小樹職涯紫微

系列文章｜AI 不是來取代你的第 6 篇，共 6 篇 如果 AI 能幫你生出報告草稿、分析初稿、程式初版、設計方案，那麼你還剩下什麼？ 這個問題，相信對許多人而言，是充滿困惑與壓迫感。 當 AI 包辦了初稿，剩下的不是與 AI 競爭產出速度，而是回到人身上，覺得有三件 AI 永遠無法取代的事： 維度一：領域專業判斷力，你看得出草稿哪裡脫離了行業現實。 維度二：真實生命經驗，你的一手脈絡讓文件從「AI 的輸出」變成「你的作品」。 維度三：大哉問提問力，你能問出讓 AI 也沒想過的問題。 ❙ 維度一：領域專業判斷力 讓我們先從一個你可能經歷過的情境開始。 我問 AI：「這兩張表格，要不要合併？」 AI 給了你五條理由，說明不需要合併。 我說了一句：「但其實我合併的原因是……」 AI 立刻換邊，開始幫你找合併的理由。 那麼，表格到底合不合併？這個決定權，最終是誰的？ 答案很清楚：是自己。 AI 只是一面鏡子，映出你告訴它的那個世界。它不懂你為什麼這樣選，也不必為結果負責。 它提案，個人為決策負責。 這中間的空隙，就是判斷力存在的位置。 具體一點，來看兩位專案經理的差異：同樣用 AI 產出 WBS（工作分解結構），A 經理直接提交：層次分明、項目完整，引用的是 AI 從全球企業案例裡抓出的標準框架。 看起來沒問題。但三個月後，執行才發現許多環節根本脫離現實。 B 經理同樣用了 AI 的初稿，但她花了半天逐行過，把那些「 看起來正確但不適用於我們產業 」的項目全部標出來，重新調整了整個分解方式。同樣的工具，不同的結果。差距，就在那半天做的事。 別忘了，判斷力不只是「把關」，它更是槓桿。 在 AI 放大生產力的世界裡，一個準確的決策所能撬動的價值，可能是過去的百倍；而一個錯的決策，代價也是百倍。 你的判斷準確率，正在以指數級的速度影響你的職涯軌跡。 ❙ 維度二：真實生命經驗 AI 做出來的東西，完整但薄。 你把那份報告拿給客戶，邏輯通，但沒有溫度。你把那個提案交上去，架構對，但沒有說服力。原因不難找：裡面沒有你。不管那是你做判斷的背後脈絡、你曾經踩過的雷，還是你看過客戶眼底閃過的那一絲猶豫，這些細節，文件裡全都沒有。 把這些血肉放進去，東西才會從「AI 的輸出」變成「你的作品」。 AI 沒有過生活。 它體會不到合約突然被抽掉時的焦慮，也不知道在營收見底的那個季度，你是怎麼帶著一...

系列文章｜AI 不是來取代你的第 4 篇，共 6 篇 ▶本步核心要點： 程式代勞 ：善用 AI 撰寫自動化腳本（如 Google Apps Script），將 SOP 固化為一鍵執行的工具，兼顧執行效能與數據安全。 SKILL 機制 ：透過 SKILL.md 定義專業 SOP 與行為邊界，驅動 AI 進入非同步代理模式，讓SOP流程被精準複製。 協作層次 ：理解「問、用、管、造」四個階段，從單純的內容創作者，躍進為定義流程、設計系統的全局掌控者。 前三步，你還在跟 AI 對話：你問，它答，你加工，整個過程都要你在場盯著。 第四步， 關係換了 。問題是：換成什麼？ 你不再是在和 AI 說話，而是在指揮它去跑一件事，然後你去忙別的，等它回來交差。這個角色，叫「指揮官」。 那麼，一個稱職的指揮官，最核心的條件是什麼？只有一個：指令夠不夠精準。指令模糊，AI 的執行力反而會成為問題；指令精準，AI 的能力才算真正為你所用。 ❙ 角色心態的轉變：從「創作者」升級為「製作人」 心態要怎麼轉？先把自己從「親力親為的創作者」，升級為 具備「製作人（Producer）」思維 的人。未來的關鍵不在於你會不會被 AI 取代，而是你懂不懂得將 AI 視為「團隊成員」來進行分工與發包。 遇到任務時，先問自己三個問題： 這件事真的需要我親手來嗎？ 可以發包出去嗎？ 誰是最合適的執行者？ 這樣，思考就能從「我要怎麼做」轉為「這件事發包給哪個 AI 最好」。 身為製作人，你可以靈活指揮不同的 AI 各司其職，例如調度 Google Antigravity 負責環境適應與邏輯重組、Gemini 負責深度研究、ChatGPT 擔任創意助手。 ❙ 什麼是「代勞元年」？ 先拆解一個問題：AI 幫你「給建議」和幫你「做完」，有什麼本質的差別？ 2025 年底開始，AI 應用出現了真正的轉折點。AI 的角色從「顧問」，正式進化為「執行者」，不只是給你建議，而是真的幫你把事情做完。 這個轉變，就叫做「代勞」。 背後的技術叫 Agent（代理人），白話一點說，就是讓 AI 幫你「代勞」那些沉重、黏手又磨人的瑣事。 ➤ 代勞 vs. 輔助：「非同步」的真實應用場景 先想一個問題：如果 AI 可以幫你「做完」一件事，你會讓它從哪件事開始？ 最常見的例子是：當你電腦桌面很亂，以往你問 AI「我的桌面應該怎麼整理」，它會...

