小樹職涯紫微

我想試試看，AI 能不能讓這一次真的維護下去。這篇文章寫在我真正動手之前，記錄的是現在的想法，不是已經做完的成果。 我試過不少筆記工具，也試過幾種知識管理的方法。要做出一個看起來像樣的雛形，其實不難，卡關的地方一直是維護。資料一多，就要花時間整理、補連結、更新舊筆記，通常撐不過三個月，我就沒力氣繼續維護下去，那套系統慢慢就荒廢了，變成一堆沒人再打開的檔案。 這一次不一樣，因為我先解決了資料源的問題。不是從網路上亂抓資料，是透過 NotebookLM 這類 RAG AI，把自己過去的經驗跟學習內容整理進去，資料是我自己讀過、教過、確認過的，可信。再加上 AI 現在能到桌機上直接協助整理，過去那個一直卡關的維護難題，終於有機會真的做出來，不再只是一個想了很久的願望。 不過 NotebookLM 本身還是有限制，它是一座孤島。 它能把一份資料整理得很清楚，但這份整理出來的東西，跟另一份整理出來的東西，彼此不會互相串接。今天問出來的洞察，跟上週問出來的洞察，各自躺在各自的對話裡，沒有牽上線。大腦不是這樣運作的，大腦裡的節點，要是彼此沒有連結，就會稀稀疏疏，不成一張網，想得到卻用不出來。 中介，我要接的那一層 LLM Wiki 這個概念裡提到，這套系統需要兩個角色，一個是來源，一個是知識庫，來源只負責提供素材，真正的知識累積發生在知識庫那一層。 對應到我自己的做法，來源就是 NotebookLM，我自己讀，自己整理出背景理解，從裡面提取真正重要的東西；知識庫則是用卡片盒筆記法寫成的筆記，透過 Obsidian黑鑽筆記把這些筆記彼此串接起來。 會選卡片盒筆記法，不是隨便挑的。常聽人說知識是被分類出來的，先決定好資料夾、決定好標籤，資料進來就對號入座。但世界變化很快，現在覺得對的分類，過一陣子可能就不對了，硬要維持一套固定分類，遲早會卡住，這也是我過去幾次筆記系統慢慢荒廢的原因之一，分類法跟不上想法的變化。 我更想改成另一種說法：知識是被組合起來的。把知識拆到最小的單位，一則只講一件事，之後要用的時候，依照當下的需求，重新組裝成不同的樣貌。這可能才是真正適合我的知識管理方式，不是先框好類別，是讓每個最小單位保持彈性，隨時能被重新拼起來。 分工是這樣的：我自己從 NotebookLM 讀完、提取出重點之後，交給 AI 寫成卡片盒筆記法的永久筆記，一則筆記只講一件事，獨立完整，不夾雜...

有一次下課後，一個學員留下來跟我聊。他說自己天天都離不開AI：Claude寫企劃、ChatGPT換語氣、Gemini生示意圖、NotebookLM整理資料。這個情況並不特別，因每個AI各有特性，加上費用考量，用好幾套很正常，這是整合AI必經的過程。 但他接著說，上禮拜要找一張前幾天生成的圖，翻遍每個視窗、越找越心慌，長到覺得乾脆重畫一張比較快，還自嘲：「我是不是該幫每個AI貼張標籤，免得自己搞混。」聽完，我們有默契地互相看了一眼，因為這根本不是他一個人的狀況。 卡住的不是工具，是心態 聽他講完，我想起自己也不是一直都這麼有條理。近年AI工具一個接一個冒出來，我也曾有過說不清楚的不踏實感：每天都在整理、都在產出，但東西是變多還是變好，自己也說不準。 我的目標其實是產出，不是用更多工具，但 費用考量跟對每種AI特性的熟悉度 ，讓我得好好想清楚什麼情境該用哪一種。這個念頭，讓我重新想了一次「效率」到底是什麼意思。用越多工具看起來越忙、越認真，但東西產出後找不回來，那些工具幫的忙算不算數？ 我想起前陣子去一家企業上課，一位總經理直接說：「 員工不需要學那麼多套AI，六、七種就夠了，重點是要摸熟。 」當下我只是點頭，直到遇見這位學員，這句話才真正敲醒我。 先盤點，再開始管理 於是我做了一個決定：先停下來，放慢學新工具的腳步，把手上的AI盤點一輪，順便想清楚每一套的角色： 生成式主力（Claude、Gemini） ：都是付費訂閱，Gemini搭Google Workspace順手，Claude的推理是我喜歡的 生成式輔助（ChatGPT） ：除了付費，也考量軟體適配性，主要用來增加不同視角，輔助就夠了 檢索式（NotebookLM） ：擅長資料整理與檢索，網路相關檢索則用Perplexity AI 視覺整理（Napkin AI） ：視覺化呈現時使用，甘特圖與圖表則搭配Claude AI 盤點只解決了「用哪一個」的問題。角色想清楚後，我發現真正卡住我的更深一層：不是工具不夠好，是我一直停在「助理模式」，請AI幫我寫、幫我畫、幫我整理，卻沒有走到「一起想」的層次。 後來我才想通，這跟AI的底層邏輯有關：不管寫文字或畫圖，AI本來就是不斷「生成」，你丟給它什麼，它就吐出什麼，不主動管理，產出只會越堆越多。光盤點工具還不夠，真正要處理的是管理的問題。 從助理，走到協思夥伴 這個分野，是...

