小樹職涯紫微

如果AI能幫你生出報告初稿、命盤分析、程式初版，那你還剩下什麼。這個問題我最近想得特別多，因為自己在寫紫微斗數程式的時候，就親身撞上過這個問題的答案。 一開始我以為，只要把規則交代清楚，AI就能把整套排盤邏輯寫出來，剩下的事應該不多。實際做下去才發現，真正花時間的部分，從來不在讓AI寫出程式，而在另外三件事上，這三件事，跟我後來在職涯諮詢跟命理實務上一直在用的能力，其實是同一套。 當AI包辦了初稿，剩下的不是跟它比產出速度，而是三件AI替代不了的事。 領域專業判斷力 、 真實生命經驗 、 大哉問提問力 。 看到這裡，你可能會想，那乾脆不要用AI，不就不會有競爭力被拿走這個問題。但事情不是這樣的。不用AI，你的時間一樣被找資料、打草稿、排格式這些事佔滿，能拿來磨判斷力、累積經驗、練提問的時間，一點都沒有多出來。 AI拿走的，是那些本來就可以被複製的工作，不是拿走你的競爭力，它反而是讓你有時間，把真正值錢的部分磨得更深的工具。而且像我寫紫微斗數程式那次，如果沒有真的跟AI一來一往試過，我也不會發現問題出在格式而不是規則，那個發現，本身就是跟AI互動出來的，不是不碰AI就會自己冒出來的。 領域專業判斷力：格式錯了，AI就跟著算錯 寫紫微斗數程式的時候，我遇到一個難題。 大限、小限本身有它自己的一套特殊規則，我又想要一個特定的排盤格式，這套規則要套進我想要的格式裡，AI一直算錯，怎麼調整提示詞都沒用，同一個地方反覆卡關，卡了好一陣子。 一開始我以為是AI不懂紫微的規則，反覆跟它解釋規則，但問題還是沒解決。試了幾次之後，我開始懷疑問題可能不在規則本身，而是我把資料丟給AI的方式出了問題。後來才發現，真正的問題出在規則跟格式兜不起來，不是規則沒講清楚，是格式的設計方式，讓AI在套用大限小限規則的時候，找不到穩定的參照點。格式沒理順，AI再怎麼算都會卡在同一個地方。 找到問題之後，我建了一個輔助頁，當作運算過程中的過渡，先把資料轉成好算的形式，再交給程式去跑，等於在AI跟原始格式之間，多墊一層緩衝。同時我也用NotebookLM把紫微斗數的規則重新查清楚，把模糊的地方講明白，讓AI在計算的時候有更準確的依據。就算做完這些，我也還是會親自解說、確認每一次跑出來的結果對不對，這一步，我從來沒有省過。 AI能幫我把程式寫出來，但看出問題出在格式而不是規則、知道該建一個輔助頁去過渡、 判...

前陣子接到一個邀約，一間企管顧問公司希望我開一門「AIGC與AI-Agent緒論」的課，講怎麼打造一個自動工作的AI秘書。老實說，AI-Agent我自己平常用得不多，一開始沒打算接，但對方誠意十足，還特別把時間喬到九月之後配合我的空檔，我實在不好推辭，就答應了。 答應之後才發現，自己得先真的動手做過，才有東西可以教，不然就只是紙上談兵。因為不能漏掉任何一封重要的信，我原本常常要一封一封來回檢查信箱，很花時間，於是我就拿這個真實需求當練習， 用AI做了兩個小工具，一個處理信箱，一個處理LINE ，過程中最意外的收穫，不是工具做出來了，是撞見了 AI 幻覺一種你完全不會提防的樣子 。 我用Google Apps Script搭配Gemini API，做了一個小工具：掃描信箱，讓AI判斷有沒有需要留意的日期或重要事項，整理進一張試算表。開發這套系統之前，我就為了測試其他功能而儲值過，一直擔心萬一用過頭、帳單大爆炸，所以在動手串接API之前，特地先確認了一下帳單狀態，才發現自己的Google Cloud帳戶早就悄悄綁上了帳單帳戶，過去三十天已經產生實際費用。