從消滅瑣事、到成為監工，六個步驟分享給你這個時代真正的演化邏輯。 林副理是一間中型貿易公司的採購主管，手下管著 5 個人，負責全台灣超過三百間供應商的詢報價管理。 每週，他的郵件信箱都會湧進上百封「什麼時候可以收到款項」的重複問題。每一封，他的同事都得一一查帳、一一回覆。每一份供應商報表，都要花上整整一個工作天才能整理完畢。 後來，公司導入了 AI 系統。 那些重複的詢問，AI 3 秒就能回答。 那份報表，AI 花了 5 分鐘就整理好了。 林副理坐在位置上，看著空空如也的待辦信箱，心裡升起一種說不清楚的感覺： 是解脫？還是恐懼？ ❙ 問題：努力的方向，比努力的程度更重要 你有沒有算過，自己一週裡面，有多少時間是在「真正工作」？ 不是看起來在工作，而是那種你坐下來、腦子真的在解決問題、產出真正有價值的東西的那種工作。 根據相關研究，白領工作者每週有三到四成的時間，是花在找資料、整理報表、回覆重複的詢問、轉發郵件、更新進度追蹤表這些事情上的。這些事要花時間，但它們幾乎不創造額外的價值。你做完了，事情沒有進展，問題還在原地等你。 問題不是你不勤奮。很多人每天早到晚退，月報季報一份都沒少，但就是感覺升不上去、做不出差異化。原因不在努力程度，在於努力的方向從一開始就對準了錯誤的目標。 這件事現在有了一個對照組。 你的競爭對手，有些已經開始用 AI 處理掉那三四成的重複工作，轉而去做你還沒時間做的事。 《今周刊》說得直白：「你不用 AI 取代某些人力，但你的競爭者會。」 這句話不是在嚇人，它只是在說明一件正在發生的事：有些公司已經導入 AI，有些還沒有。這個差距會隨時間慢慢展開。簡單來說，懂 AI（愛）的人，工作才不會有「礙」；讓科技幫你解決障礙，你才能重拾工作的熱愛。 我自己就是從這裡開始的。 身為一個職業講師，最消耗我的不是備課，而是備課之後的事。簡報做完了，還要把它重新整理成講義，內容相同，但格式、邏輯、篇幅都要重來，每次都要再花上一段時間。這件事本身沒有創造任何新價值，卻是每一堂課前的例行折磨。 直到我做了一個「 簡報講義生成器 」，把簡報的結構丟進去，AI 自動轉換成可以印出來給學員的講義格式。第一次跑完的那個下午，我坐在螢幕前愣了幾秒。 就這樣？就這樣。 那種感覺不是驚喜，而是一種很奇怪的錯愕：原來我長年接受的那個消耗，其實根本不應該存在。這才發現，搞定瑣事不用靠蠻...

