師父商學院 EP65 - 一人公司靠 AI 做出一個團隊？發明 Vibe Coding 的人自己說這只是地板？想學好 AI 為何要先讓自己變爛？ ft. 雷蒙@yuiraymond
三句話摘要
AI 從問答工具演進到自主 Agent，個人工作流程化才是 AI 時代最值錢的能力。 AI 時代最值錢的能力是把個人專屬的記憶、判斷標準、工作流程訓練進 AI 分身，實現個人的規模化複製，這正是年薪破千萬的「前端部署工程師」所做的事。 AI 三階段進化：過去問 ChatGPT 得答案、現在用 NotebookLM 協作分析特定檔案、未來 AI Agent 自動找資料、整合工具、產出完整方案，真正釋放人的時間。
重點整理
重點- 1
AI 三階段進化：過去問 ChatGPT 得答案、現在用 NotebookLM 協作分析特定檔案、未來 AI Agent 自動找資料、整合工具、產出完整方案，真正釋放人的時間。
- 2
訓練 AI 分身的順序很重要：先讓 AI 認識你（蒐集個人檔案、文章、工作習慣），再教它你最擅長的工作流程（這樣才有成就感），最後建立迴饋機制讓它持續進化。
- 3
不要被「指導」限縮了 AI：將具體步驟寫進提示詞會反而束縛 AI，應該說明目標和結果需求，讓 AI 自由尋找最優解，並告訴 AI「如果方法不夠好請提出替代方案」。
- 4
Honest Engineering 的核心是規格與評估：給 AI 清楚的工作邊界（Spec），設計評估機制（Eval），讓 AI 在框架內自主施展，就像管理員工而非寫死指令。
實用技巧與重點
乾貨- 前端部署工程師（Prompt Engineer）年薪：$265,000（約 1000 萬台幣）
- AI 協作工具：NotebookLM、Notion、N8N（自動化流程平台）、Google Drive + Calendar
- 訓練 AI 文案的正確方法：30 篇範例學習 + 30 篇盲測驗證（不告訴 AI 答案讓它自己寫，對比落差）
- Skill 機制：將長串提示詞打包成可重用、可個人化的工作套件
- API 重要性：選用開放 API 的平台，資料才不會被綁架（遭遇平台倒閉時能匯出）
- 建立個人 Wikipedia：時間軸、重要故事、各階段關鍵成果，供出版社、合作夥伴快速查閱
- 人設檔案庫內容：交談記錄、Email、Line、Facebook、YouTube 逐字稿全部分析整理
結論
結論“AI 時代最值錢的能力是把個人專屬的記憶、判斷標準、工作流程訓練進 AI 分身，實現個人的規模化複製，這正是年薪破千萬的「前端部署工程師」所做的事。”
完整解析
詳細AI 應用正在從個人工具進化成團隊倍增器。過去半年最顯著的轉變是從「我問 AI，AI 給我答案」進入「我給 AI 權限和規則，AI 自動完成整個工作流」的時代。舉實例來說：以前用 N8N 自動化訂單系統需要一整天在瀏覽器和 ChatGPT 之間切換、複製貼上、除錯，現在一個 AI Agent 只要 10 分鐘就能串接訂單資料庫、標籤分類、自動發信系統。更關鍵的是，過去需要外包工程師才能做的工作，現在個人就能 DIY 無限次修改。
訓練自己的 AI 分身是當前最有投資報酬率的行動。分身要做兩件事：一是深度認識你（蒐集你所有 Facebook 貼文、Email、Line 對話、YouTube 逐字稿，建立個人知識庫），二是學會你的工作流程。但順序很重要：先選你最擅長、最常做但又很耗時的任務教給 AI（如回覆商務信件、整理客戶資料），而不是教 AI 做你沒做過的事。每週加入一個回饋循環，讓 AI 列出本週執行中的障礙點，然後共同改進，這就像管理員工一樣。
Honest Engineering 的精妙之處在於「給邊界而非給步驟」。很多人犯的錯誤是在提示詞裡塞滿「第一步做 A、第二步做 B…」，結果限縮了 AI 的能力。正確做法是清楚說明你的工作風格、品質標準、參考資料庫（如你過去寫過的 30 篇文案），然後讓 AI 在這個框架內自由尋找最佳方案。當 AI 產出 80 分的成果時，不是直接用，而是跟 AI 講「這些地方要改進」並要求它寫成「技能更新清單」，這樣下次就能自動做得更好，實現被動式進化和主動式進化的結合。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