花了點時間釐清免費額度的規則之後，試算了一下，一週整理一次的用量，費用大概只要台幣一到兩塊，以這樣的成本換取的效率，是合理的投入。 Gmail小秘書：最危險的錯誤，是合理到你不會懷疑 信箱小秘書跟單純用程式規則去抓字，差別在哪裡？關鍵是多了Gemini這層AI。程式只能死板比對字串，看不懂句子在說什麼，遇到用詞不同就抓不到；AI能看懂意思，就算原本寫法五花八門，也能重新組織成統一的格式。比如一封信裡寫「 講義請於8/11前提供 」，我要的不是原封不動抄下來，是讓AI統一改寫成日期在前、事項在後，變成「 8/11：提供講義 」，不管原始信件怎麼寫，輸出的格式都一樣，這才是我真正想要的功能。 第一次測試信箱小秘書，我拿一封真實的多場次諮詢邀約信給它判斷，信裡明確寫著「諮詢結束後請於七個工作天內回傳紀錄表」。AI判斷出的截止日期，剛好跟我手動推算的答案一致，看起來完全正確，但仔細一查才發現，程式只截取了信件前兩千字，那段規則根本沒被讀到。 AI是在完全沒看到這段文字的情況下，自己推測出了一個截止日期，而且推測得剛好很準 ，一開始完全看不出破綻。 這件事讓我意識到， AI的幻覺最危險的不是離譜的錯誤 ，是合理到你不會懷疑的錯誤...

站上台講的是簡報，那是我準備最久、也最核心的部分。但學員帶回去的，是講義，沒有講義帶回去，複習會很吃力。這兩件事，一個是我真正在乎的，一個是學員真正需要的，要怎麼兜在一起，我想了很久。 我一開始就很清楚，一問一答的生成式AI解決不了這個問題，因為我要的不是 AI 回答我問題，我的需求是要它能直接從簡報生成講義。但我當時也不知道寫程式可以解決這件事，只能先跟AI一問一答，摸索可能的方向。 就這樣 一來一往，我才慢慢找出答案 ：寫一支程式可能是我的解方。我自己不會寫程式，但AI會，我心裡有一套清楚的SOP流程，只要能把這套流程講清楚，AI就能幫我把它寫成程式。於是我投入了不少時間，最後真的把這支程式做出來了。 後來回頭想，這一整段過程讓我發現一件事： 我不只是在問AI，而是希望AI真的能具體幫我完成一件事。 一問一答雖然沒有直接給我答案，卻開啟了解決問題的線索，寫程式這件事，AI幫了大忙。真正的問題，從來不是AI能不能做，是我有沒有先把「這件事該怎麼做」想清楚，再讓AI去執行。 重複的事，不需要每次都問 一件事只要邏輯有一半以上不會變，就值得考慮交出去，交出去一件是一件。這次是這門課的簡報，下次是另一門課的簡報，內容不同，但轉成講義的規則是一樣的：哪些頁面要保留原本的排版、頁碼放在哪裡，這些部分早就不會變。既然是不變的規則，為何我要一直重複做同樣的動作，浪費自己的時間。 真正的差別不在AI這一端，而在我這一端有沒有先把「這件事該怎麼做」這個問題，回答過一次。回答過，寫下來，之後就不用再重新回答；沒有回答過，每次都只能臨時想，臨時想的品質通常也比不上靜下來認真想過一遍的版本。這不是什麼高深的道理，只是我自己踩過幾次同樣的坑之後，才慢慢想清楚的。 問AI，是每次都把整件事重新講一遍，講完等它做，做完還要檢查有沒有理解錯我的意思，理解錯了再重講一次。派AI去做，是先把規則講清楚一次，之後同樣的事情發生，AI就照著規則直接執行，不用我再重新交代。這兩者的差別，不是AI變聰明了，是我自己 從 「每次發問的人」，變成「先定規則的人」 。 真正值得自動化的，不是那些困難的工作，而是那些 早就知道怎麼做、卻還一直重複做的工作 。 這類工作不需要更多創意，需要的是把自己的做法整理成規則，再交給AI去執行。以下是我自己動手處理的三個案例。 案例一：把簡報自動變成講義的程式 以前做講義，是手...

