這是一位企業執行長寫信跟我說的第一句話。

同一個上半年，AI 裁員的新聞天天洗版，超過 15 萬人失去工作。

但她面試了一輪又一輪，卻怎麼找都找不到她要的人。

這篇文章，我想帶你看懂這個矛盾：AI 裁員潮下，企業真正在搶的是哪種人才、你的工作方式該怎麼調整，還有找工作時，履歷第一行該寫什麼。

一封執行長的信，讓我看見 AI 裁員潮的另一面

這幾個月，她面試了一輪又一輪。

每個人履歷都很漂亮，ChatGPT、Claude、Midjourney 樣樣通，開口閉口都是 prompt、vibe coding。

但她跟我說了一句話，我一直放在心上：

「可是沒有一個能把我公司那團亂的流程，整理到真的跑得動。」

她要找的人其實很單純：AI 要會用，還要有能把生意往前推的營運腦。

工具她願意花錢訓練，因為工具是可以教的。

她真正不肯妥協的，是那種「營運者的直覺」：

看到一團亂，能把它拆開、排好，變成一套沒有你在也能跑的系統。

AI 裁員的數據：缺的是 AI 專家，還是會營運的 AI 人才？

而且這件事，發生在一個很微妙的時間點。

新聞才說：2026 上半年，AI 相關的裁員超過 15 萬人。

22 到 25 歲、在容易被 AI 取代的職位上，招聘掉了 13%。這個數字來自史丹佛數位經濟實驗室的研究，追蹤了數百萬筆薪資資料的結果。

新聞天天喊：快學 AI，不然被淘汰。

但那位執行長讓我看到的，其實是更重要的一件事。

這世界真的缺 AI 專家嗎？還是缺會營運的人？

我把她的話拆成 3 個重點

1. 工具熟練，是最便宜的那一塊

會用 ChatGPT、會下 prompt，只是入場券。這些她眼睛都不眨就付錢訓練。

真正稀缺、真正貴的，是你能不能把 AI 套進「你怎麼工作、怎麼營運」。

建系統、寫 AI 工作說明書、安排好人跟 AI 之間的交接，這種能力最值錢，偏偏也最難在職場邊做邊學。

延伸閱讀：史上最完整的 AI 溝通法介紹，你需要知道的原則都在這

2. 就業市場正在裂成兩半

一邊，是那些「照著做任務」的工作，正在被自動化、被悄悄砍掉。

另一邊，公司拚了命在找一種人，怎麼找都找不到：能設計出「讓 AI 在裡面運作」那套系統的人。

3. 你真正的資產，是你不在時流程還在跑

一個流程如果只有你在才動得了，等於你把自己綁死在裡面。

把它整理成你不在也照跑，它才變成你建出來的資產。

兩種 AI 工作流程：沒有你不行，還是沒有你也能跑？

大多數人，做事是這樣的：

遇到問題 → 自己跳下去做 → 想到可以用 AI → 叫 AI 幫忙 → 自己再改 → 做完 → 下一個問題。

帶著 AI 營運的人，做事是這樣的：

遇到問題 → 先設計一套流程 → 把 AI 放進流程裡 → AI 照著跑 → 自己去處理更重要的事。

差別在哪裡？

第一種人，沒有你不行。
第二種人，沒有你也能跑。

這裡我想幫你校準一件事。「讓 AI 跑流程」有個關鍵：你設計流程、你把關品質、你決定方向，AI 照著你寫好的劇本跑。

全自動放手從來不是重點，你才是那個做主的人，AI 是被你帶著跑的隊友。

延伸閱讀：如何將 AI 融入日常工作？4 步驟，幫你打造聰明工作術

AI 時代的履歷怎麼寫？先端出那個「無聊」的東西

這是幾乎沒有人會跟你說的建議。

別再一開場就秀你的 AI 工具清單。

現在真正會勝出的履歷，開頭不會寫「精通 ChatGPT、Claude、Midjourney」。

會勝出的履歷，開頭寫的是一個你教會 AI 去跑的流程：它成功跑起來了，你就放心去忙下一件事。

這才是這些老闆在掃描、在找的訊號。

接案、提案也是同一套。先從商業問題講起，用商業流程的語言溝通，AI 只是幫你把事情做到的工具，不是你要拿來炫的主角。

延伸閱讀：如何用 AI 寫履歷？提高面試機會不是夢

結語：工具一直換，帶著走的是你的營運腦

最後，幫你把整篇收成 3 句話：

• 工具熟練是入場券，把 AI 套進工作流程的能力才值錢
• 你真正的資產，是一套你不在也照跑的系統
• 履歷和提案，先端出你教會 AI 去跑的那個流程

如果你也想把「怎麼工作」變成一套可複製、可交接的系統，追蹤我，我會一直把這條路上的方法，一步一步拆給你看。

The post AI 裁員 15 萬人，老闆卻捧著錢找不到人：企業真正缺的 AI 人才 appeared first on 牧羊妮.

以前我出門散步，打開 Spotify 就是一直滑。

動態滑過去、描述看一看，5 分鐘過去了，還在選要聽什麼。最後要嘛重播一個聽過的，要嘛乾脆放棄。整段時間就這樣不見了。

我不是沒想過要把這段時間用好。問題不是我不夠努力，是每次「想學點東西」跟「要在有限時間內快速決定」之間，有一道摩擦卡在那裡。

後來才意識到：選什麼聽，答案藏在你的當下狀態裡。

你當下有多少時間？能量是高還是低？你想思考什麼主題？這 3 件事，決定了你需要的那集節目。但 Spotify 的演算法不知道你現在的狀態。

AI 知道。

3 個步驟，2 個免費帳號，讓 AI 幫你選今天的通勤節目

不需要付費訂閱。一個免費 Claude 帳號＋一個免費 Spotify 帳號就夠了。

Step 1：把 Spotify 連上 Claude（只要做一次，30 秒）

進 Claude → 左側欄點「Customize」→ 點「Connectors」→ 搜尋 Spotify → 按「＋」連結帳號。

做完一次，之後就不用再做。你也可以參考 Anthropic 官方的 Claude Connectors 設定說明。

Step 2：出發前貼上這段提示詞

搜尋 Spotify，幫我找 3 集我現在就能聽的 Podcast。

我的狀況：
可用時間：［10／20／30／45／60 分鐘］
我想從這次收聽得到什麼：［了解 X／被 X 啟發／理解 X／用 X 放鬆］
我現在的能量狀態：［低／中／高］

