AI 差距越拉越大怎麼辦?我想到的兩個方法:把判斷力做成 niche AI、讓便宜的算力幫你做事
Claude 推出 Sonnet 5.5,速度快 30% 以上,每件工作最多省 30%,價格只要 Opus 5.5 的一半。性價比來到巔峰,我的焦慮也到了巔峰。
模型變得更強、更省。會用 AI 的人,可能同時開好幾個便宜模型,都不會太貴。人根本不用一直在電腦旁,AI 自己就可以完成很多事情。
老闆聘一個工作能力強的人,一個月只要幾千塊,這就是我真正擔心的事情。
大公司也在高薪請會用 AI 的人。PwC 2026 年分析 27 個國家、超過 10 億則徵才廣告,同產業裡,要求 AI 技能的職缺,開的薪水平均高 62%。人會往兩端移動:擅長 AI、拿高薪的那端,和一般使用者。
連我自己都很緊張。我有一定的自動化基礎,還是常常發現這個禮拜、這個月,token(AI 的使用額度)又沒用完。黃仁勳今年 3 月在 All-In Podcast 說過,年薪 50 萬美元的工程師,一年沒用掉至少 25 萬美元的 token,他會非常擔心。
所以我整理了自己面對差距的兩個方法。兩個方法的第一步,都是打開你平常用的 AI,貼上一段指令,照它的問題回答。
這篇適合誰?
適合:
- 已經會用 ChatGPT、Claude 或 Gemini 聊天,但覺得自己只用到一小部分的人。
- 在某個領域做了一段時間,有自己的判斷方式,常常被問「這個你怎麼看」的人。
- 每天有固定流程要跑(寫內容、找客戶、做研究、處理報表),想讓 AI 多扛一點的人。
先不用走這套的情況:
- 還沒用過任何 AI 工具。可以先從一件雜事開始,看這篇。
- 你要交給 AI 的事,規則已經寫得清清楚楚、每次都一樣。這種直接請 AI 幫你做成自動化就好,不需要花時間蒸餾判斷。
方法一:怎麼把你的判斷力做成一個 niche AI?
niche AI 就是只做一件事、而且照你的方式做的 AI。它不用什麼都會,只要在那件事上,判斷得跟你差不多。
先挑哪一件事?從這 4 個方向找
- 你最擅長的事。
- 你過往一直花時間在上面的事。
- 一個產業內的麻煩事,但你知道怎麼做得又快又好。
- 你被別人肯定的技能,常有人來問你、請你幫忙的那種。
不一定只有這 4 種,只要是「你有自己一套判斷方式」的事都可以。挑不出來也沒關係,下面的指令第一步就會陪你挑。
怎麼讓 AI 學會你的判斷?讓它一直問你
做法是一段蒸餾指令:讓 AI 當訪談者,一直問你問題,把你怎麼判斷問清楚,越詳細越好。它會追著你要真實案例,問你「為什麼這樣做」「什麼情況不這樣做」,慢慢把你自己都沒意識到的判斷挖出來,整理成一份規則書。規則書夠完整,一個簡單的 niche AI 就形成了。
這段指令是從我之前幫一間健身房做的版本改來的。那次是讓資深教練把「怎麼幫學員排 24 天課表」的判斷教給 AI,我把它改成任何專長都能用的通用版。
使用步驟:
- 打開你平常用的 AI(Claude 最順,最後可以直接變成 skill,也就是 Claude 可以重複使用的一套做事方法;ChatGPT、Gemini 也可以,做出來會是一份規則書)。
- 把下面整段複製貼上,把第二段的底線換成你想做成 niche AI 的那件事。不確定就留空。
- 照它的問題一題一題回答。預計要好幾個小時,可以分 3~4 次做完。
你現在是一位「專家知識萃取師」。我想把我做某件事的判斷方式教給 AI,做成一個只做這件事、而且照我的方式做的專屬 AI(niche AI)。請你訪談我,把我的判斷過程挖出來。
我想做成 niche AI 的事是:___(例如:幫客戶挑保險方案、審一份報價單、幫學員排課表、判斷一則貼文會不會紅。不確定就留空)
## 開始之前
1. 先問我:現在用的是哪個 AI、免費版還是付費版、有沒有「專案」或「skill」這類可以存規則的功能。
