相信很多人在面對繁瑣重複的工作時，腦袋可能會冒出一句話：「如果有工具可以幫我搞定就好了！」

這幾個月我收到許多 AI 輔助開發的企業內訓邀請；為了呈現最高品質的內容，我想把過去 YouTube 影片底下的留言彙整起來。

但問題來了，YouTube 並沒有匯出留言的功能

而我有些影片留言就有幾百則，如果手動整理，那是一個非常浩大且無趣的過程。

這就是我在日常工作遇到的痛點，我相信大家在自己的工作中，一定也有對應的痛點。

這邊再分享一個實際案例，前陣子我受邀到三軍總醫院分享 AI 輔助開發的經驗。

當時就以醫院的兩大痛點「月報製作」和「排班系統」當案例，現場向醫護人員展示 AI 的可能性，以及要注意的資安議題。

分享這些案例，是想讓大家了解，過去我們可能有想法，但因為沒有技術，因此只能等別人開發

但現在，只要想法與需求足夠明確，其實是有辦法在 AI 的輔助下，自己完成工具的。

但實際動手時，會遇到幾個問題。

首先，不管你選擇的 AI Agent 是 Claude Code、Codex 還是 Cursor；它們在執行任務時，時常會跳出一些操作權限的提醒，問你要同意還是拒絕。

假如你沒有相關技術背景，其實很難判斷該接受還是拒絕，而且閱讀這些資訊真的很花時間；要是不小心接受了 AI 的危險指令，電腦甚至有被清空磁碟或格式化的風險。

① 在隔離環境執行 Claude Code

所以我會先跟大家分享，如何用 Claude Code 搭配 Docker 建立一個可以放心讓 AI 執行的隔離環境；在這個環境中，AI 可以自動執行所有指令，不用擔心影響到自己的電腦。

② 設計好系統目標後，放手讓 AI Agent 執行

但在讓 AI 執行前，我們需要先告訴他明確的目標，以及驗收的標準。如果可以，最好再指定使用的技術，這樣得到的成品會更符合自己的預期。

③ 加入 Git 版本控制

而在 AI 製作完初版後，我們要先加入 Git 版本控制。因為 AI 修改程式碼的幅度很大，如果沒有版本控制，改壞就回不去了。

④ 透過 Hostinger 部署上線

另外如果你想把成果分享給朋友，或作為個人的作品集；我會分享透過 Hostinger 部署上線的步驟。

⑤ 上線後要考量的事

但上線只是考驗的開始，我也會分享系統上線後可能會遭遇的挑戰。

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Claude Code 危險模式】怕 AI 搞壞電腦？用 Docker 隔離沙盒讓它火力全開，再用 Hostinger 部署上線 | AI Agent | Vibe Coding

① 在隔離環境執行 Claude Code

在正片開始前，我先說明會使用到的工具

Claude Code

首先你需要選一個 AI Agent，這隻影片的範例是 Claude Code；目前需要付費升級到 Pro 以上的版本才能使用。

如果你使用 macOS 或 Linux，可以在終端機透過下面指令安裝

curl -fsSL https://claude.ai/install.sh | bash

另外 Windows 可以參考下面的指令

irm https://claude.ai/install.ps1 | iex

Docker

接下來要安裝是 Docker，他可以幫我們建立隔離環境的「容器」

https://www.docker.com/products/docker-desktop/

如果你直接在電腦的終端機執行 Claude，AI 就有機會動到電腦裡的資料與設定；而 Docker 的作用，就是把 Claude 的執行環境限制在容器之內。

在這樣的狀態下，AI 執行起來會安全許多，因為他看不到容器外的資訊。

在官網上，你可以根據自己的作業系統選擇要安裝的版本。安裝完成後打開 Docker Desktop，不需要註冊，也不用登入帳號。

看到左下角有一個綠色的「Egine Running」，就代表 Docker 引擎已經在你的電腦背景跑起來了。

如果想更確定的話，可以在終端機輸入 docker -v 來確認

Node.js

再來因為今天示範的是網頁工具，所以我們需要安裝 Node.js，由於 Node.js 有許多版本，所以我們要透過 nvm 來安裝與管理。

如果你使用 macOS 或 Linux，可以在終端機透過下面指令安裝。

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.7/install.sh | bash

而 Windows 可以到官網下載最新的「setup.exe」安裝程式。

https://github.com/coreybutler/nvm-windows/releases

安裝完成後，重新開啟終端機，並輸入 nvm -v 確認版本，接著再輸入 nvm install –lts 安裝最新版本的 Node.js，並輸入 node -v 確認有切換到最新版本。

安裝程式碼編輯器 IDE

接著我們要安裝一個程式碼編輯器（IDE），我這邊使用的是 Cursor，但如果你想用 VS Code 或 Antigravity 也都可以

安裝 Dev Containers 外掛

裝好 IDE 後，點擊左側的 Extensions，搜尋「Docker Dev Containers」，選第一個進行安裝即可。

安裝完成後，我們的程式碼編輯器就能直接在 Docker 容器裡面工作了。

下載練習用的專案

確認前面的工具都準備完成後，我們要透過 Git 來下載練習用的專案

https://git-scm.com/install/windows

如果你是第一次使用 Git，可以到官網根據自己的系統下載，安裝完成後輸入 git –version 確認版本。

另外輸入下面兩行，可以確認有沒有完成帳號的設定。

git config --global user.name
git config --global user.email

這些設定都完成後，就可以下載專案了，歡迎路過按個 Star，讓我知道自己的分享對大家有幫助：

https://github.com/deancourse/claude-code-docker-container

大家可以直接 Fork 我的 Repository 來體驗，Fork 完成後，點擊 Code，從裡面複製專案網址。

然後回到程式碼編輯器，點擊「Clone Repo」，貼上剛剛複製的網址來下載專案。

指定下載路徑，完成後點擊「開啟」，就可以跟著一起操作了。

專案簡介

這個專案我是參考 Claude Code 官方的範本修改的

我在它的基礎上，加上了前端網頁設計與 Git Commit 的 Skill，以及給 AI 參考的 CLAUDE.md，這份 CLAUDE.md 是參考 andrej-karpathy 的版本

在 IDE 啟動沙盒

在了解專案基礎架構後，輸入「F1」貼上 Dev Containers: Reopen in Container

這個指令會幫你下載容器所需的資源，第一次執行會比較久，啟動完成後，左下角就會顯示 Container Claude Code Sandbox。

這邊提醒一下大家，我在企業內訓時，有部分學員遇到啟動失敗的問題；通常把整個 IDE 關掉重啟就會成功，如果還是不行，可以把錯誤訊息貼到 Claude Code 進行分析。

確認 Claude Code 可以使用

接著我們打開終端機輸入 claude，第一次在這個容器操作時會需要登入；登入後，你會發現這是一個非常乾淨的 Claude。

在 /skills 的部分，你只會看到我預先放進去的技能

而 /permissions 這塊，完全是空白的

接著，我們來做一個測試，跟 AI 說：

幫我列出桌面有哪些檔案

如果是在自己電腦的終端機執行這個指令，AI 會列出桌面的檔案；但因為我們這裡是容器，所以你會看到 AI 跟你說他找不到。

因為他在容器裡面，而桌面這個資料夾，是在容器外面；做到這邊先給自己拍拍手，我們已經完成了隔離環境，接下來就能開啟無限制模式，讓 AI 大展身手

② 設定系統目標，讓 AI 火力全開

大膽執行危險模式

確認 AI 在容器內，碰不到容器外的資料後，我們先用 Control + C 關閉這個對話。

然後就可以用 claude –dangerously-skip-permissions 的方式啟動 Claude 了。

啟動時，Claude 會跳出警告，要選擇「Yes,I accept」才能繼續。

在這個模式下，AI 不會再詢問權限相關問題，可以火力全開。

定好目標讓 AI 執行

但正因為 AI 會火力全開，所以我們在設定執行目標時，越精確越好，否則 Token 額度會消耗得非常快。

比如今天要跟大家示範的是製作「YouTube 留言彙整工具」，假使我只給他這麼一句話當目標，最後的成果通常會不如預期。

根據我的經驗，需求至少要涵蓋 3 個要素：「使用情境、技術限制、驗證方式」

我想要建立一個 YouTube 留言彙整工具，需求如下：

【專案結構】
1. 放在目前 repo 的根目錄，不需建立子資料夾
2. 為了方便部署，package.json 必須在根目錄
3. 在 README.md 增加一節說明使用方式

【使用情境】
1. 輸入「播放清單」網址，彙整清單內所有影片的留言
2. 輸入「單支影片」網址，彙整該影片的留言
3. 輸入「頻道」網址，彙整頻道內影片的留言
4. 網址輸入欄可以共用，有輸入提示
5. 載入留言時，會有進度條，知道現在正在抓取哪支影片

【篩選條件】
- 可以設定搜尋的時間範圍（起訖日期）
- 可以設定關鍵字，只保留包含關鍵字的留言

【技術限制】
- 使用 Node.js 開發
- 不需透過 YouTube API 取得資料，參考 npm 既有套件（取得評論的）
- 匯出結果先呈現在網頁上，要有階層關係、影片縮圖，可下載成 Markdown（不同影片不同檔案）

【驗證方式】
請用下面三個真實網址，為所有情境撰寫測試：
- 播放清單：https://www.youtube.com/watch?v=2hbYCe_E5aU&list=PLWWZkn1dW3eAvSZfJv0-02q27JIsfbN2f
- 單支影片：https://www.youtube.com/watch?v=2hbYCe_E5aU
- 頻道：https://www.youtube.com/@dlcorner
測試必須包含以下驗收條件，低於門檻視為失敗：
① 播放清單：抓到的影片數量 ≥ 10 支
② 單支影片：留言總數 ≥ 400 則
③ 頻道：列出的影片數量 ≥ 40 支
④ 設定時間範圍後，結果中不得出現範圍外的留言
⑤ 設定關鍵字後，每一則留言都必須包含該關鍵字

完成後執行所有測試，如果有失敗的案例，
請修復後重新執行，最多嘗試 10 次；
最後回報每個情境實際抓到的影片數與留言總數。

【專案結構】為未來的部署做準備

首先在專案結構這塊，我要求他直接在 Repo 根目錄下開發，並要求 package.json 這個存放專案資訊的檔案要放在根目錄，方便未來部署。

如果沒有事先交代，AI 很可能會另外建一個子資料夾，把整個專案放在裡面，這會導致部署時需要再額外調整資料夾結構。

【使用情境】把模糊的想法變成明確的功能

在使用情境這塊，如果僅提供「幫我做一個 YouTube 留言彙整工具」這種模糊指令，那 AI 針對細節只能靠猜，所以我把實際的情境拆成「播放清單、單支影片、頻道」這三種。

