AI 生產力實戰：從填補短板到一邊超慢跑一邊寫 Code

來源： 小老闆充電站 YouTube

影片連結： https://www.youtube.com/watch?v=6nFJW7ly_6E

系列： 小老闆充電站訪談第三篇

第一篇： 企業 AI 轉型：從數位轉型到 AI 轉型

第二篇： 什麼是 AI Agent？企業 AI 導入的真實觀察

個人生產力提升的三種方式

這個問題被問爛了，但我的觀察跟大多數人講的不太一樣。

第一招：填補短板（最有效）

AI 已經被驗證是一個非常全能的存在。市面上有兩種做法：一種是把擅長的東西推得更精進，另一種是把不會的東西瞬間補齊——木桶效應，讓短板變長一點。

AI 能力木桶效應：填補短板比強化專長更有效

我看到比較有效的方式都是後者。

為什麼？因為如果你是這個行業的專家，AI 不一定會贏過你。你知道很多 AI 不知道的眉角，很多時候它要達到跟你一樣的效果，需要很多輪的討論。專家在專業領域還是很厲害的。

所以如果你把投資放在「我是 IT 顧問，然後花很多時間在學習 AI」，可能不會是最優。

但我發現一個通常會大幅度提高生產力的方式：叫 AI 去做我不擅長的部分。

像我可能不擅長寫作，我可能不擅長——不要講技術，就算我是技術人我也不會做 SEO。但現在我超常叫 Claude 幫我看網站的 SEO 好不好，如果不好告訴我該怎麼改。

這就是你可以一瞬間在各方面都到 60 分。

你原本幾乎是 20 分、30 分，但突然到 60 分。但如果你原本是 80 分，其實 AI 不容易跟你一樣好，或是它要花一點時間才能跟你一樣好。

所以第一個建議：在你的工作或生活當中選擇一些方向，一開始先去填補短板，這會是一個很好而且很快能夠見效的投資。

像我不會前端、不會寫 JavaScript，但我現在也在公司弄了一點 JavaScript 的東西。這是比較容易的部分。

Note. 參考閱讀, 請看我之前 AI 勞資雙方破局：全端能力是基本要求

第二招：RPA 自動化機械性工作

就算在你擅長的部分，你能怎麼做？這當然要花一點力氣——我要怎麼讓 AI 變成一個小幫手，增加相關的效率？

這時候就會有一些 RPA 的東西進來，像 n8n 這些工具。讓你原本雖然很擅長，但覺得「我不想花時間做比較機械性的東西」，把它替代掉。

這是第二個你可以很輕鬆做到的事情。

第三招：靈感類的輔助

後來很多研究發現，靈感其實不是你是天才，只是因為你嘗試比較夠多。AI 天生就可以嘗試一萬遍。

像我現在在寫部落格，每一篇都會放一張圖。我放圖的方式不是用很 serious 的 prompt，我就是把寫好的文章整片丟進去：「你幫我生一張圖或生五張圖。」它就會有一些思路不錯的，然後慢慢幫我挑一下、調一下。

有時候寫到寫詞不太對，或怎樣會比較 catch，就幫我問一下。當然很多時候覺得我寫還是比較好，那也 OK。

靈感類的東西，因為它能夠在很短時間給你很多種排列組合，所以你可以很快略過這個步驟。

Note. 參考閱讀請看我之前 [Agent Part 6] Storm：駕馭整個文章編輯團隊

進階用法：Claude Code 配超慢跑

有些人說探索過程才是樂趣所在，AI 就燒掉這件事。對，就是這樣子嘛，我們現在講的是生產力。但我們可以選擇，想探索的時候自由探索，不想探索的時候讓這個 AI 工讀生幫我做掉。