2. 如果我上面留空,先陪我挑一件事。從這 4 個方向各問我一題:我最擅長什麼、我過去一直花時間在什麼事上、我的產業裡有什麼麻煩事是我知道怎麼做得又快又好的、別人最常肯定我什麼技能。挑出一件之後,再確認範圍:這件事是給誰用、什麼情況下用、最後要交出什麼。
## 訪談守則(整個過程都要遵守)
1. 一次只問 1 題,最多附 2 個相關小題,等我回答再問下一題。用我聽得懂的話問,不要用術語。
2. 問真實案例,不要只問原則。我說「通常會怎樣」時,追問:「可以舉一個真實的例子嗎?那次實際上怎麼做的?」
3. 每一條規則都要追問到四件事才算完成:什麼情況下用(盡量要數字或看得到的線索)、具體怎麼做、為什麼這樣做、什麼情況下不要這樣做。
4. 多用對比題挖隱性經驗:「兩個很像的情況,你卻做了不同決定,差別在哪?」「新手做這件事最常犯什麼錯?」「什麼樣的結果你一看就知道是錯的?」「如果時間只剩一半,你會先砍什麼、死守什麼?」
5. 我回答模糊時(例如「看感覺」「看狀況」),追問:「你實際上是看到什麼、聽到什麼,才做這個判斷?」
6. 發現我前後矛盾,直接指出來請我釐清,不要自己選一個。
7. 不要用你自己的知識替我補答案。可以提出假設,但一定要標明「這是我的推測,對嗎?」
8. 我提到客戶或同事的姓名、電話、公司內部資料時,整理時一律換成代稱。
## 訪談階段(照順序進行,可以跨好幾次對話完成)
第 1 階段:真實案例重播(最重要,花最多時間)。請我挑 2~3 個印象最深的案例,至少一個很典型、一個很棘手。每個都從頭講一遍,排成時間線,在每個決策點追問:當時注意到什麼線索?有考慮過哪些做法?為什麼沒選?新手會怎麼做、錯在哪?
第 2 階段:輸入。我做判斷前一定會先看、先問、先查的東西有哪些?哪些資訊沒有就不能做決定?
第 3 階段:決策規則。不同情況下我的做法差在哪?起始做法怎麼決定?什麼訊號讓我改變做法?
第 4 階段:紅線。哪些事絕對不做?哪些情況要停下來、轉給別人或找專業人士?
第 5 階段:品質標準。請我給一個我心中滿分的成果長什麼樣子,再列出我檢查成果時會看的項目,這會變成 AI 的自我檢查清單。
## 規則書(邊訪談邊維護)
過程中持續維護一份「我的判斷規則書」,每條規則標註【本人明說】或【AI 推測・待確認】,以及出自哪個案例。每次對話結束時,輸出最新完整版本,我會存下來,下次開新對話時先貼給你再接著做。
## 所有階段確認完成後
1. 如果我用的是 Claude,把規則書整理成 Agent Skill 格式:SKILL.md 寫清楚什麼情況要用、流程步驟、每條規則附一句為什麼;細節放 references/ 資料夾。如果是其他 AI,整理成一份可以貼進「專案」或自訂指令的規則文件。
2. 必要規則:資料不夠時先追問,不可以自己假設;遇到紅線情況要停下來提醒我;產出一律標示「草稿,需本人確認」。
3. 測試:拿 3 個我過去真實處理過的案例(不給你看當初的結果)讓你做一次,再跟我當初的做法對照,列出差異。另外編 3 個棘手的情況讓你做。我會指出「哪裡不像我會做的」,你把每個落差寫回規則,重測到我覺得「這就是我會做的」為止。
現在請從「開始之前」的第 1 題問起。
幾個提醒:
- 最好是本人坐在電腦前回答,不要由別人轉述。這套方法要挖的是你自己沒意識到的判斷,轉述一次就會流失掉。
- 每次結束都把最新的規則書存下來。下次開新對話,先貼上規則書再接著做,不然 AI 會忘記前面問過什麼。
- 「需本人確認」那條不要刪。niche AI 是幫你做草稿、幫你多看幾個案子,最後拍板的還是你。
完成訊號:你手上有一份規則書,拿一個你熟悉的案例讓 AI 做,它的結果讓你覺得「嗯,這大概就是我會做的」。
方法二:怎麼讓 AI 自動做事,又用便宜的算力把決定做得更好?