因為這就是我實際會用到的場景，而篩選條件則是使用情境的延伸，目的是讓我更精準地獲得資訊。

【技術限制】決定成品長什麼樣子

至於技術限制，是在幫 AI 縮小工具的選擇範圍；這邊我指定使用 Node.js 開發，如果不指定，AI 可能會使用其他程式語言。

再來是「不透過 YouTube API」，因為官方 API 需要跑另一套流程，而我希望用現成的套件來處理就好。

最後匯出格式我也明確指定要使用網頁，並呈現階層關係與影片縮圖，而且要讓我能下載成 Markdown 格式方便後續使用。

【驗證方式】讓 AI 沒辦法自我感覺良好

最後則是驗證，AI 時常沒有完成任務，卻騙我們說他搞定了。

所以我給了三個真實網址，並設下具體的判斷規則，這些數據都是我頻道的真實資料。

當執行結果不符合這些規則時，AI 就會自動除錯。加入測試後，我們就能大幅減少手動驗證的成本。

最後三行：讓 AI 自己跑完「測試 → 修復」的迴圈

最後三行，我設計了一個測試迴圈。

因為我們是讓 AI 用放飛自我的模式執行，所以 Token 額度燒得很快。

尤其在他遇到無法解決的錯誤時，燒得最兇，所以我設定了一個嘗試次數上限，作為失敗時的停損點。

人工驗證

稍等一段時間，AI 回報他已經完成了任務，並且測試全數通過。

但做完跟做好是兩件事，這邊我跟大家簡單說明專案的架構。

先打開 package.json 這個檔案，裡面會有專案的名稱、描述、指令，以及使用到的套件。

然後開啟一個新的終端機，輸入 npm run start 來啟動專案：

你也可以直接請 AI 幫你啟動，但如果對專案架構有基礎認知會更好。

接著我們把網址複製下來貼到瀏覽器上，先驗證單支影片是否可以運作，點擊「開始驗證」後，工具就會開始幫我們彙整 YouTube 留言。

稍等一段時間就執行完畢了，你可以看到影片的縮圖，以及下方的留言階層；確認符合預期後，便可點擊「下載 Mardown」來看看呈現的結果是不是自己要的。

在驗證單隻影片符合需求後，就可以擴增測試範圍到「播放清單」與「頻道影片」。

儘管功能都符合預期，但有些細節是在擴增測試範圍後才會發現的，像是有多隻影片的狀態下，需要往下滑才能看到後面的影片留言，操作上並不直覺。

這個部分，我也會在後面的章節來做優化。

③ 加入 Git 版本控制，改壞還有回頭路

在確認基礎功能符合預期後，我們要給這個專案加上版本控制，這邊會使用到 Git 這個工具。

這樣就算 AI 未來把專案改壞了，我們都還有回頭路可以走。

建立第一個存檔點

這邊先請 AI 幫我們產生 commit，直接使用 Git Smart Commit 這個 Skill 即可。

/git-smart-commit

你可以把 commit 想像成遊戲的「存檔點」，每完成一個階段就存一次檔，就算後面打輸了，也能回到上一個存檔點重來。

畢竟 AI 修改程式碼的幅度很大，有時你只是請他調整一個小功能，他卻順手動了其他地方，如果沒有存檔點，改壞就真的回不去了。

推上 GitHub，為部署做準備

最後，我建議把專案推上 GitHub，除了多一份雲端備份，後面部署上線時也會用到。

點擊左側的「Source Control」，接著選擇「同步變更」，然後你就會看到錯誤訊息：

這是因為我們還在 Docker Container 環境裡面，你需要點擊左下角的「Container Claude Code Sandbox」，然後選擇「Reopen Folder Locally」用本機的資料夾開啟：

此時再點擊一次「同步變更」，就可以把資訊傳到 GitHub，接著來到 GitHub 頁面，看到專案的資料有上傳上去，就代表你成功嚕！

優化專案並同步更新

有了存檔點後，我們就可以來繼續優化專案了，像我覺得現在的網頁太素，影片一多操作起來要往下一直拉，不方便，就可以直接請 AI 使用前端技能幫我們優化一下：

/frontend-design
幫我美化頁面質感，希望撈取過程可以切換到不同影片的縮圖，讓我知道現在執行到哪一個，並且在上面有列表，我點擊哪個影片，就顯示對應的留言串

稍等一段時間，AI 就完成了優化，除了外型比先前的版本更好看外。

你會發現他撈取過程會切換到不同影片的縮圖，並且在上面有列表，我點擊哪個影片，就顯示對應的留言串，這樣子我們網頁的易用性就更好了。

如果想把這個版本更新上去，流程是一樣的，使用 Git Smart Commit 這個 Skill：

/git-smart-commit

然後選擇「Reopen Folder Locally」用本機的資料夾開啟，再把變更推送到 GitHub 就好。

④ 透過 Hostinger 將網站部署上線

這邊跟大家說明一下，如果專案是純前端的靜態網頁，我們可以透過 GitHub Pages 來做部署

但因為今天的範例專案有需要一台伺服器來運行，所以我用 Hostinger 來做示範：https://hostinger.com/deanlin10

進入官網後，可以透過 Google 帳號直接註冊登入，因為我們是網頁專案，所以點擊左側的「Websites」分頁。

這邊你會看到不同方案的價格，週期越長，價格會越便宜；如果你有輸入我的優惠碼「DEANLIN」，會再獲得 10% 的優惠。

如果體驗跟想像不符，官方也有 30 天退款保證，讓大家可以更放心地使用。

接著再回到部署的流程，我們在「Websites」下面選擇「Web Apps」，接著點擊「Add website」，選擇「Deploy Web App」。

如果你有購買 Domain，可以直接從這邊選擇，又或者使用「Use temporary domain」這種暫時性的網址。

然後你會看到一張世界地圖，這是在選擇伺服器的位置，建議選擇離延遲比較低的機房，這邊我就選擇 Malaysia。

接下來，你可以選擇上傳檔案，但因為我們的專案已經同步到 GitHub，所以選擇匯入指定的 GitHub Repository 即可。

在與自己的 GitHub 建立連線後，你可以直接貼上 GitHub 專案的網址，然後選擇 Deploy 即可。

中間會詢問你一些部署的參數，你可以根據實際需求調整。

這邊我採用默認值來部署，接著稍等一段時間，它就會顯示部署完畢！

我們可以點擊這個臨時網址來驗證功能，首先你可以看到至少網頁是有成功渲染出來的，並且可以抓到留言，切換影片留言也會跟著切換，Markdown 檔案也可以順利下載。

走到這一步真的太感動了，還沒幫影片按讚的朋友，可以順手按個讚！

⑤ 系統上線後，才是考驗的開始

在這個專案中，我們使用套件而非官方提供的 API 來抓資料，雖然也能達到相同目的，但是有代價的。

大量使用可能被封鎖

首先，如果這個工具是你個人使用，那通常不會有問題；但如果變成網頁開放讓大家使用，一旦使用人數多了，就容易被官方判定為「異常」，進而被封鎖。

網頁可能會改版

另外我們使用的套件是參考網頁結構來取得資訊的，這代表當 YouTube 改版後，如果套件沒有跟著更新，你的程式就抓不到東西了。

不是對錯，而是取捨

講到這邊，可能會有人說：「那直接走官方 API 不是更穩定？」

沒錯，官方 API 更穩定，如果要打造正式產品，我也推薦走官方的路。

但如果你期待的是把專案 Clone 下來就能直接跑，不需要那麼多複雜的步驟，那今天這個範例就夠用了。

在真實世界中，沒有最好的方案，只有當下最合適的選擇。

結語：即使使用者只有你，在 AI 時代也值得開發

最後想跟大家分享我自己在 AI Coding 上的心得。我的本職是軟體工程師，寫了十幾年的程式。

過去評估一個工具值不值得做，看的是需要花多少時間，以及有多少受眾。

但在 AI 時代，這個邏輯改變了

如果工具能用 AI 製作出來，即使受眾只有自己一個人，那也值得做。

就拿彙整 YouTube 留言這個案例來說；我不確定多少人有相同需求，但我知道純手動會把自己搞死。

在手寫程式碼的年代，這個專案至少要花一個週末才能完成；而我一年可能只跑個兩三次，不太可能為了它投入這麼多時間。

但有了 AI 輔助 Coding 後，大家也看到了，只要指令足夠明確，把任務交給 AI，你就可以轉頭做其他事了

時間成本也從「一個週末」，變成「泡一杯咖啡的時間」

很多過去被判斷不值得做的工具，或許現在都值得做了；但這件事有一個前提，你要能把需求講清楚、把驗證邏輯交代好。

因為 AI 做完，不代表他做好了

好的，今天的分享就到這邊，如果這個系列有給你啟發與幫助；別忘了按讚、訂閱，並把文章分享給需要的朋友。

這篇文章要向大家展示 Manus 如何幫我們彙整電腦上的文件，並完成可交付的成果。

案例 ①：彙整專案資訊

過去執行專案時我有個困擾，就是不同部門、不同人，大家使用的文件格式都不一樣。

一個專案可能就涵蓋了 Word、Excel、PDF 等多個格式，這樣不管彙整資訊還是查資料都非常浪費時間。

而 Manus 桌面版可以協助減少跨格式整理時的手動搬運工作。選擇已授權的資料夾後，你可以用白話文請它整理專案摘要，並要求在結果中標註來源檔案，方便後續核對。

案例 ②：辨識圖片寫入 Excel

除了彙整資訊外，他還可以辨識圖片資訊，寫入 Excel；像這邊我有好幾十張收據照片，如果要自己手動填寫到 Excel 那真的非常痛苦。

但現在我可以請 AI 先確認 Excel 要填寫的欄位，然後逐一辨識收據自動寫入。

如果有難以辨識的，也會留空標黃，提醒我們要去人工複查。

與網頁版的差別

過去如果你使用的是網頁版的 AI Agent，會需要手動把資料上傳給 AI，檔案一多就會讓人崩潰；而且等 AI 處理完後，還要把結果下載下來，放到對應的的資料夾。

而今天的文章就是要解決這個痛點！

在你授權指定資料夾後，AI 可以根據任務讀取、分析並整理其中的檔案，產出供你驗收的結果。

省去了網頁版要上傳、下載、移動檔案，這些繁瑣的搬運工作。

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Manus 桌面版教學】讓 AI 操作電腦，從資料夾彙整報告、辨識圖片寫 Excel、自動填表單 | Desktop | AI Agent

• 🔗 Manus 邀請連結（多送 500 積分）
• 🎁 點擊連結可免費領取 Manus 1,000 積分（名額有限）

本集大綱

今天我會用 3 個職場常見痛點，讓大家了解 Manus 桌面版的應用場景：

1. 多格式資料彙整成指定報告
2. 批量辨識圖片寫入 Excel
3. 自動填入不同格式的表單

影片使用的 AI 工具是 Manus，如果你是第一次接觸，我過去有做一期影片帶大家掌握 Manus 的基礎操作：https://youtu.be/P4dO-vsiE1Q

讓 AI 操作前，先知道三件事

因為這次實戰會讓 AI 操作電腦上的檔案，所以要先下載桌面版的 Manus

官方網站：https://manus.im/download

提醒大家，在授權 AI 可以操作的資料夾後，他是有能力新增、修改、刪除檔案的。

所以在指派任務時，我會建議大家遵循 3 條規則：

1. 指定資料夾的範圍越小越好，如果涉及重要資料，建議複複製一份資料夾讓 AI 操作，避免不可逆的問題發生
2. 每個任務都會消耗 Manus 積分，因此執行大型任務時，我會採用「新增檔案」而不是直接修改原始檔案，這樣能更清楚掌握新產出的成果
3. 如果有刪除的需求，可以請 AI 將檔案放進指定資料夾，這類危險且不可逆的操作，由人來做最終判斷會比較安全

① 多格式資料彙整成指定報告

情境：凌亂的專案資料夾

第一個案例，我就拿職場最常見的痛點來舉例。通常我們每個專案都會有一個資料夾存放相關檔案。

但隨著專案進行，裡面的檔案會越來越多，甚至混雜著不同的格式；比如專案的規格用 Word 紀錄、進度透過 Excel 管理、外部資源可能是 PDF 檔，而會議記錄或報告又散落在不同的檔案中。