每個推薦請給我：Podcast 名稱、集數標題，以及一句話說明為什麼符合我的狀況。我要的是可以現在就在 Spotify 上搜尋並播放的集數。

把這段提示詞複製起來，存在下次通勤前隨手就能拿到的地方。記事本、釘選訊息、書籤都可以。

括號填得越具體，結果越精準。「了解一人公司怎麼經營」比「創業類的東西」有用太多。

Step 3：看推薦、按播放

Claude 搜尋 Spotify，回傳 3 個具體集數，每個附一句符合理由。

在推薦下方點「Link your Spotify account」，就能在 Claude 裡直接預覽、一鍵儲存、按播放。不用切換 App。

Pro tip：Claude 第一次請求授權時，選「Always allow（永遠允許）」，以後跳過確認步驟，從提示詞到播放完全不中斷。

通勤學習 Before vs After

以前：打開 Spotify、滑動態、看描述，5 分鐘過去了，什麼都沒聽。到站，白白浪費了。

現在：出發前貼上提示詞、填 3 個欄位、送出，Claude 給 3 個選項，連結帳號、預覽、按播放。還沒走到街角就已經在聽了。

收藏這篇，下次出門前試試看。

如果你也想讓 AI 聽懂你的狀態，把它用在工作的每一個環節，我把完整的邏輯都放進《AI 溝通術》了。

7/31（五）前報名《AI 溝通術》，享 64 折再折 300

The post 通勤學習怎麼開始？30 秒設定，讓 AI 幫你選好今天的 Podcast appeared first on 牧羊妮.

158 萬！我社群一週瀏覽量，創新高啦。

沒買廣告、沒改策略，我只是在發文前，多做了一件事：讓 AI 先當我最嚴格的教練。

這篇文章把這套 AI 社群經營方法完整拆給你：從那個星期一發生的事、AI 貼文評分的 7 大維度，到你今天就能照做的步驟。

那個星期一，我讓 AI 幫貼文打分數

7 月的第一個星期一，我打開一份新寫好的 AI 工作說明書，把貼文草稿放進去，跟 AI 說：「幫我評分這篇貼文。」

AI 毫不留情：「Hook 太弱、開頭在暖身、太理性，讀完沒感覺。」

老實說，被 AI 這樣講，心裡還是有點不服氣。但我還是乖乖照著改，改完再放回去，直到 8 分以上，我才按下發布。

7 天後，我打開後台：

• Facebook 瀏覽 73.4 萬次，成長 6,380%
• Instagram 瀏覽 4.2 萬次，成長 195%
• Threads 瀏覽 80.8 萬次，成長 31,691%

同一週、同一個我、同樣的主題。唯一的差別，就是發布前多了這一道 AI 評分關卡。

延伸閱讀：什麼是 AI 工作說明書？讓 AI 一次就懂你要什麼

為什麼爆文在發布之前，就已經決定了

大多數人發文前只檢查有沒有錯字。

但我發現：能引發大量瀏覽的文章，在發布之前，就已經決定了！

因為讀者滑手機的速度，只給你的開頭不到 3 秒。Hook 沒勾住人，後面寫得再好都沒機會被看到。

這也是為什麼我的評分腳本裡，Hook 占了 50% 的權重。

AI 貼文評分教練怎麼運作：7 大維度拆解

這套方法，我把它做成了一份可以直接複製貼上的腳本。你只要把貼文草稿放進去，AI 就會幫你：

• 針對 7 大維度打分數（Hook 占 50%，最重要）
• 逐條抓出贅字、罐頭開場，還有那些一看就知道是 AI 寫的句子
• 告訴你前 3 個最該改的地方，附上具體怎麼改

不需要猜「這樣寫到底行不行」。讓 AI 在你發文前，先當你的編輯。

3 步驟，把 AI 變成你的貼文教練

1. 建立評分標準：把你心目中的好貼文拆成維度（Hook、情緒、節奏、CTA…），寫進 AI 工作說明書
2. 發布前先評分：草稿丟進去，讓 AI 打分並列出前 3 個改進點
3. 改到 8 分才發：來回修改，低於 8 分不按發布鍵

延伸閱讀：我在 Notion 養了 5 個 AI 員工，包辦我所有行銷內容

結語：讓 AI 當你發文前的最後一道關卡

說真的，要把這份 AI 工作說明書公開，我其實有點猶豫。這是我花了整個月來回測了好幾遍，才弄出來的。

但後來想想，我一直說要幫更多人高效工作、優雅生活。這腳本幫了我這麼多，沒道理不讓你也用到

點這裡直接領取「AI 貼文評分教練」完整腳本

想把這套方法學得更完整，歡迎參考我的《AI 溝通術》線上課程，每週更新最實用的 AI 方法。

限時 64 折，結帳輸入「Summer300」再折 $300，只到 7/31

The post AI 社群經營實測：發文前先讓 AI 罵我一頓，7 天 158 萬瀏覽 appeared first on 牧羊妮.

