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？
※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？
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。
這背後的道理說穿了：你的技術以前只活在你的腦袋裡，你離開了它就跟著走。
其實也一樣藏著，只是藏在不同的地方。
那個資深業務知道一封信哪幾段要加的語氣，那個老主管知道一份提案報告哪裡要特別補上數字才不會被退，那個跑了十年的行政人員知道什麼樣的簽核流程真的能過、什麼樣的填法到了哪個關卡一定卡住，這些東西，也是隱性知識，也一樣很難傳承。
但文書型的「固化路徑」和工廠型不一樣，不需要感測器，而是三個方向：
.png)
這件事看起來每次都不同，但骨子裡，你其實早就有一套固定的「看法」：怎麼開頭才不會讓主管跳過，哪個段落一定要有數字支撐，競品比較放在哪裡最有說服力，最後那頁怎麼收才能推動決策。這些判斷，就是你多年累積下來的隱性知識。
問題是，這套東西只活在你的腦袋裡。年輕同事每次做簡報都要重新摸索，而你每次審稿都要重新解釋一遍同樣的事。
現在，你可以把這件事固化下來。
有經驗的人做這件事靠直覺，五分鐘就能定方向；新人可能想半天還找不到切入點。但這套直覺是可以語言化的。把你判斷「切角好不好」的標準，整理成 Prompt 指令：AI 一跑，就能快速生成幾組不同的行銷切角或議題框架，讓團隊直接在選項上討論，而不是在空白上猜。
第二關：大綱與邏輯架構，用框架鎖住說服力
簡報最常出現的問題不是不好看，而是邏輯鬆散、讀者看完不知道你想說什麼。資深的幕僚人員通常有自己慣用的一套思路，例如「131框架」：先定義一個問題，再提出一個目標結果，給三條可能路徑，最後收斂到一個最佳建議。
這套框架本來只存在你腦袋裡，每次做出來都有，但從來沒有說清楚過。現在你可以把它寫進大師提示詞裡，讓 AI 每次生成提案大綱時，都自動按照這個邏輯跑，不再靠你人工把關每一份稿子的結構。
第三關：視覺生成，把排版眼光變成填空指令
什麼樣的投影片看起來有料、不雜亂？這個判斷你做得出來，但你能說清楚嗎？
用「填空式」的 Prompt 模板，你可以把自己對簡報的視覺要求明確化：整體風格、配色方向、字體大小、留白原則，通通寫進去。結合 Canva 或 Gamma 等工具，AI 能依據你設定好的標準直接生成內頁，產出的版面你還可以自由微調，你的眼光，從此不再是你一個人的眼光，而是整個 AI 工作流的品質基準。
第四關：演講排練，把台上的眉角提前內建
簡報做好了，還有一件事很多人跳過：上台說的那個版本，跟做出來的那個版本，完全是兩回事。
資深的報告者知道哪裡要停頓、哪裡要拋問題給聽眾、哪個數字說出口之前要先給一個鋪墊。這些眉角，也是隱性知識，也可以固化。
你可以用 Prompt 請 AI 扮演那場報告的主要聽眾，進行模擬問答：他們最可能在哪裡有疑問，哪個結論最容易被挑戰，你準備好怎麼回應？這個練習做完，等你真的站上去，那些「臨場的直覺」，已經不再是臨場了。
這四個環節，串在一起就是：把一個資深幕僚「做好一份簡報」的完整思路，變成一套可以反覆調用、也可以讓後進者直接站上去用的機制。 你的簡報邏輯不再只活在你腦袋裡，而是成為整個團隊都能沿用的標準。
📌 本篇重點
隱蔽知識的危機：你的技術以前只活在你的腦袋裡，你離開了它就跟著走。