如果主管突然要你在一小時後，跟他報告專案現在的執行狀況，你可能得翻好幾份文件來彙整。

而彙整資訊的過程中，搞不好還要交叉比對哪份文件才是最新的。

指定資料夾，彙整指定報告

而這個過去讓人壓力山大的任務，在有了 AI 輔助後會變得輕鬆許多。

這邊我準備了一個「專案資料夾」的範例包，大家可以直接從 Google 雲端下載來練習。

接著把視角切回桌面版的 Manus，開一個新對話窗後；我們要點擊「Manus 桌面版」，選擇「新增本地資料夾」。

這邊就選擇剛剛下載的資料夾（project-files），選擇後會有彈窗提醒，授權後，Manus 就能在指定的資料夾範圍內，依照任務需求讀取或操作其中的檔案。 因此在授權本地資料夾前，建議先確認其中是否包含機敏資訊。

點擊允許後，我們貼上下面的提示詞，讓 AI 用摘要來告訴我們專案的進度、負責人，以及最新近況，並要求他在結論附上來源出處方便我們後續查證。

我要跟長官報告「這是什麼專案、現在進度到哪、誰負責什麼、最近發生過什麼決定」，每個結論都要標出處（檔名）。

但把指令送出前，跟大家分享一個小技巧。因為專案的檔案很多，如果你想要讓 Manus 加速處理，可以點擊下面的「更多」。

如果你跟我一樣升級到 Pro 版本，就可以看到「Wide Research」的選項，這是一個讓 AI 平行讀取檔案資訊，縮短等待時間的技巧，接著我們把指令送出。

Manus 在操作敏感的指令前，會先向你詢問，如果看不懂要做什麼，可以選擇「讓 Manus 解釋」。

還記得我們前面選擇了「Wide Research」嗎？因為他會消耗比較多積分，所以執行前會先詢問你，這邊我點擊「開始」

驗收報告

稍等一段時間，就得到了一份原本要花費很多力氣才能彙整的報告。

打開檔案後，你可以看到 AI 是根據我們要求的格式，依序列出專案摘要、進度、負責人、近期決策。

並且最後一欄有「出處」讓我們核實資料的正確性。

過去要勞心勞力的任務，現在泡杯咖啡的時間，就能得到一份可以驗證的報告。

② 批量辨識圖片寫入 Excel

情境：有一疊單據要寫入 Excel

這邊再分享一個我用起來很有感的功能。

在報帳的時候，我們需要把單據的類別、說明、金額、日期等資訊填寫到 Excel 表單。

如果只有兩三張還好，假如有好幾十張要填寫，你可能要花半天的時間在 key-in；而且人工處理，還容易看錯數字、打錯欄位。

先讀欄位，再逐張辨識照片

而這個痛點，我們一樣可以請 AI 幫我們自動處理；這邊我準備了一個「單據報帳」的範例包，大家可以直接從 Google 雲端下載來練習。

裡面有一份費用報帳表的 Excel，跟 20 張不同角度、格式的單據照片；有正拍、有歪的、還有光線不好的，以此來模擬真實情境。

這邊一樣點擊「Manus 桌面版」，選擇「新增本地資料夾」，然後選擇剛剛下載的資料夾（excel-receipt），點擊允許後，貼上下面的提示詞。

讀取[費用報帳表.xlsx]裡面的欄位後：
1. 逐張辨識[收據]內的照片
2. 一張照片填一列，最後一欄寫來源檔名
3. 看不清楚或不確定的欄位留空並標黃，不要猜
4. 核對沒有遺漏後，另存為[費用報帳表_已填寫.xlsx]。

送出指令後，跟大家解析一下我要求 AI 的執行順序：

1. 第一步是先讀 Excel 有哪些欄位，這是為了讓 AI 知道要抓哪些資訊
2. 接著要求一張照片一列，並標明來源檔名，讓我們在後續方便對照
3. 第三點是關鍵設計，我要求看不清楚的格子要留空、標黃，不要自己猜。因為 AI 辨識照片不是百分之百準確，與其讓他硬填一個錯的數字，不如標出來讓我們確認
4. 最後我要求他另存新檔，而不是複寫原有檔案，這樣可以讓我們保留原有乾淨的格式在下次使用

驗收 Excel

稍等一段時間，AI 就完成了單據照片的分析，並將數據寫入 Excel 當中

我們可以看到資料夾下多了一個「已填寫」的 Excel 檔案，打開後你可以看到每個欄位都有順利填寫

其中標黃留空的內容，我們也可以從來源檔名確認是哪個檔案有問題

像這邊我就特地準備了一個拍糊的案例，把照片打開後，可以看到他真的是糊掉了。

另外其他 AI 有正確辨識的欄位，建議大家還是要核對金額與單據號碼；畢竟你還是要為自己交付的東西負責任。

將複雜流程儲存為技能

另外大家在實作這個案例的時候，通常 AI 會花比較長的時間；這邊我們點擊右上角的「查看此任務中的所有檔案」。

你會發現除了交付給我的的 Excel 檔外，還有許多程式檔案。

這是因為讀取 Excel、辨識圖片、抽取資料、寫入 Excel 這些動作是需要寫程式來完成的。

在執行的過程中他可能會不斷試錯，但只要找到正確的路，之後就會順很多；而這條經過驗證可行的路，我們可以把它儲存成未來可以重複使用的技能（Skill）。

過去我有拍攝一集影片專門介紹，想深入了解的朋友，可以點擊連結回顧。

建立 Skill 的方式也很簡單，可以直接點擊 Manus 建議的指令，或用白話文跟他說：

幫我將這個工作流設計為 Skill

完成後，點擊「新增到我的技能」，這樣未來有報帳需求時，一句話就能重跑整個流程。

延伸應用

而辨識圖片儲存到 Excel 這套流程，其實可以應用到多個場景，業務可以拿來整理名片、行政可以整理請購單、店家可以整理進貨單。

只要是「照片裡有固定欄位資訊，要進表格」的需求，流程都是差不多的。

但記得重要資訊還是要人工複查，AI 只是省去了你手動 Key-in 的步驟。

③ 自動填入不同格式的表單

情境：表單規則多，資料散落各文件

最後一個案例，我想分享常常折磨我的「表單地獄」。

有些公司喜歡把各種資訊彙整到一份 Excel 制式表單方便管理，這會導致一份 Excel 會有多個分頁，而每個分頁的資料來源可能散落在 Word、PDF 等文件。

因此填寫時會需要來會比對，非常浪費時間；而在面對這類瑣碎的任務時，我們不妨換個思路。

先提供過去填寫的範例，讓 AI 讀懂 Excel 欄位的規則，然後再從你的來源資料抽出資訊，這樣填寫的準確度會高很多。

先讀規則、再抽資訊、最後填入

這邊一樣有個「表單填寫」的範例包，下載後裡面有一份要填寫的 Excel 以及其他要彙整的參考文件。

這邊我先打開「專案管理表」的 Excel，你會看到有 6 個分頁，前三個分頁我有做範例的標籤，這是為了讓 AI 掌握填寫規則。

後三個分頁則是空白，讓 AI 彙整來源資訊後進行填寫的。

回到 Manus 頁面，操作流程跟前面一樣，點擊「Manus 桌面版」，選擇「新增本地資料夾」。

然後選擇剛剛下載的資料夾（form-submissions），點擊允許後，貼上下面的提示詞

請根據下面步驟彙整資料，寫入[專案管理表_範例.xlsx]：
1. 透過範例分頁了解 Excel 的欄位與填寫規則
2. 用後面空白分頁建立新的 Excel，名稱[專案管理表.xlsx]
3. 從資料夾文件讀取所需資訊，用「純文字」的方式填入[專案管理表.xlsx]
4. 找不到或不確定的格子先留空、標黃，不要自己編

送出指令後，跟大家分析我設計的步驟：

1. 一開始先透過範例讓 AI 了解表單填寫方式，如果少了範例給 AI 參考，那最終填寫的準確度就會下降，所以「先讀懂規則」這一步千萬不能省
2. 然後我讓他用空白分頁建立新的 Excel，這是為了讓範例檔可以重複使用
3. 另外指定用「純文字」填入，是避免 AI 動到表單原本的公式與格式
4. 最後也提醒 AI：「找不到的留空標黃，不要自己編。」

驗收表單

稍等一段時間，我們可以看到資料夾下出現了我們前面指定檔名的「專案管理表」Excel 檔案。

打開後你可以看到 AI 把散落在不同文件的資訊，全部彙整到 Excel 對應的欄位，專案概要、參與人員、任務清單，各自來自不同的文件，全部歸位。

缺資料的部分也誠實標黃，讓你一眼看出哪裡需要人工補充。

過去要在文件跟表單之間來回比對抄寫，現在只剩下確認跟補漏。

在工作中導入 AI，是最快的學習途徑

最後幫大家回顧一下，在這個系列影片我們掌握了哪些技巧：

1. 首先是連接器，他讓我們在 Manus 就可以使用外部工具，不需要再多工具間來回切換。
2. 接著我們把驗證過的流程，封裝成技能；教會 AI 一次，它永遠記得
3. 然後建立專案，讓 AI 成為我們的第二大腦，回答時會參考指令與文件資源，不用重複交代背景
4. 而這隻影片則是最後一塊拼圖，指定資料夾後，讓 AI 接手電腦上的任務，直接交付成品

這四個功能不是獨立的，而是層層堆疊的。

連結器給 AI 手腳、技能給它 SOP、專案讓他擁有背景與記憶，Manus 桌面版則是讓他可以操作電腦上的檔案。這些功能組合起來，才是一套完整的 AI 工作流。

但看完影片，不代表你已經學會了，能把 AI 用在實際工作中，才算真的學會。

因為工作上的痛點，你自己最有感；而且這些任務每天都會遇到，等於每天都在練習、優化。

當 AI 真的幫你省到時間，你就會有動力繼續用下去；另外導入工作的過程中，你一定會遇到各式各樣的意外、不如預期的成果。

我覺得這些都是好事，因為它可以讓你知道，AI 不是完美的，進而思考我們要怎麼去引導它。

工具會一直更新，模型會一直變強。如果你學到的只是工具如何操作，半年後可能就過時了。

但你引導 AI 的思維，會一直跟著你；畢竟 AI 能幫你到什麼程度，取決於你怎麼引導它。

所以我會建議大家，從工作裡挑一個痛點，讓 AI 實際跑一次；過程中你可以大膽嘗試，但 AI 交付的成果，請務必親自驗收。

因為當你把成果交出去的那一刻，所有錯誤必須由人類來承擔。

好的，今天的分享就到這邊，如果這個系列有給你啟發與幫助；別忘了按讚、訂閱，並把文章分享給需要的朋友。

但我在金融、醫療、行銷、電子、通訊等產業講了上百場內訓，發現大家就算已經在工作中使用 AI，還是會問：

• 「為什麼開新視窗後，AI 不記得我們過去的對話？」
• 「專案資訊散落在信箱、行事曆跟雲端硬碟，每次都要找好久。」
• 「我只是要 AI 彙整報表、生成簡報，結果每次格式都不一樣！」