我最近很喜歡的用法

因為我年紀大嘛，所以喜歡超慢跑。他們都建議說你就是看一些 YouTube、Netflix，然後在那邊超慢跑個一、兩個小時。

現在的玩法就是：有 Claude Code 之後我也是超慢跑，但我一邊對著 Claude Code 超慢跑。

超慢跑配 Claude Code：健康與生產力兼得

Note. 請看我之前寫的超慢跑也能 Coding：Claude Code 帶來的真正生產力

我是用聽寫輸入，所以一邊看著它在幫我做 coding，一邊讓身體變得更加健康。中間還是能夠有一些注意力給它一些指令。

我突然覺得我的人生提升很多。

同樣的，因為我在公司是研發長，進去就是一天從九點一直到大概八九點，基本上都在會議當中。會議中有時候不是每一刻都在開會，這時候 Claude Code 就會幫我做一些事情，看一下看一下。

它確實改變我人生很多。我們 C-Level 的大家知道 Claude Code 出來之後，大家的戰力突然提升，大家又都會寫 code 了，產出力變強了。

但大家還是不斷的在開會。因為有個 agent 在旁邊——它算是一個 junior 到 middle level 的 engineer，能夠一直幫你看 code。而且到最後我們會開四到五個 session，然後都看一下，反正總是會有人寫對寫多。

像這樣子的 agent 搭配方式，對我來說的生產力有爆炸性的提升。而且對我的健康有爆炸性的提升。

因為你會原本想說「啊我今天只能跑 40 分鐘，因為我要去寫 code」——這樣不對。我可以跑一個半小時，因為它一直在幫我寫 code。

就像我在洗碗的時候會聽 podcast 一樣，反正我知道我沒有浪費時間。在健身的時候我也可以聽 podcast，我知道我的生產力不斷在增加。所以 OK，我可以放心做我想要做的事。

Claude iOS 版是最後一塊拼圖

最近 Claude 要出 iOS 版跟 Android 版，我想說我的人生最後拼圖出現。

我去健身的時候不能拿筆電在健身房，但有那個東西的時候，我就在手機上面繼續講、繼續做，一邊推舉一邊看。

我之前真的有買過半年的 Replit，原因只是那個 Mobile 版做的很好。所以那一段時間我真的拿 Replit 的 Mobile 版，在去健身房的時候就是不要浪費時間。

關於「一人公司配很多 Agent」

我覺得還是一個團隊的公司。每一個團隊的人其實不一定要太厲害，或不一定要太強，薪水可能不是很高，但是他們很有熱情，然後用 AI 去填補短板。

這樣子的公司，再搭配給他們真正可以做事的 AI，像 Claude Code 或 Codex 這樣子的東西，我覺得這個會是目前最 practical、而且很明確實測有效的東西。

什麼叫「真正可以做事的工具」？

就是我之前講的 agent 嘛。Agent 有很多是 workflow，有很多 agent 是它有錯會去看哪裡有錯，然後再去把這個問題解決——這就是除錯的能力。

Agent 的除錯能力：workflow vs ReAct

Note. 請看我之前說的 [Agent 模式 part 1] - Workflow 型和 ReAct 型，誰更像你？，裡面寫到 React 的除錯能力

我定義「能做事」為：能夠調用工具，因為你要能夠 access 有意義的資料，以及能夠除錯。

為什麼是「人 + Agent」而不是「一人配很多 Agent」？

因為就算是會除錯的 agent，它還是有除不了錯的時候，還是有歪掉的時候。

所以這個時候人在裡面扮演的就是幫你導正、或是真的不行的時候幫你除錯的角色。

如果你帶領一群很年輕很有衝勁的人，每個人都配給他 agent，這樣效率是奇高無比的。 年輕很有衝勁的FDE團隊

Note. 請看我寫的 FDE：一個持續下去的實驗

因為 agent 基本上能夠做大部份就是七八成的時間，然後再用人去補 20%，但是重要的——那個人的工作還是沒有拿掉。這樣子的配置我覺得在目前為止是比較完美的。

但目前進步太快了，我也不知道。

董事會模式：五個 AI 討論

像網路上常常有人講把五個不同的 AI agent 各自設定角色，組成董事會來討論公司的決策。

這其實就是剛剛講的第三類——靈感類的提升。

基本上你就是丟給多個專家，然後他們思想碰撞，你都最後當裁決者。你是假方爸爸老闆說「我就採用你這個了，今天就決定是你了，ChatGPT！」

這個真的在發想類或決策類的時候很有用，因為大家都說要廣義嘛。但是到最後決策人是你，必須是你。不然它不能幫你做決策。

Note. 請看我之前說的 [Agent Part 6] Storm：駕馭整個文章編輯團隊

不需要工程師背景也能建 Agent

我覺得不用。因為我本身是做 agent 的公司，所以我覺得現在的 agent 已經慢慢越來越厲害，它能夠用很簡單的界面就能夠把黑盒子、相關人設或知識庫揮進去，並且彈出很好的效果。