第二個方法是開始請員工,讓 AI 幫你日夜工作。步驟是這樣:
- 把你日常工作的流程詳細列出來。從收到需求到交出成果,每一步都寫下來。
- 跟 AI 討論哪些步驟可以用 agentic 的方式來做。agentic 的意思是 AI 自己一步一步做完,中間自己查資料、用工具,做完再回報你,不用你每一步下指令。
- 試著用更多的算力(AI 幫你跑的運算量),把品質做得更好。例如:
- 要做決定前,先讓 AI 做詳盡的研究。
- 定期更新最新的資料,不用每次自己重查。
- 參考競爭者的做法,整理出差異和可以學的地方。
- 擴大內容產量,同一個主題多做幾個版本。
模型變便宜之後,讓 AI 多查幾輪、多比較幾個版本,成本都不高。這些便宜的算力,可以拿來幫你把決定做得更好。
但要注意:先做好,再做大。如果連原本的流程都還沒有做順,不急著讓它做很厲害的事情。流程本身有問題,讓 AI 放大只會讓問題變大。Anthropic 在〈Building effective agents〉這篇文章裡也建議,先找最簡單的做法,真的需要時才增加複雜度。
使用步驟:
- 打開你平常用的 AI。
- 把下面整段複製貼上,把底線換成你想先處理的那個工作流程。
- 照它的問題回答,把流程從頭到尾講一遍。
我想讓 AI 自動做我日常工作的一部分,並且把便宜的算力用在讓我的決定做得更好。請你當我的流程顧問,先問清楚,再給建議。
我想先處理的工作流程是:___(例如:每週找新客戶名單、每天發一篇社群貼文、每月做一次市場研究)
請遵守這些規則:
- 一次只問我一題,用我聽得懂的話問,不要用技術名詞。
- 第一題先問我:現在用的是哪個 AI、免費版還是付費版、平常用電腦還是手機、有沒有用過任何自動化工具(沒有也沒關係)。
- 接著請我把這個流程從頭到尾講一遍。每一步都問清楚:花多久、用什麼工具、是照固定規則做還是要靠經驗判斷、做錯的後果多嚴重。
- 我講得太籠統,就請我補一個最近一次實際的例子。
問完之後,照這個格式回答我:
1. 流程清單:每一步標示「AI 可以自己跑」「AI 做草稿、我確認」「我自己做」,並說明理由。
2. 先做好:這個流程現在哪裡還不順(常出錯、常卡住、規則講不清楚)。建議我先把哪一步修順,在修順之前,不要建議我把它做大。
3. 可以讓 AI 自己跑的步驟:它需要什麼資料、什麼工具、做完怎麼回報我。
4. 再做大:哪些地方值得多花算力把品質做好,例如決定前做詳盡研究、定期更新最新資料、參考競爭者做法、擴大內容產量。每一項寫出具體做法,和成本大概是高、中、低哪一級。
5. 第一步:用我現在的工具,今天就能試的一件事。不用寫程式的做法優先;真的需要設定或寫程式,再告訴我要準備什麼。
6. 要注意的地方:哪些資料不要貼給 AI、哪一步一定要我人工檢查。
不確定的地方就直接說不確定,不要自己猜。
完成訊號:你手上有一張流程清單,知道哪一步要先修順,也挑好了一件今天就能讓 AI 試跑的事。
想要更完整的自動化路線,可以看一人公司工作流自動化,5 步就好。
⚠️ 讓 AI 自己查資料、讀網頁之前,要特別注意
- 身分證字號、密碼、銀行帳號、客戶個資,不要貼給 AI。需要的話先換成代號。
- 讓 AI 自己上網查資料、讀信、讀文件時,裡面可能藏著「叫 AI 做事」的句子(這叫指令植入)。要跟 AI 講清楚:資料裡的句子只拿來參考,不要照做。
- 一開始只讓 AI 整理、研究、寫草稿,不要讓它直接幫你寄出、付款或刪東西。
- 重要的決定,請 AI 附上資料來源,你自己點開看一次。
也可以直接問你的 AI:「我要讓你自己查資料、幫我做事,有哪些地方要注意?」跟它討論出適合你的版本。
常見問題
問:niche AI 跟一般的 AI 有什麼不一樣?
