會議記錄整理
加輔助決策

「今天會很抽象又很實際。」重點是會議記錄整理跟輔助決策，網頁部署會順便簡單講。這堂也帶大家回顧整個 Agent 工作流與迴圈工程，用會議記錄這條工作流，把前面教過的機制組起來。

「我現在的知識庫裡面，常用的文件是一萬三千份。如果你更多，十萬份，或者不只是文件，你有圖片、你有聲音、你有影片，怎麼辦？」這個在第二段講。今天講到的輔助決策技能包會給大家。

流程：我貼連結，說要做懶人包動畫影片。AI 同時做兩件事：下載聽寫、生成三種風格給我挑。接著自己聽寫、自己校正，再挑金句，做動畫、轉出。

我只在配樂和封面有改，因為這種動畫形式是第一次做。人物參考原影片截圖設計 Q 版，場景參考原本的辯論台。

沒有保留人物實際說話的畫面，因為要剪好幾段影片比較麻煩。這支只是知識型摘要；如果是要贏得信賴的影片，人物影片就要花比較多時間整理。

「我一開始的指令很簡單，就是你要加配樂，有人說話的時候配樂調小聲一點。可是人說話有間隔嘛，有時候只有 0.5 秒，他會突然大聲，所以配樂聽起來就一直忽大忽小。」

「所以我就跟他說，換氣那種 0.5 秒、一秒的時間，你要把它理解成一整個說話的段落，除非超過三秒鐘或五秒鐘都沒有人說話，你才可以理解這一段沒有人說話，才把配樂提升。」

下一次再貼一支 AI 大神的訪談連結，可能就不用再挑風格、不用再講配樂，只要稍微看一下封面。

「我覺得現在公司導入 AI，其實沒有所謂導入 AI 這件事情。」過去導入工具，大家一用就提升效率；AI 要一點一滴養。天底下很難有一個人的思考方式、工作習慣、工具全部跟你一樣。有老師教、找到好參考，可以省下很多自己摸索的時間。

這段之前做了一個課堂調查，工作流和迴圈工程懂了多少：一分是都不懂；三分是不是很懂，但叫 AI 工作發現變順了；五分是很清楚怎麼製作、段落怎麼切。現場四個人 4 分、一個人 5 分。

「太複雜太龐大的任務，你一口氣丟給 AI，AI 不知道怎麼辦嘛。所以我們可以拆成一個一個小步驟，第一個小步驟完成了，他再到第二個小步驟。每一個小步驟都有一個明確的審核標準，把所有的小步驟湊在一起，就是一個大的完整工作流。」

大工作流是大迴圈，裡面每一個階段是小迴圈。「只要我們能夠講出一個清楚的審核標準，那 AI 就可以幫我們自動去檢查、自動去校正、自動去修。」

沒有自己的工具，唯一神器就是 NotebookLM：新增來源、上傳 MP3、M4A，YouTube 影片丟給它也會轉逐字稿。缺點是密密麻麻沒有分段、沒有分講者、沒有時間軸，要剪影片的逐字稿就沒辦法。

Mac 推薦 MacWhisper：會把講者分離出來，誰什麼時候說了什麼話。它在本地轉，耗電腦的算力，不吃額外的 AI 費用。有免費版，買斷約 64 歐元（約台幣 1,600 元）。iPhone 12 以上、Mac 內建的語音備忘錄也能免費轉文字。

「如果這個會議不是很重要，我就一個小職員，那我推薦丟 NotebookLM 就解決。假如我今天是老闆，去談合約，錯一個字都很麻煩，或是我量很大，那我推薦 Mac 系統就是買這個。」

非 Mac：網路上有免費開源、可分講者的模型。我半年試過很多款，有還行的，但都要花很多時間校正。部分安卓手機也有類似語音備忘錄的功能，要自己查；手機沒辦法轉，就把錄音檔丟 NotebookLM。

