All RSS

近期手機型電子書閱讀器相當熱門，對於偏好閱讀小說的人來說，手機型更好單手操作且體積也更小。Mooink Chill就是這類型的彩色閱讀器，它搭載6.13吋E Ink Kaleido 3電子紙，灰階模式下解析度為824x1648，彩色模式則是412x824。比較特別的是，它在特定電子書格式下可自訂排版樣式，像是常見的字距、行距或是直書、橫書都能調整，對於有閱讀偏好的人來說是個好用的功能。現在這款閱讀器小降1400元，折後為7599元。輕巧機身隨身攜帶 適合繁體中文直式排版電子書閱讀器產品不算少，但想要追求大螢幕閱讀更舒適、還是小體積方便攜帶，各有各的偏重。讀墨電子書閱讀器Mooink Chill

最近天氣越來越熱，每天通勤到公司的這段路，我都會覺得口好渴，忍不住想在路上買一杯冰咖啡或瓶裝水來解渴。但傳統的外帶紙杯冰塊融化的速度超級快，才沒喝幾口就覺得咖啡被稀釋到好淡。加上天天買外帶杯累積下來的開銷，也讓精打細算的小資族有些心疼。 如果你也在尋找一款好看、好喝又極致保冷的質感隨行杯，來自日本設計美學品牌 KINTO 的這款吸管保溫隨行杯絕對是必備的最佳選擇。480ml 的充足大容量，剛好能完美裝下各大咖啡館的冰飲，雙層真空結構能緊緊鎖住溫度，讓冰塊在炎熱的午後依然完整不融化，隨時都能喝到最冰爽解渴的完美風味。

這陣子HYROX越來越熱門，身邊不少原本只重訓的朋友，也開始把跑步、有氧和功能性訓練加進課表。運動量一拉高才發現，真正決定隔天身體狀態的，不只是練得夠不夠，而是恢復做得好不好，Project Mars Booster MINI 2肌肉放鬆強力迷你筋膜槍，就是最近備受討論的訓後恢復小物。 Project Mars Booster MINI 2最吸引人的地方，並非規格堆得多漂亮，而是把尺寸做得精巧，卻依然保有不錯的按摩力道。不管放健身包、辦公包還是旅行行李都不太占空間，看完它的特色後，你就會理解，最近為什麼大家開始把迷你筋膜槍列入日常裝備。

每天出門前最需要的，不一定是一頓豐盛早餐，而是一杯能快速讓人醒過來的好咖啡。最近逛到ILLY官方直營 Y3.3膠囊咖啡機，發現它把大家熟悉的義式咖啡濃縮成一件很簡單的事，不用研究萃取技巧，也不用花時間清理一堆器具，按下一個按鍵就能開始沖煮。 ILLY Y3.3膠囊咖啡機的外型設計，線條俐落、機身不占空間，放在廚房、餐櫃或辦公桌旁都很有存在感。ILLY本身就是許多咖啡迷熟悉的義大利品牌，更讓人對這台機器多一份期待，下面就一起來看看它有哪些特色。

每次載完朋友或剛買完外食，車裡就會混雜一些外來氣味，一陣子後就變成讓人很想開窗的詭異悶味。 偏偏車子行進又不能一直開著窗戶，加上我本身有一點點潔癖，只要聞到皮革味混合食物的味道，整個人就會開始煩躁。所以一直在找不用換耗材、體積小又真的有感的空氣清淨產品，看到這台AHOYE車用空氣清淨機後眼睛一亮。原本以為它只能在車上用，仔細研究規格才發現，因為它是 USB供電而且體積小，辦公桌、工作桌等小空間場域也很適合使用。 空氣品質真的比想像中還要髒，AHOYE車用空氣清淨機主要是靠負離子和強效殺菌技術來處理空氣，不只能把那些聞不到的細菌隔絕掉。最厲害的是連最難搞的煙味、霉味，或辦公室隔壁同事的便當味都能

(硬是要學／手哥 HANDBRO 報導)
讓 AI 自己付錢買 API？Cloudflare 推出專為 AI 代理設計的可程式化錢包「Cloudflare Wallets」。透過雙層錢包架構與微支付協議，完美解決 AI 缺乏穩定身分與原生支付能力的痛點，在預算控制內放手讓 AI 自動化探索最佳服務。
本文 AI 代理專屬錢包登場：Cloudflare Wallets 打破機器自動化支付的最後壁壘 最早出現於 硬是要學。

(硬是要學／手哥 HANDBRO 報導)
睽違多年，華碩（ASUS）正式宣布重返 Android 平板市場，推出全新產品 ASUS Pad (T3201 […]
本文 華碩重回平板市場 ASUS Pad 登場！旗艦雙層 OLED 首次下放！兼顧極致娛樂與 AI 行動生產力 最早出現於 硬是要學。

(硬是要學／手哥 HANDBRO 報導)
OpenAI 突然宣布調降 GPT-5.6 家族的 API 定價策略，最高降幅達 80%，透過優化基礎架構與模 […]
本文 OpenAI 調降 GPT-5.6 API 定價：Luna 降幅達 80%，全面提升商業應用性價比 最早出現於 硬是要學。

(硬是要學／手哥 HANDBRO 報導)
soundcore 正式在台發表全新真無線藍牙耳機 Liberty 5 Pro 與 Liberty 5 Pro Max。首度搭載獨家自研 Anker Thus™ AI 晶片，帶來絕佳的清晰通話與升級版降噪體驗。Pro Max 版本更配備 1.78 吋 AMOLED 智慧充電盒，結合 AI 會議錄音摘要與 150 國語言即時翻譯功能，讓耳機瞬間變身最強隨身工作助理！
本文 soundcore Liberty 5 Pro 雙旗艦新機登台：首創整合 AI 錄音翻譯，降噪與通話體驗全面升級 最早出現於 硬是要學。

(硬是要學／手哥 HANDBRO 報導)
三星正式公開最新一代摺疊旗艦機 Galaxy Z Fold8 Ultra、Fold8、Flip8，以及全新穿戴 […]
本文 三星 Galaxy Z Fold8 系列、Flip8 台灣售價、預購優惠與前代對比解析 最早出現於 硬是要學。

不喜歡越做越厚、越做越重的手機嗎？今日（5/13）小米台灣推出小米 11 Lite 超輕薄旗艦手機，重量僅有 159g、厚度僅 6.81mm，搭載 6.55 吋 FHD+ AMOLED 螢幕、高通 Snapdragon 780G 旗艦級處理器、4250mAh（typ）大電量電池、6400 萬像素 AI 三鏡頭相機，成為小米史上最輕薄的 5G 手機，小米 11 Lite 在台灣市場 3 種顏色，分別...

華碩於台灣時間凌晨 1 點舉行「線上新品發表會」，會中發表了最新旗艦級手機 ASUS ZenFone 8 及 ZenFone 8 Flip，主要訴求分別為「單手可掌控的高效能」手機、「翻轉鏡頭」手機，其中 ZenFone 8 是一款 5.9 吋的超級小剛砲，在極限空間裡，塞入了 4000mAh 的大電池、最新高通 S888 旗艦級處理器及 120Hz 螢幕更新率螢幕。ZenFone 8 Flip ...

最近朋友要買電腦，傳訊息來問說最近有沒有什麼好優惠？不查還不知道，一查才知道這也太划算了！取得 Windows 10 專業版 + Office 2019 專業增強版的限時優惠，價格真的是超級划算、牛到很划算，只要一張小朋友加上幾個硬幣就可以購得，以現在的匯率來計算只要台幣 1058 元，若你剛好組台新的電腦，該有的系統與文書工具也一併買齊，便宜到不用再找盜版軟體，本篇文章將簡易的測試購買教學，剛好...

想到法國參觀羅浮宮中的收藏品，卻因疫情沒辦法出國怎麼辦？沒關西！最近法國羅浮宮官網有開放一個全新的 Louvre 線上歷史文物收藏網，在 Louvre 網站中共有 48 萬件收藏藝術作品，讓你不用出國就能在家欣賞羅浮宮的這些豐富收藏品，此外 Louvre 網站還有提供線上互動地圖功能，讓你可以選擇樓層，觀看該區域所有展覽品與實際館內圖片，且館內所有藝術品照片都可免費下載做個人或教育用途，但千萬不能...

很多人的電腦早就沒有配備光碟機，像我的電腦大概已經有超過五年了，要安裝 Windows 都是靠隨身碟居多，這次限時免費的 WinToHDD Profession 算是有特異功能的工具，主打重灌、新安裝第二個 Windows 系統不用再使用到光碟與隨身碟，拷貝系統到第二顆硬碟或是 SSD 的功能，以及自己建立多版本系統的安裝隨身碟，Profession 版本支援企業版的作業系統，在拷貝速度上也比較快...