系列文章｜AI 不是來取代你的第 3 篇，共 6 篇 用 AI 寫信、整理資料、翻譯文件，這些確實都很有價值。 不過，如果 AI 的使用方式停在這裡，其實還有一大片更深的應用等待探索，這是一個能讓思考品質全面升級的層次。 上一步回顧： 第二步，我們學會把腦中「只有自己才知道」的隱性知識，透過思維鏈（CoT）、思維樹（ToT）與 Prompt 模板固化下來，讓 AI 記住你的方法，變成可以永久調用的數位資產。 這一步的不同在哪裡？   前兩步，AI 都是你的「執行者」：幫你省時間、幫你存方法。 第三步要做的事情截然不同：讓 AI 站到你的對立面，主動梳理你的假設，引導你一步步想得比原本預期的更深更遠。 這不是在省時間，而是在升級你思考的品質。 ❙ AI 有兩個層次的用法：從 Co-Pilot 到 Co-Thinker 第一層｜助理（Co-Pilot） 讓 AI 幫你省時間，包括打草稿、整理資料、翻譯、摘要。這是一個單向的過程，你下達明確指示，追求的是「速度」與「代勞」。這層很有用，但它是淺的。 案例：「我明天要開會，幫我把這份 20 頁的對手企業財報，摘要成 3 個重點。」 第二層｜協思夥伴（Co-Thinker） 讓 AI 幫你提升思考品質，讓它梳理你的假設、扮演你的對立方、找出尚未看見的可能漏洞。這種模式是雙向互動，AI 不再只是幫你把事情做完，而是透過引導式問題帶你「停下來思考」，拆解假設背後的邏輯，拓展你的決策視野。助理幫你省時間，協思夥伴則是增強你的批判性思考能力。 ✎ 案例：「我打算向老闆提議『裁撤實體店面全面轉型電商』。請 扮演反對派的董事，嚴厲指出這提議的 3 個致命風險，並問我 2 個我可能答不出來的犀利問題 。」 許多人停在第一層，以為 AI 的價值就到這裡了。其實，第二層的大門一直開著。 ❙ 讓 AI 扮演你的對立面，並且「故意想錯」 真正有意思的用法，是把 AI 當作一個願意說真話的對話夥伴。 你可以讓它扮演你最難搞的客戶，協助找出提案中值得強化的地方；也可以讓它站在你的對立面，一步步引導你釐清那個「應該沒問題吧！」的假設，究竟有多紮實。 這種使用方式，不是在省時間，是在提升你思考的品質。 不過有一點值得留意：AI 的運作原理是預測機率，如果給它的指令過於模糊，它通常會回應最安全、最平均的「罐頭答案」。 要讓 AI 真正說出有價值的看法...

系列文章｜AI 不是來取代你的第 2 篇，共 6 篇 你有沒有見過這樣的事：做了十幾年的老師傅退休，那些「手感」就這樣帶走了。跑了五年的業務離職，那些眉眉角角就消失了。不是因為他們不想傳，而是有些東西說不清楚、也寫不下來。 這不是個別現象，是台灣大部分行業都在面對的隱性問題。 ※上一步回顧 ： 第一步，我們從「立刻動手」開始，讓 AI 幫你把那些「食之無味、棄之可惜」的雞肋工作清償掉，感受時間真的被還回來。那是破冰，是讓你先動起來的第一把火。 ※這一步的不同在哪裡？ 第一步是「用 AI 替你做事」；第二步是「把你的方式，教給 AI 永久記住」。 丁筱晶不只省下了 76% 的時間，她更把自己多年累積的「選文品味」寫成了 AI 每次都能複製的指令，這才是真正的魔法。 本篇要處理的核心問題是：那些「只有你才知道要這樣做」的眉角，能不能被系統化地留下來，不再因為你的離開而消失？ ❙ 什麼是隱性知識？ 有一種專業很難傳承，就是那種「你做了十年才知道要這樣」的直覺。 師傅退休了，那個味道就不見了。老業務離職了，那些眉眉角角就散掉了。台灣有太多行業，都在靠一兩個關鍵人的「身體記憶」撐著，但沒有人有辦法把這件事說清楚、寫下來、傳下去。 ⇉動手型的固化：感測器＋AI 路易莎咖啡：把「烘豆師的手感」變成可量產的烘焙曲線 路易莎咖啡在烘豆廠裝上感測器，讓 AI 跑過無數次烘焙紀錄，推算出最佳烘焙曲線。結果是月產能從 38 噸跳到 50 噸以上，品質還比以前更穩定。老師傅多年積累的「手感直覺」，從此以數位形式被固定了下來。 拍拍圈（PopChill）：把「鑑定師的火眼金睛」AI 化為 99.1% 辨偽率 二手精品的真偽辨識，是一種需要浸泡多年才能練成的眼力，手感、縫線、金屬光澤、logo 的字體比例，全都要靠人類的眼睛。拍拍圈將圖像放大三百倍、每張圖掃描約五百個鑑定點，把資深鑑定師「看細節的眼力」轉化為 AI 系統，辨偽率高達 99.1%。資深鑑定師的知識，從此不再隨著退休而消失。 精準醫療：把「老醫師的診斷直覺」量化為可輔助全員的推論機制 醫師每天面對上百位病患，長年累積出一套難以言傳的「統計推理直覺」，從症狀的微妙組合中推斷病因的機率。結合生成式 AI 與大數據的「精準醫療」，能透過龐大的類神經網路，學習這些在看似無關的因素中尋找因果關聯的能力。 老醫師大腦中幾乎無法傳承的診斷直覺，就...

