會議一結束就打開錄音檔，順手丟一句「幫我整理一下重點」給 AI——相信不少上班族都做過。當下真的很方便，但奇怪的是，下週開完會，你又坐在同一個位子上打同一句話。
明明每天都在用 AI，加班時數卻一點也沒少。只把 AI 關在聊天視窗裡，重複性的工作是不會自己消失的。這篇就來聊：你手上那件事該從六個階段中的哪一層搬到下一層，還有判斷的標準到底是什麼。（資訊更新至 2026 年 7 月）
- 工作量沒變少的真正原因不是 AI 不夠聰明，而是你把 AI 放在哪個位置使用。
- 聊天 → 結構化提示詞 → Skills → Work／Cowork → Vibe Coding → 自動化。在這道階梯上找到自己工作的位置，才是重點。
- 判斷標準只有三個——多久重複一次、流程每次是否相同、產出格式是否固定。
天天用 AI，工作量卻沒變少的真正原因
大多數人是把 AI 當成搜尋框，或是產草稿的工具。問一句、拿到答案、複製需要的段落貼上去，就這樣結束了。
問題會在下一次會議浮現。上次整理出來的決議清清楚楚，這次卻把出席者的意見和最終結論混在一起，負責人有寫、截止日期卻不見了。
不是 AI 突然變笨了。而是你每次都想到什麼就講什麼，指令一晃動，產出當然跟著晃動。
換句話說，問題不在 AI 的腦袋，而在於你從來沒有把 AI 接進自己的工作流程裡。故事就從這裡開始。
你的工作，現在停在第幾階段？
挑 AI 的第一個問題，不是「我該用哪一家的 AI」。這個順序本身就錯了。
真正該問的是三件事：我想解決什麼問題、這件事多久會回來找我一次、處理流程和判斷標準是不是每次都一樣。光是把這三題確認完，答案就出來一半了。
下面這張表把六個階段一次攤開。請腦中先想一件你這週在做的事，再看看它會卡在哪一格。
| 階段 | 什麼時候用 | 換成「整理會議紀錄」來看 |
|---|---|---|
| 一般聊天 | 一兩次、偶爾才做的事 | 只把這次的會議大致整理一下 |
| 結構化提示詞 | 格式與標準很重要時 | 指定角色、順序、輸出格式再下指令 |
| Skills（技能） | 同一段提示詞一直複製貼上 | 一句「套用會議紀錄 Skill」就好 |
| Work／Cowork | 要把多份資料串起來 | 會議紀錄＋任務分工表＋後續信件一次完成 |
| Vibe Coding | 每週流程一模一樣 | 丟檔案進去就吐出文件的小程式 |
| 自動化 | 時間點或觸發條件固定 | 錄音丟進資料夾，它自己處理完 |
大部分人都停在最上面那一兩格。越往下走，手越輕鬆，但不代表每件事都得一路衝到最底層——這點後面會再談。
聊天、提示詞、Skills 的分水嶺在哪
「幫我整理會議內容」，和「你是專案經理。請依據附上的逐字稿，依照會議目的 → 核心討論 → 已確認決議 → 未解決爭點 → 各負責人任務 → 預計完成日的順序整理，逐字稿中沒有提到的內容請勿推測」——這是兩種完全不同的指令。
後者就是結構化提示詞。重點不是把話講長，而是把判斷標準清楚地交給 AI。標準明確，產出自然穩定。
如果提示詞是「把一次問題問好的方法」，那 Skills 就是「把問得好的方法存成公司的作業標準」。
可是找到一段好用的提示詞之後呢？每次開完會，你都得從某個記事本裡把那一大段話複製出來。一個人用還撐得過去，一整個團隊一起用，每個人都改一點，產出又開始各自為政。
這就是該往Skills 移動的訊號。Skills 不是單純把長提示詞存起來，而是把流程、判斷標準、產出格式、參考範本綁成一套可重複使用的工作方式。截至 2026 年 7 月，Claude 先推出這個做法，ChatGPT 也能自行註冊使用。
做好 Skill 之後，一句「請對附件套用會議紀錄 Skill」就結束了。對個人來說，是不用再重寫提示詞；對組織來說，等於把資深員工的做事眉角，讓新人也能照著用。網路上分享最多的心得也是那句：「早該幫全組裝起來了。」