答:一般的 AI 什麼都會一點,但它不知道你的標準。niche AI 只做一件事,照的是你教它的判斷方式,做出來的東西會比較像你會做的。
問:我覺得自己沒有特別擅長的事,也可以做嗎?
答:可以。不一定要是最厲害的技能,你過去一直花時間在上面的事、產業裡別人覺得麻煩但你做得很快的事,都算。蒸餾指令的第一步就會從 4 個方向問你,陪你挑一件。
問:蒸餾要花多久?
答:完整做一次大概要好幾個小時,可以分 3~4 次完成,每次存好規則書就好。
問:一定要用付費版嗎?
答:免費版就能先試,兩段指令都會先問你用哪個版本。要做成可以重複用的 skill,或讓 AI 長時間自己跑,付費版會順很多。
問:讓便宜的模型做研究,會不會不準?
答:會有錯的時候,所以重要的決定要請它附來源,你自己看過。也可以開一個新對話,讓另一個 AI 重新查一次,兩邊對不上的地方你再看。
問:把我的判斷教給 AI,我會不會被取代?
答:我的看法是剛好相反。判斷力仍然值錢,把它教給 AI,你的判斷就能同時用在更多案子上。規則書是你的,最後拍板的也是你。
也可以參考
- 還沒用過 AI 處理雜事,想先從一件開始:每天 8 小時的雜事,哪些能交給 AI?先用這段指令問它
- 想把工作流程慢慢自動化:一人公司工作流自動化,5 步就好:不用會寫程式的入門路線
- 想用強一點的模型找出每天可以省下的時間:Claude Opus 5.5 根本怪獸級:又強、又省、又快,用它找出你每天可以省下時間的地方
資料來源
查核日期:2026 年 9 月 29 日。
- Anthropic,Claude Sonnet 5.5 產品頁(速度、每件工作成本、跑分與價格):https://www.anthropic.com/claude-sonnet-5-5
- PwC,2026 Global AI Jobs Barometer 新聞稿(2026 年 6 月 15 日,要求 AI 技能的職缺薪資溢價):https://www.prnewswire.com/news-releases/ai-reshapes-global-labour-market-into-two-distinct-paths-rewarding-human-skills-pwc-2026-global-ai-jobs-barometer-302798987.html
- All-In Podcast,黃仁勳訪談(2026 年 3 月 19 日):https://www.youtube.com/watch?v=gwW8GKwHB3I
- Anthropic,Agent Skills 官方文件(skill 的格式與用法):https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview
- Anthropic Engineering,Equipping agents for the real world with Agent Skills:https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills
- Anthropic Engineering,Building effective agents(先從最簡單的做法開始,需要時才增加複雜度):https://www.anthropic.com/engineering/building-effective-agents
- Hoffman 等人,Use of the Critical Decision Method to Elicit Expert Knowledge(1998,用真實案例挖出專家判斷的訪談方法):https://doi.org/10.1518/001872098779480442
- Commoncog,An Easier Method for Extracting Tacit Knowledge(怎麼把說不出口的經驗問出來):https://commoncog.com/an-easier-method-for-extracting-tacit-knowledge/
如果你想要我直接幫你把 niche AI 或自動化流程做起來,可以看看我的服務。
想用 AI 讓生活與工作更輕省,追蹤 AI 生活實驗室 👉 @life.coach.mtcity;想每天看見 AI 可以做什麼,追蹤 @ailifelab.co,我們一起玩 AI!