我們公司的行銷，目前只有我一個人。

但我的社群行銷，有一整支團隊在幫我跑。

裡面有專門想開場的、專門寫稿的、專門挑錯打分的，還有專門一稿多發、專門做圖的。

只是這支團隊，沒有一個是人。

他們全部住在我的 Notion 裡，24 小時待命，不會累、不會鬧脾氣，也不用發薪水。

今天完整拆給你看：我怎麼把「行銷一個人扛全部」，變成「一支 AI 團隊幫我跑」，還有你今天就能怎麼開始建自己的第一個 AI 員工。

先說我以前的樣子

行銷只有自己一個人做，聽起來很自由，但做過的人都知道，自由的另一面是：什麼都是你。

發想主題是你、寫初稿是你、改到通順是你、配圖是你、排版是你，最後檢查有沒有錯字，還是你。

其中最吃時間的，就是內容。

一篇貼文，從一個模糊的想法到可以發出去，我常常一個下午就這樣沒了。

我試過很多 AI 工具，也真的有幫上忙。但一開始，它比較像一個「很強的工讀生」：你交代一次，它做一次，做完就停在那裡，剩下的還是你收尾。

後來我想通了一件事，整個狀況才翻轉。

我做的事：把一個人的行銷，拆成一支 AI 行銷團隊

轉捩點是這個念頭：

與其一直逼一個 AI 把所有事做好，不如把「一個人的行銷」拆成「一支團隊」。

真實世界的行銷團隊，本來就不是一個人校長兼撞鐘。有人想策略、有人寫文案、有人負責校稿把關。

我就照這個邏輯，在 Notion 裡幫每個角色，各建了一個專屬的 AI。

現在我的 AI 行銷團隊，核心有 5 位成員，剛好串成一條從「想開場」到「做出圖」的生產線

成員一：鉤子手（負責開場）

一篇貼文會不會被讀完，開頭那一句就決定一半。

它手上有一整套經過驗證的開場公式，會照主題挑最適合的一個，還會用「前 3 個字」去測開頭夠不夠力。

開場交給它，我就不會再寫出很 AI 的第一句。

成員二：寫稿小編（負責寫）

我只要把大方向交給它，它會先讀我的品牌說明書，照我的受眾、語氣、開場規則，把鉤子、故事、CTA 整篇寫完。

重點是：它寫完不會馬上交，會先幫自己打分，不到 8 分就自己改，改到過關才送到我面前。

我上次收到稿的時候，它已經默默退了自己兩三次稿。

成員三：審稿官（負責挑錯）

這是團隊裡最龜毛的一個，只打分、不動手寫。

它用 7 個面向幫稿子打分，光是「開場」就佔一半權重，然後明確列出最該修的 3 個地方、具體要怎麼改。

沒到門檻，就退回去讓寫稿小編重寫。

成員四：分身大隊（負責一稿多發）

一篇長文寫好，它負責把同一個核心，改寫成 FB、IG、Threads、LinkedIn 各自的原生版本。

它會替每個平台各自重寫一遍，語氣、長度、CTA 都對準那個平台。

成員五：輪播設計師（負責做圖）

最後這一棒，把文章變成 8 到 10 頁的 IG 輪播圖。

它會挑一個爆點當封面、一頁一個重點，直接生出可以用的成品，我不用再自己排版。

這 5 個角色，其實就是一條完整的內容生產線：想開場、寫稿、品管、分發、做圖。一個人要校長兼撞鐘的事，被拆成 5 個各司其職的 AI。

讓 AI 團隊真的「自己跑」的關鍵：迴圈

如果只是把工作分給這幾個 AI，那還是一群各做一次就停的工讀生。

真正讓這支團隊活起來的，是每個成員身上都裝了一個「迴圈」。

迴圈很簡單：

產出一版 → 自己對照標準打分 → 沒過 → 照建議自己改 → 再打分 → 過關才交。

關鍵是角色切換：同一個 AI，先當「做事的人」，做完馬上換身分，當「檢查的人」，用我訂的標準回頭挑自己的毛病。

這一顆迴圈，就是把我腦袋裡「怎樣才算夠好」的判斷力，封裝進每個 AI 員工身上。

所以我收到的，是一份已經被它自己退過好幾次稿的準成品。

延伸閱讀：迴圈工程｜我的 AI 退了自己 3 次稿，改到 8 分才敢交給我

怎麼開始建你的第一個 AI 員工（3 步）

你不用一次建一整支團隊，也完全不用寫程式。先從一個角色開始就好。

第 1 步：先選一個「最耗你時間」的角色

不要貪心。

看看你每週的工作，哪一段最吃時間，就先把那一段交出去。

如果你最卡在寫稿，就先建「寫稿小編」；如果你最卡在不知道怎麼開場，就先建「鉤子手」。

第 2 步：幫這個角色寫一份工作說明書

把這個角色需要知道的，一次講清楚：

• 你的品牌在講什麼
• 你的讀者是誰、他們卡在哪
• 你的語氣長什麼樣
• 一篇好內容的標準是什麼

這一步，其實就是把你腦袋裡的判斷，第一次好好寫下來。

第 3 步：在說明書最後，加一個迴圈

這是讓 AI 員工從「交初稿」升級成「交成品」的關鍵一段。

在說明書結尾補上：

做完，請用以下標準幫自己打分（列出你的標準），沒到 8 分就自己改，改到過關，或最多改 3 次再交給我。

就這一段，你的第一個 AI 員工就上線了。

建完團隊，你的角色會改變

當這支團隊開始跑，你會發現自己終於從「員工」變成「老闆」。

以前你什麼都自己做。

現在你做的，是幫每個 AI 員工定義「什麼叫做得好」，然後把反覆執行、反覆打磨的活，交給那個不會累的團隊。

一個人扛整條行銷線，最大的槓桿藏在一件很樸素的事：你有多會把腦袋裡的標準講清楚、設計成一套會自己運轉的系統。

你愈清楚，這支團隊幫你放大的就愈多。

延伸閱讀：我偷學了 Claude 工程師的習慣，讓重複的工作自己跑完

今天就可以動手的一件事

先別想著建一整支團隊。

今天只做一件事：挑出那個最吃你時間的角色，幫它寫下第一份工作說明書，最後補上那段迴圈。

你會發現，你請的第一個 AI 員工，比你想像中好用很多。

想學會怎麼幫 AI 寫出好用的工作說明書，每週為自己省下 15 小時？

歡迎參考我的《AI溝通術》線上課程。

7/31（五）前，64 折，再折 300

The post 我在 Notion 養了 5 個 AI 員工：一人公司的 AI 行銷團隊完整拆解 appeared first on 牧羊妮.

