KeyFrame內部研究專用

AI 和 AI Agent 到底怎麼學?三年 AI 創業經驗告訴你只需要懂20%(2026版本)

漢克蔡 | Ai 集16 min中文
觀看原始影片

三句話摘要

2026 年如何選擇和實踐 AI 工具的三大核心準則與脈絡工程框架。 從糾結「用哪個 AI」轉變為「如何用好 AI」,透過脈絡工程和自動化系統持續優化人機協作,是在 AI 時代保持競爭力的核心能力。 工具選擇的三大準則:投資金額決定模型品質,付費版遠優於免費版,選擇美國三家標杆企業(OpenAI、Anthropic、Google)的工具不會差很多。

重點整理

  1. 工具選擇的三大準則:投資金額決定模型品質,付費版遠優於免費版,選擇美國三家標杆企業(OpenAI、Anthropic、Google)的工具不會差很多。

  2. 三大工具各自優勢:ChatGPT 因發布最早教學資源最豐富且中文表現最精確;Claude 最擅長程式撰寫除錯和數據分析;Gemini 在多模態整合(文字、聲音、影像)領先,適合複合媒體任務。

  3. 從提示詞工程升級到脈絡工程:ORC 框架包含 Outcome(明確預期結果)、Reference(提供參考範例)、Connector(連接外部工具)。AI 現已能透過 Memory.MD 檔案高度精準預測用戶預期,提示詞的重要性相應下降。

  4. AI 自動化系統的三大支柱:Instruction(設定規則偏好)、Files(放入參考資料)、Memory(系統自動累積記憶)。透過 Connectors 連接現有工具,形成統一的工作流工廠。

實用技巧與重點

  • 主流工具:ChatGPT(OpenAI)、Claude(Anthropic)、Gemini(Google)
  • 工具中的 Project 功能名稱:Claude 和 ChatGPT 稱「Project」,Gemini 稱「Gemini Gem」
  • 模型選擇規則:數字越大越好(4.8 > 4.6),一般版 > Lite 版,設定為「高」或「最大」努力程度
  • Claude 核心功能:Cowork(自動化介面)、Connectors(連接工具)、Skills.MD(技能定義)
  • Gemini 核心功能:Extended Thinking(最高思考模式)、Spark(多模態整合)、記憶匯入介面
  • ORC 脈絡工程框架:
  • O(Outcome):清楚說明預期結果(如「200 字專業語氣的會議摘要」)
  • R(Reference):提供過去的高品質範例讓 AI 參考結構
  • C(Connector):連接 Gmail、Google Drive、企業系統等工具
  • 最佳檔案格式:.MD 檔案 TOKEN 消耗最少,避免 PDF 和 Word
  • Project 內部架構:
  • Instruction:字數限制、不用 emoji、語氣要求等規則
  • Files:公司視覺設計、策略文件、品牌指南等參考資料
  • Memory:系統自動更新,也可手動補充關鍵資訊
  • 講者背景:漢克蔡,AI 創業家,前數據分析師,曾在友達光電和 IMAG-Global 泰國總部授課
  • 資源:AI 升格創業學院(免費加入,涵蓋 Claude 進階操作和 AI Agent 概念)

結論

從糾結「用哪個 AI」轉變為「如何用好 AI」,透過脈絡工程和自動化系統持續優化人機協作,是在 AI 時代保持競爭力的核心能力。

完整解析

AI 工具市場已進入成熟期。講者觀察到美國主流的三大模型(ChatGPT、Claude、Gemini)彼此競爭導致功能與效能差距逐漸縮小,各家在應用層面的設計趨勢開始相互模仿。Claude 推出自動化界面 Cowork 並支援 Skills.MD 後,OpenAI 和 Google 也陸續推出類似功能,這表示掌握其中一款工具的用戶未來轉換工具的門檻變得很低。因此對大多數人而言,選擇哪個工具不如選擇如何用好它更重要。

選擇 AI 工具有三個核心準則。首先,投資金額直接反映模型品質——越願意投入開發語言模型的公司,其模型通常越好。其次,必須選擇付費版本而非免費版本。講者強調付費版本的表現遠優於免費版本,且能避免 TOKEN 快速耗盡的困擾。若公司提供 Gemini 訂閱但你使用免費 ChatGPT,應直接改用付費 Gemini。第三個準則是根據各工具的獨特優勢做選擇:ChatGPT 因發布最早,教學資源最豐富,中文表現也最精確;Claude 最擅長程式撰寫、除錯和圖表化;Gemini 則在多模態整合(文字、聲音、影像)方面最強。

從「提示詞工程」向「脈絡工程」的轉變是關鍵認知升級。隨著 AI 模型進步,模型已能透過歷史互動記錄和 Memory.MD 檔案高度精準預測用戶預期,提示詞的重要性相應下降。脈絡工程框架稱為 ORC,包含三要素:Outcome 明確定義預期結果(而非模糊的「200 字、專業語氣」),Reference 提供高品質參考範例讓 AI 參考結構,Connector 連接現有工具系統。當用戶提供過去的高品質輸出範例時,AI 就能理解用戶的期望,後續輸出會自動符合需求。此外,許多人仍把 AI 當聊天機器人使用,重複進行複製貼上。實際上應該透過 Connectors 直接連接 Gmail、Google Drive 等既有系統,讓 AI 自行查找所需資訊。

建立 AI 自動化系統是實現高效工作流的關鍵。無論是 Claude 的 Project、ChatGPT 的 Project 或 Gemini 的 Gem,概念相同——將工作流程視為一個工廠。Project 由三大支柱組成:Instruction 設定每次執行時的規則和偏好(如字數限制、不用 emoji、所需語氣),Files 放入參考資料如公司視覺設計、策略文件、目標定位,Memory 系統自動累積和更新的記憶(AI 會自主判斷哪些細節值得保存,用戶也可手動補充)。透過 Connectors 連接 Gmail、Google Workspace 等工具,AI 就能跨系統整合資訊形成統一系統。講者發現 .MD 檔案格式最節省 TOKEN,應盡量避免 PDF 和 Word 檔案,若需轉換可直接請 AI 幫忙。最後,持續優化使用流程至關重要——越了解你、越了解你的需求和偏好,AI 的輸出品質就越符合預期。講者強調品質優先於 TOKEN 成本,寧願多花 TOKEN 換取高品質輸出,因為低品質的輸出只是浪費已消耗的 TOKEN。

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。