系列文章｜AI 不是來取代你的第 1 篇，共 6 篇 你有沒有算過，自己一週裡面，有多少時間是在「真正工作」？ 不是看起來在工作，而是那種坐下來、腦子真的在解決問題、產出真正有價值的東西的那種工作。 根據相關研究，白領工作者每週有三到四成的時間，是花在找資料、整理報表、回覆重複的詢問、轉發郵件、更新進度追蹤表這些事情上的。這些事要花時間，但它們幾乎不創造額外的價值。你做完了，事情沒有進展，問題還在原地等你。 被「數位債務」壓垮的現代工作者：  微軟（Microsoft）的《2023工作趨勢指數報告》指出，高達 64% 的工作者感到時間和精力的嚴重匱乏。每天鋪天蓋地湧入的電子郵件、報表與會議紀錄，已經成為現代人的「數位債務（Digital Debt）」。 工作者必須花費原本 3.5 倍以上的精力，才能去處理像是創意產出或策略制定等「真正創造價值」的關鍵任務。 第一步，就是從這裡開始，讓 AI 幫你把這些數位債務清償掉。 ❙ 動手，不是學技巧 很多人卡在「我還沒學好 Prompt 技巧」這個坎。但說真的，第一步不是學技巧，而是先動手試試。只要敢跟 AI「碰一碰」（Prompt），你會發現它比想像還好懂。讓時間真的被還回來。 把 AI 當作「水電」來用： 許多人以為用 AI 需要成為專家，必須了解它背後怎麼運作。但 AI 專家程世嘉指出，生成式 AI 的基礎設施已經完備，它的存在就像是「水與電」一樣。 你不會因為想喝牛奶而去養一頭牛，也不會為了用電而去重新發明電網。不需要去上艱澀的程式課程，只要把它當作打開水龍頭一樣，大膽地把日常遇到的問題丟進去，你就會發現時間立刻被省下來。 把試算表丟給 AI 做分析、讓 AI 寫第一版會議紀錄、把你要查的問題直接問 AI，這些都是今天就能做到的事，不需要任何訓練，不需要開什麼課程。你只需要打開工具，試一次，但記得，都是從較不重要的資訊或是事務著手。 ❙ 讓 AI 聽懂你在說什麼：提示詞的四要素 不過，動手之前還有一件小事要知道。 很多人試了 AI 之後覺得「唉，它講的東西不對」、「答非所問」、「講了一堆廢話」。這不是 AI 的問題，而是你給它的指令不夠清楚。AI 本質上是個超強的語言模型，你說模糊，它就猜；你說精準，它就準。 為了避免 AI 胡說八道，有個簡單的四要素框架可以直接套用： 分派角色 ：告訴 AI 它今天要扮演誰。...