這週 AI 圈都在聊 Claude Fable 5：Anthropic 的最新模型，號稱目前公開可用、最聰明的 AI，也是史上最貴的。

我拿它實測了我最重要的例行工作，結果讓我意外：它加了 0 分。

這篇帶你看懂 Claude Fable 5 強在哪、什麼工作值得花這個錢，以及怎麼讓天才的錢只付一次。

Claude Fable 5 有多強：Stripe 把 2 個月的工程壓成幾天

Fable 5 在 6 月初上市，中間被出口管制短暫下架，7/1 重新開放全球使用，一回歸就洗版。

最有名的案例來自 Stripe：一個牽涉 5,000 萬行程式碼的變更，工程團隊人工做要 2 個月，Fable 5 幾天做完。

代價也很有感：它是市面上最貴的模型，token 燒得飛快，月底帳單會嚇到你。

我的實測：拿它跑付費 AI 週報，結果加了 0 分

我做了一個實驗：拿 Fable 5 跑我寫給付費學員的每週 AI 週報。

這套流程，我早就寫成完整的 AI 工作說明書：用哪些輸入、走哪些步驟、語氣規則、品質標準，全部白紙黑字。

結果出來，跟便宜模型跑的一模一樣。史上最聰明的模型，在我最重要的工作上，加了 0 分。

我的第一反應：這麼貴，到底貴在哪？把背後的邏輯想通之後，我發現這個「沒差別」藏著這週最重要的洞察。

奇蹟只發生在「成果可驗證」的地方

先看成功案例的共同點：幾乎全部來自工程團隊。這跟「AI 偏心程式碼」無關，工程的工作剛好同時滿足 2 個條件：

• 路徑很難：人工要花好幾週、好幾個月
• 成果可驗證：做完有明確的對錯

Stripe 的案例完全符合：程式會動就是會動，有標準答案，所以 Fable 可以埋頭做好幾個小時，自己檢查自己，一路做到完。

同一週還有一則新聞用同一個公式就能看懂：AI 找到一個藏在網路核心軟體裡 29 年的漏洞。路徑很難，成果可驗證，一樣的配方。

你的工作，跟程式碼在同一條光譜上

大部分知識工作被評價的方式很模糊：沒有一個測試能告訴你「這份行銷企劃是對的」，好壞常常住在某個人的腦袋裡。

但把你的工作攤開來看，會發現一條光譜：

• 靠近「可驗證」這端：數據清理、對帳、成效分析
• 靠近「看人」這端：文案的味道、品牌的判斷

官方數據也支持這件事：Fable 5 在高難度金融分析測試比上一代高了 10 分，金融分析是知識工作，跟寫程式無關。

我自己補測了一件「可驗證」的工作：課程成效數據報告，Fable 表現得非常好。但我的週報，依然毫無長進。

說明書是你的，模型是租的

想通的那一刻，我鬆了一口氣。

我的週報說明書寫得很細，Fable 跑出來的結果長得跟平常一模一樣，這代表說明書在發揮作用，模型沒有失靈。

工作被完整寫下來之後，任何一個夠好的模型都跑得動，最貴的那一個，加不了分。

延伸閱讀：AI 工作說明書怎麼寫

所以 Fable 的天價，只在「還沒寫成說明書」的工作上有意義。問題也跟著變了：從「該用哪個模型」變成「你手上有哪件事，很難、可驗證、還一直卡在桌上？」

回顧我每一次覺得 AI 做不好，原因都一樣：我還沒想清楚要什麼，就請它動工。

更聰明的模型救不了這件事，但把標準寫下來，就可以。工作說明書，就是知識工作者的「測試」：

• 日常執行：交給便宜模型，寫得好的說明書在哪都跑一樣
• 大案子：交給最強模型，像是積了一季沒空分析的數據、該總檢查一次的流程文件

用「蒸餾」讓天才訓練它的接班人

AI 實驗室有一招叫「蒸餾」：用最大、最貴的模型，去教小的、便宜的模型。你可以照抄這個概念！

Fable 幫你做出漂亮成果的時候，別只拿走結果，請它把「怎麼做到的」寫下來：用了哪些輸入、走了哪些步驟、做了哪些檢查。

這份文件就是你的工作說明書草稿，改到對為止。下次同樣的工作，換便宜模型照著跑。

剛好 Anthropic 上週也推出更便宜的 agent 模型 Claude Sonnet 5，像是專門為這個玩法準備的接班人。

延伸閱讀：Claude 與 ChatGPT 比較

天才的錢付一次，說明書幫你把天才留下來。

這週可以做的兩件事

1. 挑一件「很難＋可驗證＋還沒寫成說明書」的工作：積了一季的數據、想總體檢的流程都算，交給最強模型試試，越難越好
2. 做得好，請它把過程寫成說明書，再讓便宜模型照著重跑一次，比較兩份成果，你會親眼看到「蒸餾」的威力

結語：高手不追最強模型

高手把最強模型，變成一份自己的說明書。模型每半年換一次是常態，但寫下來的工作說明書，會一直跟著你。

想把重複做的工作，寫成一份能一直複用的工作說明書？這正是我在《AI 溝通術》線上課程裡，帶大家一步步做的事。

7/31（五）前限時 64 折，結帳輸入「Summer300」再折 $300

The post Claude Fable 5 值得買嗎？史上最貴的 AI，在我最重要的工作上加了 0 分 appeared first on 牧羊妮.