產業不同、職位不同，卡住的地方卻幾乎一模一樣。

每件事都需要：「重新交代背景 → 來回複製貼上 → 反覆調整格式」

但這些明明是 AI 能接手的機械式工作，只是我們已經習慣了這樣用它。

那要怎麼跳出這個習慣？

分享一下我在內訓現場的做法。

課程開始前，我會先跟同學說：「如果發現今天的案例有可以優化的地方，請直接舉手告訴我；我知道怎麼用 AI，但你們才是產業的專家。」

真實世界裡，正確答案往往不只一種，更多時候我們是在做取捨。

但很多人用 AI，只想拿到「一個答案」。

拿到不符預期的結果，就覺得是 AI 不好用。

你大概也遇過這種長官，交代任務時丟下一句「幫我處理」就走了。

什麼細節都問不到的狀態下，你只能用猜的；但交出去的成果往往換來一句「這不是我要的」。

我們對 AI，常常就是那個長官：「產業、角色、能動用的資源都沒交代，卻期待它一次給出對的答案。」

所以我跟 AI 協作時，不會直接要答案，而是反過來：

「請它反問我缺什麼資訊 → 從不同面向給幾個版本 → 挑最接近的那個往下改」

需求一開始講不清楚沒關係，重點是每輪討論都離你的期待更近一點。

等你和 AI 討論出符合期待的成果，還可以更進一步。

還記得開頭那三個問題嗎？它們各自有解。

1️⃣ 開新視窗就失憶？

→ 依主題建立「Project」，專案背景、指令，交代一次就好。

2️⃣ 資料散落在信箱、行事曆、雲端？

→ 接上「Connector」，讓 AI 自己去讀 Gmail、Google Drive、Notion，不用再複製貼上。

3️⃣ 每次產出的格式都不一樣？

→ 把流程封裝成「Skill」，教會 AI 一次，它就永遠記得。

很多事 AI 做得到，只是我們沒想到可以這樣用。

我開設這堂線上課程的初衷，是希望能解決你的真實痛點、並打造適合自己的 AI 工作流。

把雜事交給 AI：先學會跟它對話、和它討論，再用 Project、Connector、Skill 打好地基，最後把電腦裡的文件也交給它彙整。

課程後半段，我還想帶你做過去要「工程師」才能做到的事。

就算第一次接觸程式，也能用 Claude Code 做出解決自己痛點的小工具。

並分享如何搭配 Git 來為每個進度建立「存檔點」，像打電動一樣，改壞了就讀檔重來。

也許有人會想，這些資源網路上不是都有嗎？

是的，都有。

現在外面有太多看起來很炫的 AI 示範，但如果你真的有嘗試過，你會發現實際能落地非常少。

那是因為，他們沒有從零開始、只講成果跟目標；但當你想實作時，很容易遇到問題、卡關。

我自己在 Medium 也寫了上百篇文章，拍了幾十部 YT 教學影片。

但文章和影片有個先天限制：「一次只能專注在單一主題」

它適合讓你快速認識一個工具，卻很難帶你把整套工作流從零建起來。

如果你也想把 AI 從「有在用」，變成一套真正融入工作的流程，這堂課會告訴你每一步該怎麼做。

線上課程正在籌備中，讓我更瞭解你的需求

填寫問卷領取折扣 👉https://lihi1.me/R678K

先透過實戰案例，讓大家了解 Manus 的專案可以如何應用

不用重複交代背景

首先，設定好專案的指令與文件後，你就不需要重複交代背景。

比如請他寫一篇耶加雪菲到貨的 FB 貼文，AI 會先參考「品牌指南」與「文案範本」的說明後再做生成。

檢查是否有禁用詞

另外設定好要遵守的規則後，如果要求加上「全台最強、預防帕金森氏症」這類宣傳詞，AI 會拒絕並給予建議修正方向。

減少 AI 幻覺

而詢問他不存在的產品多少錢，他也會誠實回饋「沒有記錄」不會唬爛。

為什麼 AI 在一般對話窗做不到？

以上這些成果，都是把專案設計好才能享受的，他解決了一般對話窗的兩大痛點：

痛點 ①：對話越長，AI 越笨

像我們過去跟 AI 討論問題時，往往需要多個來回才能得到滿意的成果；但接著問新問題，他的回答卻越來越不對勁。

原因是 AI 回答前，會參考前面的對話內容。但舊對話中的試錯過程與被推翻的版本，都是跟新問題無關的雜訊，由於這些雜訊會干擾 AI 抓重點，品質自然越來越差。

痛點 ②：開新對話，一切重來

面對這個問題，大多數人會選擇開一個新對話窗；但這樣背景要重新交代、文件要重新上傳，非常繁瑣且浪費時間。

可能這時有人會說：「AI 不是有記憶的功能嗎？」

沒錯，Manus 在個性化的部分，可以記住你的基礎資訊與個人偏好；但如果你需要 AI 在特定的背景知識上，回答問題、做出決策、甚至產出成品。

你需要的是建立「專案（Project）」，把資訊沉澱下來，這樣之後對話不用重新交代背景。

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Manus 專案教學】別再重新交代背景！建立專案讓 AI 變成你的第二大腦 | Project | AI Agent | 知識庫

• 🔗 Manus 邀請連結（多送 500 積分）
• 🎁 點擊連結可免費領取 Manus 1,000 積分（名額有限）

本集大綱

1. 用「指令＋文件」，建立專案記憶助理
2. 讓 AI 修改文件，知識庫即時更新
3. 技能＋排程＋連接器，讓工作流自動化
4. 分享給同事，讓專案變成團隊的共享大腦

影片使用的 AI 工具是 Manus，如果你是第一次接觸，我過去有做一期影片帶大家掌握 Manus 的基礎操作：https://youtu.be/P4dO-vsiE1Q

① 用「指令＋文件」，建立專案記憶助理

第一步我們要解決的痛點是「AI 的記憶問題」。

假如你今天待在一間行銷公司，手上可能同時要經營多個品牌，但每個品牌都有自己的調性。

如果想要撰寫宣傳文案，除了要對品牌有一定程度的認知外，還要了解行業法規避免觸犯禁用詞。

而這些資訊別說是新人了，即使是已經熟練業務的資深員工，在手上有多品牌的狀態下，還是容易精神錯亂。

建立專案

面對這個痛點，我們可以根據不同的品牌建立對應的專案；比如接到「上班補給站」這個咖啡品牌的案子。

你可以先找到側邊欄的「專案」，然後點擊「+」來建立新專案。

專案名稱我就貼上「上班補給站 | 品牌經營」方便辨識

填寫指令

再來要填寫專案指令，這個非常重要，如果沒有填寫，Manus 就少了一層可重複套用的行為準則。

## 角色設定
你是「上班補給站」的品牌文案助理，負責產出社群貼文、EDM、商品文案與活動標語。
所有產出都以專案的文件為準：
- 語氣與禁用詞 → 依「品牌指南」
- 貼文結構與寫法 → 參考「文案範本」
- 價格、產地、風味 → 依「產品資訊」
## 回答原則
1. 價格、產地、成分這類事實資訊，一律以「產品資訊」為準，並標明出處。
2. 文件找不到的品項或數字，明說「目前產品資訊沒有記錄」，不要臆測或補完。
3. 品項名稱要跟「產品資訊」完全一致才算找到；只找到相近名稱時，要提醒「找不到 A，只有名稱相近的 B」，不要當成同一個產品回答。
4. 文案完成後自我檢查一次，踩到品牌指南的禁用詞就主動改寫，並告訴我改了哪裡。
## 語氣規則
1. 溫暖、口語、像跟朋友推薦，不說教、不浮誇。
2. 一則貼文開頭第一句就要勾住人，不要用「大家好」「今天要跟大家分享」這種開場。
3. 專有名詞一律維持英文：手沖用 Pour Over、單品豆用 Single Origin。
4. 不要用驚嘆號連發（最多一個），不要用「最」「第一」等絕對化字眼（廣告法風險）。
5. 每則貼文結尾都要有一個明確的行動呼籲（CTA），例如「點擊連結預購」。
## 輸出格式
- 預設給「3 個版本」讓我挑：A 情感訴求、B 產品功能、C 限時促購。
- 每個版本附上建議的 Hashtag（3～5 個）。
- 字數控制：100～150 字。
## 你該主動做的事
- 我給你產品或活動資訊不完整時，先問我（價格、日期、限量數），不要自己編。
- 寫完後簡短說明「這篇主打什麼情緒或賣點」，方便我快速判斷。

① 角色設定

首先在「角色設定」這塊，除了指定身份外，也寫清楚「哪類問題去查哪份文件」，像語氣依照品牌指南、結構參考文案範本、事實依據產品資訊

② 回答原則

而回答原則這部分，我特別強調事實資訊以文件為準、要附出處；真的找不到就誠實說沒有，就算名稱相近也不能拿來充數，文案完成後要檢查是否用到禁用詞

③ 語氣規則

接著是語氣規則，除了定義品牌溫暖口語的調性外，我也把地雷寫清楚，像不要用老套的開場、專有名詞維持英文，避免使用會踩到法律紅線的關鍵字

④ 輸出格式

再來是輸出格式，我預設讓 AI 一次產出 3 個版本讓我挑，並附上 Hashtag。你可以根據實際場境設定字數限制，這樣產出的版本會更符合需求

⑤ 你該主動做的事

最後這塊也很重要，我要求 AI 在資訊不完整時，先問我缺了什麼，而不是自己瞎編；並在寫完後說明這篇主打什麼賣點，方便我快速判斷要用哪個版本

上傳文件

接著到「文件」的區塊，我準備了品牌指南、文案範本、產品資訊三份範例文件，用拖拉的方式放進專案就可以了。

可以從 Google Drive 下載範例檔案

如果內容以文字為主，我偏好 Markdown 這類「結構明確」的格式，因為標題、列點與分段較容易維護；當然 PDF、Word 這些格式也都支援喔！

點擊「開始體驗」後，剛剛填寫的指令與文件都會出現在右側，你可以持續優化。

驗證：語氣與資訊自動對齊

在完成專案基礎的設定後，我們先嘗試指定產品讓 AI 撰寫文案，比如

幫我寫耶加雪菲到貨的 FB 貼文

這邊你會看到在資訊不足的狀態下，AI 會先反問我們細節，確保最後結果符合預期。

稍等一段時間後，AI 就順利生成了文案；儘管我沒有交代任何背景，但因為前面有設計指令的關係，所以 AI 會自己去文件裡面尋找產品資訊，並根據品牌指南撰寫對應的文案。