公司用法：一台 Mac mini 裝 MacWhisper 專門跑逐字稿，全公司都連那台跑。這屬於公司 Agent 架構，這次不講。

「大部分的人做會議紀錄基本上都只有摘要。AI 自己的預設大概就是 10%。我跟他說我要詳細的會議紀錄，他了不起就是保留二三十。那對我來說都太少了，因為我一場會議紀錄可以做非常多的分析跟研究。」

我的定義：詳細是 30 到 50%，快接近一半；超詳細是 70 到 90%。這些定義寫進技能包或自己的字典檔，AI 才知道「詳細」是多詳細。

「最原始一堆錯字的那個也要給我留，叫做原始逐字稿版本。」通常不會用，真的要查錯字時再拿出來。

中文同音異字多，我會把會議主軸、常見關鍵字告訴 AI，也告訴它我是誰（例如 AI 應用規劃師），聽不清楚的字往相關領域猜。「不知道的直接跟我講，不知道不要亂寫。」

一個段落做完就壓縮上下文：ChatGPT 請它幫你壓縮，Codex、Claude Code 用 /compact。沒切斷的話，比較笨一點的模型分析時可能把雜亂的原始稿混進來，第一浪費 Token，第二影響正確性。

「重點摘要、代辦，誰什麼時候要做什麼事情，這個是都一定要有的。可是除了這個之外，他會把整個來龍去脈給抓出來。」

「有些裡面我會補上完整的逐字稿，避免大家覺得這個脈絡是不是我自己的意志。」

小進階是風險洞察。課堂示範的是和一位老師討論單日「AI 與視覺設計排版」工作坊的紀錄，已去敏感。

有一次受邀上 AI 應用的青年創業課，一群年輕人對 AI、對創業的想像都很奔放。六十幾個人，每個人問題一大堆，加起來好幾百題，線上課只給三小時。

「我隱約又感覺到，大家心中底層似乎都有同樣的疑惑。」請 AI 把關鍵抓出來：核心問題講完，可能五六成的人就 OK；再抓稍微邊緣的，講完可能八九成；太偏的就直接說抱歉，超過這次課程範圍。

做教學簡報時，再請 AI 依這幾個核心問題重排課綱：講到六七成時，核心問題要解掉。

落點分析也不一定需要技能包：看到別人做得好的課前問卷，截圖給 AI，問它核心理念是什麼、能不能出我的版本。

「我比較不太會去複製整包技能包，因為這樣子要改工作流程很麻煩。我核心是抓機制。」看別人的技能包問三件事：他遇到什麼問題、他的解法是什麼、我的解法跟他的差在哪。技能包爆紅，表示這個問題很多人會遇到、解法很巧妙，所以同時也是在做市場調查。

「我之前是攝影師兼導演，去幫很多公益組織拍他們的創辦人、創辦理念。我發現我最常做的事情是把一個人的核心想法整理提煉出來。只是以前做成的是影像，現在要做成技能包。」

用法：把喜歡的大神 YouTube 影片、書、回憶錄丟進去，他就變成你的 AI 顧問。納瓦爾的 AI 顧問大約五萬中文字。也可以提煉自己：你可能會發現自己很一致、有沒看見的亮點，或想的跟做的很不一樣。

讀取順序是漸進式披露：快速摘要與出場定位、基本資訊、價值主張、個人風格、思維模式、人際互動、話題與興趣地圖、專業能力與流程、底層判斷邏輯與底線，最後一區是有趣的亮點。先確定價值觀一致、聊得來，才談深入合作與專業能力。

「假設我一個人就有五萬字，那我十個人不是就五十萬字了嗎？」所以要能快速判斷問題由誰回答比較適合。只想快速判斷時，只抓價值主張、思維模式跟底層判斷邏輯三區，合成一個思維引擎。

「我做了一個數位小村莊，每一個人做出自己的數位分身。」我看著我的數位分身跟其他人的數位分身聊天：聊得對，表示訓練得好；聊錯了，就知道這個東西我沒有整理出來。

來源：從爆紅的同事 skill 抓出工作能力，從前女友 skill 抓出人際互動；老闆 skill 的內容已被價值主張與思維模式涵蓋。「我還沒有看到比我這個更好的，如果有人看到比我這個好，請務必告訴我。」

