Day 3 - 115/05/16

AI 生成靈魂融入日常：把自己的方法交給協作

核心承諾：你今天會帶走一張屬於你自己的 AI 工作流卡。這是三天裡的招牌課。

10:00-13:00實作工作坊你成為系統架構師
Day 3 生詞表 Skill Memory System Handoff Compaction Subagent AI 術語速查表
Run of Show

3 小時版本：從知道，到真的做出來

0-10
開場：不只是寫 Prompt，把自己的工作方法教給 AI
10-30
什麼是 Skill：定義、解剖學、Prompt vs Skill
30-50
七問萃取法：回憶練習 + 工作流顯性化 + 多模型驗證點
50-90
實作：完成你的《AI 工作流卡》
90-110
交換實測：讓別人的工作流跑起來
110-140
現場產出儀式：你的卡，AI 真的能跑，並用第二模型挑錯
140-160
版本迭代 + 90 天 AI 落地計畫
160-180
結業儀式 + 社群銜接
Opening

不只是寫 Prompt

今天的轉換

前兩天你學會了看懂 AI、選對工具。今天是最重要的一天：你要把自己的工作方法教給 AI。

Prompt 只是對話技巧；Skill 是把一件事的完整流程寫成 AI 可以遵循的結構。

核心承諾

寫一次，用一百次。這不是技術，而是你的職場經驗被看見、被複製、被改進的方式。

Skill Anatomy

什麼是 Skill？

Skill = 你的經驗 + 結構化的流程 + AI 可以執行的指令。

組成白話範例：整理會議紀錄
觸發條件什麼時候啟動收到會議錄音或逐字稿時
需要什麼輸入你要給 AI 什麼東西逐字稿、與會者名單、會議主題
步驟一步一步怎麼做擷取重點 -> 分類決議/待辦 -> 指派負責人 -> 格式化
產出長什麼樣最終成果的格式待辦事項 / 負責人 / 截止日表格
怎麼檢查好壞驗收標準 + 第二模型驗證點每個待辦都有明確負責人和日期；第二模型檢查哪些只是討論、不是決議
前後接什麼上游跟下游前：會議結束；後：寄信、更新專案看板
你現在已經在做這件事了，只是全部存在你腦子裡。今天的工作就是把它寫出來。
Prompt vs Skill

Skill 跟 Prompt 的差別

PromptSkill
時間一次性可重複使用
範圍一個問題一個完整流程
誰的知識AI 的通用知識你的專業知識
品質控制通常沒有有檢查標準
隱性知識顯性化：Skill = 可複製的決策規則 + 品質檢查表 + 例外處理 + 回饋機制。高風險或公開輸出，要加上第二模型交叉驗證。
Hidden Knowledge

把腦子裡的專業說清楚

資深業務

談判準備清單：先查誰決策、誰反對、對方真正痛點是什麼。

專案經理

風險預判 SOP：先看時程、責任邊界、外部依賴、溝通斷點。

設計師

風格校對規則：色彩、層級、留白、品牌語氣、使用者視線路徑。

如果你無法清楚說明，代表你可能還沒完全理解這項工作。
Case Study

從同事.skill 到自己的工作型數位分身

為什麼它會爆紅？

同事.skill 讓大家第一次直覺感覺到：一個人的工作方式，可以從聊天、文件、PR、Email 等材料中被萃取，封裝成可被 AI 調用的 Skill。

課堂轉譯：我們不蒸餾別人，我們蒸餾自己。

今天要學的不是複製人

  • 提取我的工作邊界與常用流程
  • 說清楚我的品質標準與判斷習慣
  • 讓 AI 先幫我起草、檢查、提醒、延伸
  • 所有重要輸出仍由本人覆核
參考案例：dot-skill / colleague-skill官方展示頁
Visual Model