像我的部落格剛剛出一篇，我在對一個老 PM 做交接。到最後我就想說那我直接複製他，編成另外一個 agent。

最好笑的是我還拿他的逐字稿，然後就說：「你幫我復刻一下他的語調跟人設。」因為他是香港人，我就說：「人家記得你沒有放一些廣東的詞彙。」然後就丟給他看：「這個像不像你啊？」然後說我之後要問你的這些問題我全部都問 agent。

回到你的問題，我覺得現在的 agent 越來越好、越來越厲害，其實對工程師需求比較少。當然你還是要付一點點錢，但現在目前看到不管是我們公司或其他公司的 agent，都有類似相關的功能。

開源有很多不錯的像 Dify 這樣子的工具，可以很快速搭建出一個不錯的 agent。

如果要自己用 GPT 做得到嗎？做得到啊。像現在的 GPT 它其實只有一些系統提示，或像之前的 GPTs。Claude 最近出了叫做 Claude Skill 這樣子的東西，基本上就是把一堆提示、一堆文件 upload 上去，它就變成相關人設和知識，然後再用像 MCP 這樣子的東西去 access 相關的資料，它就可以做到相關的 agent 的東西。而且效果還不錯，真的還不錯。

AI 工具推薦

別人問我類似問題的時候我都優先推薦這幾個：

全能型

  • GPT — 我覺得人性化最高。尤其是傳說中的 4o，我曾經聽過幾個朋友的朋友真的跟它談戀愛，跟男朋友一天講一個小時，但跟 GPT-4 講三個多小時。GPT 基本上就是一個真的是全能比較大將，而且各方面的場景基本上沒有太多問題。
  • Gemini — 一個好處是它直接整合了 Google 的一些服務，然後通常都很便宜，不管是 API 或什麼的。免費版本也蠻好用，加上現在又有 Veo3，各個場景下文生圖或文生視頻其實都不錯。

Gemini 的例子： 我之前在貨運業有一個東西叫排車，今天這台車出去要跑幾個點，可能有四五十個門店，然後要算你要有幾台車、路線最短。這個東西在外面可能要賣幾十萬到幾百萬的系統。那時候 Gemini 出來，我就丟給它，它就真的不用寫程式，自動去幫你調 Google Map 的點對點之間的東西，然後直接跟你算點點之間的距離。其他的 GPT 都能做，只是他們沒有 Google Map 的資源。

如果是生活用的，然後沒有什麼太多追求的話，Gemini 效果其實不錯。

寫 Code

  • Claude Code — 就不用說了。我自己的感覺，它是一個很積極幫你處理問題的人，但有些時候它會處理太多、做過頭。
  • GPT Codex / o3 — 如果你覺得做太多之後要修 bug，就回去找它。它是一個犀利、跨不多，但是能夠快速幫你把 bug 解決的人。

Note. 請看我之前寫的[Agent Part 5] 雙 Agent 架構: Anthropic 官方解密為什麼 Claude Code 這麼好用的內部工程架構

所以當你要寫程式、要一個比較積極的 engineer，或是一個 junior 到 middle 來說很好的 engineer，你就找 Claude Code。但是你要一個很犀利、不這麼有趣、但能夠解決問題的話，就找 GPT。