Google 的 Gemini Notebook（原名 NotebookLM）之前已經是很棒的雜亂、大量資料整理工具，當我有一堆需要抓出相關重點的研究資料，或是有大量格式不一的混亂工作文件需要彙整，我都喜歡用 Gemini Notebook 作第一階段的整理，整理好後再交給 ChatGPT 或 Codex 這樣的 AI 工作作進階處理。延伸教學：我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用把混亂數據試算表丟進 NotebookLM：自動清理統計，直接變圖表 簡報實測分享用 NotebookLM 製作微型中文課程：我的防彈筆記法線上影音 教材與 AI 助教用 NotebookLM 實踐 AI 卡片盒筆記法：輸入、學習、輸出、復盤 6 步驟流程教學讓 NotebookLM 的 AI 自己找出 資料庫缺口：每次指令多加一句追問，「教練型 知識庫」越用越完整不過，我一直覺得 Gemini Notebook（原名 NotebookLM）右方的「工作室（ Studio ）」功能看似華麗，工作上的實用性卻不高。因為那些好看的圖解簡報、好玩語音摘要、自動生成的報告與測驗，在「自己的學習」上有幫助，但對於「工作上真正需要的產出：一份直接可用的 word、 Excel、 PowerPoint 等文件」卻幫助甚微。但是，最近 Google 針對 Gemini Notebook（原名 NotebookLM）的一個核心改進：「加入 Agent 功能」，終於解決了上述問題：讓 Gemini Notebook 可以「處理各種文件資料」，產出工作上直接可用的 Word、 Excel、 PPT 報告。從功能面來看， Gemini Notebook（原名 NotebookLM）這次的主要功能進化如下：2026/7 時從 NotebookLM 更名為 Gemini Notebook。Google AI Pro 與 Ultra 訂閱者的每一個筆記本，將內建一個安全雲端電腦，可執行 AI Agent 任務，讓系統在研究過程中搜尋網頁、寫程式、執行分析，並直接產生可下載的文件、試算表、簡報、圖表與圖片。開始針對付費用戶，逐步推出。2026/8 上述的 Agent Chat 功能正式對「所有」付費使用者推出，直接在原本的對話中即可使用。在一般 Chat 提示框直接交付行動型任務，系統可搜尋、跑程式與建立可下載檔案。如果你是 Google AI Pro 或 Ultra 訂閱者，這個內建在 Gemini Notebook 的 Agent 功能非常值得納入工作流程，他可以協助產出下面文件檔案：文件官方支援格式：.pdf、.docx、.md、.txt（不過我的實測過程發現，PDF目前中文顯示有問題）適合工作：研究報告、簡報講稿、文章素材、課程講義Microsoft Excel官方支援格式：.xlsx適合工作：分析工作簿、預算、追蹤表、可編輯圖表Microsoft PowerPoint官方支援格式：.pptx適合工作：提案、會議、課程與研究摘要簡報結構化資料官方支援格式：.csv、.json適合工作：來源矩陣、分類結果、後續自動化輸入資料視覺化與圖表官方支援格式：.svg（不過我的實測過程發現，目前中文顯示容易有問題）適合工作：問卷圖表、趨勢圖、比較圖、簡報素材而這些能力，是原本的  Gemini Notebook（原名 NotebookLM） 右方的工作室功能做不到的。下面分享我的實測步驟與成果。我把自己寫的相關文稿上傳，建立一個自己平常研究的方法論、工具教學、應用案例的資料庫（十幾份文件、數十萬字內容），然後嘗試利用最新的 Gemini Notebook Agent 輸出新的文件檔案。透過 AI 去檢索、分析、重組我的各種文稿，進一步產出需要的客戶回信、活動通知 word、生產力改造計畫 Excel、課程講義 PowerPoint 。在這一批測試中，我都只使用「單次指令」，並沒有多輪拆解或修改（通常效果會更好），但是 Gemini Notebook Agent 全部成功分析數十萬字資料庫，準確抓取內容，產出需要的文件檔案。案例一解析：把 11 份來源整理成 Excel 、Word 文件：建立有公式、進度圖表與覆盤表的 30 天工作重整計畫表我上傳的文稿，分別來自我的《防彈筆記法》、《時間管理的 30 道難題》、《高效人生工作法圖解》等書，裡面包含各種知識管理、時間管理、習慣管理的技巧，我想要把這些零散的文稿，規劃出一份 30 天的工作流程改造計畫，並且用一個 Excel 表格追蹤管理。在這個任務需求中，我需要 Gemini Notebook Agent 可以一次滿足下面需求：在不同格式、體例的文稿中，重新萃取出可以納入 30 天計畫的方法論。統整不同方法論，歸納出知識管理、時間管理、習慣復盤的不同練習。規劃出工作流程，並且附註資料來源。在 Excel 中寫出公式，讓計畫表可以自動統計追蹤。一份可下載並正常使用的 Excel 檔案。（並同時產出一份對應的 word 文件）我使用的指令如下，直接輸入在 Gemini Notebook 的 Chat 對話框即可：建立 30 天工作重整計畫，建立真正可下載的指定檔案。請一步一步處理：目標：請根據 Notebook sources 中的時間管理、任務拆解、習慣設計、防彈筆記與工作節奏方法，為下面這位人物需求設計 30 天工作重整計畫。- 有工作經驗的專案主管。- 經常被郵件、會議與零碎交辦打斷。- 平日每天只能投入 20 分鐘改善工作流程。- 不更換既有工具。- 希望四週內建立可持續的整理與推進習慣。請建立：30天工作流程改善計畫.xlsx每週復盤筆記.docxExcel 請包含：30 天每日行動。每項行動所需時間。完成狀態與完成率。每週目標。遇到阻礙時的替代行動。簡單的每週進度圖表。Word 請建立：每週復盤模板，固定包含 Keep、Problem、Try、下週最重要成果與第一個下一步行動。下面是 Gemini Notebook Agent 產出的兩份文件，歡迎參考成果：30天工作流程改善計畫.xlsx每週復盤筆記.docx順利啟動 Gemini Notebook 的 Agent 時，會出現下面的 AI 思考流程，可以看到 Agent 如何一步一步整理資料、寫程式、跑檔案的流程。順利完成後，這些產出的「文件檔案」會自動儲存在右方工作室的記事清單中，可以單獨下載成可繼續編輯處理的檔案。Gemini Notebook Agent 建立的試算表，正確的抓取了不同文稿中的不同內容，作出有效的 30 天規劃。抓取的方法論都是正確名稱，來源出處的註解也無誤。Agent 也能處理公式、圖表等統計功能，設計出可以正確運算的復盤計畫。建立的 Word 文件不僅正確的抓取了我在不同文稿中的內容，而且編輯出一份格式正確且美觀的講義版面。也就是說：Gemini Notebook Agent 可以正確處理 Excel 的公式、 Word 的排版，產出直接可用的文件檔案。案例二：一次處理多封客服來信，產出紀錄試算表、回信草稿文件在這個案例中，我丟出幾個常常收到的讀者提問，怎麼整理 Gmail？怎麼養成 GTD 習慣？怎麼把郵件與零碎交辦整理成工作筆記？測試看看 Gemini Notebook Agent 可不可以根據資料庫中的文稿，找出對應的方法，整理可以提供讀者的技巧，然後重新梳理成流暢的回信。這個案例可以看出 Agent Chat 和一般資料摘要的差別。它不僅是在雜亂資料中重組重點，還把多個混亂輸入拆成「工作追蹤表、對外回信草稿」等多個用途檔案，完成彼此可以銜接的交付物。我使用的指令如下，直接輸入在 Gemini Notebook 的 Chat 對話框即可：把三種讀者問題變成批次回信包，生成一份追蹤問題的 Excel ，和一份回信草稿 word。一步一步處理：請根據 Notebook sources，批次處理以下三個讀者問題：1.每天如何整理 Gmail 與清空收件匣？2.如何用最簡單的方法養成 GTD 習慣？3.如何把郵件、交辦與分散資料整理成工作筆記系統？請建立：reader_reply_pack.docxreader_question_source_matrix.xlsxWord 請為每個問題撰寫一封完整回信：- 從讀者容易感受到的職場情境開始。- 提供三至四個能馬上執行的步驟。- 保留 Esor 重視成果、下一步與符合人性的寫法。- 結尾給一個十分鐘內可以開始的小行動。Excel 請整理：- 讀者問題。- 主要痛點。- 採用方法。- 對應來源。- 建議步驟。- 注意事項。同樣的經過分析， Agent 會直接生成多份檔案，並全部儲存在右方的工作室記事中。Word 裡有三封完整回信，每封都從讀者的工作情境開始，接著提供四個步驟，最後收斂成十分鐘能啟動的小行動。範例：reader_reply_pack.docxExcel 則把問題、痛點、採用方法、對應來源、建議步驟與注意事項排在同一張矩陣中。範例：reader_question_source_matrix.xlsx案例三：根據資料庫，直接建立可下載編輯的 PowerPoint繼續使用前面的資料庫，這次我嘗試讓他直接作簡報，而且不是圖解簡報，而是可編輯的 PPT。我要求它建立 30_day_work_reset_briefing.pptx，共六頁，內容依序是工作打斷問題、30 天目標、四週路線、每天 20 分鐘分配、每週 KPT 覆盤，以及今天可以開始的小行動。每頁限制五個條列以內，只能使用目前勾選的 11 份來源。指令如下：請根據30 天工作重整簡報，建立：30_day_work_reset_briefing.pptx。一步一步處理：簡報共 6 頁：專案主管常見的工作打斷問題。30 天工作重整的目標。四週推進路線。每天 20 分鐘如何分配。每週 Keep、Problem、Try 復盤。今天可以開始的第一個小行動。每頁請使用清楚標題與不超過五個條列重點，保留來源脈絡，適合作為內部簡報初稿。完成後只需列出產出的檔名與一句話用途。經過數分鐘處理後，PPT 檔案確實出現在右側工作室。範例：30_day_work_reset_briefing.pptx案例四：建立符合我的「範本格式」的 Office 文件檔案上面幾個案例，驗證了 Gemini Notebook Agent 產出文件檔案的能力，但是如果在真實工作流程，我需要產出的是「符合公司規定範本」的文件檔案呢？於是我做了下面測試，我上傳了某一堂課程的講義文件檔案當作範本，希望 Agent 根據這個文件範本，把講義改成防彈筆記法的內容。指令如下：把「2026_8_1（六）講義：【大人學】用 AI 提升工作效率的實戰工作坊 公開課程.docx」作為我的課程講義模板，產出一份符合課程講義格式版面，但內容為防彈筆記法教學的講義 word 文件。一步一步處理。我希望 Agent 根據左邊範本的版面，製作我另外一堂防彈筆記法課程的講義，但格式一樣要先有工具連結，然後用表格展開演練流程。結果 Agent 確實根據範本，結合新的資料庫內容，產出有效的講義。bulletproof_note_handout.docx小結：當 Gemini Notebook 不只是索引資料庫，而是文件檔案產出助手這次實測後， Gemini Notebook Agent 最有價值的地方，是把一本已經整理好來源的 Notebook，繼續推進成可以下載、編輯與交接的工作初稿。它可以省下大量「把資料重新拆成表格、文件、簡報」的組裝時間。四個案例與補充測試也顯示，Agent 已經能建立多工作表 Excel、帶公式的追蹤工具、排版完成的 Word、六頁 PowerPoint，以及多檔案組成的工作包。Gemini Notebook Agent 已經開始從資料庫問答工具，往可以參與文件產出的專案助理再前進一步。大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：2026/8 最新線上課程，歡迎支持：《工作流改造術（知識衛星）》大人學最新 AI 課程：用 AI 提升工作效率的實戰工作坊2026/1 最新著作上市，歡迎支持：《高效職場生存法圖解》著作：《防彈筆記法》訂閱追蹤 podcast 節目：「高效人生商學院」（Apple podcast 訂閱、 Google Podcast 訂閱）訂閱「電腦玩物電子報」，不定期出刊。我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：Gemini Notebook Agent 可以從資料庫直接產出 Word、Excel、PPT！四種工作案例實測教學）

