你是否也有這種感覺：AI 工具一個比一個厲害，發表會一場比一場驚艷，但回到公司打開電腦，每天的工作好像什麼都沒變？
我在 2026 年 5 月底決定換個方式試試看。與其再多學一個 AI 工具，不如把我自己的一人公司當成「第一個客戶」，用筆記軟體 Obsidian 當公司的大腦，搭配在終端機裡執行的 AI 代理人（AI Agent）Claude Code 和 Codex，看看能不能讓 AI 真的「進駐」到每天的工作流程裡。
這種工作在矽谷有個名字，叫做 FDE（Forward Deployed Engineer，駐點部署工程師）：不是在辦公室裡開發通用產品，而是走進客戶的現場，理解他們亂七八糟的真實流程，把技術接進去、跑起來，直到客戶的人自己能用。
本篇文章會帶你看這半年的實驗紀錄：我一開始的假設是什麼、最後部署了哪些每天在跑的產線、AI 的錢到底花在哪裡、導入後才發現的問題，以及這套方法搬到客戶身上之後長什麼樣子。
五月的假設：AI 不缺聰明，缺的是「接進流程」
5 月 24 日那天，我在每日工作紀錄的「今日最重要的三件事」只寫了一件：研究 Obsidian。同一天的靈感欄裡，我寫了一句後來變成整個實驗主軸的話：「現在做的東西，都是為了未來讓 AI 更好讀。」
我當時的想法是這樣的：大部分人用 AI，是打開對話框、貼一段資料、拿到一段回答，然後自己把回答搬回 Word、搬回簡報、搬回信件裡。AI 只是一個很聰明的外部顧問，每次見面都要從頭交代背景。
但如果公司的資料本來就整理成 AI 讀得懂的格式呢？
Obsidian 存的是純文字的 Markdown 檔，每一篇筆記就是一個檔案，放在自己電腦的資料夾裡。這代表在終端機裡執行的 AI 代理人可以直接讀、直接寫，不用我複製貼上。我的假設是：筆記庫就是公司的作業系統，AI 代理人就是可以進來上班的員工。
用比喻來說，一般的 AI 聊天像是請一位很厲害的外部顧問來開會；AI 代理人加上整理好的筆記庫，比較像是讓這位顧問拿到公司的鑰匙、員工手冊和檔案櫃，可以自己進辦公室做事。
這個假設對不對，我決定用半年的實際工作來驗證。
（延伸閱讀：AI agent 自動化工作流程：我每週一只問 AI 一句話，週報、選題、草稿自動產出）
（延伸閱讀：一人公司是什麼？離職創業前要想清楚的 6 件事｜自由工作者 10 年經驗分享）
部署了什麼？四條每天在跑的 AI 產線
半年下來，我把重複性高的工作拆成一個一個「技能（Skill）」：一份寫給 AI 看的標準作業程序，告訴它這類工作要讀哪些資料、照什麼步驟、成品存在哪裡、怎樣才算合格。到 2026 年 10 月底，我自己寫的技能累積了 31 個。
這些技能串起來，變成四條每天或每週在跑的產線。
內容產線：一個指令產出一週的內容
7 月初，我把寫 FB 貼文、Threads、短影音腳本、電子報的技能串成一條產線。週一早上我只要花大約 30 分鐘選兩個題目，AI 就會產出 2 篇長文、5 篇貼文、5 支短影音腳本和 1 封電子報的草稿，附上一份審稿清單。
但這些內容的題材，不是叫 AI 憑空生出來的。素材來自我每天在 Obsidian 裡留下的靈感紀錄、學習筆記、備課紀錄，還有實際諮詢和工作現場的觀察。AI 做的，是把這些散落各處的素材找出來、整理好，改寫成不同平台需要的格式。
這一點我認為很關鍵。如果只是叫 AI「幫我寫一篇關於某某主題的貼文」，每個人拿到的內容都大同小異，產出再多也只是一堆沒有人想看的文字。AI 是工具，真正讓內容有價值的觀點和經驗，還是得從自己的工作裡來。
我的工作從「寫」變成「選題、審稿、拍攝」。7 月 13 日第一次完整試跑，之後就照這個節奏一週一週調整。
數據週報：20 個指標自動收齊
以前看成效要登入好幾個後台：電子報平台、線上課程平台、Google Search Console、GA4，再加上 FB、IG、Threads、YouTube。現在一個指令，AI 會用腳本加上瀏覽器，把 20 個指標收齊、存成同一份表格，再寫出這週跟上週比起來變化在哪裡。
省下來的不只是時間，是「數據真的會被看」這件事。以前常常懶得一個一個登入，現在每週都看得到。
影片產線：剪輯可以排隊在背景跑
這是最燒 AI 額度、也最有成就感的一條。我自己粉專上的短影音，不管是在書桌前拍的口播片、工具教學，還是把 AI 術語畫成 8-bit 圖鑑風的「AI 名詞牆」解說動畫，字幕、字卡、配樂到封面，都交給 AI 產線處理。
同一套方法後來也用在客戶的直式短影音和 YouTube 長影音上，從裁切、字幕、配樂到封面，都整理成一套可重複執行的流程。（基於保密原則，客戶的成品沒辦法放上來給你看，但這套流程確實每週都在實際交付。）