一步一步交辦，還是整包丟出去？
就算做好了 Skill，中間那些雜事還是得你自己動手：上傳檔案、複製回覆、貼進表格、再請它寫一封信。這場零碎的接力賽，每一棒都還是你在跑。
於是就有了 ChatGPT 的 Work 和 Claude 的 Cowork。你可能會想：一般聊天也能分析檔案，差在哪？關鍵在是誰在拆解、串接整件工作。用表格看最清楚。
| 比較 | 一般聊天 | Work／Cowork |
|---|---|---|
| 誰負責拆解工作 | 你 | AI |
| 你要做的事 | 一步一步下指令 | 只丟出最終目標 |
| 誰把片段接起來 | 你自己 | AI 把前一步結果接到下一步 |
| 適合的工作 | 偶爾才發生一次的事 | 要串多份資料的複合型任務 |
在聊天視窗裡，「上傳逐字稿 → 產出會議紀錄 → 再做任務分工表 → 再寫後續信件」是你一格一格推的。但在 Work／Cowork 裡，你只要說「用這份逐字稿套用會議紀錄 Skill 寫成紀錄，再做各負責人的任務分工表，最後給我一封寄給出席者的後續信件草稿」，AI 會自己拆分工作，一路做到成品。這比較接近會幫你收尾的 agent。
資料越多、需要放在同一個脈絡裡處理，這條路就越省事。反過來說，如果是難得才做一次的事，就那一次丟給它處理，也沒什麼不好。
如果每週都一樣，那就自己做一個工具
再往下一階，判斷標準是這個：如果你用了幾次 Work／Cowork，發現每次的資料和需求都差很多，那就不必特地做成程式，該用的時候丟給它就好。
反過來，如果輸入的資料、處理的流程、產出的格式每週都像複製貼上，那就完全是另一回事了。這種工作，直接把它凝固成一支程式會輕鬆得多。
這時候上場的，就是用 Claude 的 Claude Code、ChatGPT 的 Codex 來做的所謂 Vibe Coding。名字聽起來很工程師，但核心其實是：把一個人反覆手做的流程，變成任何人都能用同一套方式操作的工作工具。
舉例來說，你只要用講話的方式描述：「請做一個小程式，我輸入會議錄音、出席者名單和專案名稱，就能產出公司格式的會議紀錄和各負責人的任務分工表。」接著它會幫你寫程式、建檔案、修錯誤，甚至實際跑一次測試看能不能動。你不需要懂任何程式語言。
但別誤會一件事。寫程式不是每種工作的必經下一步，它只適合重複性與標準化程度都很高的任務。把偶爾才做一次的事做成程式，純粹是白費工。
自動化的最後一道線：哪顆按鈕該由人來按
做出程式，不等於自動化完成。如果還得有人上傳檔案、按下按鈕才會動，那它其實只是一個做得不錯的工作工具。
把時間點或觸發條件接上去之後，才真正叫自動化。像是會議錄音一存進指定資料夾，程式就偵測到新檔案、產出會議紀錄、分類任務、把結果放進專案資料夾，順手把信件草稿存進草稿匣。
你也可以設定每週五下午，自動蒐集需要的資料、產出週報草稿。從此不必再一次又一次輸入同樣的指令。
不過有一條線一定要守住：難以還原的動作，不要自動化。
- 蒐集資料、分類內容、撰寫草稿 → 自動化很安全
- 實際寄出信件、刪除檔案、付款、變更重要資料 → 最後一步交給人確認
草稿交給機器，寄出的按鈕留給人。守住這條界線，才是能長期信任並持續使用自動化的唯一方法。
那今天可以先做什麼？
不必一開始就搞得很盛大。先想一件這禮拜還會再做一次的事就好。
然後只問三個問題：常重複嗎、流程每次一樣嗎、產出格式固定嗎。三個都是「是」，那這件事就沒有理由繼續留在聊天階段——至少該往下搬一格，做成 Skill 了。
會用 AI，不等於會問問題就結束。把做得好的方法存下來、把整包工作交出去、再把重複變成系統，這才是完整的旅程。今天就先往下走一格吧。那一格，說不定會改變你下週五的晚上。