我前一陣子分享自己怎麼讓 Codex 進入專案資料夾，協助整理課程簡報素材、第二大腦資料庫。於是有讀者問：「我們的筆記不是都存在 Notion、Evernote 這類筆記工具裡嗎？那 Codex 還要處理什麼專案資料夾？如果 AI 已經可以整理資料，我還需要自己手動做筆記嗎？」這個問題，其實關連到 AI 時代個人第二大腦系統到底應該如何管理？是否還需要管理？Notion、Evernote 還要保留什麼？Google 雲端硬碟、本機資料夾又放什麼？ ChatGPT 的 Memory 和 Projects 可以幫什麼？ Codex 的規則文件與 Skills 又扮演什麼角色？ 為什麼 AI 愈能整理資料，我反而愈需要手動留下任務與經驗？因為現在 AI 工具真的很會整理資料。ChatGPT 可以幫我做研究與改寫，NotebookLM 可以根據一批文件整理成表格或語音摘要，Codex 可以進入本機或雲端專案資料夾整理文件、建立流程。看起來，好像 AI 都能幫忙整理了，我們只要把資料交給 AI 就好。但我這幾年的 AI 應用經驗，卻讓我更確定：AI 愈會整理資料，我反而愈需要自己的第二大腦，甚至，也要管理 AI 的第二大腦。原因不是 AI 不夠好。剛好相反，正是因為 AI 整理資料太快、產出反而變得太多卻太分散，我才更需要一個地方，把任務目標、我的經驗、關鍵判斷、下一步進度，和值得之後參照的規則，「整理」在一個我可以隨時取用的地方。延伸閱讀：與 AI 助手合作後的第二大腦系統，我在筆記方法上的變與不變AI 時代建立筆記系統的關鍵是「任務／經驗」而非「資料／知識」為什麼 AI 時代更需要管理第二大腦？以前資料分散，是因為網頁、Email、檔案、會議紀錄、稍後閱讀各自散落。現在又多了一層分散：ChatGPT 幫我整理一份資料，Codex 幫我處理一批檔案，NotebookLM 根據文件產生一張表格，Gemini 又補了一輪搜尋。每一個 AI 工具都產出一點有用內容，但如果沒有一個共同的任務脈絡，它們很快也會變成另一種新的混亂。所以在 AI 時代，當人（我）跟 AI 協作時，我們應該重新理解這個工作流程需要的第二大腦，如果沒有管理好，就會變成一個混亂易失控的工作流程。例如我誤以為 AI 可以準確掌握我的工作流程與經驗，但發現常常搞錯最細節但也最重要處的準確決策判斷。或是我誤把 AI 可以大量摘要與重整資料的能力以為是第二大腦，但又發現這些 AI 搜尋問答不一定有助於產出。這個「個人第二大腦」的定義與分工，在 AI 時代應該做一些調整，我們需要兩套第二大腦，五個管理層次：「人的第二大腦」，包含：人的經驗筆記：記錄做過什麼、如何判斷、哪裡失敗、下次怎麼調整。人的專案任務筆記：管理目標、進度、已採用內容、待確認問題與下一步行動。人與 AI 共用的成果檔案：逐字稿、簡報、素材、影片、PDF 與正式產出。「AI 的第二大腦」，則包含：AI 的工作記憶：對話、專案現況、偏好與近期脈絡 AI 的明確規則資料庫：專案說明、來源文件、規則檔、Skills、驗收標準這五個層次如果分清楚，人可以專注在任務、行動、判斷與經驗，AI 則可以在正確的資料範圍與規則中工作，兩邊才有機會形成真正有效的正向循環。先用一個課程製作案例說明：看懂五個層次，人與 AI 的第二大腦怎麼分工？例如我在製作知識衛星線上課程「工作流改造術｜用更少時間，結合協作 AI 重塑工作方式」時，會同時使用筆記工具、雲端硬碟、ChatGPT 與 Codex 來管理與合作整個工作流程。第一層案例：人的經驗筆記（人的第二大腦）在規劃每個單元內容時，我會在 Evernote 專案筆記中記錄：哪個案例放在開場比較容易理解？ 哪個練習對學員來說太困難？ 實際演練後，哪個步驟需要拆小？ 哪些內容應該怎麼解釋更好？等等這些內容不是一般課程資料，而是我真正執行後累積的經驗。而且這個經驗，通常是 AI 無法給我的，反而是「我應該教 AI 的」，如果我沒有自己的個人經驗第二大腦，那就變成我無法引導 AI ，反而是被 AI 牽著鼻子走。 第二層案例：人的專案任務筆記（人的第二大腦）同一則 Evernote 專案筆記還會記錄：這門課要解決什麼問題？ 目前完成哪些單元？ 下一步要撰寫、錄製或修改什麼？ 哪個 AI 產出已經採用？ 哪些內容仍待確認？ 或是修改？它比較像整個課程專案的控制台，隨時掌控這個專案最新進度、下一步行動。這樣隨時變動、邊做邊修改的流程，也是 AI 無法給我的，並且同樣是「我應該告訴 AI 的」。AI 只能給我理想的工作流程，但「真實」的流程卻必須我自己管理，當我沒有管理好，那麼就無法引導 AI 照著我的流程去完成任務。第三層案例：人和AI 合作取用的成果檔案與參考資料（人的第二大腦）課程實際製作時，會產生：課程逐字稿 簡報 練習表格 教學案例 圖片與影片素材 拍攝完成的影片 這些真實成果不需要全部塞進筆記工具，而可以放在 Google 雲端硬碟或本機專案資料夾中，再由專案筆記連結過去，這是人需要的管理。當我需要製作一份錄課提詞簡報時，就可以讓 Codex 讀取專案資料夾裡我自己寫出來的逐字稿與案例，依照前面我累積的經驗與工作流程，產生簡報。當我自己的經驗、流程、成果、資料的第二大腦管理好，那麼就能更輕鬆地交付任務給 ChatGPT 或 Codex 處理，讓他們真正變成我的員工，依照我的思考、計畫、獨特想法來工作，而不是取代我的專業思考。第四層案例：AI 的工作記憶（ AI 的第二大腦）但是當我們希望 AI 真正為我所用，那麼「管理 AI 的第二大腦」將會變得重要。如果這是一個持續數個月的課程專案，我會把相關對話集中在同一個「 ChatGPT 專案」裡管理（參考教學：一般人也能用 ChatGPT 打造你的 AI 團隊：管理多個 AI 員工的實戰流程），因為我要管理 AI 的記憶、資料與規則。AI 可以逐漸掌握：這堂課的讀者是誰 我慣用的課程設計原則 最近討論到哪裡 我對哪些做法已經有明確偏好 ChatGPT 專案本身可以集中相關對話、檔案與指示，並利用專案內脈絡延續長期工作。這就是管理 AI 的記憶。第五層案例：AI 的明確規則資料庫（ AI 的第二大腦）但如果只是讓 AI 記得過去對話，還不夠穩定。所以我還會建立明確的規則，例如：提詞簡報每頁不超過多少字 一頁只處理一個重點 案例必須先說問題，再說解法 不要把工具功能當作課程主角 產出後要檢查哪些項目 完成的檔案要回存到哪個資料夾 在 Codex 中，我可以利用 AGENTS.md 或 Skills，讓它在每次工作前讀取共通規則與專案規範；OpenAI 官方文件也把這些機制定位為可持續提供專案脈絡、標準與工作方式的指引。於是這個工作流程，就會變成是人與 AI 各自的第二大腦做好管理，一起合作：兩種第二大腦的五個層次保存內容主要功能人的經驗筆記實作心得、錯誤、調整、最佳做法讓下次做得更好人的任務筆記目標、進度、判斷、下一步掌握專案全貌專案資料與成果逐字稿、簡報、素材、影片讓人與 AI 都能取用AI 工作記憶對話脈絡、偏好、近期狀態減少對 AI 重複說明AI 規則資料庫規則、範本、檢查清單、Skills讓 AI 穩定照標準工作第一層解說：人的經驗管理，留下 AI 找不到的個人資產AI 可以整理資料，但 AI 不會替我產生我的經驗。經驗來自我真的做了一次任務、遇到一個難關、做出一個取捨、修正一個錯誤，最後知道下次應該怎麼做。這些東西如果沒有被我留下來，AI 之後再聰明，也很難重現我的經驗。例如我第一次整理一份課程資料，可能一開始只是自己手動做：先把學員需求放進同一則筆記。 再把可以引用的案例集中。 接著重排課程單元。 最後發現某個例子不適合放在第一段。 這些行動軌跡看起來零碎，但它們其實是我工作方法的一部分。下次我要做相似任務時，這些紀錄就不再只是回憶，我可以自己拿出來使用，也可以拿來訓練 AI 助理。AI 可以讀懂我上次怎麼做，幫我把流程整理成規則、檢查清單，甚至變成一個可重複使用的工作模板。所以手動筆記在 AI 時代沒有消失。它的角色從「幫我記資料」轉成「幫我留下自己怎麼工作、怎麼判斷、怎麼修正的痕跡」。這種筆記不需要很漂亮。它可能只是幾段補充、幾條待辦、幾句提醒：這次先不要從工具教學開始，要先講學員情境。 這個案例放在第二段效果比較好。 下次企業內訓前，要先問對方是否有內部資料限制。 這個練習太難，應該拆成 10 分鐘版本。 這些內容，才是我的第二大腦中最有價值的部分。因為它們不是網路上可以重新搜尋到的外部資料，而是我真的做過、判斷過、修正過的工作方法。例如我在個人第二大腦中已經累積「6年」的親子溝通筆記，裡面的經驗與反省，是 AI 無論如何都無法給我的真實個人重要資料。（參考：筆記，累積的效應，2024 開始撰寫我們的第一則 10 年筆記）相反的，這些經驗如果拿去跟 AI 討論，反而會給我更多有效的啟發和真實的幫助。第二層解說：人的專案任務管理，把不同 AI 產出收回同一個工作流程我一直很喜歡也實踐「一個任務，一則筆記」這個方法。（參考：高效工作法：如何用防彈筆記打造提升生產力的支持系統（實戰案例總集））到了 AI 時代，這個方法對我更重要。因為我可能同時用好幾個 AI 工具處理同一件事。ChatGPT 幫我發想角度。NotebookLM 根據來源整理表格。Codex 幫我讀本機資料庫或專案資料夾。如果這些產出都留在各自工具裡，我很快就會忘記：哪一段是為了哪個任務？ 哪個結果最後有採用？ 哪個只是暫時素材？ 哪個其實已經被我否決？ 任務筆記的功能，就是把這些分散的 AI 產出收回同一個工作流程。在這則筆記裡，我會留下：任務目標。 目前進度。 使用過哪些 AI。 各自產出什麼。 我採納了什麼。 我放棄了什麼。 下一步要做什麼。 它不是資料倉庫，比較像任務的控制台。這也讓 AI 更好接手。下次我請 AI 幫忙時，不需要從零解釋整個專案任務。我可以把這則任務筆記給 AI ，讓它知道：這件事做到哪裡、哪些判斷已經確定、哪些資料只是參考、最後要交付什麼成果。如果沒有這則任務筆記，AI 可能還是能整理很多資料，但那些資料很難回到我的下一步行動。這也是我覺得許多人在 AI 時代會遇到的新混亂：原本我們以為 AI 可以整合資料，結果每個 AI 工具都變成新的資料入口。最後不是沒有資料，而是有太多半成品、太多草稿、太多摘要，卻沒有一個地方告訴自己：「我到底採用哪一版？接下來要做哪一步？」這時候，一個任務一則筆記，反而是最簡單的解法。把各種資訊放回同一個任務脈絡裡，讓自己看得懂，也讓下一次的 AI 接得上。例如我用各種 AI 工具打造一個個人理財系統，雖然是在 AI 上處理，但我還是會把各種做法、作對做錯的經驗、實際處理的流程，整理回我的開發專案筆記，因為這樣我才不會混亂，才能更有效的回顧、複製工作流程。第三層解說：外部資料與成果檔案，交給 AI 搜尋、整理與取用以前我們會嘗試把所有相關資料都整理進筆記系統，希望未來可以快速找回。但在 AI 時代，這些外部參考資料不一定都要由人細緻分類。例如：原始文章與研究資料 會議逐字稿 簡報與文件 PDF 圖片與影音 舊專案成果 只要保留清楚來源、檔案位置、專案歸屬與必要說明，就可以讓 AI 在任務需要時搜尋、摘要、比對或轉換。更簡單的理解是：原始資料留著查證，可用素材留著組合，人的方法與規則另外保存，正在產出的成果則放回專案。這一層可以大量交給 AI 處理，讓人把更多注意力留給任務、決策、行動與經驗。（延伸參考我的實作經驗：AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統：我的兩個月實測心得）AI 也需要一套第二大腦前面三層，都還是在談人的第二大腦。但這個時代出現了一個新的管理問題：AI 自己在工作時，也需要一套穩定的記憶與規則系統。我這裡說的「AI 的第二大腦」，不是指 AI 有人的意識或經驗，而是指：我們需要有意識地管理 AI 工作時會使用的脈絡、記憶、規則與資料來源。這套系統可以再拆成兩個部分：AI 的工作記憶 AI 的明確規則與知識庫第四層解說：管理 AI 的工作記憶，避免對話愈多愈混亂AI Memory 比較像對話與互動的回憶。它可能記住我的偏好、目標與常用習慣，讓我不必每次都重新說明。ChatGPT 的官方說明也把記憶定位為保留有用背景資訊、讓回覆更個人化，並減少重複解釋。而在 ChatGPT 專案裡，AI 還能利用專案中的對話、檔案與指示延續工作脈絡。這些能力很方便，AI 的記憶管理好，就能掌握：我通常怎麼工作 目前專案大方向是什麼 我有哪些偏好 最近討論到哪裡 所以我一直以來，都會用下面幾種方法，主動維護 AI 的工作記憶：1. 一個長期任務放在一個專案中工作、寫作、家庭、健康等不同任務，盡量不要全部混在同一串對話。2. 對話盡量聚焦在同一個任務脈絡如果只是無關的測試、暫時聊天，便不需要持續留在重要專案裡。3. 發現 AI 理解錯誤時，明確修正我不會只是繼續使用錯誤前提往下聊，而會重新寫出目前最新版，讓後續工作以新版本為準。4. 重要最新版仍要寫入明確文件專案做到哪裡、規格最新版本、已經否決什麼，不應只期待 AI 自己記得，而要回存到任務筆記或專案現況文件。也就是說：AI 的對話記憶管理好，可以幫我降低解釋成本，但還不能取代正式的專案狀態與規則。我一直覺得，好的 AI 對話分類，就是做好 AI 記憶管理最有效、最簡單的關鍵第一步。（參考：ChatGPT 的 PARA 聊天室分類法：增強 AI 協作威力實戰案例分享）第五層解說：建立 AI 的規則資料庫，讓 AI 工作有明確流程與索引AI 的明確規則資料庫，跟 AI 記憶不一樣。AI 記憶比較像：「大概記得我平常怎麼做。」規則資料庫則像：「這一次工作，必須依照哪些明確標準完成。」例如在 ChatGPT 專案中，我可以在專案指令、資料來源中放入：（參考教學：一般人也能用 ChatGPT 打造你的 AI 團隊：管理多個 AI 員工的實戰流程）專案指示 讀者設定 品牌語氣 課程規格 參考來源 檢查清單 在 Codex 中，我則可以利用 AGENTS.md 與 Skills，讓 AI 每次進入專案時先讀取工作標準、測試要求、檔案結構與完成條件。對我來說，這些規則文件就是 AI 的明確知識庫，這也是「人」需要去管理的，或者主動指引 AI 去管理。（延伸閱讀：養成讓 AI 復盤工作流程的習慣，你的 ChatGPT、Codex、OpenClaw 助理就會愈做愈好）小結：AI 時代，我們需要同時管理兩套第二大腦AI 時代的第二大腦，不只是讓 AI 幫我們搜尋舊筆記，也不是讓 AI 取代人的記憶。它更像是重新安排人與 AI 工作記憶的分工。人的第二大腦負責：累積自己的經驗 掌握專案任務 做出判斷與取捨 留下下一次可複製的流程 而 AI 的工作第二大腦負責：延續對話與專案脈絡 記住有用偏好與近期狀態 讀取明確資料來源 遵守規則、驗收標準與回存位置 AI 的第二大腦中，AI 記憶可以降低重新解釋的成本，但明確的 AI 知識庫、規則文件與技能，才能讓 AI 在特定工作中可靠行動。而這些規則，本質上也沒有離開我們以前建立第二大腦的核心方法：聚焦真正的任務 維護正確的最新版 移除不必要的雜訊 留下可以反覆利用的經驗 讓新成果與工作流程回存成下一次的資產 當人的經驗、人的任務、外部資料、AI 記憶與 AI 規則這五個層次都能互相接續，我們才真正有機會在 AI 時代建立一套更穩定、更有效，也會愈做愈好的工作流程。大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：2026/1 最新著作上市，歡迎支持：《高效職場生存法圖解》大人學最新 AI 課程：用 AI 提升工作效率的實戰工作坊「個人數位生產力」線上課程（可使用電腦玩物老讀者折扣碼 ESOR500 ，獲得 500 元折價喔！）。時間管理、筆記系統、AI 工具相關課程：「課程介紹連結」著作：《防彈筆記法》訂閱追蹤 podcast 節目：「高效人生商學院」（Apple podcast 訂閱、 Google Podcast 訂閱）訂閱「電腦玩物電子報」，不定期出刊。我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：我與 AI 各自需要一套第二大腦：五個層次管理個人筆記、專案資料、AI 記憶與規則）