❙ 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，就這樣被轉化為可複製的精準推論機制，輔助全體醫療人員。
這背後的道理說穿了：你的技術以前只活在你的腦袋裡，你離開了它就跟著走。
AI 可以幫你把這件事固定下來，變成一套可以反覆運行的機制。你不是被取代，而是你的經驗，變成了一個可以永久留下來的東西。
這些看起來科技感十足的故事，背後有一個白領工作者也能做的版本。
這些看起來科技感十足的故事，背後有一個白領工作者也能做的版本。
你不需要感測器、不需要高速攝影機，只需要一套寫得清楚的邏輯。那就是接下來要講的「文書型固化路徑」。
⇉文書型的固化路徑
但這裡有個問題值得多問一句：如果你不是師傅，不是工廠裡的那雙手，而是一個以文書為主的工作者呢？你的「身體記憶」藏在哪裡？
其實也一樣藏著，只是藏在不同的地方。
那個資深業務知道一封信哪幾段要加的語氣，那個老主管知道一份提案報告哪裡要特別補上數字才不會被退，那個跑了十年的行政人員知道什麼樣的簽核流程真的能過、什麼樣的填法到了哪個關卡一定卡住，這些東西，也是隱性知識，也一樣很難傳承。
但文書型的「固化路徑」和工廠型不一樣，不需要感測器，而是三個方向：
✎ 關鍵心法：用「思維鏈」與「思維樹」還原專家大腦
在進入具體方向前，必須先掌握一個核心觀念：專家的「直覺」，說穿了就是大腦極速運算後的結果。要把這份直覺抽取出來交給 AI，你需要用兩種被譽為「作弊碼（Cheat code）」等級的高階框架，來「解壓縮」大腦的運作：
❶ 思維鏈（Chain of Thought, CoT）
❶ 思維鏈（Chain of Thought, CoT）
除錯你的思維，把「直覺」拆成「步驟」： 當 AI 給出的答案看起來隨機或缺乏邏輯時，問題往往出在我們的指令不夠精確。這時你需要啟動思維鏈模式，在提示詞中明確要求 AI：「一步一步思考（think step by step），展現你的推理過程，然後再給我最終簡潔的答案。」 老鳥一眼看出提案致命傷，是因為他腦中跑過了幾道檢查關卡。
迫使 AI 展現這條推理鏈，不僅是把專家的隱性經驗拉平成 AI 能跟隨的邏輯，更能讓你透過檢視它的推演過程，不斷優化未來的提問方式。
❷ 思維樹（Tree of Thoughts, ToT）
❷ 思維樹（Tree of Thoughts, ToT）
像下棋一樣，把「單線邏輯」變「多路徑決策」： 如果「思維鏈」是讓 AI 產生單一的線性邏輯（A → B → C），那麼由普林斯頓大學與 Google DeepMind 學者提出的「思維樹」，就像是讓 AI 下一盤西洋棋，它會預演未來多種類似的走法，評估每一步的優劣，最後才決定當下該走哪一步。
當處理需要全盤規劃的複雜任務時，你可以運用這套多路徑決策框架，要求 AI：「針對這個問題，先提出三條潛在的解決路徑（three potential paths），各自推演實行後的風險與自我評估。如果某條路徑走不通請進行回溯（Backtracking），最後再給出一項最佳行動方案。」 這等於把資深主管腦中最高階的「全局決策樹」，完整植入系統中。
帶著這樣「拆解專家大腦」的心法，我們來看三個具體的固化方向：
帶著這樣「拆解專家大腦」的心法，我們來看三個具體的固化方向：
- 第一，把判斷模式變成 SOP 加決策樹
- 第二，把說法邏輯變成 Prompt 模板
- 第三，把歷史案例變成知識庫
.png)