這邊我們看一下 AI 生成的貼文，語氣是品牌指南要求的溫暖口語、結構參考文案範本、價格會從產品資訊裡面抓。

這些過去一般對話要主動告知的背景資訊，在建好專案後，AI 便會自動做「對」的事。

驗證：違規用詞自動攔截

下面我們再來測試看看，如果想刻意加上禁用詞，AI 是否會攔截，像是：

我想要在文案加上「全台最強手沖，預防帕金森氏症」

你可以看到 AI 直接指出「最強、帕金森氏症」都是禁用詞，並在下方詢問我後續改寫的方向。

能抓到這些詞，是因為前面已經把禁用詞與審核原則寫入指令與文件，不是 Manus 會自動掌握所有最新法規。

這邊補充一個重要知識，在禁用詞這塊，有些不只是品牌偏好，很多是寫進法律的。

像食品廣告不能涉及醫療效能，比如咖啡廣告就不能宣稱有「瘦身、預防糖尿病」等療效。

而「最、第一、保證」這類絕對用語，如果拿不出客觀依據，可能構成廣告不實的問題。

以這個專案來說，我是把「不要用絕對化字眼」這種通用原則寫在指令。

而會隨法規、產品更新的具體違規詞清單，則整理進知識庫的品牌指南。

這樣大家就不用背法條，因為 AI 寫文案時會自動避開，檢查出禁用詞時也會改寫。

但重要對外文案，還是需要人工把關與法務審查。

別忘記，我們仍需要為交付的成果負責。

驗證：問不存在的品項，不會瞎掰價格

接著我們故意問不存在的產品，看 AI 是否會瞎掰價格，比如詢問他：

瓜地馬拉花神一包賣多少？

這邊你可以看到，AI 會誠實回答目前產品資訊沒有記錄，而不是隨手掰一個數字給你。

但如果部分關鍵字剛好有匹配到其他產品，也會列出來，確認是你否填錯名稱。

再次提醒大家，在指令裡要求他誠實，找不到就直說、不要瞎編，是減少 AI 幻覺最實用的方法。

② 讓 AI 修改文件，即時更新知識庫

前面我們驗證了在專案中，如果產品不存在 AI 會誠實回答；但如果我們想更新專案文件的內容呢？

其實很簡單，你可以直接用白話文要求 AI 修改，比如剛剛缺少的「瓜地馬拉花神」產品，我們就可以透過下面指令給出明確的產品規格。

這邊我使用了官方 manus-api 的 Skill，它能透過 API 更新目前 Project 的文件

/manus-api 更新專案的「產品資訊」文件，補上「瓜地馬拉花神」如下資訊：
SKU: DB-GUA-FLOR
單品濾掛、瓜地馬拉花神、一盒 10 入、售價 NT$360，風味是中焙，花香、蜂蜜與柑橘

稍等一段時間，你可以看到 AI 調整完產品資訊後，詢問我們是否要套用：

套用後，可以點擊右上角「查看此任務中的所有檔案」，打開後在濾掛咖啡最下面，就能看到剛剛新增的「瓜地馬拉花神」品項。

驗證：開新視窗可以查到

如果想要更精準確認產品資訊是否更新；也可以在專案開新視窗來驗證，這裡貼上一樣的問題：

瓜地馬拉花神一包賣多少？

這次 AI 就可以順利回答對應的售價了

同時他也把名字類似的產品列出來給我們參考，並說明只有綠掛沒有單品豆的選項。

同時我們也印證了一個細節，儘管專案裡每個對話視窗的上下文獨立，但文件是可以共用的；所以只要文件更新了，之後開的每個對話都會拿到最新版。

③ 技能＋連接器＋定時任務，讓工作流自動化

在瞭解如何新增、修改專案的背景資訊後；接下來要教大家如何把「技能」與「連接器」應用到專案中。

建立技能：生成文案配圖

以品牌行銷舉例，除了寫文案外，最需要的就是搭配圖片素材了，所以這邊我要建立一個「生成文案配圖」的技能。

如果說專案裡面的指令跟文件是讓 AI 知道背景資訊，那我覺得技能就是一個可以讓多個專案通用的 SOP。

所以我們要在專案外開一個新的對話窗來生成，避免他被專案文件影響。

技能可以透過白話文來生成：

幫我建立一個名為 [post-image-generator] 的技能，用途是幫社群文案生成配圖：
## 圖片規格
1. 比例固定 1:1。
2. 風格為真實攝影感：自然光、真實材質、淺景深，不要插畫或 3D 卡通感。
3. 畫面上不要出現任何文字、Logo 或浮水印。
## 產圖流程
1. 先閱讀文案，萃取三個元素：主角產品、場景、情緒氛圍。
2. 若專案知識庫有「品牌指南」，參考其中的品牌色與視覺關鍵字設計畫面。
3. 依以上元素撰寫生圖 prompt 並產圖。
## 注意事項
- 以情境畫面為主，不要嘗試還原真實的產品包裝。
- 畫面只能出現文案提到的品項，資訊不足以決定場景時先問我。

① 圖片規格

在圖片規格這塊，除了固定 1:1 的比例與真實攝影感外，我特別要求畫面不能出現文字，因為你很難掌控 AI 把文字設計在哪裡，需要文字的話，用後置加上去會更穩定。

② 產圖流程

而產圖流程我要求它先從文案萃取「產品、場景、情緒」三個元素，再參考品牌指南的品牌色與視覺關鍵字設計畫面，所以這個技能在其他專案使用時，風格會自動跟著那個品牌走。

③ 注意事項

最後在注意事項中，我要求以情境畫面為主，不要嘗試還原真實的產品包裝，這樣我們拿到素材後，運用上會更靈活。

稍等一段時間，AI 就會把這段需求整理成技能，記得點擊「新增到我的技能」，這樣後續才能觸發喔。

在專案新增技能

接著我們再回到「上班補給站」的專案，在右側技能的部分點擊「新增」。

選擇「從我的技能匯入」，這邊就能看到剛剛我們建立的技能了，打勾後，點擊右下角「新增」便可生效。

測試技能：文案自動變成配圖

接下來我們先請 AI 寫一篇「巴拿馬 藝伎」的活動貼文，然後請他用這個技能來生成配圖。

幫我寫一篇活動倒數的 FB 貼文
從產品資訊找「巴拿馬 藝伎」資訊
限量 100 包，5 天後截止，價格為原價的 8 折，在官網預購
完成後使用 /post-image-generator 生成圖片

稍等一段時間，你可以看到 AI 除了生成文案以外，還根據內容生成了對應的示意圖。

如果你想要得到直接涵蓋文字的宣傳圖片，也可以根據自己的需求自行優化技能。

假使你想更深入了解「技能」的應用，我過去有拍一集影片深入講解，可以參考這集影片。

搭配 Gmail 連接器，讓 AI 寄信給你

確認與技能搭配可以生成文案與圖片後，我們可以再進一步設計排程，並搭配連接器，讓 AI 完成任務後寄信通知我們

但在設定排程之前，我們要先建立與 Gmail 的連接。

這邊我們要先點擊左下角的頭像，選擇「設定」；點擊側邊欄的「連接器」後，打開「瀏覽連接器」，輸入 Gmail，確認已經完成了綁定。

完成後，我們回到「上班補給站」專案，點擊上方連接器的「新增」，把 Gmail 打勾後「儲存」。

此時你就可以看到 Gmail 的 icon 出現在連接器中。

定時任務：每天早上 9 點，自動介紹一款咖啡

最後我們要來設計定時任務，我覺得這個功能非常棒！

儘管 AI 生成的結果未必能直接使用，但透過定時任務能夠督促我們推進任務。

這邊在右側「定時任務」點擊「新增」，然後選擇「建立新項目」，標題我們就打「咖啡推薦」、排程的部分設定為每日早上「09:00」、然後貼上下面的提示詞。

從「產品資訊」隨機挑一款還沒介紹過的品項
① 產出一篇介紹貼文
② 用 /post-image-generator 生成對應的配圖
③ 完成後透過 Gmail 寄信給我，附上貼文與配圖

如果你希望他自動執行，可以把下面的「略過確認」打勾。

但要特別提醒大家，只有經過多次測試，確認低風險的內部流程才考慮略過，像這邊的案例是寄信給自己。

如果你的排程是讓 IG 自動發文、群發郵件，或是其他對外不可逆的操作，建議保留人工審核。

測試定時任務

把定時任務設定完成後，可以點擊側邊欄「已排程」的分頁，確認「咖啡推薦」有出現在排程中。

未來每天早上 9 點 AI 執行完任務後，我們就會收到咖啡的文案與配圖。

不過排程任務設定完成後，建議大家先手動驗證成果是否符合預期，我們選擇一個排程任務，點擊「立即執行」。

這樣 Manus 就會直接觸發排程，等任務完成後你就可以到 Gmail 中，確認有收到對應信件，並且信件中有文案草稿與對應的示意圖。

未來你要做的，只剩下審稿、微調、發佈，過去是你去找 AI，現在是 AI 準時來找你。

④ 分享給同事，讓專案變成團隊的共享大腦

到目前為止，這個專案都是「自己」在用。

但專案還有一個非常棒的功能，你可以把它分享給同事一起協作。

分享 & 權限設定

操作很簡單，打開專案，點擊右上角的「分享」，輸入同事的 Email 便可送出邀請，而且每位成員的權限可以分開設定。

分成「可編輯」與「可使用」兩種。

以這個案例來說，可以給行銷團隊的組員「可編輯」的權限，讓大家一起維護品牌指南、補上最新的產品資訊。

而客服、業務這些跨部門的同事，給「可使用」權限就好，他可以進來查詢產品資訊，但無法改變文件內容。

然後切換到受邀請的成員帳號，你可以看到其中成員共享的是指令、文件資源，和技能這些資訊，而連接器與定時任務，是需要個別設定的。

所以不用擔心分享專案後，你綁定的 Gmail 會被同事拿去用；如果同事也想每天收到咖啡推薦，他需要綁定自己的連接器，並建立自己的定時任務。

另外每個人在專案裡開的對話是各自獨立的，除非主動分享，否則別人不會看到你的對話內容。

結語：留在腦袋裡的會消失，放進專案的是資產

相信看完前面的案例後，你就能理解專案的價值了。

過去想搞懂一個不熟的業務，你得先找到那個什麼都知道的人。

但人的時間與記憶都是有限的，對方可能沒有時間幫你講解；就算真的用心幫你講解，搞不好很多細節連他自己都忘記了。

而現在有了專案，有問題時大家可以先透過 AI 查詢，不需要再花時間找 keyman。

這樣專案執行起來就可以更順利，而不會因為某個人不在而卡住。

另外我覺得最實用的兩個場景，是新人培訓與專案交接。

過去新人報到，可能要先閱讀一堆文件，然後由前輩做基礎的培訓；但人的吸收能力有限，往往同樣的問題還會問很多次。

而交接更慘，大部分員工是離職前幾天才開始準備交接文件；這代表文件可能會缺東缺西，因為離職的心態通常是交差了事。

因此與其把這些東西留在大腦裡，不如在執行的過程中把它們整合進專案。

這樣新人入職有不懂的就能直接問，不用等到某個人有空，公司也不用擔心 keyman 哪天離職。

從個人到團隊，專案帶來的效益不是加法，是乘法。

最後我們來回顧一下今天的實戰：

1. 一開始我們用「指令＋文件」建立了「上班補給站」的專案記憶助理，寫文案會自動對齊語氣、攔截禁用詞，沒賣的產品會誠實說沒有。
2. 接著示範了新品上架，讓 AI 直接更新專案文件，並開新視窗去驗證有即時生效。
3. 然後用「技能＋排程＋連接器」串起工作流，每天自動挑一款咖啡產出文案與配圖，完成後寄信通知。
4. 最後把專案分享給團隊，設定好權限後，新人培訓與專案交接，不用再依賴 keyman 的大腦。