最近我回顧自己這段時間使用 Codex 的本機紀錄，才發現一件很有趣的事，早期剛剛開始接觸 Codex 時（從之前還是雲端網頁開始），確實用 Codex 做了一些 RSS 閱讀器這類個人 Vibe Coding 小工具，但近期的用法則已經完全融入在我日常的知識工作、文書編輯處理流程中。回顧這幾個月，在我的實際工作裡，現在最常用 Codex 的幾個地方是：整理「外部資料庫類型」的第二大腦（參考：AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統：我的兩個月實測心得）編輯處理各種文件，改課程講義、建立 Google Slides彙整各種外部資料，更新 Evernote 筆記檢查家庭財務資料並定期分析、提供建議跟我訓練的生產力教練討論今天最卡住的待辦事項幫我把一次成功的多步驟自動化行政流程寫成下一次可以沿用的規則等等下圖是我問 Codex ，從所有的專案對話中，梳理出我都在處理哪些工作。關於 Codex 的操作與功能，可以參考：一般人如何快速上手 Codex 超完整圖文教學：讓 AI 助理整理文件表格，建立自動化流程不用打開剪輯軟體，用 Codex AI 把一篇文章自動做成圖文 動畫教學影片不用寫程式的瀏覽器自動化：Codex for Chrome 幫我操作 Google 地圖、Evernote、 Gemini、社群我如何用 AI Agent 讓自己「不再分心」滑社群、看郵件、追新資訊'2026/7 更新：我與 AI 各自需要一套第二大腦：五個層次管理個人筆記、 專案 資料、AI 記憶與規則這些案例有一個共同點我不是問 Codex 從零開始幻想答案，而是把它放進一個真實工作流程裡，讓它先讀資料、理解脈絡、接手繁瑣步驟，最後產出成果，還可以把成功做法寫成下一次可以沿用的規則。下面文章，就直接分享我的幾個應用案例、方法與心得。案例一：讓 Codex 接手做到一半的行銷專案，幫我跑多輪文案版本因為 Codex 可以直接讀電腦硬碟、 Google 雲端硬碟的資料夾，所以我常常把「做到一半」的知識工作專案，交給 Codex 接手，去處理後期一些測試、調整、編輯、整理動作。這時候我不會從頭教 Codex 怎麼做。我通常會先讓 Codex 自己去讀這個專案資料夾裡目前已有的文件、文稿、企劃與素材，請它先主動掌握這個專案的目標、現況、問題點與接下來可能的方向。當它理解專案後，我才開始交代下一個動作。大多時候我會這樣提問：解讀目前這個專案的現況，了解專案目標、內容架構、現階段處理狀況，寫成對應規則，之後可以接手相關處理任務，一步一步分析，我的目的是接下來有很多文件整理、拆解編輯、內容調整、新內容產出的任務，需要你在了解這個專案真實現況，並且處理任務時可以準確有效抓取素材、編輯正確文件，而且能夠跟我一起朝著這個產品更有價值的目標前進、一起解決過程中可能問題，並創造產出。讓 Codex 直接去解讀這個專案資料夾的現況（以知識工作專案來說，裡面可能是一大堆資料夾、各種文件、簡報、試算表等等內容）。上面這個例子是，我正在製作一個知識產品，企劃、文稿等內容已經大致完成，也已經進入行銷文案的撰寫階段。我自己先寫好了一版行銷文案草稿，但我希望接下來能「多做幾輪市場調查與文案版本測試」，把同一個產品的賣點改寫成多種不同角度，最後再由我自己比較、挑選與整合。如果這件事全部自己手動做，從研究、改寫、比較到整理，幾輪下來可能要花半天，甚至一天。所以我把這件事情交給 Codex 接手。我的做法是先透過前面那樣的指令：讓 Codex 讀取專案資料夾，把裡面的文稿、企劃、我已經寫好的行銷文案全部讀過一遍。等它理解這個專案的核心內容後，引導它「化身成這個專案的助理」。接著，我把自己寫第一版文案時背後的架構邏輯，當作「文案範本」交給 Codex 解讀。然後請它根據既有草稿、專案資料與這個文案架構，進行一輪又一輪的版本迭代。（因為我喜歡用語音輸入，所以下面的指令變成簡體字版本）我不是請它「改得更好」。我是要求它反覆迭代，直到它自己覺得找到更好的版本為止（或是讓我挑出整合版）。我通常會要求至少迭代十輪以上。我最多曾經做過四十輪（通常要啟動 Codex 的「規劃」或「目標」模式，效果更好），於是我就獲得了一個「像是有很多企劃一起開了一場腦力激盪會議」的多版本文案，我在裡面可以組合與調整。這個流程很像我自己在修一份文稿或行銷文案時，會不斷產生不同版本、比較不同角度、刪掉不夠好的地方、保留更有效的說法。只是透過 Codex，我可以更快得到十幾種甚至幾十種可以比較的版本。AI 幫我快速產生足夠多的選項，刺激我更快找到一個有效版本。這也是我現在用 Codex 做知識工作的第一個方式：不要只讓 AI 直接給最後答案，我先產出初版並我會決定最終版本，但是讓 AI 幫我跑完那些原本要花很多時間的中間迭代修正版本。案例二：讓 Codex 進行繁瑣的 PDF、 PPT 編輯、重寫、修正工作很多時候，我已經完成了一份正式內容，但接下來還需要做大量格式、版面、拆頁、重寫、修正的工作。這些工作不一定困難，卻非常花時間。對文書工作者、內容工作者、講師來說，真正耗掉大量時間的，常常不是「想內容」，而是處理內容完成之後的各種轉換：文章要改成講稿。 講稿要改成簡報。 簡報要改成提詞稿。 PDF 要重新擷取、裁切、合併。 文件要改格式、換版面、整理成指定模板。 上面這些工作我現在也會交給 Codex。我最近在製作「知識衛星」相關課程時（工作流改造術，募資中可用折扣碼：playpc350，期間限定，歡迎參考），就有一個很實際的例子。課程中每個單元的逐字稿，我都是自己親自寫出來的，用我的思路去講述完整的方法論、清楚的教學邏輯與操作工具的技巧。但是逐字稿寫完後，為了錄課，我還需要把這一份完整的教學文章，改成可以放在提詞機上的「提詞簡報」。這份提詞簡報需要符合一些特殊規則：黑色背景。 每一頁只放合理的兩三句話。 不能拆得太碎，也不能一頁塞太多字。 頁面四周要有提示，讓我知道現在講到 5-2-1 還是 5-2-2。 最好能幫助我掌握目前講到哪裡、還剩多久、節奏是否正確。 如果我自己手動處理，從複製貼上、拆段、分頁、調整文字，到檢查順序，一份提詞簡報可能要花三十分鐘。但這些其實不是「創作新內容」，而是把我已經寫好的內容，轉成另一種可錄課使用的格式。所以我把這件繁瑣工作交給 Codex。一開始，我同樣會先讓 Codex 閱讀原始逐字稿，了解這堂課的方向與內容（就是前面說的，讓 Codex 接手專案的邏輯）。接著請它試著做出第一版提詞簡報。第一版通常不會完美，於是我會根據結果繼續修正指令。例如有一次，我發現它受到之前規則影響，把所有提詞稿都拆成固定四十頁。但有些單元內容比較多，應該要七八十頁，甚至一百多頁。於是我提醒它：不要用固定頁數限制自己，而是要讓每一頁都清楚、明確、好錄製。當它下一次做得比較好，我就請它把這次成功做法寫回規則中。這樣做了一兩份提詞簡報後，Codex 對這類任務的編輯規則就逐漸穩定下來。接下來每個單元，只要我寫好逐字稿，就可以丟給 Codex，請它直接幫我改成錄課用的提詞簡報。Codex 自己處理一份簡報大概需要六～七分鐘，內容複雜一點可能十一、十二分鐘。無論如何，都比我自己做（30多分鐘）要節省很多時間，而且這段時間我可以去做別的事情。所以真正節省的，不只是絕對時間，而是我把知識工作中那些重複、繁瑣、低創造性的編輯時間拿回來。除了簡報，我也喜歡把 PDF 的繁瑣處理交給 Codex。例如最近我剛好需要在好幾十份 PDF 中，抓取每一份 PDF 裡指定範圍的內容。而且這些 PDF 的四周還有一些不需要的邊框，擷取時需要去掉，只保留中間的核心資料。如果自己手動處理，雖然也有各種 PDF 工具可以完成，但抓取、裁切、整理、合併這些動作，仍然會花掉很多時間。於是我直接把工作流程告訴 Codex。我先給它 PDF 所在的資料夾，請它不要一開始就處理全部，而是先挑一小段範圍測試看看（這樣比較安全）。我告訴它每份 PDF 中我要抓取的頁面或編號範圍，要求它去掉四周不必要的框線，只保留需要的內容。Codex 在規劃模式中研究了一個可行方法，先完成小範圍測試。確認成果可以接受後，我再把整個資料夾交給它批次處理。整個過程大約十分鐘左右。如果自己手動做，大概也需要三十分鐘以上。但更重要的是，Codex 處理的十分鐘，我可以完全拿去做其他事情。這種以前需要操作很多軟體、做很多複雜編輯動作的流程，現在我都會先問自己：這件事能不能先挑戰看看，讓 Codex 幫我完成？案例三：讓 Codex 成為自動化知識管線，從輸入、整理到輸出一路完成Codex 不只可以讀本機資料夾，也可以結合 Chrome 瀏覽器操作、處理電腦中的軟體，並透過各種外掛或連接能力處理 Google 雲端硬碟裡的文件。（參考：不用寫程式的瀏覽器自動化：Codex for Chrome 幫我操作 Google 地圖、Evernote、 Gemini、社群）這些能力串在一起時，我覺得它很適合變成一條「自動化知識管線」。以前這種流程，可能要自己寫程式，或用自動化工具一段一段串起來。但現在很多時候，我可以用一段自然語言，直接告訴 Codex 我想要的流程，讓它自動跑完多個步驟。例如我在準備課程時，常常需要從自己過去寫過的電腦玩物文章中，找出適合放進課程裡的案例。有時候不只是找文章，還要找到文章裡適合教學的圖片、操作步驟、方法說明。接著整理成一份新的課程大綱。整理出課程大綱後，還要進一步輸出成一份上課時可以直接使用的 Google 簡報。以前我會把這件事拆成很多段：先搜尋過去文章。 找到可能適合的案例。 打開文章讀內容。 複製需要的段落或圖片。 整理成課程大綱。 再打開 Google Slides 製作簡報。 每一段都不難，但全部加起來非常花時間。現在我會嘗試把這整個流程交給 Codex，讓他一口氣自動跑完輸出：請它根據課程主題，先搜尋與閱讀我過去的文章，再整理適合的案例、圖片與操作步驟，最後輸出成新的課程大綱或簡報草稿。這時候 Codex 就是一條從輸入、整理到輸出的自動化流程。他可以抓取我需要的素材資料，幫我做好整理。然後也可以取用這些素材資料，完成我需要的任務輸出成果。並且上述分段步驟流程，讓 Codex 一口氣跑完。當這種需求常常發生時，我還可以把它進一步整理成固定規則、工作流程，甚至是下一次可重複使用的 skills。也就是說，讓 Codex 幫我建立一條之後還能重複運作的知識管線自動化流程。這裡的重點是讓原本散落在文章、圖片、簡報、筆記中的素材，可以更快被重新整理成新的教學成果。