在上一篇《 讓 AI 先認識你：打造一份專屬資料，對話效率翻倍 》中，我們探索了如何為 AI 建立個人化的背景知識庫，讓它在對話前就「認識你」。 當 AI 已經知道你是誰之後，接下來可以嘗試的，是讓它「換個方式思考」。 這篇文章整理了目前在網路社群廣泛討論的「大師提示詞 (Master Prompt)」4 個方向，供你參考與實驗，它們並非唯一的解法，而是在深度寫作、策略規劃與複雜問題處理上，目前相對可行的起點。 在一項針對 AI 提示工程與輸出品質的對照實驗中，研究人員進行了一項極具啟發性的測試。 研究人員找來兩組受試者，請他們用 AI 幫忙解決同一個複雜的策略問題：「如何在預算有限的情況下，為一款新產品設計上市行銷方案？」 第一組的受試者只給了 AI 標準的背景設定，內容為職位、產業、目標客群，大約就是上一篇我們談的那份「員工入職證」的完整版本。 第二組的受試者，除了相同的背景設定，還在指令裡多給了一句話：「請先想出三種完全不同的策略方向，分析每個方向的優缺點，再給我你最終的建議。」 結果相差懸殊。 第一組收到的，是一份「四頁、十條列點」的行銷計畫。內容完整，沒有錯誤，但同樣的建議，你在任何一本行銷教科書上都能找到。評審給出的形容是：「合格，但不令人興奮。」 第二組收到的，是三套互相對立的思路，附帶清晰的邏輯比對，以及一個 AI 主動承認「這條路的風險在哪裡，但我認為值得」的最終建議。評審的形容是：「這看起來像顧問公司收費做出來的東西。」 在針對這兩組輸出稿「實用價值」的盲測評估中，第二組獲得了壓倒性地高分。 而這兩組的語言模型，是完全相同的版本。 差別不在於 AI 有多聰明， 差別在於：你有沒有給它一個屬於你的思考框架 。 或許，你現在就可以暫停一下、自己試試看：拿一個手邊正在煩惱的問題，在指令最後補上第二組的那句話，看看 AI 是否會給你截然不同的驚喜？ ✎以上情境是根據 Chain-of-Thought（CoT）提示工程的多項學術研究所推論的示意性場景，並非一篇有具體作者與連結的可查閱論文。若您將此內容引用於正式場合，請以「研究推論示意」而非具名實驗來描述它。若後續找到與此情境高度吻合的真實研究，將會為您補入參考資料。 這正是本篇要解決的問題：你已經按照上一篇的步驟，讓 AI「認識你」了。但「認識你」，和「懂得替你深度思考」，是兩件不同的事。 接下來四個框架...

為什麼你的 AI 總是給出「罐頭回覆」？你有沒有這樣的經驗~~ 每次打開 ChatGPT 或 Claude 想請它幫忙寫點東西，都要重新交代：「我是個行銷專員，我的公司在賣線上課程，請你語氣稍微活潑一點……」然後 AI 寫了一篇四平八穩的文章，你覺得太生硬，於是你東改西改，最後花的時間竟然比自己寫還要多。 有些人則是會努力套用「角色、任務、格式與範例」等提示詞框架，結果似乎也是差不多，想要節省時間，卻總是事與願違。 綜合上述的問題：不是缺了專屬的個人資訊，就是缺了完整的提示詞，以致於產出不如預期，還是得改來改去。想要乾脆自己想、自己寫，偏偏又擠不出時間，這才是最讓人痛苦的兩難問題。 很多人抱怨 AI 的 回答「沒有靈魂」、「像機器人」 ，其實問題不在 AI 不夠聰明，而在於： 你每一次都在跟一個「剛認識的陌生人」說話 。 想像一下，如果你的主管每天早上都派一個全新、完全不認識你的助理來幫你。你每天都必須重新跟他解釋：「文案要活潑一點、我們公司的產品是這個、我們的客人是那些人……」你一定會崩潰對吧？但我們現在對待 AI，就是每天都在「迎新」。 「幫 AI 做一次個人背景設定」，就像是幫它辦一張專屬的「員工入職證」。 它讓你只需要做一次設定。做完之後，每次你打開 AI，它都已經「認識你」了。它知道你是誰、你在做什麼、你喜歡什麼風格。這不只是節省打字的時間，而是讓 AI 從一個「聽不懂人話的打字機」，變成一個「默契滿分的工作夥伴」。 ❙ 做好背景設定帶來的關鍵影響 建立專屬的背景設定能為工作帶來三大實質效益：大幅提升品質：透過提供更完善的背景脈絡，工作產出的品質可顯著提升。 生產力躍升 ：能大幅增加個人在相同時間內所能完成的工作量。 極致的速度 ：幫助你以更快的速度產出結果。 幕後的運作原理 ：情境工程（Context Engineering）。 你可能會好奇：「背景設定」聽起來簡單，它究竟是靠什麼機制讓 AI 變得更聰明？ 這背後有一門正式的工程學問，叫做情境工程（Context Engineering，也有人譯為「語境工程」）。 它的核心思想是：透過設計與管理對話中的「背景資訊」，包含你的身份、過往的對話歷史、系統設定與環境因素：來幫助 AI 更精準地理解你的意圖，並產出更高品質的回答。 情境工程主要從兩個層面來提升 AI 的理解力： 1. 為 AI 建立「多層次的記...