9 月中我又加了一個「背景佇列」：一張任務單代表一支影片，我睡覺或上課的時候，AI 會一支一支在背景剪，剪完放進「待驗收」等我看。
工時與工作紀錄：AI 幫我補記，不用我填表
我試過很多次手動記工時，都撐不過兩週。後來改成讓 AI 自己算：它會合併 AI 對話紀錄、Mac 的螢幕使用時間和 Google 日曆，回填到每天的工作紀錄裡。例如 10 月 21 日那天，紀錄顯示工作合計 10.4 小時，其中跟 AI 協作的時間是 6.6 小時。
這個數字讓我第一次有根據地知道，AI 在我的工作裡實際佔了多少比例。
AI 的錢到底花在哪？我算出來的數字跟想像的不一樣
產線跑起來之後，下一個問題是：這樣到底花多少錢？
我寫了一支小程式，讀取 Claude Code 在電腦裡留下的對話紀錄，換算成 API 定價的成本。統計範圍是 2026 年 8 月 21 日到 10 月 31 日（更早的紀錄被系統預設的 30 天保留期自動清掉了，我後來才把保留期改長）。
這段期間的數字是：
- 491 個對話（session），AI 回合 45,590 輪，工具呼叫 24,115 次
- 換算 API 定價約 2,062 美元（約新台幣 6.4 萬元）
先說明，我用的是月訂閱方案，這筆錢不是實際付出去的金額，而是「如果按用量計費會花多少」的機會成本。但它很適合拿來回答一個問題：錢都花到哪裡去了？
答案讓我很意外。
| 項目 | 佔總成本 |
|---|---|
| 快取讀取（AI 重讀前面的對話） | 49% |
| 快取寫入 | 32% |
| AI 實際產出的文字 | 19% |
也就是說，大約 81% 的成本花在 AI「重讀前情提要」上，真正產出內容的部分只佔 19%。
為什麼會這樣？大型語言模型（LLM，Large Language Model）沒有真正的記憶，每多聊一輪，它都要把前面所有的對話、讀過的檔案重新看一遍。對話越長，每一輪的「重讀成本」就越高。這就像每次開會都要把之前所有的會議記錄從頭唸一遍，會議開得越久，唸的時間就越長。
再往下看分布，更明顯：
- 最貴的 10% 對話（49 個），佔了總成本的 80%
- 超過 100 輪的長對話有 183 個，佔了成本的 87%
- 最貴的單一對話是「復刻一支參考影片的樣式」，一個對話就換算 217 美元
這個發現改變了我對「省錢」的想法。很多人會說「叫 AI 少講廢話就能省」，但在我的工作型態裡，產出本來就只佔兩成，叫它精簡也省不了多少。真正的槓桿是把長任務拆成短對話：每一段做完就交接、開新對話，不要讓一個對話一路拖到幾百輪。
如果你的公司正在評估 AI 代理人的成本，我的建議是先問「任務會不會拖成超長對話」，而不是先問「哪個模型比較便宜」。
導入後才發現：瓶頸不在 AI，在人
AI 做得太快，人驗收不完
7 月中，我開始覺得：「用 AI Agent 工作之後，有點跟不上。」
一開始我以為是自己不夠有效率。後來回頭整理才發現，問題根本不在執行速度。AI 讓「開一個新專案」的成本趨近於零，結果我同時開了太多條線，每條都推進了 10%，卻沒有一條真正完成、發布。
產出積壓在資料夾裡沒有發出去，等於沒做。
我後來的做法借用了工廠管理的概念：控制在製品數量（WIP，Work In Progress）。具體做了兩件事：
- 每週回顧時，讓 AI 自動盤點「還沒驗收的產出」和「正在進行的專案」，下週聚焦的事最多只能三件
- 拆任務給 AI 時，以「我驗收得了的大小」為單位，而不是以「AI 做得完的大小」為單位
這個盤點很誠實，也很打臉。10 月底某一週，AI 幫我數出來的結果是：進行中的專案 31 條，其中 11 條已經停滯，遠超過我自己設定的 5 條上限。它還會直接建議哪些該刪、哪些該暫停，我只要勾選就好。
我現在認為，導入 AI 代理人之後，管理者真正的新工作是「派工」和「驗收」。這兩件事沒設計好，AI 越快，積壓越多。
自動化接得越多，要保管的鑰匙就越多
8 月 27 日，我用來架設自動化流程的雲端平台發生資安事件。我在兩天內把服務全部停用，接著盤點所有存放在上面的金鑰和授權：電子報平台的 API 金鑰、AI 服務的金鑰、Google 帳號對 Gmail 和試算表的授權，一一輪替或撤銷，並把整個處理過程寫成一份完整紀錄。
代價是三條自動化流程到現在還是斷的。但這次經驗讓我很清楚地意識到：自動化接得越多，你要保管的鑰匙就越多。每接一條，都要知道這把鑰匙放在哪、外洩了要怎麼換。