「OGSM 它叫做目標管理，我是拿來做目標對齊用的。」M 是審核標準：到底怎樣才叫做真的做到了，隨便打個勾不算。

「因為我這個人是比較容易發散的，所以我自己還會再追加一個叫做遠中近長期。」近期三個月內、中期半年、長期一年。

「如果我完全不曉得 OGSM，或者我根本就懶得看，你叫 AI 幫你跑出來，其實也沒有意義。」我大概累計 12 個小時跟管理顧問上課、參加他實際的企業陪跑，才做出這樣的東西。輔助決策是 AI 幫我們整理資料、看到盲點，真正動腦的是我們自己。

「你可以把你自己喜歡的那套方法，或者顧問給你講了什麼很好的方法，或者你看了什麼書，心有所感覺，但我不見得每一次在工作的過程中都會記得用這本書的方法。那這個時候就真的很好，可以做成自己的輔助決策技能包。」

大家不一定都要做 OGSM。重點是思考模式：把學到、認同的理念做成技能包，不確定的時候用它提醒自己。

「AI 做的簡報都很喜歡說服對方。因為絕大部分的商業企劃書都是要說服甲方、說服掏錢的人。那我個人不太喜歡說服對方，我喜歡我們兩個把資料攤開來，透明的對齊討論。我不要證明我是對的，因為我也不知道我是不是對的。」

共識桌是我自己發明的：雙方各一張桌子，攤開想法，請 AI 分析有沒有交集。用在開完會很有共鳴但不知道具體怎麼做，或跟新單位、新組織合作的時候。

案例一：和一位朋友聊天後做的對齊桌，兩人看了都覺得蠻準。

案例二：對方會前丟了 12 份企劃書，一份可能三四十頁。我叫 AI 把這 12 份整理一下，再把我最近的知識庫內容整理一下，最後出現三個交集。「如果你認同這三個是交集，那我們下次開會從這三個焦點講。」只看跟這三個有關的那幾份。我直接跟對方說我沒有看，是請 AI 分析的，對方聽完也覺得這樣不錯。

「這些思維框架有些聽起來好像很高大上，但其實都是這個人在生活中遇到一個小問題，他就把它整理出來。他一直不停的遇到這個小問題，一直去修正，修正了一段時間之後，這個簡單的小技巧就看起來變得是一個很厲害的模組了。」

上完六堂課開始做，持續修正一年，分享出去別人也會覺得你是大神。

「我是一個過度樂觀的人，我常常把事情想得太美好。所以我決定不要我覺得可以，我希望 AI 幫我分析到底可不可以。」

一群約六人開了兩次會，AI 把每個人兩次會的位置畫成表格，由差到好：只有想法、很被動旁觀 → 主動提議 → 直接行動 → 核心推動者。結果兩次會後方向更聚焦、更主動，我決定加入團隊。

這張表也是跟 AI 來回討論出來的。要追問它依據什麼分析：「你可以告訴我你是怎麼分析出來的嗎？」它回答依照發言比例的變化、每一個人角度的變化、每個人說的東西。

只做摘要會漏掉態度：一個是同等熱情，一個是被動被拖著做，後續要關注的點不一樣。很多共識、潛在價值、潛在風險都藏在脈絡裡。

分析脈絡要聰明一點的模型：GPT 6.1 Sol、Claude Opus 5.5 以上；Gemini 最近出的 Argon 也可以做這種文件分析。「凡是做這種抽象、不確定、沒有標準答案衡量的，我都強烈建議一定要兩家模型互相審核，這樣子才不會有模型偏誤。」

「我就跟他把逐字稿丟進去說，這就是我今天晚上上課的內容，幫我做課後整理的迴圈，他就知道了。」流程：存原始逐字稿、清理、分析來龍去脈、比對課前簡報與實際講的差異、補回簡報。

