KeyFrame

【用 AI 做副業】讓 AI 學會你的技能,幫你賺錢打造副業賺錢!

Hei_Ai 成長日記·5月20日週三·14 min中文

三句話摘要

用 Claude Code 將個人專業技能封裝成 AI 自動化工作流程,並以此開創副業變現。 把自己的工作 SOP 與過往成果投餵給 AI、再用 Harness Engineering 鎖定輸出規範,就能將個人技能封裝成可複售的自動化系統,是當前最具可行性的 AI 副業路徑。 AI 能複製你的風格,但需要大量樣本與規則約束。 將過去的工作成果大量投餵給 AI,它才能學會你的語氣與偏好;同時要在 CLAUDE.md 或 Skill.md 中明確哪些地方必須遵守規矩、哪些地方可以發揮,防止 AI 每次輸出完全相同的模板。

重點整理

重點
  • 1

    AI 能複製你的風格,但需要大量樣本與規則約束。 將過去的工作成果大量投餵給 AI,它才能學會你的語氣與偏好;同時要在 CLAUDE.md 或 Skill.md 中明確哪些地方必須遵守規矩、哪些地方可以發揮,防止 AI 每次輸出完全相同的模板。

  • 2

    自動上傳不等於最佳效果,人工手動上傳流量明顯更高。 講者根據自身數據觀察,AI 自動上傳到 Threads/Facebook 的文章流量比手動上傳差,建議 AI 生成後仍由人工發布。

  • 3

    Harness Engineering 是讓 AI 真正聽話的關鍵。 CLAUDE.md 等指令文件對 AI 來說只是「參考」,必須設計好執行環境(Harness),才能強制 AI 遵循既定規則產出符合需求的結果。

  • 4

    做出自動化流程只完成一半,變現才是另一半。 能用 AI 完成任務與能靠此賺錢是兩回事,需要找到有相同痛點的公司、接案或將系統打包販售,才能真正把技能轉化為副業收入。

實用技巧與重點

乾貨
  • 工具:Claude Code、Supadata(取影片字幕稿)、Skool、Threads、Facebook、IG
  • 文件:CLAUDE.md、Skill.md(用於定義 AI 工作規則與風格)
  • 技術概念:Skill(技能封裝)、Harness Engineering(執行環境設計)、Schedule/Routine(定時自動執行)
  • 時間效益:寫一篇文章從 1-2 小時 → 10 分鐘審批
  • 文章實際流量數據:2,000 / 13,000 / 20,000 / 83,000 人次(均由 AI 工作流程產出)
  • 報價:單套 Content Pipeline Skill 賣給公司約港幣 1 萬元 + 每月維護更新費
  • 五步驟流程:① 找出可自動化任務 → ② 拆解 SOP 教導 AI → ③ 驗證 AI 能完成基本成果 → ④ 定製化(投餵樣本 + 撰寫指令規則)→ ⑤ 用 Schedule/Routine 自動化執行
  • 適合自動化的任務特徵:重複性高(每日/週/月)、繁雜但難度低、涉及資料收集整理、輸出差異不大且有固定模板

結論

結論

把自己的工作 SOP 與過往成果投餵給 AI、再用 Harness Engineering 鎖定輸出規範,就能將個人技能封裝成可複售的自動化系統,是當前最具可行性的 AI 副業路徑。

完整解析

詳細

AI 工具的普及讓普通人也能將自身專業包裝成可規模化的產品。講者以自己的 Content Pipeline Skill 為例展示:這套建立在 Claude Code 上的 AI Agent,能自動根據指定主題產出 Facebook 貼文、IG 內容、Skool 社群貼文、封面配圖,並上傳至個人網站。整套流程不只是泛用的 AI 寫作,而是已學會講者本人的文章風格、語氣,以及各平台演算法偏好,因此產出的文章實際觸及人次達 2,000 至 83,000 不等。最關鍵的效益是:以往撰寫一篇完整內容需要 1-2 小時,現在只需 10 分鐘審批 AI 的輸出即可,角色從「執行者」轉變為「審批者」。