有一件事，我在私下分享時說過很多次。 每次有人看到自己的命盤出現凶星，臉色就會變一下。好像被宣判了什麼。 我通常會停在那裡，問對方：「你覺得凶星是什麼意思？」 答案幾乎都一樣：不好的事、倒楣、命不好。 然後我說：「其實不是這樣的。」 事實是，紫微斗數裡每個人的命盤都有這六顆凶星，差別只在落在哪個宮位。就算是 你眼中最美好的人生，也一樣有凶星 。凶星從來不是美好人生的對立面，它只是提醒你，這股能量還沒放到對的地方。 凶星的本質：偏離中庸，不等於壞 紫微斗數裡有六顆凶星：擎羊、陀羅、火星、鈴星、地空、地劫。 這六顆星被稱為凶星，不是因為它們代表壞人或壞事，而是因為它們讓宮位的能量「偏離中庸之道」，走向極端。 自古以來，中庸被視為美德。不急不徐，凡事求圓融，確實是一種美好的處世方式。但如果你要做的是開疆闢土、需要突破與創新的事，這種求穩求圓融的特質，反而不夠用。這時候，偏離中庸的極端能量，才是真正派得上用場的地方。 但極端，不等於壞。 有一句話我常說，也覺得很準：「凶星是人生的功課，也是人生的助力。」 專家，往往是凶星造就的。因為凶星讓人在某個宮位的能量特別強烈，強烈到別人做不到，只有你做得到。當這股能量找到對的出口，就會成為最強的競爭力。 天同星天生隨和、有點懶，加上擎羊的衝勁，反而變得比一般天同更勤勞。這就是凶星的弔詭：它不是在破壞你，它是在逼你長出別人沒有的東西。 問題只有一個：你有沒有找到對的出口。 ❙ 六顆凶星在職場上的真實樣貌 ● 擎羊：快狠準的拓荒者 擎羊是六顆凶星裡最強烈的一顆。化氣為「快狠、血光」，就像一把鋒利的刀子，具有強大的爆發力與行動力。 職場上的表現：不服輸、不滿足，把對手視為目標並力求超越。這股拚勁能提供一般人無法體會的競爭力。「快、狠、準」是最直接的形容。 但官祿宮有擎羊的人，如果被放在一個需要服從管束、按部就班的崗位，往往格格不入，容易跟人起摩擦。因為擎羊帶有孤星特質，不喜歡被管。 如何轉化 ：進入競爭激烈、需要開創的領域。擎羊的能量， 在有挑戰的環境才能被善用 ，在平靜的環境只會把自己悶壞。就算在同一家公司待上二十年也沒關係，只要工作內容持續在變動，這股衝勁就有地方使。重點不是有沒有換工作，而是眼前的任務有沒有一直在變。 適合的職業方向 ：軍警、業務、運動員、創業、外科醫師。職務內容經常變動的工作也很適合，例如專案管理、特助。凡是需要爆發...

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...