我的工作型數位分身怎麼形成？

1. 我的材料

工作痕跡

提案、會議紀錄、簡報、SOP、Email，都是你工作方法的線索。

2. 七問萃取

把隱性經驗說清楚

任務邊界、輸入輸出、步驟、風險與檢查點，從腦中變成結構。

3. Work Skill + Persona

我的工作型分身

它知道會做什麼、怎麼判斷、怎麼說話，以及怎麼檢查品質。

4. 每天協作

協助，而不是取代

寫初稿、整理會議、檢查品質、提醒風險、延伸版本；重要輸出仍由本人覆核。

5. 迭代修正

越用越像你

當你發現「這不像我」，就把判斷規則寫回卡片，讓下一版更準。

Seven Questions

七問萃取法：把工作方法變成 AI Skill

先回憶

閉上眼睛，回想上週做過的一件重複性工作。不用是大事，就是做很多次、有點煩的那種。

再寫三句

用白話寫下：這件事是什麼？為什麼要做？通常怎麼做？先不要追求完美。

最後用七問整理

七問不是給 AI 看的，而是訓練你把隱性經驗說清楚。

Seven Questions

七個問題

A. 先定義任務
1

這件事是什麼？

一句話說清楚任務。

2

什麼時候開始？

找到觸發條件。

3

需要哪些輸入？

列出資料、格式與範例。

B. 再設計流程
4

步驟是什麼？

把做法一格一格排出來。先寫出順序，再修，不用一開始就完美。

C. 建立品質迴圈
5

產出長什麼樣？

定義格式與欄位。

6

怎麼檢查？

寫下驗收標準與第二模型驗證點。

7

接到哪裡？

說清楚上游與下游。

例：客戶會議 -> 整理拜訪紀錄與 CRM 更新 -> 主管 review -> 行動計畫。
Question Cards

七問不是考試，是路標

1-3：先把任務框起來

這件事是什麼？什麼時候開始？需要哪些輸入？先知道入口在哪裡。

4：把流程排出來

步驟不用一開始就完美。先寫出你平常怎麼做，再讓同學和 AI 幫你找缺口。

5-7：讓成果可檢查

輸出長什麼樣？怎麼檢查？哪裡需要第二模型挑錯？前後接哪裡？這三題讓 AI 不只是產出，而是進入你的工作流。

人類友善版說法：我不是要寫出完美 SOP，我只是先畫出一條 AI 可以跟著走的路。
Multi-Model Validation

Q6 升級：不是只問我怎麼檢查，而是設計第二道防線

人類檢查點

哪些地方必須由你判斷？例如責任人是否同意、時間是否合理、承諾是否能做到。

第二模型驗證點

哪些地方適合請另一個模型挑錯？例如是否把討論當決議、是否漏掉風險、是否過度承諾。

最後決策者

第二模型不是裁判。它是審查者。採不採納提醒，最後仍由人類決定。

課堂口訣：單一模型產出，多模型挑錯，人類做決策。
Skill Card Builder

我的 Skill 卡

填寫七問後，這裡會產生可丟給 AI 的 Skill 卡草稿。
Peer Test

交換實測：讓別人的工作流跑起來

1. 交換卡片

兩兩配對，把自己的《AI 工作流卡》交給對方。

2. 試著跑一次

對方只依照卡片操作，看能不能理解輸入、步驟、輸出與檢查點。

3. 結構化回饋

缺少哪些輸入？步驟哪裡模糊？人工檢查點與第二模型驗證點夠清楚嗎？

關鍵體驗：好的工作流 = 別人也能操作。Skill 是可轉移的專業。
Signature Moment

現場產出儀式：你的卡，AI 真的能跑

1. 貼到實體工作牆

現場做一面工作坊牆面，學員把自己的工作流卡寫成便利貼，貼到牆上一起觀看與分類。

2. 講師挑 3 張

涵蓋不同族群：學生、上班族、創業者或地方工作者。

3. 現場跑一次

用真實 AI 工具把產出投影出來，再請第二模型用審查者角度挑錯，最後邀請卡片作者回饋落差。

關鍵體驗：我寫的這張卡，真的可以變成 AI 的工作。
Reviewer Prompt

第二模型審查 Prompt

固定流程

  • 第一模型產生初版
  • 第二模型只做審查，不重寫
  • 學員判斷哪些提醒值得採納
  • 第一模型根據採納項目改成 v2

審查提示詞

請你不要重寫內容，請用審查者角度檢查上一個 AI 產出的結果。請列出：1. 哪些地方可能不正確？2. 哪些地方缺少必要輸入？3. 哪些地方承諾過度？4. 哪些地方需要人類最後判斷？
第二模型不是為了取代人，而是讓風險更容易被看見。
Prompt Iteration

v1 -> v2：看見版本迭代

v1 簡單版

你是會議助理。讀這段會議紀錄，列出 3-5 項主要行動項，包括：行動內容、責任人、deadline。

v2 加強版

只列出會議上「明確決定要做」的項目，不包括正在討論或未來可能的想法。責任人沒有明確同意，標記為待確認。
工作流進化路徑：v1 卡片 -> 第二模型審查 -> 優化 Prompt -> 可重複檢查表 -> 半自動流程 -> Skill / Agent。
90 Days

90 天落地計畫：從課堂變成習慣

階段行動目的
Days 1-30選 3 個重複工作流，為每個寫一張卡，至少跑一次，標出人工檢查點建立基礎
Days 31-60每週執行一次，加入第二模型審查，記錄失敗案例，修改 Prompt v1 -> v2持續調整
Days 61-90標準化 1 個 Skill，分享給同事或同儕，收集回饋系統化與擴散
90 天之後，Skill 就不只是個人工具，而是團隊資產。
Community

結業不是再見，而是開始

30 天挑戰 1

上課後 7 天內，分享你的第一張 Skill 卡。

30 天挑戰 2

記錄一次失敗案例：AI 錯在哪？你怎麼修？

30 天挑戰 3

教會 1 個同事使用你的 Skill。

最後收束：你不會是一個人走。社群、診所、案例庫，會讓工作流持續進化。
Human-in-the-loop Automated Review AGENTS.md
1 / 19
H