案例四：讓 Codex 把既有的文件、簡報、資料拆解成素材，之後不同工作可以重新組合在知識工作中，有一件很繁瑣但很重要的事：已經做過的資料，下次需要時，常常很難重新拿出來使用。例如我為了一個工作寫了一份報告，或做了一份簡報。下次換成另一個不同工作時，其實上一次報告中的某些內容、簡報中的某些版面、課程中的某些案例，是可以重新拿出來使用的。但問題是，它們通常被包在一整份文件或簡報裡。當工作越做越多，如果我們沒有把這些可以重組的元素拆出來，就會變成每次都要重新開始：重新做簡報版面。 重新寫報告中的基本段落。 重新整理某個教學案例。 重新設計某個練習流程。 重新找出以前其實已經做過的素材。 因為我們沒有把那些文件、簡報、資料拆解成素材。但要自己手動拆解素材，建立有效整理，又感覺非常花時間。於是我也開始讓 Codex 做這件事。例如，我可以請 Codex 讀取我過去上過的課程簡報與講義，幫我把裡面的內容拆成一張一張可重複使用的素材卡。（我就是讓 Codex 直接讀取 Google 雲端硬碟上我的課程資料夾）有一張素材卡可能是「整理郵件的技巧」。另一張素材卡可能是「教 ChatGPT 如何建立專案團隊」的操作流程。原本這兩個素材可能來自不同課程，看起來不相關。但當它們被拆成素材後，下次我要設計一堂「提升工作效率」課程時，就可能把它們重新組合在一起：一方面帶入整理郵件的方法，另一方面帶入 AI 專案應用，讓課程更能回到真實工作問題。這種拆素材的工作，對我來說有一個重要價值：幫我建立未來可以重新組合的工作零件。很多知識工作做久了，真正的資產不只是那一份完整簡報或報告，而是裡面可以被拆出來、重新應用到不同情境的素材。Codex 很適合幫我做第一輪拆解。它可以先讀既有文件，找出可以重複使用的段落、案例、流程、模板，再整理成素材庫。當然，最後哪些素材真的值得保留、哪些素材可以合併、哪些素材適合用在哪一種課程或文章，仍然需要我自己判斷。但 Codex 可以先幫我完成最花時間的拆解與整理工作，甚至之後要找出素材來重組時，也能請 Codex 協助。案例五：彙整數據資料，變成更好解讀、學習、使用的儀表板平台我另外一個 Codex 應用案例，是請它把很多複雜、雜亂的資料，加上一些數據紀錄，整理成一個在工作或生活流程中真正好用的儀表板平台。讓資料變得更好操作、更方便持續使用。例如，我曾經把小孩在課業中需要複習的教材內容，交給 Codex 做成一個具備間隔記憶複習概念的練習平台。孩子每天可以在上面複習幾個問題，系統會記錄目前比較不熟悉的項目，接著幫助他持續複習與強化。這個過程確實比較接近 Vibe Coding，我完全是用自然語言描述需求的方式和 Codex 溝通。一開始，我們先做了一個比較像遊戲的版本。我原本以為小孩會喜歡遊戲化介面，但實際使用後發現，太過遊戲化反而讓孩子失去注意力，學習效率也不夠直接。所以我請 Codex 重新分析目前專案狀態，並告訴它我想把這個專案轉型成「孩子的課業學習系統」。我的想法是：它要能完成平常的考前練習，但不要過度遊戲化；要保留一點有趣感，例如學習成長曲線；每次練習時間要短，最好十分鐘就能完成；它也要持續記錄孩子不熟的題目，讓之後可以反覆複習。我當時使用的指令大致如下：之前我們在這個專案中，做了一個很有趣的學習遊戲，但現在這個專案我要轉型，變成「我的小孩澤澤的課業學習系統」，提供我轉型計畫，請一步一步分析。現有的題目已經完成期中考，也完成練習。不過這個過程中，發現太過遊戲化，反而讓小孩失去注意力，而且缺乏效率。我想轉型成同樣有趣，例如可以有學習成長曲線紀錄的系統，也可以快速處理題目，產生每一個科目、每一個單元的短時間練習（10 分鐘），並持續記錄有問題的題目。不只提供答案，還能提供解讀分析，引導孩子學會，並且用間隔記憶法反覆練習還不熟練之處。更進一步的，這個系統希望能夠記錄孩子目前學習進度、孩子的學習問題，可以透過 AI 持續分析，提供持續成長的策略，但也要看起來、用起來讓孩子有動力。這個系統的使用方式，會是父母匯入孩子的學習科目、單元、內容，系統可以建立題庫、設計互動練習、記錄孩子學習成長進度。而孩子打開來，可以快速選擇單元，持續練習他還不熟的地方，並且在有錯誤時獲得引導解答。請仔細思考，看看目前既有內容，如何有效轉型成上方描述的系統，捨棄目前的遊戲化圖像與介面，重新思考，提供簡單但有效的解答。Codex 很快設計出一個還不錯的轉型版本。接下來，我還希望它能更聰明地幫我拆解題庫。意思是說，我手上可能有孩子的一些測驗卷，而這些測驗卷裡有一些寫對、寫錯的題目。我希望 AI 可以直接解讀我上傳的圖片，快速拆解題目，整理進題庫當中。（下面圖片因為案例過去的時間比較久，無法直接載入）如果使用傳統工具，例如 Anki 這類間隔記憶工具，我可能要自己手動拆解題目、整理欄位、匯入資料庫，再利用工具安排複習。但現在我建立題庫的過程，可以變成：我提供素材，Codex 協助拆解題目、設計練習、寫入題庫，最後放進同一個學習平台中讓孩子練習。我的英文實測成功後，接下來自然科、社會科的題庫，我也用類似方式處理。如果我發現它題庫拆解得不夠好，就進一步告訴它：這一類題目我希望用什麼方向拆解，哪些資訊要保留，哪些引導說明比較適合孩子理解。這裡 Codex 的價值，不只是幫我做了一個小網站，而是把一批原本零散的教材、題目、錯題與學習紀錄，變成一個可以持續使用的練習平台。案例六：讓 Codex 操作我的 ChatGPT 完成課程案例演練範例我有一個比較特別的 Codex 應用案例，是讓它操作我的 ChatGPT，幫我完成課程案例演練範例。我平常常常上企業內訓課程。不同企業會有不同應用需求，所以我需要做出符合那家企業情境的案例、模板與示範結果。原本我的操作流程是這樣：我有一份課程中的演練講義，例如 AI 課程講義。講義上會有十幾個不同操作步驟。每次企業上課前，我會自己在 ChatGPT 中重新跑過這十幾個步驟，帶入企業相關主題與案例，做出一組有效的結果。這樣做有兩個目的。第一，可以成為課程中的示範範例。第二，可以讓我確認這套方法是否適合這家企業，有沒有需要調整的地方。但這個過程即使只是手動操作 ChatGPT，也會花不少時間。因為我要一個一個提問，等待 ChatGPT 回答完成，接著再追問、反問、調整，最後才會做出可用結果。後來我開始把這樣的操作交給 Codex。我的方法是：給 Codex 課程講義，告訴它要照著講義中的步驟，一步一步打開 ChatGPT 來操作。它要把講義中的指令，改成符合企業情境的版本，然後逐步跑出結果。第一次嘗試時，我發現一個問題。Codex 等不及 ChatGPT 回答完成，就馬上送出下一個提問。有時候甚至會跑到不同聊天串裡繼續提問。這樣就失去「一步一步完成同一個案例演練」的效果。於是我調整規則。我告訴 Codex：照著講義改成企業版指令沒有問題，但它必須在 ChatGPT 的同一個討論串中操作。每一次都要等待前一個回答完成，再貼上下一段指令。必要時，還要先檢查上一段 ChatGPT 回答的內容，再決定下一段指令是否需要調整。我請它照著這個規則重新嘗試，結果它就成功幫我跑出了一個企業案例，大概花十幾分鐘。接著，我請 Codex 把這次成功經驗寫成規則。以後只要遇到類似需求，我就可以要求 Codex 照著這套規則，幫我處理企業案例演練流程。這個案例讓我覺得很有啟發。因為這已經不是單純讓 AI 回答問題，而是讓一個 AI 助理操作另一個 AI 工具，完成一段原本需要我親手執行的課程準備流程。但這裡也有一個很重要的限制：AI 可以幫我跑流程，但課程案例是否符合企業需求，最後仍然要由我自己判斷。Codex 幫我節省的是那些重複貼指令、等待回答、整理結果的時間。真正的課程方向、案例是否適合、示範是否能教懂學員，仍然是我作為講師要負責的判斷。這些案例背後，其實是同一套 Codex 工作方法回顧這些案例後，我發現自己使用 Codex 的方式，其實有一套固定流程。第一步，先讓 Codex 讀脈絡。我不會一開始就叫它產出，而是先讓它讀專案資料夾、逐字稿、PDF、簡報、課程講義、既有規則。做到這一步，Codex 才知道自己正在接手什麼工作。第二步，把任務縮小成明確成果。例如不是說「幫我整理一下」，而是說：「請把這份逐字稿轉成提詞簡報」、「請從這批 PDF 抓取指定範圍並去掉邊框」、「請照講義在 ChatGPT 同一討論串中跑完企業案例演練」。第三步，先做小範圍測試。PDF 案例我不會一開始就丟整個資料夾，而是先請 Codex 處理一小段。簡報案例也是先做一份，確認規則正確後，再套用到後續單元。第四步，把人的判斷留在關鍵位置。Codex 可以幫我做很多繁瑣工作，但它不能替我判斷最終文案是否合適、課程案例是否符合企業情境、孩子學習系統是否真的有效、素材是否值得永久保存。第五步，把成功流程寫回規則。如果 Codex 這次做得很好，我會要求它把成功做法寫成規則。下次遇到同類任務時，就不需要重新摸索。所以 Codex 真正帶來的改變，不只是某一次任務變快，而是讓我有機會把一個成功流程變成可重複使用的工作規則。這次回顧自己的使用紀錄後，我真正感受到的改變，是它讓我開始重新分配知識工作的時間。以前我會把很多時間花在複製貼上、格式調整、拆頁、整理、重複操作、版本迭代、工具切換上。這些事情不一定難，但它們很消耗注意力。現在我會嘗試把這些中間流程交給 Codex：我提供方向。 我提供素材。 我定義限制。 Codex 接手繁瑣執行。 我最後判斷與驗收。 成功流程再寫回規則。 所以對我來說，Codex 不只是寫程式的 AI。它更像是一個可以進入真實資料夾、真實工具、真實工作流程中的助理。它幫我把那些原本很花時間的文書、教材、資料、行政流程，轉成可以自動執行、可以反覆修正、可以留下規則的工作系統。大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：2026/1 最新著作上市，歡迎支持：《高效職場生存法圖解》大人學最新 AI 課程：用 AI 提升工作效率的實戰工作坊「個人數位生產力」線上課程（可使用電腦玩物老讀者折扣碼 ESOR500 ，獲得 500 元折價喔！）。時間管理、筆記系統、AI 工具相關課程：「課程介紹連結」著作：《防彈筆記法》訂閱追蹤 podcast 節目：「高效人生商學院」（Apple podcast 訂閱、 Google Podcast 訂閱）訂閱「電腦玩物電子報」，不定期出刊。我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：Codex 我常用的知識工作案例分享：從文書編輯、課程教材到資料整理的 AI 工作流）