重要建議：專注 1-2 個工具

我的建議是你應該要 focus 在一兩個工具，而不是有這個工具就你就去碰。除非它真的很棒，或者你現在的工具有個場景真的沒辦法解決。

為什麼這樣建議？因為我發現 AI 的能力其實都差不多，但你能不能熟悉這個工具、能不能熟悉它的提示詞，會讓你的效果差距很大。

而且你用這個工具之後，它其實也會自動做一些系統上面的記憶。我們的工作說「我把這個 GPT 調教的很像我」，很多 preset 都已經有了。

所以一開始根據需求先選了一兩個，然後就先用吧。真的有需要、有個特殊場景需要的時候再說，或是公司那時候導入一些企業級 agent 再用。

大文件處理：分層摘要法

我常被問到怎麼解決文字閱讀幅度有限的問題。我們很常想要輸入各種各樣的資料給 GPT，像錄了很多 podcast 然後想做一個跟我一樣的代理，但擔心它到底有沒有讀進去。

先試市面上的工具

我的做法比較工程面。我自己曾經試過就是把這些東西全部丟到 NotebookLM，效果不錯。加上 Gemini 它能夠吃的 context 蠻大的，這是它之前的賣點。

所以一開始的話，你先看 NotebookLM 跟 Gemini 能不能承受你這東西，或者效果好不好。如果效果好的話，你就不用知道我教的，因為就夠了。而且我相信 Gemini 或這些大廠他們會進步，所以我現在要跟你講的任何技巧，幾個月後可能就是 anti-pattern 了。

Note. 請看我之前寫的 NotebookLM：當 AI 工具終於具備「知識保真度」

Claude Code 分層摘要法

我在交接一個大概 50 幾個 project、上幾十 G 的文件的時候，要局面抽取。我的做法就是把我的好朋友 Claude Code 叫出來，一個一個讀，然後先寫到一個文檔——對每個檔案做一些簡單的描述，不用太多就簡單描述。

再根據這個簡單描述之後，再把它整合成第二層的摘要。但它是有個階級的：你先看第一個全部的摘要，再看第二個相關的東西，真的不行再去裡面把這個東西打開來看。

這是 Claude Code 原生的好處——它可以寫程式幫你開檔。市面上有很多 AI agent 沒辦法做到這樣的事情，所以要看你的工具。

簡單講就是：現在先試看市面上的工具尤其能不能解決你的問題，不行的話，我相信現在很多的 coding agent 也都能夠做類似的東西，而且效果不差。

國際與台灣的 AI 觀察

大模型版圖

從大趨勢來看，美國這邊做大模型是領先者，特別強。中國這邊是第二，大模型不錯，如果說美國是 90 分的話，中國就是 85 分，其實已經蠻接近的。

中國這邊的應用場景非常多，而且他們從 ChatGPT 剛出、大家知道這東西開始，就做很多 agent、數字人。你看到很多抖音的東西都是他們生出來的，他們在這些之後的應用的發想特別強，真的特別強。

其他的就都…就是都這樣子。基本上只有前二跟其他。台灣當然在做硬體上面有一些優勢，但我接下來舉的例子都不是台灣的廠商。

創業機會一：軟體整合

大家朋友都知道 Plaud Note，它是錄音筆，錄完之後可以直接結合它的 APP 用 AI 做總結、做逐字稿。那時候剛出來就兩年前，就做到一個超完美的軟體整合。

雖然說「這是中國公司沒辦法」——它太好用了，真的太好用了。

所以我覺得軟體整合真的是一個所有的 AI 公司、創業公司如果真的要做的話，真的考慮軟體整合。

因為你做純軟體的話——我們公司也一直在思考——做純軟體 solution 的話，這真的是大廠覺得這東西好做就直接把它黏過去。真的是巨人腳印下，基本上就是死得又一批又一批的創業者。

但我覺得軟體整合是客戶比較不願意做的、大廠比較不願意做的部分。

創業機會二：垂直領域 Agent

中國叫什麼「垂直類商品」，他們的詞蠻好笑的。基本上就是針對某一個行業——醫療業、金融業，特別的去專精在這個行業的東西。或是功能面：我做一個 HR 的 agent、一個客服的 agent、一個分析的 agent。它適合各個行業，但是我只做這東西。

這兩個玩法還能夠通，原因是大廠沒有足夠時間去每個行業都做。

而且他們通常的策略——因為我之前 Google 出身，我知道他們通常的策略都是跟某些 partner 做合作，針對某個行業。就是你如果賣我的大模型，我甚至會 promote 你我的 solution。