坐月子那陣子，我看了許多教養書。

身體照顧的部分，我交給老公，他很細心，換尿布、拍嗝都比我強。

我認領的，是另一塊：以後這孩子，要怎麼跟這個世界相處。

看著看著，我突然想到一件事。

等他長大，AI 一定是他生活的一部分，就像我們這代人打開手機一樣自然。

我不擔心他學不會用 AI。我擔心的是，他會不會 AI 說什麼就信什麼。

因為這件事，連很多大人現在都還做不到。把問題交給 ChatGPT，拿到第一個答案，複製、貼上、交出去。沒有懷疑，沒有追問，也沒有改。

所以我幫他準備的，不是操作教學，是「怎麼跟 AI 一起想」。UNICEF 的兒童 AI 研究也提醒，AI 正快速成為兒童生活的一部分，同時需要補強 AI 素養，讓孩子能理解機會與風險。

趁他還小，我先把教養書裡面學到的，做成 5 個 AI 遊戲，等他長大一點後，一起玩！

AI 教養的核心：我真正想讓他練的 4 個能力

• 跟著自己的好奇心走
• 問出更好的問題
• 看得出哪個答案怪怪的
• 把 AI 給的東西改得更好

這 4 件事，濃縮成一句話就是：

答案 AI 都有，怎麼問、怎麼改、怎麼玩出新東西，才是他一輩子帶得走的本事。

這句話，我希望他 3 歲會玩、13 歲會用、30 歲還記得。

5 個親子 AI 遊戲，你今天就能陪小孩玩

每一個，都在偷偷練 3 件事：懂得問、懂得改、懂得玩出新東西。大人自己拿來練，也剛剛好。

1. AI 睡前故事機

讓孩子隨口說 3 個不搭嘎的東西，例如：一台挖土機、一顆西瓜，還有打雷的晚上。

請 AI 把這 3 樣寫進同一個睡前故事。故事寫好，換孩子當插畫家，把畫面畫出來。

練的是（玩出新東西）：想像力，還有把點子變成成品的能力。

2. 跟歷史人物聊天

讓 AI 扮演一位古代皇帝、一棵老樹、一位太空人，甚至一滴水。

孩子負責發問、聊天。再加一個關卡：叫孩子抓出 AI 講錯或很扯的地方。

練的是（懂得問）：好奇心、查證，還有對 AI 保持一點懷疑。

延伸閱讀：AI 編的假數據，我差點送出去：開工前 3 個檢查點

3. 發明一種新動物

把兩種動物合成一隻怪東西：長頸鹿加刺蝟、鯨魚加松鼠。

請 AI 說說這隻動物怎麼吃、怎麼動、怎麼活下來。孩子再把牠畫出來，加上自己的設計。

練的是（玩出新東西）：系統思考、創造力，還有問「如果⋯⋯會怎樣」。

4. AI 大廚挑戰

從廚房隨手拿 3 樣食材，例如香蕉、起司、海苔，請 AI 設計一道料理。

可以很正常，也可以很荒謬。然後決定要不要真的動手做做看，看會不會碰出新滋味。

練的是（懂得問＋玩出新東西）：實驗精神、在限制裡解決問題，還有看懂一件事：AI 給的是一種可能，不保證一定行得通。

5. 專屬主題曲

讓孩子說出最愛的食物、假日最想做的事，還有心裡藏著的小秘密。

請 AI 用這些寫一首屬於他的歌。進階一點，讓孩子當編輯，把它改得更順、更好笑、更有畫面，或整首重寫。

練的是（玩出新東西＋懂得改）：自我表達，對創作的自信與樂趣，還有這輩子最重要的一堂 AI 課：第一個答案，幾乎不會是最好的答案。

最後想說的

AI 會陪著我兒子這一代長大，這件事我很早就想清楚了。

所以趁他還小，我想陪他練的，就是這 3 件事：懂得問、懂得改，還有跟 AI 一起玩出新東西！

這也是我每天在做的事。用 AI 把時間省下來，把最好的專注，留給眼前這個小小的人。

The post 親子 AI 遊戲怎麼玩？兒子才 2 個月，我已經做好 5 個 AI 遊戲 appeared first on 牧羊妮.

然後她私訊我，問了一個我很常聽到的問題：「老師，是不是我 AI 用得不夠好？」

我看了她的做法，發現她跟大多數人一樣，只做了一件事：把履歷貼進 ChatGPT，說一句「幫我改得漂亮一點」。改完，就以為 AI 的任務結束了。

我跟她說，這太可惜了。

你手上握的，其實是一整個求職團隊：研究員、招募顧問、履歷編輯，還有陌生開發高手。

不要只叫 AI 寫履歷，你可以建立完整的求職團隊。只讓它處理履歷，等於請了 5 個人，卻只讓 1 個人上工。

於是我幫她把整個求職流程重新拆過一次，寫成一套她可以照著跑的 Prompt。三個禮拜後，她的面試邀約，從 0 變成一週三場。

這套流程，我完整分享給你，你也可以照著做。

1. AI 求職第一步：讓 AI 當招募顧問，選對戰場

我請她先別急著投履歷。

我幫她寫的第一個 Prompt，是讓 AI 扮演一位資深招募顧問，找出她最有勝算的 20 個職稱，依市場需求和她的經驗契合度排序。每個職稱都附上：招募人員最可能搜尋的 ATS 關鍵字、最重要的技能、最常招這個職位的前 3 間公司，還有她目前的缺口。

這一步的重點是：先搞清楚你在哪裡最有競爭力，再開始投。

因為第一關幫你篩履歷的，其實是 ATS 系統。先過系統，你才有機會遇到人。

其實，改履歷是整個求職流程裡最不重要的一步。先把有勝算的戰場找出來，才值得動手改。

換成你，把這段複製給 AI：

請扮演一位資深招募顧問。分析我的履歷，找出我最有資格勝任的 20 個職稱，依目前的招聘需求和我的經驗契合度排序。每個職稱請提供：
- 招募人員最可能搜尋的精準 ATS 關鍵字
- 最重要的技能與資格條件
- 最常招募這個職位的前 3 間公司
- 我在定位上有哪些缺口或弱點

2. 用 AI 客製履歷：只針對「這一個」職位，不用萬用版

她選好目標職位後，我幫她寫的第二個 Prompt，是請 AI 用剛剛那組 ATS 關鍵字，把履歷改寫成專門投這個職位的版本。

套一個很好用的公式，Google 的 XYZ 寫法：「達成了 X，用 Y 來衡量，靠做 Z 完成。」用數字說話，比什麼形容詞都有力。可以搭配 Google 官方履歷建議一起看。