上禮拜有一段時間，我手上同時攤著三件事：隔天要上課的簡報還沒收尾，一份職涯記錄的撰寫也還沒完成，小樹108的稿子也還欠一篇，三件事的截止時間幾乎疊在同一天，巧合到讓我懷疑，是不是自己用眼過度，老花已經提前報到。 依據時間管理守則，我原本打算把這 三件事排成一條線 ，一件做完才碰下一件，但每一件背後都有非完成不可的壓力， 實際上根本守不住這個順序 ，壓力很大就因此而生。備課的靈感被記錄寫到一半打斷，記錄的思路又被稿子沒寫完的焦慮拉走，三件事一直在互相干擾，沒有一件真正做完才碰下一件，而且越拖越晚。以前忙完這些事，整個人是精疲力盡的，即使全部做完了，也感覺不到那種穩穩落地的踏實感。 但那禮拜我沒有這種被掏空的感覺。事後回想，差別不是我變得比較會同時盯著三件事，而是我把最花時間的那件事，也就是 隔天要用的簡報，拆開工序同時交給好幾個AI去跑 ，讓這件事本身變快，我才騰得出餘裕接下一件。 一步一步做，時間是疊加的 先說說，過去我準備一場簡報，工序是怎麼跑的。 素材要先整理出來，整理完才能開始想邏輯，邏輯想清楚才能動筆寫內容，內容寫完才輪到想圖要怎麼配、版面要怎麼排。每一步都要等前一步做完，才能開始下一步。五個步驟疊起來，時間就是五段時間的總和，中間任何一步卡住，後面全部跟著卡住。 這也是為什麼一場簡報常常要花掉一整個晚上：不是任何一個步驟特別難，而是步驟跟步驟之間，你只能乾等。你不是在忙，是在排隊等自己。 不是同時做很多任務，是把一件事的工序同時展開 現在我準備同一場簡報，做法完全不一樣了。 素材這一步其實也不一樣了：以前光是找素材就要花不少時間，現在我一邊自己想內容方向，一邊讓NotebookLM同步幫我把素材整理出來，這一步，我跟NotebookLM已經是平行在跑，不是我等它整理完才動筆，也不是它等我想完才開始找。 差別從下一步開始：我把整理好的素材，同時交給Claude和ChatGPT，讓兩邊各自產出一個邏輯梳理的版本，等於同一件事，同時有兩條路在跑；跟這同一時間，我也讓Gemini根據素材去產出簡報要用的示意圖。 三件事不是排隊等前一步做完才開始，而是同時展開 。 這跟「同時推進三件不同的任務」不一樣，我還沒有那種能力，也沒必要硬要那樣做。說真的，如果現在有人問我是不是真的能同時把三件事都抓在手上，我大概只能老實回答：還沒有，我也懶得硬撐出這個假象。我做的，是把一件...

回頭看自己走過的路，本是應徵機械工程師，被轉至專案管理人員，接續是心智圖講師，再來是 Google 數位工具講師，後來轉向職涯發展，現在又加入了紫微斗數。 每一次進行職涯分享時，許多夥伴都對我的經歷感到好奇，一位理工背景的工程師，從事職涯似乎與傳統的印象並不相符。 如果你也想現在就查自己的官祿宮是哪顆星，可以先下載「文墨天機」排盤軟體（免費版就好），照著這份操作手冊輸入生日，就能排出命盤： 文墨天機排盤操作手冊 。不想現在查也沒關係，先跟我往下看。 後來我才知道，答案藏在官祿宮裡。我的官祿宮，有兩顆星：天機和太陰。 天機，化氣為善，是十四主星裡公認最聰明的一顆。善變、邏輯強、與五術有緣。 太陰，化氣為富，細膩、長期累積，職場貴人多為女性。 其實不是亂跳，是天機本來就這樣，善變，但底層有一條 邏輯 線貫穿。 機械是邏輯，心智圖是邏輯，Google 工具一天到晚更新版本，沒有善變的體質根本跟不上，職涯發展又碰到了紫微斗數，而紫微斗數又是特別講究邏輯推演的一門學問，一路走來，這就是天機的路嗎？（我是不是對號入座了呢？） 太陰的部分，說來有趣，看看就好別當真。 