這套方法的商業邏輯在於將個人技能「AI 化」後對外販售。講者已將此工作流程賣給多家公司,每家收費約港幣 1 萬元,並附帶每月維護與更新費用。他提出一套五步驟框架讓任何人都能複製此模式:首先找出具有高重複性、低難度、輸出穩定等特徵的任務;接著將工作流程拆解成詳細 SOP 教導 AI,例如競品分析任務需明確告知 AI 去哪個討論區、搜尋哪些關鍵字、如何分類評論;之後再驗證 AI 能否穩定產出基本成果。

完成基本任務後,定製化才是真正提升價值的核心。講者建議兩個方法:一是投餵大量自己過去的工作成果,讓 AI 學習個人風格,但同時要明確告知哪些規矩不能破、哪些地方可以創意發揮,避免 AI 每次複製出完全相同的模板;二是透過 CLAUDE.md 或 Skill.md 撰寫指令規則。然而講者特別強調,這些文件對 AI 來說只是「參考」,必須透過 Harness Engineering 設計好執行環境,才能讓 AI 真正遵循規則。最後一步是使用 Schedule 或 Routine 功能設定定時自動執行,例如每天早上八點讓 AI 先跑完整個流程,九點上班後只需檢視結果並給予回饋修正。

完成技術建置後,變現才是整個閉環的另一半。講者提醒,能做出好用的自動化流程與能靠此賺錢是兩件截然不同的事,需要主動找到有相同痛點的目標客戶、接案或打包系統販售,才能讓技能真正轉化為副業收入。他也預告將開設訓練營,涵蓋技能盤點、Claude Code 實作、個人品牌打造與客戶開發等完整流程。

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。

更多「AI 技術」的內容

Claude Cowork vs Codex: 誰才是更好的AI工作助手?
16 min
AI 技術中文6月20日

Claude Cowork vs Codex: 誰才是更好的AI工作助手?

李厂长来了

  • 介面設計哲學不同:Codework 以標籤頁區分聊天、文書與程式碼三種模式,任務彼此隔離不混淆;Codex 則將所有功能整合在單一介面,減少切換成本,但頁面相對雜亂。
  • 第三方整合能力差距明顯:Codework 提供大量連接器並支援 Zapier 擴展,且可針對每個連接器精細設定讀寫權限(如 Gmail 只讀免確認、寫信需批准);Codex 的插件數量較少且缺乏同等級的權限控制機制。
  • 定時任務管理方式影響長期使用體驗:Codework 將同一自動化任務的歷史記錄歸類在同一條目下,便於追蹤;Codex 每次執行都獨立列出,隨任務增多左側欄會越來越臃腫,不利於長期管理。
我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026
編輯精選
28 min
AI 技術中文6月20日

我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026

EngineerGary

  • Tokenomics 重新定義 AI 工廠價值:黃仁勛將所有輸出重新框架為 Token = Revenue,傳統工廠生產實體商品,AI 工廠改為生產 Token;對製造端而言,目標是以最低成本產生最多 Token,實現每投入 1 元帶回 3–5 元回報的商業邏輯。
  • 開源策略是市場放大器而非讓利:NVIDIA 釋出 Cosmos 3、Apomile 3 等開源模型,以及通用人型機器人,目的是降低新創進入自動駕駛、World Model、Physical AI 的門檻,擴大整體生態系規模,最終帶動更多算力與服務需求(「The more you buy, the more you earn」)。
  • Deal to Delivery Agent 解決中小企業流程瓶頸:Gary 團隊識別出企業收到客戶需求後,需跨工具手動完成報價、開票、GitHub issue、通知等重複性操作是最大效率殺手;Agent 自動拆解商機、建立 ERP 記錄並推送 Telegram 通知,人類只需在 Draft 狀態下做最終 Review 確認。
黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備
編輯精選
30 min
AI 技術中文6月20日

黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備

Coco哥

  • QNX 擁有機器人 OS 三大不可替代技術門檻
  • Windows 響應延遲 200 毫秒,Linux 一旦核心崩潰全部失效,而 QNX 具備毫秒級即時決策、ISO 26262 ASIL-D 與 IEC 61508 SIL-3 最高安全認證,以及微型內核獨立架構(單一模組崩潰不影響其餘系統),三項條件同時達標,現階段競爭對手均未能複製。
  • 40 年護城河非短期可追趕