LINE 助理回客人
以前：客人在 LINE 問問題，舊版助理回得慢，最慢要等 26 秒。
現在：新版助理回得快，目前 5 則真實訊息最慢 3.5 秒；客人問完可以當場下單。
不是學一個 AI 工具，是學帶一支 AI 團隊。
我們每天怎麼用 AI，你就怎麼學。這套方法先在我自己的生意裡跑過、出錯過、修好過，才變成課程。你拿到的不是講義，是一套裝好就能跟著做的工作流。
START HERE
給想學 AI 的人：這可以做什麼
不用先懂技術。下面是我們自己每天在做、已經有結果的三件事。
做簡報
以前：做簡報要自己從版面開始做，版面爆掉、文字重疊，用縮圖檢查還看不出來。
現在：用 AI 把 21 頁簡報匯出成 PowerPoint 檔，每個字都能直接改。
送羊奶前估量
以前：每天晚上要打開一百多筆的送羊奶名單，一筆一筆在腦中回放，才敢估明天要送多少。
現在：把只記在我腦中的資料補進系統後，週六該送的客人自己出現在畫面上，等我確認。
一個工具就能開始
看到我們用好幾個 AI，是因為工作量大：有人做、有人驗，才不會自己做自己檢查。剛開始不用這樣，一個工具就夠；也不用一次付多個訂閱，先拿一件真的要完成的工作，跟它做完一次，再視需要加。
為什麼是一支團隊，不是一個工具
一個 AI 再強，也會說做完了其實沒做好，而且不會自己發現；所以我們讓不同的 AI 分工、互相把關，錯誤在交到你手上之前就被抓出來。
每做一件事，都讓下一件更有把握
我們靠的不是某個工具或某顆 AI，而是一個會累積的工作循環。
工作流中的這六個步驟，對應訓練品質常用的 PDDRO 閉環：Plan、Design、Do、Review、Outcome。我過去在基金會與大學推廣教育中心做訓練工作，用的就是這個架構。
先問清楚
Plan＋Design把沒想到的決定問出來，先講好怎樣算完成。
做
Do照講好的目標，把真實的工作做出來。
別人驗
Review做的人不能自己驗。AI 說完成不算，要看實際產物和證據。
找原因、補做法
Review → Outcome哪裡不夠好就找出原因，把值得留下的做法補上。
寫回去
Outcome原因和做法留成紀錄與知識卡，不只存在這次對話裡。
下次用上
Outcome → Plan下次開工先查舊紀錄，讓做過的事真的派上用場。
課程怎麼走
課程的每一段都跑同一個循環。你隨時看得到自己走到哪、下一步往哪裡。
第一階段：讓 AI 進得來
安全起手與第二大腦
- 你帶走
- 資料使用邊界、自己的第二大腦
- 過關證據
- 開新對話，AI 答得出你的業務
第一階段：讓 AI 進得來
第一個助理
- 你帶走
- 有職責和邊界的助理、完成標準
- 過關證據
- 用自己的問題測過，錯了會退修
第二階段：跑出第一條工作流
真實工作變流程
- 你帶走
- 能換資料重跑的案例、短影音腳本包
- 過關證據
- 換一份資料，再跑一次也做得出來
第二階段：跑出第一條工作流
分工與追蹤
- 你帶走
- 派工方式、排程與進度追蹤
- 過關證據
- 一個做、另一個驗的紀錄
第三階段：交給團隊也能跑
留在團隊手上
- 你帶走
- 判讀、排錯、成本與資料安排
- 過關證據
- 別人照著做得出來
加購
往下精進
- 你帶走
- n8n 自動化或短影音
- 過關證據
- 流程跑通，或做出一支影片
下一件工作
- 你帶走
- 不靠講師走完一輪
- 過關證據
- 自己挑一件工作，跑完六步
真實例子：小牧人的 LINE 助理
這是我們自己的生意跑這六步的一次紀錄。
| 步驟 | 這次做了什麼 |
|---|---|
| 1 先問清楚 | 先講好怎樣算變快：同一題測 10 次，取中位數和舊版比。 |
| 2 做 | 拆開每一段花的時間，改成先查試算表，查不到才問 AI 一次；先回客人，再寫紀錄。 |
| 3 別人驗 | 模擬測試 3.98 秒不算數，由沒有施工的人重量真實客人。 |
| 4 找原因、補做法 | 發現原本的「約 5 秒」把回覆後寫紀錄也算進去，不是客人等的時間，改量傳出到收到回覆。 |
| 5 寫回去 | 做法與量法留成範本和紀錄。 |
| 6 下次用上 | 同一套整理成課程用的範本，新的助理從這份開始。 |
我們踩過的坑，變成你直接拿到的工具
AI 會失憶 → 你帶走一個第二大腦
AI 每開一次新對話就忘了你是誰、做什麼生意、上次講到哪。我們用第二大腦解決這件事，課堂上幫你裝好：你的業務規則、常用資料都存在你自己的電腦裡，AI 每次開工先讀，不用從頭交代。
面對空白對話框不知道從哪開始 → 你帶走開工、收工技能
我們團隊每天用同一套開工、收工流程。你也會拿到同樣的技能：早上它帶你看今天要做什麼，晚上幫你整理今天做了什麼。下課後不是自己摸索，是 AI 帶著你做。
AI 會說「做完了」，但其實沒做好 → 你學會驗收
我們的規矩是做的人不能自己驗。課堂上你會學到怎麼檢查 AI 的交件：完成標準怎麼寫、什麼情況要它停下來。AI 再有自信，你也看得出對不對。
一個 AI 什麼都做，又貴又慢 → 你學會帶一支 AI 團隊
我們讓不同的 AI 各做最擅長的事：便宜的做大量初稿，強的做判斷，另一個負責檢查。你會學到怎麼把一件工作拆開，交給對的 AI，花更少的錢做更多的事。
工具一直換 → 你的資料不會被綁住
資料留在你的電腦，不鎖在任何一家平台。今天用這個 AI，明天換另一個，你的第二大腦照樣能用。
這些方法是怎麼來的
206
則出錯紀錄：都留下來追蹤，坑我們先踩了
1,883
張知識卡：團隊做過的事都留下來、查得到
16
期每週週報：公開寫我們用 AI 做了什麼
（截至 2026-10-31，共 206 則出錯紀錄）
背後是一支 AI 團隊：有負責指揮驗收的、寫程式的、做大量初稿的、做市場調查的、隨身提醒的，還有不用開對話框的自動化。我負責拍板。