多年課程分享下來，觀察自己的學員，貴人幾乎清一色是女性，學員裡也是女性居多。上課風格細膩，講義改了一版又一版，總覺得還能再好一點。這就是太陰，慢工出細活，長期累積型。 很多職涯上「為什麼我在這份工作格格不入」的困惑，答案往往就藏在這個宮位裡。 官祿宮，是你職場天性的地圖 十二宮位，每個宮位對應人生一個面向。 命宮 會影響其他十二宮位，是你這個人的核心，也是最重要的； 財帛宮 是你的賺錢與花錢方式； 官祿宮 ，看的就是你的工作運勢與適配性，包括能力，以及你在職場上天生的能量型態。 官祿宮的主星，說的不是你能不能升官、有沒有錢途，而是一個更根本的問題：你天生用什麼方式在工作？ 有些人天生就是衝鋒型，不給他新挑戰，他會悶壞。有些人天生是管理者，喜歡建立秩序、制定規則。有些人擅長在幕後支撐整個團隊，默默把事情做對。有些人靠的是關係與和諧，走到哪裡都讓人如沐春風。 這四種型態，在紫微斗數的分類裡，叫做開創型、領導型、支援型、合作型。 四種職場風格，你是哪一種？ ❙ 開創型：積極求變的拓荒者 主星：七殺、破軍、廉貞、貪狼 核心關鍵字是行動。 開創型的人充滿衝勁，能量滿點，天生的開拓者，不畏艱難，行動力極強。 職場風格是積極求變、...

AI 現在幫我們處理資訊、甚至給建議，都越來越強。但我自己感覺到，有些事它幫不了：這個當下該不該停下來、該往哪個方向走，決策還是得自己下，也只有自己能下。 而這個判斷力，不是憑空出現的， 是靠我一次次把當下的判斷如實記下來，慢慢累積出來的。 這也是為什麼在AI越來越會處理資訊的現在，「如實記錄」這個看起來很土的動作，在我看來反而變得更重要。 兩個場景，同一種當下 上週有一堂課，主題是整理自己的AI資料庫。一般而言，就是直接教工具、教怎麼建置，學員也大多是抱著這個期待來的，我原本大綱也是這樣排的。 但那天一開場，我判斷真正的難題根本不是工具怎麼用，是「要整理什麼、怎麼整理」這件事。如果 沒有先跟自己的能力對接上，資料庫建再多也撐不住 ，最後只是把一堆雜亂的東西塞進一個看起來很厲害的系統，垃圾進去，垃圾出來。 能力盤點本來就在我的大綱裡，只是我原本只想輕輕帶過，當成教工具前的一個前提提醒就好。但那天感覺到學習的氛圍與同學臉部的表情，我覺得應該要談清楚，這班學員的反應，需要的不是輕輕帶過，是說透：哪些是天賦相關的頂尖能力、哪些是現在具備但沒特別厲害的能力、哪些是還沒有、但想要的能力。 資料庫該往哪裡深挖、AI要拿來拆解哪些流程，都是這個盤點先做完才能決定的事，如果順序反過來，先學工具再回頭想能力，很容易學了一堆技巧，卻不知道該用在哪裡。這一段光是討論就講了整整七十分鐘，遠超過我原本規劃的時間。 無獨有偶，創業家布蘭克接手一家瀕臨破產的公司時，也沒有依賴憑空的商業直覺。他注意到茶水間堆著一萬五千張沒人理會的顧客註冊卡，親自打電話一張張問過去，把顧客的產業別、產品用途、願意付的價格如實記下來。 兩個場景表面看起來完全不同，一個是教室裡臨時多講的七十分鐘，一個是茶水間裡沒人想理的舊資料，但當下發生的事其實是同一種：都是先感覺到「這裡不對勁，得先停下來看清楚」，然後真的停下來看，而不是照著原本的計畫往下走。 外人只看得到外在的行為 問題是，非當事人只看得到外在的表現，看不到背後真正的思緒。學員看到的是「這堂課怎麼還沒開始教工具」，布蘭克身邊的人大概也覺得，花時間打電話問一萬五千張舊卡片這種事很沒效率。《精準學習》裡有個說法，如果看不到事情背後的長期規律，就只能對眼前發生的事做本能反應，顧不到更長遠的東西。 學員跟旁觀者當下看不到那個規律，看到的只是「跟預期不一樣」，會有這種反應其...