第一，把判斷模式變成 SOP 加決策樹
資深者心裡的「這種情況這樣處理」，可以寫下來，配合 AI 自動化工具讓它真的跑起來，不再靠那個人在不在辦公室。
資深者心裡的「這種情況這樣處理」，可以寫下來，配合 AI 自動化工具讓它真的跑起來，不再靠那個人在不在辦公室。
案例：薩泰爾娛樂的「合約自動生產器」
脫口秀製作聽起來和流程化沒什麼關係，但薩泰爾娛樂的員工把腦袋裡的「合約撰寫邏輯」拆解出來，結合 Google 試算表資料庫與 AI，打造出一套合約自動生產機制。只要標準化輸入資料，就能自動生成合約。原本需要好幾個小時的行政勞務，縮短到 5 分鐘。他們把工作流程像「組裝樂高」一樣拆開，讓員工從此不再被瑣事綁架。案例：人資部門的招募儀表板——把「選才手感」轉化為數據決策
HR 進行招募時，很多時候憑的是「手感」，難以說清哪個管道的候選人品質最好、哪類背景的員工留存率最高。透過建立「資料管線」，即使完全不懂程式的人資同仁，也能自己拉出即時更新的數據儀表板，並結合預測式 AI 輔助決策。過去只存在直覺裡的判斷，轉化為量化統計（例如：校園招募與獵頭推薦的錄取率差異），讓招募策略的隱性經驗，固化為整個部門都能共享的標準。
第二，把說法邏輯變成 Prompt 模板
老業務寫信的角度、老講師鋪陳內容的結構，這些東西可以整理成 AI 每次都能調用的提示詞，新人一開口就能站在前人的肩膀上，而不是每次從零摸索。案例：房仲店長江炳賞——溝通眉角的 AI 化
資深業務最難傳承的，是那種「時機到了要怎麼催、怎麼說才不惹人反感」的分寸感。江炳賞店長用 ChatGPT 潤飾談判訊息，把單調催促的語氣，轉化為「先關心對方、再策略性創造急迫感但不讓人反感」的圓融文字。這種溝通的「眉角」，原本只存在他的經驗裡，現在透過 AI 提示詞標準化了，資淺房仲照樣能做到高情商溝通，成交率提升 30%～40%。
案例：丁筱晶——把「選文品味」寫成 AI 指令
製作國際新聞電子報，靠的是編輯「判斷什麼是好文章」的隱性品味，這種東西通常無法說清楚。丁筱晶把自己的「評分標準」固化為 AI 的提示詞指令：程式自動抓取大量文章，AI 依據她的標準給每篇文章 1 到 10 分評分，高分文章再自動摘要翻譯。她把大腦裡的「選文邏輯與品味」成功交接給 AI，工作時間從 1080 分鐘大幅縮短至 261 分鐘，但產出的風格，依然保有她個人的靈魂。
案例：KOL Radar——把「資深行銷人的識人直覺」變成 AI 自動標籤
過去品牌找網紅代言，仰賴資深行銷人的「直覺與手感」，那種看了一個人的貼文，就能感受到他適不適合代言某品牌的隱性判斷力。傳統關鍵字搜尋找不到「從未講過咖啡、但生活品味極度適合代言咖啡品牌」的潛力網紅。導入生成式 AI 的理解與推理能力後，AI 能讀懂一位網紅在質感咖啡館發布的工作照，即使全文沒提到咖啡，也能自動貼上適合生活風格代言的標籤。資深行銷人「感知生活品味的直覺」，就這樣被轉化為可規模化的精準配對機制。
【幕僚人員特別適用】把你的簡報邏輯，變成每次都能調用的 Prompt 模板
如果你是幕僚人員，手上最常做的事情大概不是養魚，也不是寫電子報，而是做簡報、寫提案、準備會議資料。這件事看起來每次都不同，但骨子裡，你其實早就有一套固定的「看法」：怎麼開頭才不會讓主管跳過，哪個段落一定要有數字支撐，競品比較放在哪裡最有說服力，最後那頁怎麼收才能推動決策。這些判斷，就是你多年累積下來的隱性知識。
問題是，這套東西只活在你的腦袋裡。年輕同事每次做簡報都要重新摸索，而你每次審稿都要重新解釋一遍同樣的事。
