處——所有工具在這裡
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
指揮中心的技術選擇
-
一體化方案
Notion（主打筆記+資料庫+自動化）——最多人用
-
偏開發方案
Obsidian + Git（程式人最愛）——彈性最高
-
AI 原生方案
Claude Projects（把 AI 當成主要介面）——新趨勢
-
雲端整合
Google Drive + Docs + Sheets——低門檻
-
建議
選你本來最熟悉的平臺，不要為了指揮中心重學新工具
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
3.8
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，分三個階段——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 + 模板
-
Day 10–11
為任務 2 設計完整流程 + prompt + 模板
-
Day 12–13
為任務 3 設計完整流程 + prompt + 模板
-
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（選儲存地 + 導入現有 prompt）
-
Day 17
建立模板庫
-
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
3.9
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 項把它做到極致，勝過 20 項都只做一半
週期淘汰
每季度做一次流程瘦身——刪掉過時的、合併重複的
系統的檢驗標準
如果你的系統每週要花你 2 小時以上維護，它可能太複雜了。真正好的系統，應該是你越用越省時間——而不是越維護越累。
3.10
單元三小結
單元三我們走了這幾步
單元三最終產出：個人 AI 工作系統藍圖
3.11
學員最常問的六個問題
Q1｜哪個 AI 工具最適合我？
-
寫作主力
Claude（文字細緻、長文強）
-
查資料
Perplexity（即時搜尋 + 附來源）
-
辦公整合
Microsoft Copilot 或 Notion AI
-
答案
不要最好，要最熟——從你每天開最多的軟體開始
Q2｜公司不讓用 ChatGPT 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
ChatGPT Enterprise、Claude Enterprise 已有合約保護
-
用本地方案
Microsoft Copilot 整合你公司既有的資料保護
-
最後手段
在個人裝置處理非機密任務，公司裝置純人工
Q3｜Prompt 資產庫要存多少才夠？
-
起步
5–10 個常用 prompt 就夠用
-
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、隨時能用
Q4｜同事不用 AI，我用會不會顯得偷懶？
-
真相
產出品質會說話——沒人在乎你怎麼做到的
-
加分做法
把你的流程分享出來，變成團隊資產
-
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
如果每週連 30 分鐘都擠不出來——先砍掉一半流程
-
簡化原則
寧可 3 條流程跑得順，也不要 10 條都半死不活
-
自動化提醒
把週檢排進行事曆，跟重要會議同等級
-
核心觀念
系統不是負擔，是投資——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
2023–2026 每 6 個月就有一次大進化，退步罕見
-
避險策略
不要把系統綁死一家模型——Claude 與 ChatGPT 雙備援
-
資產所有權
Prompt 和模板存在你自己的筆記軟體，不是 AI 平臺內
-
長期觀點
模型會換、技術會變——但你的流程設計邏輯會留下來
04
收束與接下來
上課前的你，和現在的你
兩小時前，你可能跟很多人一樣——收藏很多工具、會用幾個 prompt、但每天工作沒真的變輕。
現在，你手上有三樣東西：一張工作盤點圖、一條可用的 AI 協作流程、一份個人系統藍圖——你從會用 AI 的人變成會設計流程的人。
但最重要的不是今天學到什麼，而是——接下來 21 天你打算怎麼開始。
今天帶走的三件事
盤點圖
看清楚自己每天在做什麼、哪些該交給 AI
協作流程
一條可立即上手的 AI 工作流
系統藍圖
Prompt 資產庫 + 模板庫 + 優化機制
最重要的心法
工具會過時、招式會忘記——但方法會留下、系統會跟著你成長。今天建的系統可能還粗糙，但它是活的，你每週都能把它變得更好。
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
接下來的三個動作
-
今晚 30 分鐘
把今天的盤點圖、流程圖、藍圖整理到你的筆記軟體
-
明天開工前
挑一條流程，真的跑一次——用真實的工作任務
-
下週五
做第一次週檢——看哪裡卡、哪裡順、哪裡該改
延伸資源
Vista 電子報
每週三更新：AI 工具、工作方法、系統案例——iamvista.substack.com
AI 好好用社團
Facebook 社團，跨領域 AI 交流與案例
Vista 著作
《ChatGPT 提問課》《慢讀秒懂》等系列
企業內訓
iamvista@gmail.com——客製化 AI 工作流程設計
離開課程前，告訴我你最想從明天開始做的一件事：
離開課程前，告訴我你最想從明天開始做的一件事：
謝謝
Vista Cheng
iamvista@gmail.com
https://www.vista.tw
工具會過時，方法會留下——願你的系統越用越順。