我是蔡興正，透過思考、實踐與職涯探索，記錄每一次學習與成長。相信所有的累積，都會化為養分，長成屬於自己的那棵樹。 

我這兩年在整理紫微斗數的個人筆記，一路寫下來，累積到快要一萬行。寫到後來，我開始懷疑，自己到底是在整理命盤，還是在跟 Google 試算表打一場消耗戰。 會需要不斷回頭插入列，是因為紫微筆記不是一次寫完的東西，是持續累積、持續補充的過程。今天讀到一個新的宮位解法，會想插進對應的位置；某個案例後來有新的體會，也要補一段進去。內容一直在長，插入列這個動作，也就跟著一直發生。 整理到後面，常常會發現前面漏了一段，要回頭補。補的方式不是加在最後面，而是要在中間插入一列，有時候只插一列，有時候一次要插二列、三列。而且新插入的這幾列不能是空白的，要延用上一列的欄位格式，公式也要跟著往下延伸，不然整份筆記的邏輯就斷掉了，後面的運算也會跟著出錯。 一開始這個動作沒什麼感覺。滑鼠右鍵、插入列、往下拖曳延伸格式，一次也就幾秒鐘的事，順手就做完了。 越做越覺得，時間在流失 問題是這個動作不是做一次兩次，是幾百次、上千次地重複，筆記量越滾越大，一天可能就要做上幾十次。 做久了，很熟練，會慢慢累積出一種很明確的感受，就是自己一直在浪費時間 。不是這件事本身很難，右鍵插入誰都會，而是同一件事重複太多次之後，會開始懷疑，為什麼這麼簡單的事，還要自己一列一列去做，做到快一萬行都還在做同樣的事。 後來我把這個動作錄成巨集，按下快捷鍵就能自動完成。速度上的提升沒有想像中誇張，插入列本來就快，巨集省下來的時間不算多。但完成一次插入的當下，心情明顯愉快很多。 少了那個「 又要重複一次 」的疲乏感，光是這一點，這件事就值得做。 真正卡住我的，是函數解決不了的部分 我一直很想把工作效能往上提升，遇到重複的事就會想，這個是不是可以想辦法讓它自動一點。只是我能用的工具，長期以來就只有函數。 函數擅長的是計算與判斷，但「插入列並延伸格式」這種需要先操作、再判斷插在哪裡的事，函數本來就做不到，這不是函數不夠強，是這件事根本不屬於函數的範圍。 過去也不是完全沒碰過程式。用 VBA 的時候，多半是從網路論壇、社群貼文裡東拼西湊一段語法過來，改一改湊合著用，說穿了跟拼裝車差不多，能跑，但沒人敢保證哪天會不會突然拋錨，因為連我自己都看不懂那段語法在做什麼。碰到需要微調的地方，常常是改壞了也不知道問題出在哪，最後乾脆放棄，還是回去手動做。錄製巨集將入門的自動化門檻降到最低，若是流程與劇本夠熟悉，就是一個好的開始。 真正解決這件...

十多年前，我決定離開公司，不想再當專案工程師。那時候心裡其實很不安，但還是帶著一種天真的樂觀，覺得轉去做人資應該不難。結果連一次面試機會都拿不到，學歷不符是最現實的那道門檻，那種被拒絕的感覺，到現在都還記得。 後來我做的第一件事，不是繼續投履歷，而是靜下來，把自己的能力攤開來盤點一次。邏輯思考、規劃能力，這兩項一直都在，只是原本只用在工程專案上，我從來沒想過，它們也可以被帶到別的地方去。 順著這條線慢慢往上找，我發現心智圖跟職涯規劃，才是我心裡真正想投入的方向。於是我把機械產業的背景經驗、心智圖代表的邏輯思考、職涯規劃需要的專案管理能力，這三樣疊在一起，就靠著這個小小的交集點，跌跌撞撞的從事目前的工作。 後來我才慢慢發現，像我這樣同時具備這三項組合的人，不管是在講師圈、還是諮詢師，其實非常少，同時，我會聚焦於目標規畫與職涯的問題解決，讓自己不失焦。回想，原來當時那段徬徨，最後留下來的，是這麼獨特的東西。 努力，為什麼還是覺得卡住？ 這幾年帶課程、做個案諮詢，我常常想起那段找工作卡關的日子，也因此更能懂那種心情。有一位個案，讓我印象特別深，他做了好幾年的代理教師，不是那種混日子的人，每一年都在精進，不讓自己停下來學習。但就是這樣，到了某個時間點，他來找我，說了一句話，我到現在都還記得。 我很努力，但我不知道自己強在哪裡。 他想轉去做銷售，覺得自己缺業務技能。我聽完，沒有立刻回應他的問題，因為我看見的，不是他缺什麼，而是他一直在用一個對自己不公平的角度看自己。這種評估角度錯位的狀況，我在諮詢現場遇到不只一次，每次看到都覺得心疼。 《發現我的天才》裡有一組蓋洛普調查數據，研究了全球六十三國、一百七十餘萬名員工，結果只有兩成的人覺得，自己每天都在充分使用自己的能力。 八成的人，一直很努力，卻沒有把力氣用在對的地方，這個數字說出來，其實有點讓人心疼。 這不是不夠勤奮。很多人的處境，其實是這樣的，技能的總量一直在增加，但這些技能的單位價值，卻隨著行業競爭與普及化，慢慢被稀釋掉了。大家都在做加法，但這個世界同時在做除法。 努力，沒有錯。只是方向，可能需要重新溫柔地看一次。 勤能補拙，可能是最貴的代價 大多數人發現自己卡住了，第一個反應是，去補自己不足的地方，這是很自然的反應，也是我很能理解的心情。 查理蒙格說過一句話，如果你 參加別人擅長而你不擅長的比賽，你注定要輸 。這不是叫你...