現在，你可以把這件事固化下來。
第一關：發想與資料整理，不再從空白頁開始
簡報最耗時的不是做投影片，而是「想破頭」的前期，競品怎麼定位？受眾的痛點在哪？切角要怎麼抓？有經驗的人做這件事靠直覺，五分鐘就能定方向；新人可能想半天還找不到切入點。但這套直覺是可以語言化的。把你判斷「切角好不好」的標準，整理成 Prompt 指令：AI 一跑，就能快速生成幾組不同的行銷切角或議題框架，讓團隊直接在選項上討論，而不是在空白上猜。
第二關：大綱與邏輯架構，用框架鎖住說服力
簡報最常出現的問題不是不好看，而是邏輯鬆散、讀者看完不知道你想說什麼。資深的幕僚人員通常有自己慣用的一套思路，例如「131框架」：先定義一個問題，再提出一個目標結果，給三條可能路徑，最後收斂到一個最佳建議。
這套框架本來只存在你腦袋裡，每次做出來都有，但從來沒有說清楚過。現在你可以把它寫進大師提示詞裡，讓 AI 每次生成提案大綱時，都自動按照這個邏輯跑，不再靠你人工把關每一份稿子的結構。
第三關：視覺生成，把排版眼光變成填空指令
什麼樣的投影片看起來有料、不雜亂？這個判斷你做得出來，但你能說清楚嗎？
用「填空式」的 Prompt 模板，你可以把自己對簡報的視覺要求明確化：整體風格、配色方向、字體大小、留白原則，通通寫進去。結合 Canva 或 Gamma 等工具，AI 能依據你設定好的標準直接生成內頁，產出的版面你還可以自由微調，你的眼光，從此不再是你一個人的眼光，而是整個 AI 工作流的品質基準。
第四關：演講排練，把台上的眉角提前內建
簡報做好了，還有一件事很多人跳過：上台說的那個版本，跟做出來的那個版本，完全是兩回事。
資深的報告者知道哪裡要停頓、哪裡要拋問題給聽眾、哪個數字說出口之前要先給一個鋪墊。這些眉角，也是隱性知識，也可以固化。
你可以用 Prompt 請 AI 扮演那場報告的主要聽眾，進行模擬問答：他們最可能在哪裡有疑問，哪個結論最容易被挑戰，你準備好怎麼回應？這個練習做完，等你真的站上去，那些「臨場的直覺」，已經不再是臨場了。
這四個環節，串在一起就是：把一個資深幕僚「做好一份簡報」的完整思路，變成一套可以反覆調用、也可以讓後進者直接站上去用的機制。 你的簡報邏輯不再只活在你腦袋裡，而是成為整個團隊都能沿用的標準。
第三，把歷史案例變成知識庫
十年來的合約、提案、客訴紀錄，不再只是封存在主機裡的資料，而是可以讓 AI 從中回答「以前碰到這種狀況是怎麼處理的」的活資料庫。案例：iKala CloudGPT——把「10 年雲端工程師的解題心法」固化為 AI 架構師
當雲端系統發生問題，客戶打電話客訴，資深工程師必須憑藉多年經驗快速判斷問題根源（例如：如何防護 DDoS 攻擊、如何優化架構成本）。iKala 將過去 10 年累積的「雲端專家經驗」結合大型語言模型，打造出專屬的 AI 架構師「CloudGPT」。這等於把資深工程師腦中的心法與解題邏輯，固化為隨時可調用的知識庫。工程師從重複問答中解放，更高難度的架構問題才值得他們真正動腦。
形式不同，但目的一樣：讓那個「只有他才知道」的東西，不再因為某個人離開而一起帶走。
為什麼這件事現在才真的可行？
你可能會問：把經驗留下來的想法並不新鮮，以前也有 SOP、也有教育訓練，但為什麼還是留不住？
因為以前缺少一個「中間層」。一個能把說不清楚的直覺，轉化成可運作機制的載體。
黃仁勳說過一個重要的觀點：