台灣的機會

我小時候 20 年前的時候，我們在做技術時，他們說你的市場不夠大，或者數據量不夠大，所以你就不能做所謂大數據。那時候要學習真正的大數據，我們只能去美國或中國。然後不斷累積這些大數據知識，但是在台灣是學不到的之後10年前，第二波的劣勢就是說人家很會 996、人家很會 007，所以你拼不過人家。

但回到 AI 時代，這兩個劣勢都會不見

所以說台灣雖然在一個小場景，但是你有 AI 的輔助，你可以學到這些很 scale 的東西——就是你知道會去問。

第二個事情是他們很會捲（中國、印度他們成本低然後很會捲）。但是捲不過AI呀

我不覺得一人公司會 work，但我覺得小團隊的公司，掌握到適當的場景，有 AI 的大量輔助下，我真的覺得會 work。

因為現在真的不是比誰能夠 hire 那種很強的工程師就能夠贏，或是現在不是比誰的工程師很努力就能夠贏。現在比的是你能切到一個很不錯的場景，然後大量使用 AI。技術優勢跟成本優勢都已經被 AI 打平了。

所以你不要去碰那什麼大模型那些東西、需要高電力高資金的。你在這邊做 application，台灣其實是有優勢的。

台灣的優勢就是經商環境比較偏見美國，但台灣很原生就是很華語體系的東西，所以又能夠做美國生意、做中國生意。台灣的理工人才也很多。

不要被自己設限，因為我們之前被限制住的原身條件，其實在 AI 時代很多東西都被打開了。

Note. 請看我寫的那天我在產業園區分享：AI 能不能做起來，其實看人

台灣軟體公司為什麼起不來？

10 年前或 20 年前，我知道原因就是台灣這邊花錢化比較不習慣那個軟體付費。所以就算是一個比較大的公司，它其實也很難在這邊做比較大的軟體。到最後這些公司都會轉為以 B2B 為主，就像我小弟的公司就直接跟企業收錢。

所以比較少那種 to C 的軟體公司。台灣其實有蠻大的 to B 的公司，但沒有就是 to C 的公司，比較小。像趨勢是一個吧，那其他的就比較少。

但我覺得最近應該會變化，因為 AI 導入後 ChatGPT 他們都有個前提的東西——你一定要付個 20 塊美金，已經變成公定價了。

所以其實有一些 professional 的人就大家看：「喔，這麼奇怪，我要付 ChatGPT 稅就是 20 塊美金。」這個習慣慢慢都會在改變。

當這個群體願意付費的話，自然就會揚起一些小型或中型軟體公司。小型公司出來就能夠起人來之後，它就有機會去東南亞這邊 scale，它就有機會變大。

所以我講的事情是：台灣的一些軟體的 to C 公司，通常都是在台灣這邊當一個研發中心，然後想辦法起來，但因為它是 to C 所以還收不到錢，然後再慢慢去其他的國家這邊變大。

如果你要做台灣 to C 的軟體公司的話，我覺得未來是有機會的。那但不知道，因為旁邊還是有一個生態系非常強的國家，所以其實不容易啦。但因為他們那邊也有自己的牆，慢慢的就擋住了蠻多很厲害的公司出去，所以我們還是有些機會的。

市場的兩種迷思

在 AI 出現之後，所有的公司不論是高階主管或團隊成員，都會覺得我現在如果不用 AI 就會被淘汰，有焦慮的問題。

但比較常見的問題是大家更多聚焦在「我有沒有在使用 AI」，卻沒有去關注「我到底有沒有因為用了 AI 之後解決了我本來想要解決的問題」。

從我的觀察來講，這非常明顯。就是現在市場上分兩類人：

  1. 抗拒派 — 非常抗拒，然後覺得我的老方法是最好的，真的有
  2. 學太多派 — 我學得拼命學很多，就我要解決所有的事情

我真的覺得一開始的時候還是想說：我要解決什麼問題？

你必須要對 AI 了解，你知道它能夠擅長做什麼、不擅長做什麼。但你還是要回推說你做這件事情，你真正能夠達到的目的是什麼？是降本還是增效

Note. 請看我之前寫的AI 降本增效？大部分團隊只做到「降本」

在企業就說我的 business goal 是什麼、我能達到的 outcome 是什麼。在個人就說我能夠在 AI 這邊達到什麼樣的東西。然後再適時的把它倒進去某幾個環節。