打開AI，把想問的事情打進去，結果得到的答案不是你要的。換個說法再問一次，還是不對。你開始懷疑，是不是自己講得不清楚，還是這工具其實沒那麼厲害。 老實說，兩種情況都有可能，但更常見的第三種，是你自己也還沒想清楚要問什麼，只是先打字再說。 很多人這時候會去找提示詞公式，角色、任務、格式、範例，一項一項套進去，像照著食譜按表操課。套完之後，產出確實有進步，但還是覺得少了點什麼，好像哪裡卡住了，那種感覺有點像照著食譜做出一道菜，味道對了，卻少了那口讓人記住的滋味。 問題不在公式本身，而在於 公式只能幫你把話講清楚，沒辦法幫你把問題想清楚 。提示詞從來不是咒語，念對咒語就會生效。它比較像是你腦中思考的翻譯稿，你想得越清楚，翻譯出來的東西才會越準。想得模糊，念得再標準，出來的還是一團模糊。 有管理學者提過類似的觀點， 在AI已經能快速給出答案的時代，稀缺的不再是知道多少事，而是有沒有能力先問對問題。 AI負責回答，人真正該負責的，是把問題定義清楚。這句話放在提示詞這件事上也一樣成立。 但要把問題定義清楚之前，還有一層更基礎的事得先處理，那就是AI根本還不認識你。同一個問題，丟給一個完全不了解你工作內容跟需求的AI，跟丟給一個已經知道你是誰的AI，得到的答案品質會差很多。 先讓AI認識你，一次就好 多數人不會特別去設定這件事，因為想不通這麼做的意義在哪裡，反正打開來直接問，AI不是照樣會回答嗎，何必多花時間先寫一段自我介紹。 尤其現在不少AI工具已經有自動記憶功能，會從你過去的對話裡零散記住一些片段，感覺好像本來就不需要特地設定。但零散記住的，跟你自己完整交代一次的，是兩回事。 自動記住的可能只是某次不經意提到的細節，你沒辦法確定它記住了什麼、又漏了什麼。與其靠它自己零散拼湊，不如自己完整寫一次，把最重要的背景一次交代清楚，這樣每次對話調用的，都是你自己確認過的完整版本，而不是它自己猜測拼湊的片段。 具體做法很簡單，找個文字檔，寫下三件事。我是誰，包括身分跟主要在做什麼；我希望它怎麼幫我，最常請它處理的工作類型是什麼；我的偏好設定，喜歡條列還是長段落，最討厭什麼樣的空泛回答。寫完存進工具的自訂設定裡，ChatGPT在頭像選單的自訂回應裡，Claude可以放進Projects的知識庫，或帳號設定的自訂指示裡。 不用一次寫得完美，先寫個六十分的版本，用起來之後發現哪裡不夠，再回去補...