「如果我規劃好的簡報跟我實際上課講的內容差異很大，那就要以我實際上課的結構為主。這表示我沒有估準。」差異大時記住這次錯估的痛點，下次備課提醒。

整個課程規劃的概念也要提煉出來，回到備課的邏輯裡，「這樣子以後我的 AI 幫我在備課的時候就會越備越順」。課程逐字稿整理是我個人的工作流，這包不給。

「如果你已經有很明確自己的知識體系跟架構，別人的東西參考，補進自己的架構裡。如果你沒有，建議認真寫工作日記，從實際的工作流程中把自己的知識內容流程提煉出來。」工作日記包含 AI 的工作日記，以及我怎麼叫 AI 做事的紀錄。所以我沒有一堆同事、老闆、前女友技能包，全部整合成人格思維提煉。

「我每次新年目標可能都許下我要做到 100 分，但我可能實際就只能做到 60 分。那我就定 60 分的目標跟計畫，60 分反而會跑得很順。」跟自己實際流程差太多的，都很難持久。

「我行政能力太弱了，我所有行政的東西我都希望 AI 可以幫我處理。」很多上班族的工作都在公司內部 LINE 群組和 Email 裡，主管交代什麼事情，AI 把群組整理一下，就可以自動產生日報、週報、月報、年報。

同事之間可以開個群組，把 AI 助理加進來；老闆、主管的群組要先跟他們講。我最近也跟一個組織說：很多老師去培訓、很多志工去做事，就放一個 LINE 群組，每一年年底就可以整理出一個影響力報告書。

「就像是我用手機拍了一個影片，我希望給一個連結大家就看到，我就要把影片放到 YouTube 這個平台上。AI 做成的網頁，我也必須找一個平台把它放上去，這叫部署。」

「我當初也是因為聽說它複雜專業，是企業在用的，所以我就沒有用它。」後來發現簡單好用的個人部署網站免費額度很快用完，要收費就貴；企業用的版本免費額度給得非常大方，付一點錢就有很多功能。

「複雜是 AI 處理的事情。」人只負責去平台申請帳號、給授權，跟 AI 說幫我連通。前幾天網路底層協議出問題，Cloudflare 幫上面所有網站（含免費版）升級安全機制。

課堂上講的量級：文件用雙向連結，大約一千份以下；用標籤連結，大約幾千到一萬份；更多，或者含圖片、聲音、影片，就要另外的方法。

我自己是一萬多份文件、開始做知識官網之後，才研究 RAG。只有幾百幾千份、標籤關鍵字都有下好，不太需要。

「RAG 在 2025 年的時候還是工程師專屬的。我那時候文件才幾百到幾千份，我在想等我真的文件破萬的時候，這個技術應該變得更簡單，或是 AI 變得更厲害，我就叫 AI 幫我用就好了。確實我現在就是用 AI 來幫我用。」

多模態向量的用途是模糊的語意搜尋，例如「前幾天去森林走路拍到的夕陽」；同事不知道你的標籤怎麼設，也能找到。Google 生態系很強，資源分散在整個生態系，所以 Gemini 單獨看沒有很厲害。

「直接跟你的 agent 說，我要下載這個東西，我要把知識庫裡面所有的文字、圖片、影片、聲音全部都用這個向量跑一遍。」

「比如說先幫我跑 100 張圖片、先幫我跑 1 小時的影片，幫我估如果我今天是 1 萬小時的影片、10 萬張圖片，我要跑多久，是不是需要升級電腦，叫 AI 去估就行了。」電腦要好一點。

課堂上問節奏時，有同學回饋有些前面講過了。今天是整個 AI 工作流程的大盤點：每一個小工具都可以是一個技能包、一個小迴圈，再組成更大的。

「每一個迴圈工程一開始設計都會有點辛苦，要花很多時間去設計工作流程、審核標準，怎樣叫做過、怎樣叫不過。可是當你累積到一定程度之後，你會發現小的工作流程設計好，要組大的工作流程反而簡單，因為小積木都準備好了。」

「AI 幫我跑的時候讀技能包規則，然後產出，產出自己驗收，驗不過就自己修，修過了就直接上線。如果有些是新的標準，或者同樣的錯誤被我糾正兩次以上，就要想辦法寫回去你原本的技能包。」