還有一個我很愛的原則：10 秒掃描法。招募主管快速掃過履歷時會直接跳過的句子，全部砍掉。留下的，都要是可量化的成果。

換成你，把這段複製給 AI：

請幫我改寫履歷，目標職位是〔職稱〕。用前面找出的 ATS 關鍵字。適當的地方套用 Google XYZ 公式：「達成了 X，以 Y 來衡量，透過做 Z」。把任何一個招募主管在 10 秒快速掃描履歷時會直接跳過的條列、句子或段落刪掉。優先呈現可量化的成果、相關性和清楚度。

3. 讓 AI 當研究員，建立目標職缺清單

投履歷最累的，就是在各大求職網裡撈針。所以我幫她寫的第三個 Prompt，是讓 AI 直接去爬各大公司的職缺頁面。

讓 AI 幫你把過去 7 天內開出的缺，整理成一張清楚的「求職流水線」表單，甚至直接幫你算出契合度。

換成你，把這段複製給 AI（適合會上網搜尋的 AI）：

去 LinkedIn、Indeed，還有前面找出的那些公司的徵才頁面。找出過去 7 天內張貼的相關職缺。建立一份試算表，包含：
- 公司
- 職稱
- 職缺連結
- 依我的背景計算的契合分數
- 關鍵資格缺口
- 針對這個職位建議用哪一個履歷版本

4. 寫開發訊息前，先讓 AI 反過來訪問她

她卡最久的，其實是下一關。她跟我說：「老師，我不敢寫信給招募主管，我不知道要寫什麼。」

但她會卡住，其實是因為 AI 還不夠認識她。

所以我幫她寫的第四個 Prompt，是換個順序：先叫 AI 訪問她，問她 5 個問題，關於她的專業背景、職涯故事、最亮眼的成就、跟別人有什麼不同、最想進哪一種公司。用她的回答，建立一份專屬的候選人檔案。

有了這份檔案，AI 產出的訊息才會有她的味道。

但我也提醒她，最後一定要再加上自己的話。人味，是 AI 補不上的那一塊。

延伸閱讀：我在 Notion 養了 5 個 AI 員工，包辦我所有行銷內容

換成你，把這段複製給 AI：

在寫任何東西之前，先訪問我。問我 5 個問題，關於：
- 我的專業背景
- 我的職涯故事
- 我的最亮眼成就
- 我跟其他類似候選人有什麼不同
- 我最想要的公司類型和職位類型
用我的回答，建立一份候選人檔案，抓住我的語氣、定位，還有獨特優勢。

5. 讓 AI 當開發高手，產出不罐頭的敲門磚

履歷準備好了、名單有了、個人檔案也建立好了。最後一步，就是主動出擊。

多數 AI 寫的開發信都會失敗，因為聽起來太像機器人。但因為我們有了上一步的「個人檔案」，現在 AI 寫出來的兩句話，會每一句都像她本人。

換成你，把這段複製給 AI：

針對我最想要的前 50 個機會：
- 找出可能的招募主管，或相關的招募聯絡窗口
- 草擬一則精簡的、兩句話的開發訊息
- 對齊我的溝通風格和語氣
- 提到這個職位或這間公司的某個具體細節
- 說明我的背景為什麼相關，但不要聽起來像在推銷或照稿念
每一則訊息都要個人化、真誠，而且獨一無二。

AI 真正的槓桿，是幫你贏回時間，把力氣花在真正影響結果的地方：真實的對話、建立能見度、好好準備面試、經營人際關係。海投 500 份履歷，從來不是重點。

改履歷只是起點。把 AI 當成一整個團隊來用，你才會真正省到時間。

延伸閱讀：迴圈工程｜我的 AI 退了自己 3 次稿，改到 8 分才敢交給我

如果你也想把 AI 從「幫我改個字」升級成「一整個會幫你思考的團隊」，追蹤我，我會繼續把這些可以直接複製的工作流，一步一步拆給你看。

The post AI 求職完整攻略：別再只用 AI 改履歷，用 5 個 Prompt 打造求職團隊 appeared first on 牧羊妮.

但我有一位學員 H，很不一樣。

她上完我《AI 溝通術》大部分的課後，還每天跟著我 IG 的 AI 內容實戰練習。

直到她看到我那篇「別再把 AI 當高級 Google」，她做了一件 99% 的人都不會做的事。

她寫信問我：

老師，怎麼把課程方法融合進 Notion，讓我每天一打開就看到貼文初稿？

差別就在這裡。

就算真的上完課，多數人也只停在「我學完了」。

而她想的是「我還能把這套方法用到多深」。

用 AI 的 3 個層級，多數人卡在第 1 層

第 1 層｜高級 Google：問一句、答一句

這是最多人待的地方。

問完關掉視窗，下次再從零開始。

每次都要重新貼上週的資料、重新解釋語氣、重新交代格式。

時間就這樣一點一點被吃掉。

第 2 層｜Skill：寫一份「AI 工作說明書」

把你怎麼寫、步驟、語氣、格式，一次寫進去。

AI 從此照你的方法走，再也不講通用的 AI 廢話。

這就是《AI 溝通術》裡的 5 步驟架構，幫你真正省時間的做法。

延伸閱讀：迴圈工程｜我的 AI 退了自己 3 次稿，改到 8 分才敢交給我

第 3 層｜Agent：全自動化

Skill 和 Agent 差在哪，一句話講完：

• 只有 Skill：你還是要打一句「幫我照這篇寫成文章」。
• 設好 Agent：把內容新增到資料庫，不用打字，AI 自動幫你做好。

延伸閱讀：我在 Notion 養了 5 個 AI 員工，包辦我所有行銷內容

她後來的回信，是我最開心的時刻

H 後來回信跟我說：

這堂課真的超值！不僅課程內容收穫滿滿，還有每週週報＋IG 補充，讓我可以更快、更全面地用 AI 提升效率。

看到這句話我真的超開心

用生命正向影響生命，是我最熱愛的事。

為什麼《AI 溝通術》能一直用下去

她能一路深入，也因為這堂課本來就設計成能「一直用下去」。

這堂課教的是一套 AI 溝通的底層邏輯。一次學會，就能打通 ChatGPT、Claude、Gemini、Notion AI，工具再怎麼換，都不用重學。

更重要的是，2026 一整年，每週都在更新。光是這半年，我們就一起實戰了：

• 用 Claude Artifacts 5 分鐘做出習慣追蹤器
• Claude Cowork 8 個進階功能，讓 AI 變全職助理
• 一份內容變十份，讓你不再每次從零開始
• 用 AI 深度研究，排好整趟旅行的航班＋住宿＋行程