前陣子準備課程時，我把三份關於AI與職場轉型的研究報告丟進NotebookLM。新增來源、按下筆記本指南，不到幾秒鐘，一份整理好的摘要就出現在畫面上。 老實說，第一眼看到時還有點驚艷。以前可能要花一兩個小時閱讀的內容，現在幾分鐘就能掌握重點。 但看完之後，我卻停了下來。 那一刻我開始思考，如果 AI只是幫我把三十頁濃縮成三頁，它真的有幫助我思考 嗎？ 我重新看了一次摘要，沒有錯，它整理得很好。但問題是，我真正想知道的事情，一件都沒有得到答案。 後來我才發現，問題從來不在NotebookLM，而是我只是隨意點選了重點摘要，沒有主動詢問，只有被動等答案。 當你只問AI重點是什麼，它回答你的，也只會是重點。真正有價值的，往往是那些沒有直接寫在資料裡的問題。 NotebookLM 的底層邏輯 在說提問之前，先把NotebookLM的運作方式講清楚。它跟一般AI有一個很關鍵的差異，它不是憑空生成答案，而是先在你上傳的材料裡找到相關段落，再根據那些段落來回答你。每句回應都附有引用出處，答案有所本，不會憑空捏造。 我在課程裡常說一句話：ChatGPT不用給資料，就給答案。NotebookLM則是，不給資料，不給答案。 正因為如此，它能給你什麼，完全取決於你怎麼問它。你給的方向越清楚，它的回應就越有價值。一句模糊的幫我摘要， 對它來說等同於你覺得什麼重要就說什麼 。 三種提問方向，從不同角度切入 於是我不再請它幫我摘要，除非是學習新知，反而是慢下來，開始問自己：關於這份資料，我真正想知道的是什麼？同一份資料，換個問題，答案完全不同。 找共識 ：這三份報告針對中階主管在AI時代的角色轉型，有沒有共同強調的方向。這個問法讓AI做跨文件的比對工作，不只是摘要單篇，而是幫你找三份資料的交集。交集出現的地方，通常就是最值得關注的趨勢。 找分歧 ：關於AI是否會取代中階管理職，三份報告的立場有什麼不同。這是很多人不會問的角度，但我覺得它最有價值。不同報告對同一問題給出不同答案，背後可能是立場不同、研究方法不同，或產業背景不同。讓AI把各方立場整理出來，閱讀就從接受資訊，升級為評估觀點。 找行動 ：如果我是一家製造業的部門主管，這三份報告中最值得我優先採取行動的是哪一點。這個問法把AI的角色從分析師變成顧問。你給它一個角色條件，它就從報告內容裡篩選最相關的建議，答案不只是摘要，而是針對你的情境做...

課程基本資訊 建議時數：24 小時（4 天，每天 6 小時） 適合對象：一般同仁、行政人員、主管、跨部門團隊  課程彈性：每一模組皆可單獨安排為 6 小時獨立課程，企業可依訓練需求自行組合 一句話核心價值 從數位基礎到 AI 協作，建立員工使用 AI 工具的完整能力地圖，讓學習不停留在「會用」，而是真正轉化為日常工作的效率與判斷力。 為什麼需要這堂課？ 這系列的課程設計，著重於建立學員「任務對應工具」的判斷邏輯，而不只是單一工具的操作記憶。我們引導學員理解不同 AI 工具的特性，學會如何根據工作任務靈活挑選與整合，讓 AI 真正落地於日常工作流程中。 導入 AI 後，員工仍回到原本工作方式，效率沒有實質提升 每位員工各自摸索，缺乏共同的 AI 工作流程與語言 工具越買越多，但沒有人知道哪個工具該用在哪個任務 學了提示詞技巧與眾多的 AI 工具，卻不知道如何與實際工作結合 把 AI 當成單向工具，還沒發展成真正的協作夥伴 完成後可以帶走什麼？ 每一個模組都有實作練習，學員當天就能產出成果，不只是聽懂，而是真的做出來帶走。 會使用：掌握提示詞結構與多款 AI 工具的基礎操作 會判斷：依任務挑選最適合的 AI 工具，而非只依賴單一平台 會協作：串接多工具分工，提高工作品質與效率 會累積：建立個人知識庫，讓每一次工作都能成為下一次的資產 會整合：打造屬於自己的 AI 工作流程，讓 AI 從工具進化為協思夥伴 職能強化搭配課程 本課程以 AI 工具實務為核心，可與以下課程搭配，組成更完整的職能提升培訓計畫： 心智圖法職場應用 ：強化結構化思維，讓 AI 工作流更有邏輯骨架 NotebookLM 知識管理進階 ：深化個人知識庫的建置與應用 Google Workspace 雲端協作 ：強化跨部門協同作業能力 依企業需求，可規劃 12 小時至 48 小時的完整培訓方案。 課程搭配建議 不確定從哪個模組開始？以下是幾種常見的企業需求組合： 員工普遍對 AI 陌生：模組一 ＋ 模組二 已有基礎，想解決實際工作問題：模組二 ＋ 模組三 主管或核心團隊培訓：模組三 ＋ 模組四 完整能力培訓：模組一至四，共 24 小時 完整課程大綱 課程設計主軸：數位基礎 → 工具熟悉 → 工作流整合 → 協思夥伴 課程順序：AI 初體驗（建立信心）→ 多工具實務（擴展能力）→ 工作流整合（解決問...