（延伸閱讀：ChatGPT、Claude、Gemini 會拿我的資料去訓練嗎？三家關閉模型訓練設定教學）
讓 AI 無人值守，先畫好它的活動範圍
做背景佇列的時候，我原本想用最省事的方式：讓 AI 自動核准所有操作，整晚自己跑。結果 Claude Code 本身的安全檢查直接擋下這個做法，判定這樣等於建立一個不受控的代理人。
被擋下來之後，我改用白名單的設計：每一種任務只開放它需要的工具，每一張任務單只能讀寫那一支影片的資料夾，碰到範圍外的路徑就拒絕。我實際測過，想跑其他程式、連外部網站、讀範圍外的檔案，都會被擋下。
這一點我覺得很值得企業參考。AI 代理人能做的事越多，越需要事先畫好它的活動範圍，而不是事後再來補救。
搬到客戶身上：同一套方法，換一個現場
一人公司的實驗跑順之後，我開始把這套方法用在長期客戶的案子上。以下兩個案例都已經去識別化。
案例一：Podcast 節目的短影音與長影音剪輯
這位客戶每集訪談都要剪成直式短影音和 YouTube 長影音。短影音原本靠人工剪，長影音則外包給影像公司。9 月下旬，因為外包的進度太慢，我把長影音收回來，改用 AI 產線剪。
導入過程中我學到最多的，是客戶的偏好要寫進產線，而不是寫進我的記憶：
- 客戶覺得 AI 生成的插圖太多，要求每支短影音最多 2 張 → 直接改進產線規則，之後每支自動遵守
- 客戶挑了新的字幕字體 → 所有長影音之後都套用新樣式
- 每集先從逐字稿抓出 10 個亮點，客戶挑選後交付 3 支
連電視台的播出檔規格也一起記進流程筆記裡，交檔時照著做就好。
案例二：服飾店的短影音試剪
這位客戶原本由我用剪映手剪短影音，有一套固定的字幕、配樂和音效風格。9 月底，我把這套風格整理成 AI 試剪流程：給 AI 原始素材，它先做一版粗剪，再照原本的頻道風格出試剪版。
第一支試剪改到第三版就通過驗收，之後就照這個流程跑。
這裡的重點不是「AI 剪得比人好」，而是AI 照著客戶既有的風格做。導入 AI 最怕的就是品牌調性跑掉，先把原本的樣子整理成規則，AI 才有東西可以照著做。
如果你的公司也想這樣做：導入前先問自己三個問題
從這半年的經驗回頭看，我認為企業導入 AI 代理人前，最值得先想清楚的是這三件事：
第一，哪些工作是「每週都在重複、而且有固定做法」的？ AI 代理人最適合的不是一次性的靈感任務，而是有標準作業程序的工作。如果現在連人都說不清楚怎樣算做完，那要先整理流程，再談導入。
第二，誰來驗收？驗收的標準是什麼？ AI 的產出速度一定會超過人的審核速度。沒有安排驗收的人和時間，產出只會堆在資料夾裡。
第三，AI 能碰哪些資料、哪些系統？ 權限和金鑰的管理要在第一天就設計好，不要等出事才補。
AI 代理人正在從「工具」變成「同事」
半年前，我以為我在研究一套筆記軟體。半年後回頭看，我其實是在練習一件事：怎麼讓 AI 走進一個真實的工作現場，接上原本的流程，每天穩定地跑。
我的感受是，AI 代理人的能力已經不是導入的門檻了。真正的門檻是流程整理、權限設計和驗收機制，這些都需要有人進到現場，跟團隊一起把事情理清楚。這也是 FDE 這種角色越來越被重視的原因。
如果你的公司也想讓 AI 不只停在「大家都有帳號」，而是真的接進每天的工作裡，歡迎預約企業一對一診斷諮詢。我們用 70 分鐘，一起找出你公司最適合先讓 AI 接手的那條流程。
有一條 24 小時都能排隊做事的 AI 產線，誰不想要呢？
參考資料
- Anthropic，Prompt caching 說明文件：https://docs.claude.com/en/docs/build-with-claude/prompt-caching
- Anthropic，Claude Code 設定與權限說明：https://docs.claude.com/en/docs/claude-code/settings
- 成本數據：作者自行分析 Claude Code 對話紀錄（2026-08-21 至 2026-10-31，換算 API 定價，非實付金額）
Hi,我是本站的經營者明淳
我27歲時離開職場，獨立接案為客戶服務。客戶有上市櫃公司、中小企業及高階主管私人顧問。產業橫跨新媒體、網路服務、建設公司、運動健康產業、零售業、運輸業、食品業、新創產業等。後來也擔任Google數位學程、外貿協會、清華大學推廣教育中心、文化大學推廣教育部等單位講師。
如果你想知道我怎麼從0開始，透過社群行銷技能賺取不錯的收入，我有一個3小時的免費錄影檔跟你分享，歡迎『點此索取』。
如果你喜歡明淳的分享，歡迎留下你的E-mail，明淳會不定期寫信給你😊
你必須登入才能發表留言。