建立 AI 團隊的重點，是讓每個聊天有角色、有任務、有共同規則，也有自己的專業經驗。當任務變複雜時，不要再追求一個萬能 AI，而是開始管理一個能分工合作的 AI 團隊。最近一次 AI 課程中，有學員問我，從課程中發現，我在使用 AI 時很少是一次性的問答，而是在一段長期的工作流程中持續跟某一個 AI 員工互動（具體來說例如一個專注在特定任務的 ChatGPT 討論串），我帶著這個 AI 員工分析資料，讓這個 AI 員工先產出任務成果草稿，我的修正與調整也更新回去讓 AI 員工知道之後應該怎麼做。於是某一個 ChatGPT 特定討論串的員工長期幫助我規劃筆記課程，懂得我的經驗與技巧，當有新的企業需求時懂得規劃新課程。（參考：養成讓 AI 復盤工作流程的習慣，你的 ChatGPT、Codex、OpenClaw 助理就會愈做愈好）某一個 Gemini 討論串的員工長期幫我設計引導孩子寫作文的技巧，懂得我和孩子的需求，可以隨時根據新題目繪製心智圖、引導寫作方案。（參考：我如何用 AI 把親子生活變有趣： 7 種父母都能用得上的實戰流程，從複習、遊戲到溝通）某一個 Codex 專案中討論串的員工長期幫我把內訓課程的講綱變成簡報，他懂得我習慣的簡報版面與講解方式，之後丟講綱就可以立刻完成PPT。（參考：AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統：我的兩個月實測心得）也就是無論換到哪一種 AI 工具，對我來說，之前分享過的「ChatGPT 的 PARA 聊天室分類法：增強 AI 協作威力實戰案例分享」，都是我認為可以幫助人「訓練 AI 員工」，並在長期工作流程中有一個「懂得做這件事情」的助手，隨時幫助自己處理各種產出的好方法。但是 AI 員工一多，會需要一個更有效的管理方法：一個單獨的 AI 討論串很難成為一個萬能助理，我們可以開始把 AI 拆成一個有分工、有共識、有復盤的工作團隊。反過來說，當一件事情變得複雜，就需要管理不只一個 AI 員工來做事，不只是單一任務需求，而是一個長期專案需要有企劃的員工、分析資料的員工、製作報告的員工、繪製圖解的員工，乃至於懂得挑毛病的員工、反向思考的員工，還是專案底下面對不同客戶、不同子任務的員工。那麼，這時候單純只有一個專案一個討論串就不夠了，反而會讓這個討論串中「夾雜」混亂的、反向的、不同情境的記憶與經驗， AI 處理時更容易有問題。所以，在上述不同的 AI 工具中，我會用「 AI 團隊」的概念來管理這些同一個目標、專案，但是有不同需求的 AI 員工：善用 AI 工具內建的功能，讓這些員工有共同記憶，可以彼此互通資訊，但又各自懂得「自己應該專注的事情」，能夠掌握專案方向、參考其他員工經驗，卻聚焦自己專屬的工作邏輯。並且，建立 AI 團隊的方法，無論你使用 ChatGPT、 Gemini 還是 Codex 等工具，都能做得到。現在很流行的 AI Agent，例如 Codex、Claude Code 當然很適合打造這樣多員工的 AI 團隊（一般人如何快速上手 Codex 超完整圖文教學：讓 AI 助理整理文件表格，建立自動化流程），但其實利用 ChatGPT 的「專案」功能，或是 Google Gemini 的「Notebook」功能（這篇文章因為份量太多放不下，下一篇再介紹），也可以打造一個簡化版的 AI 團隊。下面的教學文章，我就根據自己常用的工具，分享我如何搭配相應功能來打造自己的 AI 團隊，團隊內的不同 AI 員工可以如何有效分工：有一個負責專案目標與企劃的 PM。有一個負責課程大綱或報告架構的助理。有一個負責簡報設計的助理。有一個負責圖解、流程圖、資訊圖表的助理。也可以有負責搜尋研究、資料整理、社群貼文、文案潤飾的助理。需要的時候，加一個總是幫助自己反向、多角度思考的顧問助理。ChatGPT 專案團隊實作案例：防彈筆記法企業內訓 AI 助教團隊一個 AI 團隊，不只是把很多 AI 討論串放入一個分類管理而已。（例如 ChatGPT 行之有年的專案功能：ChatGPT 「專案」 AI 專屬資料庫實戰案例，和 NotebookLM 比較）在我常用的 ChatGPT 中，我會利用「專案」功能來建立團隊，而且會有明確的分工，每個聊天串都有固定角色、固定任務、固定輸入、固定輸出，不同專案會有不同類型任務，但幾個必備的架構是：PM：負責專案目標與共同知識PM 不是直接做所有成果，而是負責建立專案、工作規則：研究主題背景 整理專案目標 釐清受眾與痛點 持續迭代更新專案知識與規則專業助理：負責單一任務成果根據工作類型不同，一個任務一個助理，處理特定成果與客戶，讓流程不混亂，例如：大綱助理：只負責課程大綱或文章架構。 簡報助理：只負責簡報版面、投影片邏輯。 圖解助理：只負責資訊圖、流程圖、視覺化。 文案助理：只負責社群貼文、銷售頁、課程介紹。 反思者：提出不同意見、自由發散思考，但是不混在主線工作流程中很多時候工作需要不同想法，反思者可以接收其他 PM 或專業助理的工作狀態，提出不同意見，但不會讓工作流程變得混亂，例如：一個總是唱反調的 PM一個往相反方向規畫的大綱助理一個走另外一種簡報風格的助理這些「 AI 員工」，在 ChatGPT 的專案功能中，可以善用功能做出下面的溝通：透過「專案指令」建立所有員工的目標規則。利用「資料來源」管理現階段必備資料，讓所有員工明確取用。透過團隊的「記憶」讓大綱助理可以接收 PM 的知識作大綱，而簡報助理可以接收大綱助理的內容作簡報。透過「分支聊天」快速建立需要的反思者。AI PM 負責一段時間復盤，更新專案指令規則。每個 AI 專業助理產出完成品時，可適度加入團隊資料來源。第一步：先訓練一個專案 PM，掌握這個專案的基礎知識與觀點讓我們進入操作示範。當我要在 ChatGPT 中建立一個「防彈筆記法課程規劃」專案團隊時，我會先在左方新增一個空的「專案」。第一時間我不會立刻就建立專案指令、資料來源，而是先開啟一個新個聊天，訓練一個前面說的 PM 專案助理。這個 PM 的任務，不是幫我做簡報，也不是馬上寫文案，而是先幫我釐清：這個專案要達成什麼目標？這個主題有哪些核心知識？這個專案要解決哪些真實問題？有哪些資料、案例、使用者回饋值得參考？這個專案接下來可能需要哪些工作流程？一開始，我通常會先利用 ChatGPT 的搜尋研究、Deep Research 等功能，讓這個 PM 討論串先進行資料蒐集與分析。我把這個過程比喻為我在訓練一個「懂得這個專案在做什麼工作，應該怎麼工作」的 AI 助手。例如我正在準備一場「防彈筆記法」企業內訓課程，我會先讓這個 PM 幫我研究：防彈筆記法的相關資料。使用者回饋與真實案例。企業職場常見的筆記痛點。其他筆記方法之間的比較。這堂課可能要解決的企業內訓需求。接著，我會再和這個 PM 討論：我身為講師，對這個課程的核心觀點與想法是什麼。這個過程是在訓練一位團隊 PM，讓它理解防彈筆記法的基本知識、市場策略、企業內訓痛點，以及這個專案真正要達成的成果。這時候如果有出現「以後專案團隊都需要知識」的資料與觀點，可以利用 ChatGPT 專案聊天串回答最下方的「新增到資料來源」按鈕，把整份回答傳到 ChatGPT 專案分類的「資料來源」中，之後更容易被參考。但這邊我會審慎使用，只有當這份資料真的是「未來所有團隊成員都要知道的」，我才會存入資料來源。舉例來說，之後我可能規劃了一個「某某企業專用的課程大綱」，這個大綱只有針對那個企業有用，其他團隊成員不一定需要知道，那就不要存入專案資料來源。但我在進行了幾次企業課程後，把這幾次課程的大鋼統整成一個「最完整版企業內訓課程大綱」，那麼我就存入專案資料來源，之後可以參考。第二步：從 PM 分支出不同專業助理的 AI 員工，每個員工有獨立技能，但可以互通有無在 AI PM 員工建立這個專案的基礎知識與觀點後，我會利用「分支討論串」的功能，從 PM 「衍生」出不同的討論串，讓它們變成不同的 AI 員工，但具備 PM 前面分析過的知識與觀點。這個功能在 ChatGPT、 Gemini 中都有。在對話下方選擇「...」－「在新聊天中分支」，那麼這個對話之前的討論、記憶都會直接帶入新的聊天中。以「防彈筆記法企業內訓」這個專案來說，我把專案 PM 建立的知識「分支」出來，帶著這個觀點，開始訓練第二號員工：專門製作課程大綱。