每一篇都是超好用的實戰 Prompt 或圖文步驟教學。

你拿到的，是一套會跟著 AI 一起長大的系統。

結語：別讓下一堂課，又變成贖罪券

如果你也還卡在第 1 層，這就是往上爬一層最好的起點。

7/31（五）前報名《AI 溝通術》，享 64 折再折 $300，這個時間點進場最劃算

The post 花 3,000 元買 AI 課，只換到一張贖罪券？用 AI 的 3 個層級，看你卡在哪 appeared first on 牧羊妮.

然後它自己改，改到 8 分才敢拿出來給我看。

我坐在旁邊看它跑完這一輪，心裡只冒出一句：原來「改稿」這件事，可以不用我了。

這不用寫程式，也不是什麼高深工程。我只是在 AI 的工作說明書裡，多加了一段「迴圈」。今天完整拆給你看：為什麼把說明書寫好還不夠、什麼是迴圈，還有你今天就能怎麼動手設計它。

先說結論：AI 工作說明書只解決了一半

這一兩年，「幫 AI 寫一份工作說明書」已經變成基本功。你把目標、語氣、步驟、標準一次講清楚，AI 就照著做，不用你每次從頭交代。我自己也靠它省下大量時間。

但說明書解決的，是「做對」。

它讓 AI 知道方向、知道規則、知道你要的成品長什麼樣。可是寫完之後呢？AI 交出一版，就停在那裡。接下來檢查哪裡不夠、抓出要改的地方、一遍一遍修到好，這些還是落在你身上。

換句話說，光有說明書，AI 是個「照稿做事的人」，你還是那個改稿改到深夜的人。

我多做的一件事：在 AI 工作說明書裡放一個迴圈

最近我在說明書裡多做了一件事，體驗整個不一樣：我放了一個迴圈。

迴圈很簡單，就是讓 AI 不要只產出一次就交件，而是讓它：

產出一版 → 自己對照標準打分 → 沒過 → 照建議自己改 → 再打分 → 一直跑到過關，才送到你面前。

這裡藏著一個關鍵的角色切換：同一個 AI，先當「做事的人」，再當「檢查的人」。它做完，馬上換身分，用你訂的標準回頭審自己的作品，挑出毛病，再回去改。

一份普通的說明書只有「做事者」。迴圈的精髓，是把「檢查者」也寫進去，讓這兩個角色在 AI 內部反覆對話，直到結果夠好。

一般 AI 說明書 vs 有迴圈的說明書：差別是誰改稿

一個對照你就懂了。

一般版：教 AI 怎麼做 → 它產出一版 → 直接交給你 → 你自己改。

迴圈版：它產出一版 → 自己打分 → 沒過 → 自己改 → 再打分 → 過了才交給你。

差別只有一個，但工作效率差很多：一般版，改稿的是你；迴圈版，改稿的是它。

你拿到的不再是「初稿」，而是一份被它自己退過好幾次、打磨過的「準成品」。

怎麼在 AI 工作說明書裡設計迴圈（3 步驟）

這是重點，我盡量講到你今天就能動手。

第 1 步：先定義「過關長什麼樣」

這是整個迴圈的地基。AI 能自我檢查，是因為你給了它一把可以量的尺。

別只寫「寫一篇好貼文」，「好」太模糊，它根本無從檢查起。你要把「好」拆成可以打分的條件，例如：

然後訂一個門檻，例如「滿分 10 分，沒到 8 分不准交」。

你會發現，這一步其實就是把你腦袋裡那把「我覺得這樣才行」的尺，第一次明白寫出來。這也是為什麼 AI 放大的，是「你的清晰度」。

第 2 步：給 AI 一個「檢查官」身分

光有標準還不夠。你要在說明書裡明確要求它：「產出之後，請切換成審稿者的角色，用上面那套標準幫自己的作品打分，並明確列出哪裡不夠、具體該怎麼改。」

關鍵是「切換角色」跟「具體」。

你要逼它跳出「我寫的，當然不錯」的慣性，站到審稿者的位置，像挑別人的稿一樣挑自己的。而且不能只說「開場可以更好」，要說「開場太抽象，建議改成帶一個具體數字的開頭」。建議愈具體，下一輪改得愈準。

第 3 步：設一個迴圈，還要有一個出口

最後，接成一個循環：沒到門檻，就照自己列的建議改，改完重新打分，再沒過就再改，一直到過關才交件。

但一定要設「出口」，不然它可能無限跑下去，或在 7 分跟 8 分之間鬼打牆。出口有兩種：

• 分數達標就停（例如 8 分以上）。
• 或設上限，例如「最多自己改 3 次，到了就把目前最好的版本交出來，並告訴我它覺得還差在哪」。

有了出口，這個迴圈才是一個會收尾的系統，而不是一台停不下來的機器。

如果想把評估標準寫得更紮實，也可以參考 Anthropic 官方的成功標準與評估方法。

我自己的兩個實例

講具體的。我在 Notion AI 建了社群 po 文 Agent，都靠這個迴圈在跑。

一個叫 post-writer。我只要給一個大方向的草稿，它會先讀我的品牌說明書，照我的受眾、語氣、開場規則寫，寫完自己打分，不到 8 分就自己改，改到 8 分以上才送到我面前。我收到的時候，它通常已經退了自己兩三次稿。