形式不同，但目的一樣：讓那個「只有他才知道」的東西，不再因為某個人離開而一起帶走。
為什麼這件事現在才真的可行？
你可能會問：把經驗留下來的想法並不新鮮，以前也有 SOP、也有教育訓練，但為什麼還是留不住？
因為以前缺少一個「中間層」。一個能把說不清楚的直覺，轉化成可運作機制的載體。
黃仁勳說過一個重要的觀點：
過去的觀念是「Human in the loop（人在迴圈中）」，未來應該翻轉成「AI in the loop（AI 在迴圈中）」。當 AI 參與在每個員工的日常工作裡，它就在持續記錄、學習每個人的判斷模式。這些被 AI 捕捉下來的決策邏輯，最終會成為公司永久的智慧財產。
人類真正的超級力量在於領域專業：「理解客戶想要什麼、該解決什麼問題」的那份洞見，正是 AI 需要被賦予的核心價值。
知識管理專家 Tiago Forte 提出了「第二大腦」的概念： 你的反思、會議記錄、工作流程，不能只存在腦中，必須轉化為具體的「知識資產」。當你把思考過程記錄在數位系統裡，這些思維就變成可以被隨時檢索、重組的積木，不會因為你的遺忘或離職而消失。
而「大師提示詞（Master Prompt）」的概念，則是把資深主管的大腦運作邏輯，寫成一套微型程式：把決策框架、核心價值、甚至個人的判斷偏好，全部寫入 AI 的背景預設中。未來每次調用，AI 都能以這位專家的思維高度來進行決策與產出，這位專家就算不在辦公室，他的邏輯還在。
頂尖教練的 AI 分身，是「大師提示詞」的最完整示範：頂尖商業教練（如馬歇爾·葛史密斯 Marshall Goldsmith）擁有難以複製的引導風格，透過對話讓管理者自我反思。
知識管理專家 Tiago Forte 提出了「第二大腦」的概念： 你的反思、會議記錄、工作流程，不能只存在腦中，必須轉化為具體的「知識資產」。當你把思考過程記錄在數位系統裡，這些思維就變成可以被隨時檢索、重組的積木，不會因為你的遺忘或離職而消失。
而「大師提示詞（Master Prompt）」的概念，則是把資深主管的大腦運作邏輯，寫成一套微型程式：把決策框架、核心價值、甚至個人的判斷偏好，全部寫入 AI 的背景預設中。未來每次調用，AI 都能以這位專家的思維高度來進行決策與產出，這位專家就算不在辦公室，他的邏輯還在。
頂尖教練的 AI 分身，是「大師提示詞」的最完整示範：頂尖商業教練（如馬歇爾·葛史密斯 Marshall Goldsmith）擁有難以複製的引導風格，透過對話讓管理者自我反思。
這些教練將大量著作、文章、影片輸入大型語言模型，並親自回答數百個問題訓練 AI，最終打造出能精準反映其獨特見解與風格的「虛擬分身（Avatar）」。大師級的隱性引導智慧，就這樣變成學員隨時隨地都能呼叫、反覆練習的對話機制。
📌 本篇重點
隱蔽知識的危機：你的技術以前只活在你的腦袋裡，你離開了它就跟著走。
經驗數位化：
- AI 可以幫你把這件事固定下來，你不是被取代，而是你的經驗，變成了一個可以永久留下來的東西。
- 永久提取：無論是師傅手感、球探眼光或業務眉角，都能透過「感測數據＋AI」或「提示詞＋流程」被永久保留。
- 真正的傳承：人類並沒有被取代，而是人類的「經驗與邏輯」，以數位資產的形式，獲得了永生。
．．．關於分享者．．．
※連繫：FB 蔡興正
※電郵：jason@cpfs.com.tw
※證照：孫易新心智圖講師班﹙2014﹚ | GCDF全球職涯發展師 | Google全球教育家
※專長：心智圖法 | 數位工作 | 職涯紫微
留言
張貼留言