「Hook 就是用強制的程式碼去檢查 AI 的產出。前面這些都是用語意去檢查，沒有標準的對或錯。用程式檢查就是有對或錯兩種可能。真的難的還是我們如何把我們的標準細緻到程式可以一刀斷對或錯。」這系列不細講，有興趣可以搜尋 Claude Code 的 Hook 機制。

「好幾個 AI 同時跑好幾個工作流程的時候，可能這些工作流程會互相衝突。圖譜工程簡單來說就是讓多條工作流彼此至少不要有衝突，最好還可以互相提醒。」

「現在更新的解法是做成 AI 員工，一個 AI 員工管一個工作流程，衝突的時候直接叫 AI 員工自己去協調。」路徑是：迴圈工程 → 整條工作流 → 多條工作流（圖譜工程）→ 現在直接做成 AI 員工。

「這個技能包都存在裡面，點連結下載就可以用了。當初說送大家三個，但有些是公開的，有些是可以給大家的。」

「只要不是 AGI 時代，只要 AI 不會讀心，這一套機制學會了，在 Agent 時代，以台灣的進度，你大概可以用個兩三年。」我的授課標準：概念與機制至少可以用一年，完整架構以台灣的速度評估可以用兩三年。

我現在看到新的 AI 工具，全部都是叫 Claude Code 去操作。

請大家留下這六堂最有收穫的一件事、最困惑的一件事。

新課是 LINE 的 AI 應用課，前半段這系列已經上過。課堂上說系列學員折 580 元（補 300 元差價），有回放，連結另貼群組。回放與課程修正好之後再給大家。

「可以喔，他們可以直接溝通，叫他們走 CLI 就好了。不要安裝 Gemini 桌面版，要安裝 Google Antigravity（反重力），因為它才是 Agent，才支援 agent 跟 agent 之間的互通。」反重力裡面有 Gemini 模型，免費版也可以用 Gemini 3.8 Flash。

跟 ChatGPT（Codex）說：我下載好 Google 反重力了，請你自己找到它，走 CLI 通道串好，並呼叫一次確定真的連得到。反過來讓反重力去連 Codex，我試的時候遇到很多奇怪的 bug 與授權，比較麻煩；ChatGPT 操作能力比較強，連得很快。

「……這個東西早就有人實驗出來了，我確定這件事情是可成的，所以請你上網去找更詳細的操作步驟。」

Codex 用 6.1 Sol 模型，給那段提示詞是串得起來的，連完會自己驗證一次；ChatGPT 5.6 之前不會主動驗證，要叫它驗證給你看。比較小的模型（例如 Luna）三個方法：模型開高一點、多跑幾次；叫它不要自己想，上網找別人的成功案例照做；課金用聰明的模型。

「這無法解答，全世界也沒有人可以解答。所有的資訊安全在厲害的 AI 面前就是一層紙。要麼低調、要麼不值錢，這是目前為止最好的守護。」

攻擊者算的是成本：破解花 100 美金、拿到資料可以賣 200 美金，就會有人來。課堂上舉了一家台灣新創連續被攻擊兩次後收掉的例子；還有前幾天一個網路底層協議的問題，以前修和破的成本都太高沒人動，AI 讓破解成本變低後，很多公司暫停營運趕快補洞。從 Vibe coding 的角度目前沒有最優解，要找更專業的顧問。

「我會專門挑一個流程，裡面是很多陷阱的，看起來很固定，但上下限差距非常高。這一個流程就會被我當作固定的考題。」同一題讓不同模型各跑一次，用自己的評分標準打分，例如某版 80 分、新版 100 分、更強的 150 分；當所有基本款模型都答得對，這題就變普通題，答錯就大扣分。

每更新一次模型，重要工作流程就要重測一次。另一條路是建立更完整的迴圈工程與驗收機制：有位大神設計了五套審核機制互相審核，算過機率覺得第六套不值得；我自己大概兩套。法務部分不在我的專業，只能從 AI 工作流的角度分享。