還記得開頭的兩個痛點嗎？有了專案，不同主題可以開不同的視窗討論，而且大家可以共用同一份背景資訊。

什麼時候值得開一個專案？

至於什麼時候值得開一個專案？

我的判斷標準很簡單：同樣的背景資訊，如果你已經交代超過三次，就開專案

與其每次重講，不如花一點時間把背景資訊設計好。

另外不同的品牌，建議分開建立專案

把所有東西塞進同一個專案，那 AI 也會混亂。

提醒一下大家，專案中 AI 能力，取決於你設計的指令與提供的文件品質

下集預告：Manus My Computer

到這邊，連接器、技能、專案三個功能就全部串起來了，但還有最後一塊拼圖，就是你電腦裡的檔案。

在系列影片的最後一集，我會分享 Manus 操作電腦檔案的能力，讓 AI 直接幫你整理混亂資料夾、把截圖分析轉存 Excel、自動填入不同格式的表單。

專案不是另一個對話視窗，而是一套可持續更新、重複使用的工作背景與規則。

痛點：缺乏教育訓練

首先是新人的教育訓練。

回想一下，當我們剛入職時，是不是需要公司前輩的帶領，你才知道做事的流程、報告的格式、專案的細節。

但並不是每間公司都有新人教育訓練，有些公司甚至沒有標準作業流程，全靠新人自行摸索。

在這樣的狀況下，會因為每個人對任務的理解不同，導致交付成果的品質差異很大。

痛點：業務沒有代理人

再分享一個很多公司的陋習，就是複雜的業務流程只有某位員工知道。

這除了導致能者過勞的問題外，還會讓對方請假也不得安寧，因為遇到狀況時沒有代理人能處理。

更慘的是，如果他一氣之下離職，可能連完整的交接文件都沒有，後續接手的人只能從頭摸索。

痛點：複製貼上類似的提示詞（Prompt）

另外，如果你已經使用了一段時間的 AI，應該會發現自己最常用的提示詞大概就是那幾個。

但這些指令可能散落在筆記本、Notion，甚至是聊天記錄中。

真的要用時，可能還分不清楚哪個才是最後一版，而且還需要根據不同主題調整提示詞細節。

技能＝給 AI 的 SOP 手冊

如果這些痛點讓你產生共鳴，那一定不能錯過今天 Manus 技能（Skill）的實戰教學。

Skill 可以把我們驗證過可行的流程，變成 AI 能參考執行的 SOP 手冊。

教會 AI 一次，它永遠記得，未來遇到類似任務，它就知道如何應對。

這樣只要把公司做事的流程、報告的格式、專案要注意的細節設計成技能，新人就能在更短時間上手、交付的成果也會更穩定。

另外，複雜的業務流程也可以封裝成技能，讓同事可以在更短時間上手。

就算有人請假、甚至離職，任務也不會壓在同個人身上。

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Manus Skill 技能教學】教會 AI 一次，他永遠記得！讓 AI Agent 自動完成你的工作流

• 🔗 Manus 邀請連結（多送 500 積分）
• 🎁 點擊連結可免費領取 Manus 1,000 積分（名額有限）

文章大綱

1. 白話文建立第一個技能
2. 把對話流程彙整成技能
3. 搭配連接器存進 Notion
4. 分享驗證過的技能，匯入實用的技能
5. 技能運作原理，個人使用心得

影片使用的 AI 工具是 Manus，如果你是第一次接觸，我過去有做一期影片帶大家掌握 Manus 的基礎操作：https://youtu.be/P4dO-vsiE1Q

① 用白話文建立第一個技能

瀏覽預設技能

這邊我先帶大家看一下 Manus 有哪些預設技能，先點擊左側頭像，選擇設定。

然後選擇技能，這邊你會看到 Manus 根據不同情境，已經幫我們建立好許多實用技能了。

建立技能的方式

除了可以使用預設技能外，我們也可以根據需求打造專屬技能。

Manus 有提供幾種方式，最簡單的方案是「使用 Manus 建立技能」，你只要白話說出自己的需求，它會透過內建的技能創作者（skill-creator）來協助建立。

另外也可以上傳別人建立好的技能，或直接從 GitHub 匯入技能；這部分在第四小節會跟大家詳細介紹。

而最下面的「從官方技能添加」這塊，其實就是從預設技能中，打開你需要的就能使用了。

建立第一個技能

這邊我先以「使用 Manus 建立技能」給大家做個示範，點擊後，Manus 會有一個模板提示詞，點擊送出後，會看到一個技能應該具備哪些元素。

這邊分享我平常高頻率使用的技能，現在大家每天都會收到海量的資訊，但靠人力一一確認這這些資訊是否有用真的太累了。

所以我要帶大家建立一個「萃取網頁重點」的技能，把滑到的好內容分享給 AI，讓他變成更好吸收的重點，這邊我先貼上提示詞：

技能名稱: web-digest
當使用者貼上網址，沒有明確要求時，用瀏覽器打開網頁，先等 10 秒確保網頁渲染完成，先判斷內容類型，再萃取出該類型最重要的資訊
內容類型與萃取重點：
- [知識]：核心觀念、使用方式（具體怎麼做）、可行性評估（適合誰、前置條件、限制）
- [美食]：店名、地址、料理類型、價位、評價與推薦菜色、注意事項（ex: 要排隊、需訂位）
- [其他]：不屬於上面三類時使用，標註內容主題後，條列 3~5 個重點
輸出格式：
- 開頭固定為：內容類型、來源標題、一句話總結，接著列出該類型的萃取重點
- 使用繁體中文，條列清楚，方便快速閱讀
- 直接輸出整理結果，不需要額外解釋
務必遵守：
- 只根據網頁實際內容整理；遇到打不開、需要登入、付費牆的頁面，直接告訴我，不要看標題腦補
- 原文沒提到的資訊（ex: 地址、營業時間、價格）就留空，不要自己編

這段提示詞的 3 個設計重點：

• 第一，預先設計好選項，只讓 AI 在範圍內執行，像「內容類型」我就先定義了知識、美食這些選項；同時我想好「都不符合」時，有「其他」當保底，這樣分類才不會失控。
• 第二，格式由我來定，不讓 AI 自由發想。因為技能要的是「穩定重複」，比如美食我就是要地址、類型、評價，如果每次萃取的重點都長得不一樣，那就稱不上 SOP 了。
• 第三，也是這個技能的保險，打不開的網頁要直說，沒提到的資訊要留空。因為 AI 最常見的問題，就是網頁根本打不開，卻看著標題腦補一篇文章。你想想，要是他幫美食編出一個地址，你可能導航到現場才發現沒有這間店。

初步瞭解技能結構

稍等一段時間，技能就生成出來了：

我們把它點開來看看，你會發現有一個 SKILL.md，這就是技能的本體；上方的 YAML 是所謂的元數據（Meta Data）。

• name：我們指定的 web-digest
• description：技能描述，如果與 AI 對話的內容有匹配到，他就會自動觸發；觸發後，AI 才會閱讀下面的文字內容，也就是我們規範給 AI 參考的執行 SOP。

確認符合預期後，點擊「新增到我的技能」，之後我們在對話中就可以使用了。

未來想找已儲存的技能，可以點擊左下角頭像，選擇設定，打開側邊欄的技能後往下滑，在個人的部分，就可以看到我們剛剛新增的 web-digest 技能嚕。

這邊分享一個心得，AI 設計的技能，有時會有過度設計、冗贅資訊的問題；大家可以根據實戰結果調整細節，不一定要照單全收。

驗證技能 — 被動觸發

在技能建立後，提醒大家一定要實際驗證。

技能的觸發方式有兩種，第一種是用「意圖、關鍵字」被動觸發，這邊開一個新對話，貼上自己部落格的文章網址後直接送出。

https://deanlin.net/blog/202507/afteroffice1-15-years-one-book/

你可以看到，儘管我沒有輸入技能名稱，但如果 Manus 判斷這個需求與技能的描述匹配，就會自動套用了。

它正確判斷這是「知識」類型，按照我規定的格式，萃取出核心觀念、使用方式與可行性評估。

我會建議大家盡可能把技能得「描述」，讓他可以被動觸發，因為技能會越來越多，要把每個名稱記住太困難了。

驗證技能 — 主動觸發

但如果你希望主動觸發，那可以輸入斜線加技能名稱，開一個新對話窗，這次我改貼一篇 Threads 的美食文：

/web-digest 
https://www.threads.com/@deb_yaaang/post/Da7BZWvoA6n

可以看到它的輸出自動切換成[美食]模板，店名、地址、類型、評價都讀取出來了。

當你想穩定觸發技能，或是一段對話中綜合多個技能的功能使用時，主動觸發的方式比較穩定。

先完成雛形，再透過實戰迭代

在成功建立第一個技能後，先幫大家建立一個重要觀念：「一開始建立的技能，通常是不完美的。」

在使用過程中，你會發現許多需要優化的細節；比如美食相關的，你或許會希望直接得到 Google Map 連結方便查看。

而這些需求與問題，都可以直接用白話文請 AI 協助優化，比如我這邊可以跟他說：

我希望 web-digest 這個技能在遇到美食類型時，取得店名後，回傳 Google Map 的完整網址（須確保該網址可以瀏覽）

執行後，稍等一段時間，AI 就會完成優化，這邊記得要點擊「更新」，並選擇「更新技能」才會生效喔。

接著我們開一個新對話窗，驗證技能更新是否如預期

/web-digest 
https://www.threads.com/@deb_yaaang/post/Da7BZWvoA6n

這次我們就看到輸出有涵蓋 Google Map 網址了：

透過持續迭代，就能讓技能更貼近你的使用需求，而這就是價值積累的過程。

② 把過去與 AI 對話的流程，轉化成重複使用的技能

用 AI 一段時間後你會發現，好的結果往往要經過多輪對話才能得到。

但在得到期待的成果後，大部分的人都會直接關閉視窗，我覺得非常可惜。

因為這樣下次你還要從零開始，但如果把引導 AI 的過程設計成技能，未來就可以有更高的起點。

這邊我用「提案企劃」當示範給大家看。

在技能推出來以前，如果我想與 AI 協作建立一份提案企劃，會需要與它討論半小時以上，來回執行 7 段固定的提示詞，當時我覺得自己真的比 AI 更像機器人。

這邊我先展示當年 7 個步驟是如何設計的：

STEP 1：優化提示詞

一開始先簡單說明想完成的目標，比如給台灣新創行銷公司導入 AI的提案企劃；然後讓 AI 幫我優化提示詞，這可以讓需求描述更加精確。

我準備製作一個[給台灣新創行銷公司導入 AI]的提案企劃

以上面的 Prompt 為基礎，我要提供怎麼樣的 Prompt 可以得到較好回答？
請說明為什麼，並在最後舉出能得到專業回覆的 Prompt 範例。

接著 Manus 就給了我們一些建議，此時你可以選擇符合自己需求的複製下來，但不要急著送出。

STEP 2：讓 AI 反問

因為接下來我要讓 AI 反問，儘管提示詞已經優化過一次，但往往還有許多沒考慮到的地方。

```
貼上複製的 Prompt
```

在用這個 Prompt[撰寫提案企劃前]有任何問題，請先詢問我，不要直接產生。

像這邊就被問了許多實務上細節，我建議大家根據問題自行填寫，這樣結果才會更符合自己的需求。

STEP 3：補齊資訊

但這邊為了是示範，所以我讓 AI 扮演顧問的角色，用自問自答的方式補齊資訊

請扮演對這個領域非常熟悉的[產業顧問]，針對提出的問題給出具體詳細的回覆、不要逃避問題。

STEP 4：利害關係人

在取得詳細資訊的狀態下，我們可以請 AI 從利害關係人的角度來思考企劃可能存在哪些問題。

因為如果想讓一份企劃執行起來是否順利，不能只考量到自己：

請分析這份企劃最重要的[3]個利害關係人，從他們的角度和利益出發，詳細說明對這份企劃有哪些具體的[意見、建議、憂慮]？

STEP 5：彙整建議生成企劃

那在得到利害關係人的建議後，我們就能生成初版的企劃了：

請扮演[提案企劃]的專家，了解[利害關係人]的想法後，以最專業的角度撰寫企劃，設計出更完善、可行的方案。

STEP 6：扮演對手挑毛病

在得到第一版的企劃後，我通常不會直接採納，而是讓 AI 扮演競爭者的角色來挑毛病，這樣你會得到更全面的觀點：

你是這份提案企劃的[競爭者]，盡可能列出這份企劃的不足之處。
並說明自己可以做到哪些更完善、可行的方案。

像這邊你可以看到，從競爭者的角度來看，我們有還有許多細節可以優化。

STEP 7：生成最終版本

在了解競爭者的想法後，最後我們在讓 AI 扮演提案企劃的專家，重新完善這份企劃。

請扮演[提案企劃]的專家，在了解[不足之處、更完善的方案後]後，以最專業的角度，重新完善這份企劃。

在經歷以上繁瑣來回對話的步驟後，這份企劃的品質，以及考量到的面向，會遠遠比你只跟 AI 説「幫我寫提案企劃」好非常多。

把對話彙整成技能

但如果你每次寫企劃都要反覆貼上這些提示詞，那也太累了吧。

所以在確認最後的版本符合自己的期待後，你可以直接請 AI 把它設計成可以重複使用的技能：

/skill-creator
請根據以下要求分析上方對話內容後，整理成可重複使用的技能，名稱為[proposal-refiner]

