【未來城市 EP.125】AI 工具多到學不完？釐清目標優先，別讓學習焦慮掏空工作效率

重點摘要

• 思維轉換：先拆解自己的工作流程，設定清楚的輸入、輸出與執行步驟，才能賦予 AI 完整任務責任，而非只是換一把更快的工具
• 三大生態系各有定位：ChatGPT 通用好上手、Claude 程式與架構能力突出、Gemini 深度整合 Google 軟硬體生態
• 深度研究是「慢想」模式：AI 自動拆解研究角度、多元來源全面搜索，適合市場調查、競品分析等需要洞見的複雜任務
• Project 與 Skill 大幅提升效率：Project 建立專屬知識庫與系統提示詞；Skill 將重複性 SOP 寫成可隨時調用的工具，且不占用上下文視窗
• AI Agent 與自動化工具互補：規則固定的高頻任務交給 N8N、Zapier 等自動化工具；高度變動、需要判斷的例外情境才交給 AI Agent

詳細內容

從搬磚者到指揮官：思維轉換的關鍵

ChatGPT 普及後，多數人習慣以對話視窗一來一回，把 AI 當助理分配小任務，本質上仍是換了把更快的鏟子，停留在「搬磚者」狀態。

要成為「指揮官」，AI Works 執行長黃秀玲指出，需先對自己的工作流程有一定了解：目標是什麼、產出怎樣算好、流程中有哪些步驟。釐清之後，清楚告訴 AI 輸入是什麼、期待的輸出是什麼，AI 才能接手完整任務自動執行，而非每個環節都靠人工串接。

三大 AI 生態系怎麼選

目前市場以三大語言模型生態系為主：

• ChatGPT（OpenAI）：面向最廣泛的消費者，通用性強、介面直覺，支援串接 Notion、Google Workspace 等常用 App，各類知識工作者皆好上手
• Claude（Anthropic）：在工程師社群極受好評，程式架構能力突出，可從一個想法直接生成完整軟體或網站；Claude Code 可直接在電腦上操作資料夾、整理桌面檔案，「手腳已長出來」
• Gemini（Google）：與 Google Workspace 深度整合，跨軟硬體（含 Pixel 手機）形成完整生態系；制圖、簡報、影片生成能力受到關注，Google 重度使用者尤為合適

黃秀玲表示自己三個生態系都會使用，依任務切換。微軟 Copilot 近期更推出深度研究模組，同時調用 Claude 做研究、OpenAI 模型做交叉驗證，以降低單一模型產生幻覺（hallucination）的風險——概念類似內部將產出送給另一個 AI Agent 審核，只是微軟將其商品化了。

深度研究 Agent：從快思到慢想

一般用 AI 查資料容易沿用 Google 關鍵字搜索習慣，得到的是片段、淺薄的資訊。深度研究功能則像一位有能力的研究員：

1. 先拆解研究目標，思考需要哪些觀察視角、資料來源與比較維度
2. 列出慢想方向後逐一深入，資料來源可涵蓋多種類型
3. 輸出格式完整，可產出報告或簡報

這種「慢想」模式特別適合市場調查、競品分析等需要多元洞見的任務。代價是耗時較長，背後消耗的 Token 也更多（採月費制的使用者不易有感）。最佳做法是給予充足的背景、任務目標與限制，AI 若認為資訊不足也會主動反問。

Project 功能：打造專屬知識庫

以 ChatGPT 的 Project 為例，使用者可為不同工作類型建立獨立分類：

• 知識庫：上傳品牌手冊、產品資訊或 Google Drive 文件，AI 每次對話自動參考
• 系統提示詞（System Prompt）：預設品牌口吻、固定 Call-to-Action，不再需要每次複製貼上

例如社群行銷人員可分別為「IG 貼文」、「電子報」建立不同 Project，每個 Project 自動套用對應語氣與規則，大幅節省重複設定時間。

Skill 功能：把重複 SOP 變成可調用工具

Skill 可視為 AI Agent 的技能包：

• 原生 Skill：如呼叫 Python 做數據分析、生成 PDF 等，模型內建
• 自定義 Skill：將個人重複性 SOP 寫成技能，用對話方式即可建立

黃秀玲以名片整理為例：拍攝多張名片、OCR 解析、存入 Google Drive 指定資料夾、再送進公司 CRM 系統，這套固定流程被寫成一個「名片歸檔 Skill」，之後只要下指令「讀名片」，AI 自動調用。

Skill 的另一優點是節省上下文視窗（Context Window）：所有 Skill 不預先載入，用到時才讀取，避免撐爆上下文限制。

ChatGPT Business 版以上及 Claude 均提供 Skill 創建功能。資安提醒：網路上已有惡意 Skill 流傳，約 5% 含風險，可能誘使 AI 下載惡意軟體，務必細看內容再使用，不要隨意下載他人的 Skill。

Manus（小龍蝦）：要不要用？

Manus（被暱稱為「小龍蝦」）的優勢在於 24 小時持續運行，可透過 Slack、Discord、Telegram 互動，搭載豐富 Skill 且工具串接完整。

然而有一點常被誤解：雖然 Manus 在本機（如 Mac mini）上運行，實際上仍連接外部 AI 模型，資料依然往外傳送。授權越多，送出的資料越多，連結 Google Workspace 後風險更高。黃秀玲建議回歸本質：生活或工作中是否真的有需要 24 小時持續跑的任務？若有再評估；若只是嚐鮮，要注意資安風險。三大生態系也正快速跟進（如 Claude 推出遠端控制與 Discord 整合），Manus 的差異化優勢可能逐漸縮小。

AI Agent 與自動化工具如何分工

N8N、Zapier、Make 等自動化工具的優勢：

• 穩定可靠：規則設定後每次執行結果一致，不像生成式 AI 有隨機性
• 隱性成本低：部分工具免費，高頻固定任務每次執行成本極低

AI Agent 的優勢：

• 能處理變動性高、需要判斷的例外情境（如訂單與發票出現異常，有多種排錯邏輯需判斷原因）
• 適合在自動化流程前端擔任指揮官，決定何種情境啟動哪段自動化流程

結論：不需二選一——固定規則的重複任務交自動化、判斷例外的高變動任務交 AI Agent，兩者互補可將整體處理範圍最大化。

資安與隱私使用原則

• 先預覽，後執行：AI 操作電腦或刪除檔案前，不要習慣性按「Allow」，應確認後再授權
• 使用沙盒環境（Sandbox）：複雜任務建議在獨立乾淨的電腦測試，避免在儲存機敏資料的主機上直接運行
• 關閉資料訓練選項：ChatGPT 預設開啟，需手動關閉；Claude 同理；Gemini 個人版無法調整，企業版預設關閉
• 企業場域：注意資料是否傳送至外部雲端廠商，涉及個資法規風險，尤其機敏資料傳輸違規時責任重大

精選語錄

工具焦慮的解決方式，不是學更多工具，而是要想清楚你到底要解決什麼樣的問題。

我們搬磚的人，其實早期比較像是：我自己在做一個工作任務，這時候我會想到 AI 可以輔助我做什麼，把他當助理、分配一些小任務給他。那指揮官就不一樣——我們來定方向，讓 AI 去跑更完整的流程，真的賦予他責任去執行一段流程。

固定的、Routine 的、重複性的事情交給自動化做，而把這些變動性高、以前自動化沒辦法做、但 AI 適合做的放進去，我們整個處理的範圍會拉得更廣。

時間軸

逐字稿中無明確時間標記，無法提供各段落時間點。