這樣子的話就比較不容易為了 AI 而 AI，而是真的拿 AI 來做有實效的事情。

API 費用怎麼控制？

前陣子出現過各種超額付款的案例，原本以為開發出來的工具自己不用、給別人用的話是他們自己要付費，或以為會在免費額度下運作完成，結果最後發現要付好大筆賬單。

初學者：選儲值制或月費制

GPT 跟 Claude 都有一個 credit 模式，你要先充錢，然後只要不要按那個 auto renew，你儲值了多少錢它就會優先把它用完。用完之後你就不能用，但它會幫著你。

因為不當的使用就爆掉那麼多錢，那就是那位比較有名的人犯了那個錯。那確實是一個比較複雜的場景，尤其是他跑到 GCP 那邊。

所以我的建議是：如果一開始對這個東西不熟悉的話，可以選擇優先選擇大模型是能夠有這種儲值制的，因為你至少知道說我投這麼多錢就是這樣。

還有另外一種就是有很多服務是月費的，月費就是吃到飽。像我現在用 Claude Code，如果用月費的話，不管它頂多給你限流，但它不會給你 charge 更多的錢。所以你在使用的時候就會比較安心一點。

進階使用：充分了解再上線

但是你到最後要做比較好的服務，還是要串接 API，你可能還是用到一些沒辦法有這樣機制保護的東西。這時候就會建議你好好去調查一下他們怎麼收費的，然後有一些心理準備，還有你是怎麼被 charge。甚至問一下這些專家或原廠的人。

然後在 before you deploy to the production——因為到 production 之後就不是你能控制的。你開店做生意，那些人進來，他們是不會給你限制的。

但就算是像那次 GCP 的那個東西，其實我知道雲上面都有很多的保護機制、alert 機制可以做。所以但這個東西就會比較深入一點。

所以當你一開始什麼都不知道，然後只想玩一下 POC 的時候，直接去找那種儲值或月費制的，基本上不會出太大的問題。

如果後面你想要再進階的話，你真的要開始花時間真的去學習一些東西，然後才辦法確保這件事情不會發生。或是到最後不是很 AI 的——就是你直接請一個專家來給你一些建議，這可能也是比較快的方式。

常見問題 Q&A

Q: AI 提升生產力最有效的方式是什麼？

填補短板，不是強化專長。讓 AI 做你不擅長的事（SEO、前端、寫作），你可以一瞬間在各方面都到 60 分。專家在專業領域還是比 AI 強，但 AI 能把你的 20 分項目拉到 60 分。

Q: 一邊超慢跑一邊寫 Code 是怎麼做到的？

用 Claude Code 配聽寫輸入。在跑步機上看著它幫我寫 code，中間用語音給它指令。健康和生產力同時提升。等 Claude iOS 版出來，連去健身房都能繼續。

Q: 為什麼是「人 + Agent」而不是「一人配很多 Agent」？

因為 Agent 還是有除不了錯的時候。人的角色是導正和除錯。一群年輕有衝勁的人，每人配 Agent，效率奇高——Agent 做 70-80%，人補 20%。

Q: AI 工具怎麼選？

專注 1-2 個工具，不要追新。AI 能力差不多，但你對工具的熟悉度會讓效果差距很大。GPT 人性化最高適合日常，Claude Code 積極適合寫程式，Gemini 整合 Google 服務且便宜。

Q: API 費用怎麼控制？

初學者選儲值制或月費制（吃到飽），用完就停不會爆帳單。進階使用要串 API 時，先搞懂計費方式，上 production 前做好 alert 機制。

Q: 台灣軟體公司的機會在哪？

AI 時代，以前的劣勢（市場小、拼不過 996）都被打平了。台灣優勢：經商環境偏美國但華語原生、理工人才多。做垂直領域 Agent 或軟硬整合，小團隊配 AI 有機會。

來源