1. 起初怎麼提問
2. 中間如何引導與調整
3. 最終是如何得出這個成果的

稍等一段時間，這個技能就生成了；我們先把它「新增到我的技能」。

驗證技能

接下來開一個新的對話窗，驗證這個技能是否真的讓我們可以用一句話就能觸發完整流程：

/proposal-refiner 我要做一份[給連鎖餐飲品牌導入 AI 點餐分析]的提案企劃，幫我做到專業可行的程度。

這邊你會看到在觸發這個 Skill 後，AI 不會預設立場直接產生企劃，而是先拋出問題詢問我們細節。

這樣才能確保最終的結果盡可能貼近需求，這邊我一樣讓 AI 來模擬回覆

請扮演對這個領域非常熟悉的[產業顧問]，針對提出的問題給出具體詳細的回覆、不要逃避問題。

回覆後，稍等一段時間，AI 就按造技能給的步驟，自動走完整個流程；而且每個步驟都有留下對應的文件，讓我們可以確認當時的決策。

經過這次驗證，我們確認了兩件事：

• 第一，AI 會根據主題確認細節再執行，而非用腦補的方式直接給出方案
• 第二，這個技能，換一個主題也依舊可以使用，初步確認 SOP 是可行的

最珍貴的是打磨成果的流程

我之所以會分享這個將對話彙整成技能的流程，就是想提醒大家，最珍貴的並不是別人的提示詞，而是你與 AI 對話打磨成果的過程。

網路上的提示詞跟技能的資源很多，但要能讓轉化成匹配自己工作流的技能，價值才有辦法持續累積。

③ 搭配連接器，把萃取的重點存進 Notion 知識庫

前兩個案例，我們製作的技能都是在「整理與產出」。

接下來我要跟大家示範一個進階用法，讓技能搭配連接器，讓 AI 幫你「自動儲存資訊」。

上一集我們透過連接器，讓 Manus 可以直接操作 Gmail、Google Calendar 與 Notion 這些外部工具。

接下來，我就會透過實戰，把兩者組合起來。

痛點分析

還記得我們在第一個案例，設計了分析網址內容的技能嗎？

用一段時間後你會發現一個問題，那就是我們把內容萃取出來後，對話一關就不見了；這樣不管「知識」還是「美食」都是一次性的資訊。

所以接下來，我們要優化這個技能，讓他把萃取完的重點自動儲存到 Notion，變成可以隨時查找的長期記憶；但在優化這個技能前，我們有兩件事要做。

1. 連上 Notion 連接器

點擊左下角頭像，選擇設定，然後在側邊欄選擇「連接器」；進入瀏覽連接器，搜尋 Notion，確認已經建立連接。

2. 準備知識庫範本

接下來，我們要準備給 Manus 寫入的 Notion 知識庫。

你可以請 AI 幫你設計，或直接複製我的模板，範例連結我放在影片描述欄，點擊右上角的「建立副本（Duplicate）」，就會存進你自己的 Notion。

https://kaput-lord-cf7.notion.site/manus-3a71a22ceed9812f90abf2172450478a

升級 web-digest 技能

接著我們直接請 AI 幫忙升級：

請幫我升級 [web-digest] 技能，在原本的流程後面加上：
1. 萃取完成後，先確認是否已經與 Notion 建立好連接
2. 若有建立連接，確認 Notion 是否已經建立好「manus-知識庫」頁面
3. 找到 manus 知識庫頁面後，根據類型於「知識庫、美食庫、其他收藏」頁面下新增資訊，需包含「建立日期、來源網址」
4. 最後回應要包含 Notion 頁面連結

稍等一段時間後，這個技能就完成了升級，不只有分析網址內容的功能，還可以直接儲存到 Notion 知識庫。

記得要點擊「更新」，並選擇「更新技能」才會生效喔。

驗證工具

在技能升級後，我們開一個新的聊天室來實測一下；我貼上一篇 Threads 的文章連結。

/web-digest 
https://www.threads.com/@_qqzy/post/Da1eQNcE33I

稍等一段時間，AI 判斷出這篇文章是[美食]類型，並把店名、地址、類型、評價全部讀取出來。

並且自動儲存到 Notion 當中，這邊我們點擊連結，可以看到有成功紀錄，欄位也都有填對。

第一次執行時，會花比較久的時間，這因為 AI 還不確定工具如何使用，所以在完成後，你可以跟他說

根據剛剛成功操作 Notion 的步驟，請幫我優化 [web-digest] 技能

這樣未來使用這個 Skill 時，會更有效率。

自動成長的知識庫

而這個知識庫會隨著時間持續成長，就像我用來記錄 AI 技術的知識庫已經成長的非常大了。

當然知識的價值並不在於紀錄，而是後續的使用；還記得上一集我們把 Notion 變成可以問答的 AI 嗎？

現在我們已經把這條路從讀取、寫入、彙整全部打通了，比如我們可以詢問

列出存在 Notion [manus-知識庫] 的北部下午茶美食資訊

儘管我們輸入的查詢條件很模糊，但最後 Manus 還是有成功查詢到我們剛剛儲存進去的資訊了。

④ 分享驗證過的技能，與匯入實用的技能

如果跟著教學操作，你已經建立了 web-digest 跟 proposal-refiner 兩個技能了。我覺得技能最棒的地方，就是你可以把它分享給其他人使用。

分享技能

這邊我們點擊左下的頭像，選擇設定，點擊技能的分頁；如果想分享自己建立的技能給朋友，點擊目標技能後，選擇右上角的「…」，按下載就會得到一個「xxx.zip」格式的壓縮檔。

為了測試匯入，我們先把這個技能刪除；然後點擊右上角的「建立」，選擇上傳技能，匯入剛剛的「xxx.zip」壓縮檔，就可以看到技能重新建立嚕～

了解分享技能的方式後，其實就代表資深員工的經驗，終於可以用檔案的形式交接，而不是口耳相傳。

前輩驗證過的流程，可以直接發給整個部門，讓大家產出品質更一致的成果。

而新人報到，在匯入幾個技能後，就能更快上手公司的業務。

這就幫我們解決開頭提到的痛點，流程不會只有某位員工知道，並且有了技能後，我們也不再需要重複貼上提示詞。

匯入第三方技能

最後再跟大家示範一個匯入第三方技能的操作。

網路上有很多人分享自己建立好的技能，這邊我就跟大家分享一個自己設計 IG 圖卡的技能。

我把它放在 GitHub 這個平台上面，想嘗試的朋友我有把連結放在影片資訊欄，歡迎路過幫我按個 Star。

GitHub - dean9703111/ig-card-generator: Agent Skill：把文章／筆記／逐字稿提煉成 IG 輪播知識圖卡。Markdown DSL → lint 把關… Agent Skill：把文章／筆記／逐字稿提煉成 IG 輪播知識圖卡。Markdown DSL → lint 把關 → Puppeteer 產出 1080×1350 PNG，深淺主題一次搞定 … github.com

這邊回到 Manus 頁面，我們選擇「從 GitHub 匯入」，然後貼上網址，建立完成後，我們開啟一個對話窗來測試看看。

/ig-card-generator 替換帳號:deanlin5288

```
今天想跟大家分享 Manus 的技能（Skill）如何幫我們解決職場以及 AI 使用的痛點
### 痛點：缺乏教育訓練
首先是新人的教育訓練
回想一下，當我們剛入職時，是不是需要公司前輩的帶領，你才知道做事的流程、報告的格式、專案的細節。
但並不是每間公司都有新人教育訓練，有些公司甚至沒有標準作業流程，全靠新人自行摸索。
在這樣的狀況下，會因為每個人對任務的理解不同，導致交付成果的品質差異很大。
### 痛點：業務沒有代理人
再來第二大痛點，複雜的業務流程只有某位員工知道
如果某項業務長期倚賴單一員工，那他通常請假也不得安寧，因為遇到狀況時沒有代理人能處理。
更慘的是，如果他一氣之下離職，可能連完整的交接文件都沒有，後續接手的人就只能從頭摸索。
### 痛點：複製貼上類似的提示詞（Prompt）
另外，如果你已經使用了一段時間的 AI
應該會發現自己最常用的提示詞大概就是那幾個
但這些指令可能散落在筆記本、Notion，甚至是聊天記錄中
真的要用時，搞不好還分不清楚哪個才是最後一版，而且還需要根據不同主題調整提示詞細節
### 技能＝給 AI 的 SOP 手冊
如果這些痛點讓你產生共鳴，那一定不能錯過今天 Manus 技能（Skill）的實戰教學。
他可以把我們驗證過可行的流程，變成 AI 能參考執行的 SOP 手冊。
教會 AI 一次，它永遠記得，未來遇到類似的任務，就知道如何應對。
這樣只要把公司做事的流程、報告的格式、專案要注意的細節設計成技能，新人就能在更短時間上手、交付的成果也會更穩定
另外，複雜的業務流程也可以封裝成技能，這樣同事可以在更短時間上手成為代理人
就算有人請假、甚至離職，任務也不會壓在同個人身上
```

在最上面的地方，我是放上自己的 IG 帳號，而下面就是今天影片開頭的逐字稿；稍等一段時間，我們就可以看到圖卡生成出來了！

資安提醒

不過也趁這個機會提醒一下大家，匯入第三方的技能是有風險的；這邊把視角切回 GitHub，風險來自幾個地方，首先是 SKILL.md。

如果有心人士在這裡寫一些危險的提示詞，比如將你的一些個人資訊傳到某個網址之類，就可能造成隱私外洩的問題。

另外像這個 Skill 有設計程式腳本（Scripts），這裡也是有操作空間的；所以建議大家如果真的要使用第三方技能。

可以看一下這個發佈這個技能的人是否可信，以及專案獲得的 Star 數量來初步判斷。

⑤ 技能原理，個人使用心得

最後跟大家分享自己這段時間的實戰心得

增加觸發成功率

首先，把技能建立完成後，如果你沒有使用「/技能名稱」的方式觸發；他可能與到相似情境時也未必觸發，如果想優化他，就需要在「描述」的部分下功夫。

描述要寫清楚使用時機與觸發關鍵字，而不是只寫功能。

技能不是越多越好

另外，技能並不是裝越多 AI 就越強。

如果安裝了兩個以上功能相近的技能，在沒有明確指定要使用哪一個技能時，AI 可能會隨機觸發。

比如你今天有撰寫文案的需求，與其安裝多個同類型的技能，不如先進行測試，選擇其中最符合需求的一個，再根據實際使用情況持續優化。

搭配排程觸發技能

假使你有需要定時重複執行的任務，可以先讓 Manus 完整執行一次，在確認結果符合預期後，再將它設定到程任務中。

像我就設定了兩個排程，一個是在週一早搜尋 Mail 告訴我這禮拜的行程，另一個則是週末晚上幫我復盤這週儲存到 Notion 的筆記。

這邊我有在排程的指令中要求他使用 Skill，來確保每次執行的流程與結果保持一致。

結語：建立專屬技能，安裝必要技能

最後我們來回顧一下今天的教學：

1. 一開始我們用 Manus 內建的技能，用白話文就做出了「萃取網頁重點」的 web-digest 技能。
2. 然後把過去需要多輪對話的引導流程，轉化為 proposal-refiner 的技能，這是想讓大家記住，最珍貴的不是別人的提示詞，而是你打磨成果的流程。
3. 接著用白話文升級 web-digest 技能，讓它能搭配連接器把萃取的重點存進 Notion，變成會自動成長的知識庫。
4. 最後示範技能的下載與匯入，讓好經驗可以用檔案交接，不再鎖在某個人的腦袋裡。