另一個叫 content-coach。它更上層，從「我今天不知道要發什麼」開始，一路帶我發想點子、寫稿、檢查、到排好版，全部串成一條龍。中間每一段，都有它自己的小檢查。

這兩個東西，本質上是同一件事：我把腦袋裡那套「怎樣才算好」的判斷力，封裝成一個會自己跑、自己驗收的流程。

延伸閱讀：我在 Notion 養了 5 個 AI 員工，包辦我所有行銷內容

為什麼這會改變你的角色

當迴圈開始跑，你的位置會悄悄移動。

以前你是執行者，後來你是改稿的人，現在，你變成那個「定義什麼叫夠好」的人。

你不再追著 AI 收尾，而是站到更前面，專心做一件最值錢的事：把標準想清楚、講明白。剩下的反覆打磨，交給那個不會累、不會煩、可以退自己稿退 100 次的 AI。

延伸閱讀：我偷學了 Claude 工程師的習慣，讓重複的工作自己跑完

工具大家都有，差別從來不在工具，而在你有沒有把腦袋裡的標準講清楚、設計成一個會自己運轉的系統。你愈清楚，AI 幫你放大的就愈多。

今天就可以動手的一件事

如果你已經有一份在用的 AI 工作說明書，今天不用重寫，只要在最後多加一段：

做完，請用以下標準幫自己打分（列出你的標準），沒到 X 分就自己改，改到過關，或最多改 3 次再交給我。

就這一段，你的 AI 就從「交初稿」升級成「交準成品」。

把這篇存起來，下次寫說明書的時候拿出來，記得補上那段迴圈。改稿的人，可以換成它了。

想寫好 AI 工作說明書，歡迎參考我的《AI溝通術》線上課程
7/31（五）前，64 折，再折 200

The post 迴圈工程：在 AI 工作說明書裡加一段迴圈，讓 AI 自己退稿改到 8 分 appeared first on 牧羊妮.

它五秒就交稿。數字整齊、趨勢清楚，連百分比的小數點都標得很有說服力。

我當下只覺得：太好了，今天可以早點休息。

結果隔天自己重看一次，越看越不對勁。

它引用的「關鍵成長率」，是上一版的舊數據。它寫的那句「根據資料顯示」，我的檔案裡根本沒有。

那一瞬間我才醒過來：我明明把整份報告上傳給它了，它卻沒認真讀，自己憑空捏造。

這篇文章，我想把這次差點翻車的經驗完整拆給你：AI 幻覺為什麼會發生、開工前 30 秒的 3 個檢查點，還有一段可以直接複製的開工 Prompt。

為什麼會有 AI 幻覺？漂亮的數字不等於你的數據

AI 最擅長的事，就是把編出來的東西包裝成專業文件。

它會用自信滿滿的語氣，把一個根本不存在的數字，講得跟真理一樣。OpenAI 對 AI 幻覺的官方說明也指出，語言模型可能產生看似合理、實際上卻是錯誤的陳述。

有時候它是真的讀不到檔案：載入失敗、格式不支援、附件沒附好。

它讀不到，又想完成你的任務，就用最像樣的方式把空白填滿。

「數字很漂亮」跟「數字來自你的檔案」是兩件事，中間藏著一個會讓報告直接翻車的致命缺口。

堵住 AI 假數據的 3 個檢查點

好消息是，要堵住這個缺口，只要開工前多花 30 秒。

檢查點 1：把「描述」改成「直接指令」

不要只說：「請存取我的品牌風格指南，全部照著做。」

要說：「開始之前，請先打開並完整讀完我上傳的《檔案名稱》，並確認你已經看過這幾個章節：語氣、禁用詞、格式規則。」

第一個版本，讓 AI 可以不打開任何東西就往下做。第二個版本，把「讀取文件」變成開工前的必要動作。

檢查點 2：要求 AI 引用「只有這份檔案才有」的具體細節

這是整套方法的核心。

AI 讀完之後，問一個「只有真的讀過才答得出來」的問題，例如：

開始寫之前，先告訴我：這份指南裡，有哪三個字絕對不能用在對客戶的內容上？

選的細節要符合 3 個條件：夠具體、可驗證、真的位在文件裡。

答得出來，它真的讀進去了。答不出來或亂掰，你當場抓到，不用等被客戶問倒。

檢查點 3：先說好「不知道就說不知道」

開頭直接講清楚：「如果你無法讀取這份檔案，請停下來告訴我，不要用假設繼續做。」

給它一條「誠實停損」的指令，它就不會為了討好你而硬湊數字。

這在 Claude Projects、ChatGPT Projects 或 Custom GPTs 特別重要，因為檔案通常放在知識庫裡。檔案沒有正確載入，你會想要立刻知道，而不是等到三版草稿之後才發現。

直接複製的開工 Prompt

把上面三件事合體，就是這段開工模板：

開始之前，請先完整讀完我上傳的《檔案名稱》。
讀完後，請先回答：這份檔案中【一個只有檔案裡才有的具體細節】是什麼？
如果你無法讀取這份檔案，請停下來告訴我，不要用假設繼續做。
確認完成後，再開始以下任務：【你的任務】

結語：驗證機制，是在保護你自己的信譽

下次開工前，花 30 秒做這三件事。

真正會用 AI 的人，把重點都放在驗證機制上。

當你每一次都先確認數據來源，AI 會從「亂編數字的漂亮話匣子」，變成你真正敢貼上自己名字的可靠夥伴。

延伸閱讀：迴圈工程｜我的 AI 退了自己 3 次稿，改到 8 分才敢交給我

延伸閱讀：我偷學了 Claude 工程師的習慣，讓重複的工作自己跑完

想把 AI 的精準度和產出品質再往上拉一層，歡迎參考我的《AI 溝通術》線上課程，裡面有 5 把關鍵金鑰，讓你的 AI 真正聽懂你的話。

限時 64 折，結帳輸入「Summer300」再折 $300，只到 7/31

The post AI 幻覺差點害我交出假數據：開工前 30 秒的 3 個檢查點 appeared first on 牧羊妮.