這個助理的任務，是根據 PM 前面建立的知識，參考某一家企業提出的痛點需求，設計有效的企業內訓課程大綱。我教這個專業助理怎麼規劃課程的方法，這是他獨立的技能。但是他可以參考分支之前的討論規劃，也可以參考前面存入資料來源的共通知識。這時候，「 PM 討論串」繼續鑽研專案的方向、技術、觀點，而「內訓課程大綱討論串」則取用那些資料，但專注在滿足企業需求的課程規劃上。我繼續回到 PM 討論串，同樣透過「分支」功能，帶著 PM 的知識，衍生出第三個「專門做簡報」的員工。這個員工需要具備的獨立技能，是如何做某種風格簡報的技能。我會給它看我喜歡的風格範例，請它從裡面學會適合的版面、設計風格與表達方式。簡報員工（討論串）研究過設計簡報的方法後（加上前面分支過來，已經具備的專案知識）。我可以：「請簡報員工去參考前面內訓課程員工作的大綱」，再根據來自 PM 的基本專案理解，結合簡報員工自己學會的簡報風格，製作這一場企業內訓需要的 PPT 簡報。在 ChatGPT 的專案團隊中，可以讓團隊裡每一個聊天串（AI 員工），透過下面方式彼此溝通：每個 AI 員工都具備分支自 PM 的基礎專案目標、知識與觀點。每個 AI 員工有自己獨立學會的特殊技能：課程規劃、簡報製作、圖解設計等等。每個 AI 員工可以互通有無：讓簡報員工去找課程規劃員工的大綱做簡報，讓圖解設計員工去看簡報員工的簡報設計搭配圖解。因為 ChatGPT 很好的「記憶」能力，不同討論串之間除了可以參考共通的「資料來源」作為基礎，也可以調出「另一個聊天串」中近期的紀錄直接使用。我們就想像成，真的有一個「 AI 團隊」，裡面每個員工（聊天串）坐在共同辦公室，彼此可以轉個頭就互通有無，並把自己做的成果，交給下一個夥伴去處理。如果你不知道怎麼讓專案團隊中不同 AI 員工互通有無，其實我的經驗是，只要簡單一句話指定聊天串去抓資料就好。例如下面是我的「圖解助手：防彈筆記法課程」，先訓練好我想要的圖解風格後，我只是說了一句：「把專案聊天串中某某某題目的簡報大綱」做圖解，這個圖解助手就自動找出前面簡報助手完成的內容，直接設計成圖解了。第三步：跑過一兩輪後，要把團隊經驗寫成共同規則一個 AI 團隊不能只靠每次臨場發揮，如果慢慢的事情愈做愈好，那麼就是寫成可以遵循的共通流程的時候。當這個團隊跑過一兩輪企業內訓課程後，我會回到團隊的 PM 聊天串，請它做一次總結，建立「這個階段的規則」（但規則會定期修正）。我會請它整理：這個專案目前已經累積了哪些基本知識？這個專案已經處理過哪些任務？PM、大綱員工、簡報員工、圖解員工各自做得好的地方是什麼？哪些任務規則未來可以重複使用？哪些地方需要提醒所有員工不要再犯？如果下一次又要做企業內訓，第一步應該怎麼開始？這一步就是 AI 工作流程中很重要的復盤（養成讓 AI 復盤工作流程的習慣，你的 ChatGPT、Codex、OpenClaw 助理就會愈做愈好）。當 PM 聊天串參考專案團隊內其他員工的資料，總結出最新版的專案規則後，我會把這份復盤後的規則指南，放進專案右上方設定中的「專案指令」，因為這是最核心規則，所以不是放入參考用的資料來源，而是必然遵循的「專案指令」。這有點像建立一份團隊共識文件。但我不會一開始就建立，而是經過基本知識訓練，再加上一兩輪實際工作的磨合後，再建立這個 AI 團隊工作磨合後的一份共同指導指南。（Codex 中也一樣需要建立專案團隊的規則文件，乃至每個員工規則文件，只是功能不同而已：一般人如何快速上手 Codex 超完整圖文教學：讓 AI 助理整理文件表格，建立自動化流程）接下來，每個員工雖然各自負責不同任務，但都會站在同一套專案方向、工作規則與品質標準上去執行。第四步：讓專案指南持續更新，讓 PM 自我迭代這份專案指南不是一次寫完就永遠不動。當這個 AI 團隊實際再運作五、六輪企業內訓課程後，我會繼續讓 PM 針對近期聊天再做一次規則總結。繼續回顧：這個專案的基本知識。這個專案已經處理過的任務。哪些流程被證明有效。哪些規則需要保留。哪些地方需要微調。接著，再把新的規則指南寫回 ChatGPT 專案的專案指令裡。甚至，我會在 PM 聊天串中請這個已經掌握專案基本概況的員工，做一次「自我分析」，看看目前有沒有哪些盲點？找完盲點後，我再請 PM 自己利用 Deep Research 功能做研究，把盲點需要的知識、資料、技術補齊，那 PM 做為知識領導者角色的功能就愈來愈完備。第五步：AI 團隊如何互相合作？這裡的重點是：每一個 AI 員工不是孤立存在的。它們可以像真實團隊一樣互相取用資料。例如：PM 持續研究這個專案的核心知識與市場需求。課程大綱助理可以向 PM 取經，掌握課程設計的最新方法。簡報助理可以向課程大綱助理索取最新課程架構，再根據自己的簡報經驗完成簡報。圖解助理可以向 PM 學習核心方法論，也可以向課程大綱助理取得企業需求，並向簡報助理取得最新簡報大綱。也就是說，在這個 ChatGPT 專案團隊裡，每一個「員工」其實就是一個討論串。它們彼此可以透過共同規則、共同資料與我指定的前文摘要來互通有無。這樣做的好處是：每個討論串專注在一種任務，不會互相干擾。不用每次重新教 AI 專案背景。每個助理都有自己的經驗與分工。團隊又可以透過共同專案規則保持一致方向。第六步：加一個專門唱反調的員工，但不影響主線任務如果你的團隊需要更多的想法與創意，我會在前面的基礎上，在專案團隊開一個新的聊天串，請他先統整目前專案基本的知識、內容、任務，但採取批評者角度，提供強化的不同意見。你可以用同樣邏輯去開啟：不同簡報風格的反思者、不同課程規劃的競爭者、不同概念的批評者等等。他們會有專案的核心知識，所以批評有基礎，但他們不是在原本的 PM、簡報、課程討論串中，比較不會被既有的工作流程干擾，而只會說好話。當他們提出的意見有用，有可能變成「正式員工」，例如不同簡報風格的反思者設計得我更喜歡，就直接升級為正式討論串（可能還會"解雇"原本的簡報討論串）。如果他們的反思過頭了，或不需要了，只要「刪除」這個討論串，也不會影響這個專案團隊的工作進行。這種 AI 團隊方法，帶來什麼效益？一般人也可以開始管理自己的 AI 團隊這種做法對我最大的幫助是：我不用一直重教 AI，並且可以建立長期的、多任務的工作流程。只要前期建立好 PM、專案資料庫與共通規則，每個不同助理就可以在自己的工作範圍內展開任務。而且每個助理之間：任務不會互相干擾。又可以根據共同規則保持一致。可以從 PM 或其他助理那裡取得最新知識。又可以各自累積自己的任務經驗。最後又能回到同一個專案規則裡持續更新。這就像把原本一個 AI 助理，拆成一個小型工作團隊。甚至一般人不一定需要很複雜的 Agent 系統，只要利用 ChatGPT 專案或 Gemini Notebook（之後文章再教學），就可以開始做出一個簡化版的 AI 團隊。如果你想試試看，可以從下面這個簡化流程開始：建立一個專案空間：例如 ChatGPT 專案。先訓練一個 PM：讓它研究這個專案的目標、資料、背景、使用者需求與關鍵痛點。建立不同任務討論串，先跑一輪任務：例如大綱助理、簡報助理、圖解助理、文案助理。請 PM 做第一次復盤：整理出專案知識、任務流程、共通規則與接下來需要哪些 AI 助理。讓不同助理根據專案規則完成自己的任務：每個助理只專注在自己的工作上，不要所有事情都混在同一個討論串。定期請 AI 做總結與規則更新：每做完一兩輪工作，就請 AI 復盤，把有效做法寫回專案規則。推薦大家可以試試看這樣的 AI 管理方法。大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：2026/1 最新著作上市，歡迎支持：《高效職場生存法圖解》大人學最新 AI 課程：用 AI 提升工作效率的實戰工作坊「個人數位生產力」線上課程（可使用電腦玩物老讀者折扣碼 ESOR500 ，獲得 500 元折價喔！）。時間管理、筆記系統、AI 工具相關課程：「課程介紹連結」著作：《防彈筆記法》訂閱追蹤 podcast 節目：「高效人生商學院」（Apple podcast 訂閱、 Google Podcast 訂閱）訂閱「電腦玩物電子報」，不定期出刊。我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：一般人也能用 ChatGPT 打造你的 AI 團隊：管理多個 AI 員工的實戰流程 ）

