KeyFrame內部研究專用

AI Agent 時代,第二大腦還有用嗎? #超級個體工作術・策略課精華 ft. 電腦玩物站長 Esor

柚智夫妻 X 雷蒙三十35 min中文
觀看原始影片

三句話摘要

AI Agent 時代如何重新定義工作流程:從工具操作轉向指令交互的根本性轉變。 AI 時代最大改變不是工具升級,而是人從「做事的人」轉為「想事情和指揮的人」,真正競爭力來自持續的思考深度與獨特觀點。 工具評選標準根本改變:未來工具必須支援 AI 連接。若某工具的 AI 無法通過 API 控制它,就應淘汰。過往我們在筆記軟體投入時間標記、分類、寫摘要,這些繁瑣操作正是 AI 最擅長做的,人類應轉向思考核心需求。

重點整理

  1. 工具評選標準根本改變:未來工具必須支援 AI 連接。若某工具的 AI 無法通過 API 控制它,就應淘汰。過往我們在筆記軟體投入時間標記、分類、寫摘要,這些繁瑣操作正是 AI 最擅長做的,人類應轉向思考核心需求。

  2. 角色重塑為指揮官:講者從自己開發 RSS 閱讀器和筆記軟體的經歷體悟到,現在可完全通過與 AI 對話完成數據獲取、整理、存儲。人需要「有意識增加摩擦力」,從 AI 巨細靡遺的產出中精選最關鍵部分,如同聰明老闆從三疊資料中提取兩張最重要的紙張。

  3. 工作流程的完整性決定成效:不要只在需要產出時才用 AI,而要從專案開始就讓 AI 陪伴。這樣 AI 才能逐步學習你的思考方式、工作經驗與資料庫邏輯,最後才能產出真正契合的協作成果。中途插入使用反而要花更多時間教導 AI。

  4. 內容創作價值重塑為觀點領導:通用教學內容會被 AI 自動摘要取代。真正有價值的是來自真實工作經驗的深度觀點、工作邏輯的「為什麼」,以及實際操作中才能察覺的關鍵轉折——這些是 AI 難以摘要的。

實用技巧與重點

  • 工具與平台
  • 筆記軟體:Evernote、Notion、Obsidian
  • AI 平台:ChatGPT、Claude Code、Codex、Gemini
  • 設計工具:Canva
  • 雲端協作:Google Drive、Google 雲端硬碟
  • 核心配置文件
  • Claude Code 中:Claude.md
  • Codex 中:Agent.md
  • 包含個人規則、記憶庫、MCP 連接、Skill 定義
  • 實踐方法
  • 指令優化:「請一段段地讀」可防止 AI 掠過重點
  • 專有名詞規則:設定 AI 遇到技術用語時必須提供白話解釋
  • 資料夾架構:使用「SSOT 單一可信資料來源」原則,讓多個 AI 平台讀取同一資料夾,避免維護割裂
  • 認知四階段模型
  • 不知道我不知道(無概念)
  • 知道我不知道(有目標但不知方法)→ AI 最容易補完 8-9 成
  • 知道我知道(熟悉領域)→ 人應親自執行或寫成自動化
  • 不知道我知道(出神入化的判斷力)→ 人生經驗累積的智慧,AI 無法取代
  • 導入建議
  • 個人層面:先試用一個月訂閱而非一年
  • 企業層面:從工程團隊或知識工作者個人開始,勿急於全員推行
  • 時間投入:三十天內如果發現工作流程改變,表示 AI 值得投資

結論

AI 時代最大改變不是工具升級,而是人從「做事的人」轉為「想事情和指揮的人」,真正競爭力來自持續的思考深度與獨特觀點。

完整解析

進入 AI Agent 時代後,過往多年累積的第二大腦知識管理方法反而成為強大助力。Esor 多年在 Evernote 累積的資料,只需丟給 ChatGPT 便能立即形成一個準備好工作的助理——這個助理已承載多年工作流程與經驗。儘管 Esor 始終未換工具(自稱全台灣唯一堅持用 Evernote 的人),但 AI 時代讓這些累積資料可通過 Claude、Codex 等不同平台被重新應用。

工作流程的選擇標準根本改變。過去選工具看功能,現在的首要標準是:AI 能否連接它?若某工具 AI 無法通過 API 控制,就該淘汰。因為人已無需手動操作軟體。多年來人們花大量時間標記標籤、拉資料夾、寫摘要,把筆記變成網狀結構。但這些操作恰好是 AI 最擅長的。人的角色因此轉變——不再操作軟體,而是花時間思考「我要什麼」、「我享受什麼」。從執行者變成指揮官,像老闆指揮多個助理,只需下指令。

但這不是簡單的一鍵完成。Esor 分享了從自己寫 RSS 閱讀器和筆記軟體,到完全通過 AI 對話完成數據獲取、整理、存儲的演進。關鍵是「有意識增加摩擦力」——AI 給出的往往巨細靡遺,真正優秀工作應該簡化、精準。所以需要人手動從 AI 的產出中精選最關鍵部分,就像老闆從三疊資料中提取兩張紙張。同時,使用 AI 的重要原則是從專案開始就讓它參與,而非中途才導入。這樣 AI 才能逐步學習工作邏輯、讀懂資料庫,最後產出真正有效的協作成果。

內容創作與知識工作的未來發生根本轉變。通用教學文章會被 AI 自動摘要取代,因為通用知識 AI 已能整理。這意味著創作者價值必須轉向提供「觀點領導」——個人獨特觀點與真實工作經驗。人們需要看的不只是工具怎麼用,更重要的是為什麼某功能其實多餘、實際工作如何取捨。這些微妙判斷和工作邏輯背後的思考,正是 AI 難以摘要的。這解釋了為何 Esor 選擇寫得更少但更深入,避免通用教學內容。對於職場工作者,持續優化自己工作流程、打破既有習慣,才不會被 AI 時代淘汰。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。