最容易分心的地方，往往也是工作入口我最近會善用 AI 工具，幫我解決很多「分心」的問題。這裡說的分心，指得是很多容易讓我迷失的資訊入口：信箱、社群、RSS 閱讀器、稍後閱讀清單等等。這些地方都是工作需要，不得不去處理：我要進信箱，是因為「可能有」讀者來信、課程邀約、合作討論、出版社溝通、臨時交辦。我要看社群，因為上面「可能有」我寫文章、作課程需要的工具更新、使用者案例、值得收錄的觀點。我要打開 RSS 閱讀器，是因為「可能有」新文章、新研究、新產品變化，支撐後續文章與課程內容。問題是，只要我自己直接進到這些入口，就很容易被次要訊息帶走。而且「可能有」就代表「不一定有」，但非常有可能我打開這些資訊入口後，反而被那些其實不需要馬上處理的資訊浪費掉最多時間。打開信箱，本來只是想找一封需要回覆的信，結果看到幾封促銷、通知、抄送、平台提醒，腦袋開始切換。打開社群，本來只是想看某個 AI 工具的新案例，結果不知不覺滑了二十分鐘（以上）。打開 RSS，本來只是想找今天值得深入讀的幾篇文章，結果先花掉一大段時間篩選、略讀、判斷、標記。我後來把這類狀況看成「外部劫持型分心」。我想專心工作，只是這些入口本來就會不斷把新刺激推到我面前。只要我一進去，就要花額外心力抵抗很多其實不需要現在處理的東西。所以我最近開始實驗一個做法：我「不要進入」信箱、社群、RSS ，先讓 AI Agent 幫我做第一輪過濾，然後我專注看真正需要處理的那封信、那則貼文、那篇文章。AI Agent 在這裡扮演的角色，就像一個站在門口的整理員。它先進到那些很吵的地方，把可能重要的東西挑出來，附上原因、來源與下一步。然後我先讀整理後的短清單。判斷出真正需要處理的回應、資料，才進入那一則訊息，專注處理。下面用三個我最近最有感的流程來說明。2026/6 更新：一般人也能用 ChatGPT 打造你的 AI 團隊：管理多個 AI 員工的實戰流程2026/7 更新：我與 AI 各自需要一套第二大腦：五個層次管理個人筆記、 專案 資料、AI 記憶與規則案例一：每天三個時段，讓 AI 先幫我篩郵件我現在處理郵件時，會把「進信箱」這件事先交給AI。不再一有空就打開信箱掃一輪，而是固定三個時段：早上開始工作前中午休息前下班前在這三個時間點，我會請 AI 先根據它目前知道的工作情況，幫我找出真正需要處理的郵件。但是這裡有一個前提：我不會在自己也不知道重點的情況下，叫 AI 從整個信箱裡幫我判斷輕重緩急。我會先給它一些判斷依據（通常就是依靠最近幾周的ChatGPT對話記憶便非常有效），例如：這一週我正在推進哪些課程、文章、合作或家庭安排。哪些對象的來信通常需要優先看。哪些主題可能跟近期工作成果直接相關。哪些郵件只要摘要即可，暫時不需要回覆。哪些類型的信不能讓 AI 自己承諾，只能先寫草稿。延伸參考：養成讓 AI 復盤工作流程的習慣，你的 ChatGPT、Codex、OpenClaw 助理就會愈做愈好接著我希望 AI 輸出的是一份很短的處理清單。例如：今天必須處理的 3 到 5 封信。每封信為什麼值得現在看。建議下一步是回覆、排程、轉交、補資料，還是先延後。如果需要回覆，先擬一封草稿。附上原始郵件連結，讓我可以直接點進去確認。也附上其他AI判斷不需要處理的清單，讓我快速確認一次（但是通常都判斷正確）我慣用的指令：請根據你對我目前工作狀態、課程、專案任務與生活計畫的了解，檢查我的 @Gmail 主要收件匣中最近尚未處理的郵件。請一步一步分析，先過濾出不需要回答的資訊、電子報與通知，再挑出真正需要我回應、確認時間、安排任務，或跟我目前重要工作有關的郵件。對每一封需要行動的郵件，請提供重點摘要、建議下一步行動、是否需要放進行事曆或待辦清單，以及一版簡短有力的回覆草稿。如果需要判斷可約時間，請參考我的 @Google 行事曆 ，但最後日期仍由我確認。這樣一來，我就不用先進到整個信箱裡面，被一堆次要通知牽著走。我只要看 AI 篩出來的清單，再決定哪幾封真的要處理。我處理這個流程習慣使用 ChatGPT ，讓 ChatGPT 連結我的 Gmail 與 Google 日曆，於是透過上面指令，他會幫我判斷郵件重要性、判斷時間、建議我要加入什麼行程到日曆，並寫好回信草稿。這個過程中，我不會進入「整個信箱」，因為 ChatGPT 會提供我「需要處理的那封郵件」的連結，我只要點開那封信的連結，專心處理那封郵件即可。ChatGPT 也會給我不須回覆、可以直接封存的建議，我只要快速掃描清單，避免 AI 誤判即可，但不用點開信箱被這些郵件干擾。AI 做的是「入口整理」，提供我第一階段的判斷與草稿。這可以幫助我專注在最重要的事情上：人來決定要不要回覆、怎麼回覆、要不要接受邀約、要不要做出承諾。這個流程讓我最有感的地方，是不會遺漏一些重要的臨時交辦，但我也不需要在整個工作中反覆進信箱。案例二：用 Codex for Chrome 掃社群，但只輸出候選清單第二個分心入口，是社群。我需要看 X、Facebook 這些地方，因為有時候最新工具案例、使用者經驗、開發者分享、讀者討論，會先出現在社群上。可是社群最麻煩的地方，就是它永遠不只給我工作需要的那幾則訊息。你想看一個 AI 工具案例，下一秒就被其他留言、爭論、新聞、推薦貼文拉走。所以我最近會嘗試讓 Codex for Chrome 做一種「社群雷達」。做法很單純：我讓 Codex 進到我已登入的 X 或 Facebook，根據我近期的文章草稿、永久筆記、課程主題，了解我近期關注重點，據此去掃描今天可能值得我看的貼文。（具體操作可參考：不用寫程式的瀏覽器自動化：Codex for Chrome 幫我操作 Google 地圖、Evernote、 Gemini、社群） 要讓 Codex 操作我的瀏覽器或電腦時，我會把安全禁止事項「事先」寫清楚（先跟AI溝通）：只掃描與摘要重點，不幫我按讚。只列候選，不留言。只提供原始連結，不自動收錄到正式資料庫。如果遇到需要登入後操作或不確定內容，先標記，等我決定。我希望它最後給我的清單不要太長，最好像上圖這樣：貼文主題為什麼值得看可能對應到我筆記資料庫中哪些主題原始網址這樣做之後，我看社群的方式有一個很明顯的差異。以前我自己打開社群，是從首頁時間線開始，每次一滑就要花掉很多時間。現在我則習慣只看 AI 整理出來的候選清單。如果清單裡真的有值得看的，我再點進去；如果沒有，我就不需要打開那個會讓我一路滑下去的介面。案例三：讓 Codex 先讀 RSS 閱讀器，再由我挑文章第三個例子，是 RSS 閱讀器。（延伸閱讀：AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統：我的兩個月實測心得）我之前曾經用 AI 做出一個 RSS 閱讀器，裡面有我訂閱的數十個文章來源。這個工具本身對我很有用。但如果每天都由我自己打開 RSS 閱讀器，再一篇一篇掃標題、判斷、摘要、標記，時間還是會被吃掉。雖然 RSS 閱讀器看起來比較不像社群一樣無關資訊太多，但其實也是另一種資訊流。每一篇都好像有一點值得看，每一篇都好像可以先打開一下。可是最後值得深入讀的可能只有幾篇，而前面篩選就已經消耗很多注意力。所以我現在做的是：讓 Codex 直接讀我的 RSS 閱讀器或訂閱來源。Codex 每天先依照我最近的筆記、文章草稿與永久筆記主題，了解我近期感興趣內容，接著進去我的 RSS 閱讀器抓出我可能感興趣的新內容，並且先放到暫存區。我希望它完成三件事：把候選文章依主題分類。每篇做一段短摘要，說明為什麼被挑出來。產出 review summary，讓我決定哪些值得正式收閱讀。它先整理成候選，保留來源、摘要、理由。等我看過 review summary，再決定哪些要抓全文、哪些要變成筆記卡、哪些可以當作文章素材。這樣做的好處是，我還是能追蹤新資訊，但不用自己先在 RSS 裡面過濾一輪。我把精力留給後面的判斷：哪些真的值得讀？哪些可以補進永久筆記？哪些只是看起來新，其實跟我現在的任務無關？三個案例背後，其實是同一個流程信箱、社群、RSS 看起來是不同工具。但我後來發現，它們可以用同一個 AI 工作流程來處理：第一步，先不要叫 AI 去看全部資訊，而是讓 AI 先了解我的需求我會先提供目前重點，例如這週正在準備哪堂課、哪篇文章、哪個專案、哪幾類合作或家庭安排。第二步，讓 AI 進入容易分心的入口，人不要進去信箱、社群、RSS 都可以，總之就是我們之前為了獲得關鍵資訊，需要花很多時間過濾雜訊（但又會被雜訊吸引的地方）。第三步，要求 AI 找出重點，輸出短清單，我自己不要進入分心之地引導 AI 有效分類統整，不要讓 AI 把所有資訊都處理，因為如果給我 30 封信、50 則貼文、100 篇 RSS 摘要，那其實只是把原本的資訊大海換成另一片資訊大海。第四步，每個候選都要保留來源連結如果沒有連結、沒有原始信件、沒有來源說明，我就不能快速回查，也不能放心引用。第五步，所有外部動作都要等我人工確認。寄信、回覆、按讚、留言、發布、正式收錄、刪除資料，都不應該由 AI 自己完成。最後一步，每次篩選準或不準都做修正，持續寫回規則，讓這個 AI 過濾機制愈來愈有效。（養成讓 AI 復盤工作流程的習慣，你的 ChatGPT、Codex、OpenClaw 助理就會愈做愈好）如果它挑太多次要訊息，我就補一條排除規則。如果它漏掉某類重要信件，我就補一條優先規則。這樣下次才會更接近我真正需要的入口。結論：把人的注意力留給判斷，讓 AI 擋在資訊入口善用 AI Agent 不一定是做出多驚人的成果。讓 AI 幫我少掉一段本來很容易被分心拖走的操作，也是提升效率的做法。人少一點進信箱翻找。人少一點打開社群後一路滑下去。人少一點在 RSS 裡面一篇一篇做初步判斷。讓 AI 擋掉那些雜訊，我再決定下一步。這樣我還是有抓到重要任務、獲取關鍵資訊，也沒有放棄判斷。只是我不再每次都跳進最吵的地方，然後增加更多分心時間。大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：2026/1 最新著作上市，歡迎支持：《高效職場生存法圖解》大人學最新 AI 課程：用 AI 提升工作效率的實戰工作坊「個人數位生產力」線上課程（可使用電腦玩物老讀者折扣碼 ESOR500 ，獲得 500 元折價喔！）。時間管理、筆記系統、AI 工具相關課程：「課程介紹連結」著作：《防彈筆記法》訂閱追蹤 podcast 節目：「高效人生商學院」（Apple podcast 訂閱、 Google Podcast 訂閱）訂閱「電腦玩物電子報」，不定期出刊。我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：不用寫程式的瀏覽器自動化：Codex for Chrome 幫我操作 Google 地圖、Evernote、 Gemini、社群）