好的，今天的分享就到這邊。

技能讓 AI「知道步驟」，那有沒有辦法讓 AI「知道事實」呢？

下一集，我會分享 Manus 的「專案（Project）」功能，解決每次對話都要重新交代背景的痛點。

而且專案還能把我們學到的連接器、技能都加入進去，甚至讓同事一起維護。

讓 AI 成為我們的第二大腦！

這些年我講了上百場的企業內訓，發現不管是金融業、製造業、行銷業或科技業，其實大家遇到的問題都很類似。

所以接下來，我會拍攝一系列 AI 的教學影片，從工作上的痛點出發，並透過實戰帶大家瞭解這些問題要如何解決。

這隻影片會先從「連接器（Connector）」開始，讓大家了解 AI 如何使用外部工具，這樣我們就可以把任務集中在 AI Agent 完成，而不用根據任務切換工具。

接下來則會分享如何把工作與生活上的既有流程封裝，設計成可重複執行的「技能（Skill）」，讓 AI 未來接到相似任務時，知道明確的執行步驟。

然後根據手上的「專案（Project）」，設計對應的知識庫，讓 AI 成為我們的第二大腦，這樣對話時就不需要重複交代背景，而且可以與同事一起享受成果。

最後則會分享如何讓 AI 協助彙整我們「電腦上（My Computer）」的複雜文件，完成分析圖片轉存 Excel，以及自動填入不同格式的表單的任務

如果你想打造一套完整的 AI 工作流，那這系列的影片會告訴你每一步該怎麼做。

影片使用的 AI 工具是 Manus，如果你是第一次接觸，我過去有做一期影片帶大家掌握 Manus 的基礎操作：https://youtu.be/P4dO-vsiE1Q

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Manus 連接器教學】不是 AI 不好用，是你還在當人肉搬運工！接上 Gmail、行事曆、Notion 讓 AI Agent 完成任務 | Connector | MCP

• 🔗 Manus 邀請連結（多送 500 積分）
• 🎁 點擊連結可免費領取 Manus 1,000 積分（名額有限）

沒有連接器，人類就是搬運工

在進入實戰前，我先帶大家回想，過去我們是怎麼跟 AI 互動的？

複製來複製去，人類比 AI 更像機器人

比如你想讓 AI 幫忙回一封信，是不是先把信件內容複製起來，貼給 AI 請它寫草稿？

但這個流程存在幾個個問題：

1. 如果這是一串來回對話的信件，AI 並不會知道你們過去聊了些什麼，因為它只拿到最後一封的資訊。
2. 在這樣的狀態下，AI 可能會因為資訊不足詢問你更多細節；假如你沒有認真回覆，當 AI 的答案不如預期時，問題可能出在你給的資訊不夠。
3. 另外，你在得到 AI 答案後還要切到信箱視窗貼上回覆。

在這段操作中，你在做的事情只是搬運資訊。

資訊太多不知道如何找

這邊再舉一個案例，有些公司會使用 Notion 作為專案管理工具。

但隨著專案的時間拉長，裡面的會議記錄、需求規格會越來越複雜，而且一個人手上可能同時負責多個專案。

再加上公司可能會有人員的流動，因此幾個月後當主管或客戶問起專案的某個問題時。

你可能早就忘記過去的決策，甚至是第一次接觸這個專案的同事，連搜尋的關鍵字都不知道怎麼下，所以要花很多時間在考古上。

建立連接器，讓 AI 接上你的日常工具

如果前面這些痛點讓你感到共鳴，我們在 Manus 建立連接器後，都可以迎刃而解。

人類的價值應該在於決策，而不是這些瑣碎、重複的操作。

點擊左側頭像，選擇「設定」，在側邊欄可以看到「連接器」的分頁。

點擊「瀏覽連接器」就能看到 Manus 已經幫我們預設許多可以直接使用的工具。

我們只要開啟對應工具的權限，Manus 就可以透過 API 進行操作，而 API 你可以理解成工具開給程式呼叫的服務窗口。

那今天我會以 Gmail、Google Calendar、Notion 這些日常工具做示範。

以前寫信要開 Gmail、建立行程要開 Google Calendar、查資料要翻 Notion，不同工具切換很耗費精神；但設定好連接器後，這些任務就能在 Manus 集中管理。

這邊也補充一個小知識，這類工具連結的背後，有一個通用的技術標準叫做 MCP。你可以把它想像成 AI 世界的 USB 窗口，只要符合這個標準的工具，都可以接上 AI。

另外 Manus 也支援自訂 API 與 MCP，如果你想連接的工具沒出現在列表上，也可以自行新增。

文章大綱

今天會帶大家實戰 4 個，馬上就能在工作應用的案例，最後再加碼工程師可以嘗試的進階應用。

1. 連接 Gmail，讓 AI 整理信件、建立標籤
2. 查詢 Gmail，彙整多封信件的討論脈絡
3. 搭配 Google Calendar，把混亂討論建立成事件
4. 授權 Notion，把知識庫變成可以問答的 AI
5. 自訂 API，接上不在列表裡的工具

風險提醒

這邊先提醒一下大家，授權連接器，等於把工具的操作權交給 AI。

所以後面的案例中，我也會示範如何在提示詞裡設計「保險機制」。

① 連接 Gmail，讓 AI 整理信件、建立標籤

這邊先從大家日常會使用的信箱開始，相信很多人的信箱都是爆炸的狀態，裡面充滿垃圾信、電子報、行銷廣告、過期會議邀請…

而這可能會導致真正重要的信被埋在下面。

但刪除信件很麻煩，我也懶得將廣告信一一封鎖；既然你也有這樣的想法，那我們就把這個任務交給 AI 吧！

建立 Gmail 連接

這邊我們把畫面切到 Manus，回到剛才介紹過的連接器頁面；在瀏覽連接器的部分貼上「Gmail」。

打開點擊連結後，選擇要授權的信箱，就會跳出 Google 的詢問頁面。

完成授權後，就會再跳轉回 Manus 畫面，看到信箱出現在上面就代表成功嚕～

連結完成後，點擊「試試看」開一個新的對話，你會看到官方一開始就有提供一個提示詞的模板讓你了解如何使用。

可以點擊「發送」檢查功能是否正常，並得到初步說明。

提示詞解析：分類規則與保險機制

確認功能符合預期後，可以貼上這段提示詞讓 AI 協助分類信件：

幫我整理 Gmail 最近 30 天內未標籤的信件（最多 [50] 封），步驟如下：

## 第一步：分類打標籤
閱讀每封信的寄件人、主旨（不需閱讀內容），依下列規則加上標籤：
- 🔴 重要：來自真人（非系統信）、需要回覆或行動、來自我的聯絡人
- 📁 封存：通知類、收據、訂單確認、已讀但無需回覆
- 🗑️ 刪除候選：促銷、電子報、自動發送的廣告信、過期的會議邀請、寄件人是 no-reply
有疑慮時，優先歸入「封存」而非「刪除候選」。
## 第二步：整理廣告寄件者清單
找出符合以下任一條件的寄件者：
- 過去 30 天內寄超過 2 封促銷/電子報
- 主旨含有「優惠、折扣、限時、unsubscribe、newsletter」等關鍵字
- 寄件地址為 no-reply@ 或 marketing@ 開頭
輸出格式：
| 寄件者名稱 | Email 地址 | 封數 | 建議動作（取消訂閱／封鎖） |
## ⚠️ 執行前確認
以上兩步驟完成後，先給我清單讓我確認，
我明確說「確認執行」後，才進行標籤套用動作。

送出後，我先跟大家解析這段提示詞的設計重點：

① 首先是範圍限制，我要求他搜尋 30 天內未標籤的信件，並且最多 50 封；我們先確認小範圍的執行符合預期後再擴大，避免浪費積分。

② 然後是分類規則，我把「重要、封存、刪除候選」各自的判斷條件講得很明白；而且還加了一句「有疑慮時優先封存」，因為封存的信在「所有郵件」還找得回來，刪除三十天後就永久消失了。

③ 另外要求用表格輸出廣告寄件者清單，有設定好欄位才方便我們快速判斷。

④ 最後，也是最重要的，我要求他「執行前先跟我確認」，這就是我前面說的保險機制。

實際執行與結果驗證

指令送出後，你可以看到 Manus 開始讀取信件的寄件人與主旨。稍等一段時間，分類清單就整理出來了，哪些重要、哪些可以封存、哪些是刪除候選，一目了然。

確認沒問題後，跟他說「確認執行」，Manus 就會開始對信件進行分類標籤；執行完畢後，我們回到 Gmail，這邊可以看到標籤真的建立起來了，信件也都分類完成。

這邊再提醒一下大家，刪除信件、取消訂閱這類高風險操作，我建議在標籤建好後由人類來做最後判斷，因為有些 no-reply 的信件可能是繳費通知

另外建議大家先小範圍測試，比如先 50 封，沒問題後再擴大範圍、調整判斷規則。

② 查詢 Gmail，彙整多封信件的討論脈絡

接下來分享一個我自己常用的功能。

與同事、客戶的信件，通常有多段來回、細節持續調整，而且每一段可能都有重要資訊；更麻煩的是，討論可能不在同一封信，而是散落成好幾封。

像我自己有些合作案，從接洽到結案可能有好幾個月，中間還可能會更換主題、換對接的窗口。

要回憶當初談了什麼條件、改過哪些內容，光翻信就要花半天。

但在我們建立連接器後，現在只要給予關鍵字，Manus 就會搜尋相關的信件，幫你把整個合作的時間軸、關鍵決策、待辦事項整理出來。

幫我整理 Gmail 信箱中 [黑寶科技] 合作的過程，列出：
1. 關鍵決策和協議
2. 聯絡人和負責人
3. 財務或合約相關信息

稍等一段時間，過去自己翻半天可能還一頭霧水的東西，現在馬上就有一份完整的脈絡。

這邊除了簡短的摘要外，Manus 針對細節也有對應的報告，幫助我們快速掌握所需資訊。

這邊再跟大家做個補充，Manus 連接器除了支援 Gmail 外，Outlook 也有支援的喔！

那如果你們公司用的是自建信箱，在不涉及機密的前提下，可以考慮用密件副本寄到 Gmail，讓 AI 可以去做一個讀取。

③ 搭配 Google Calendar，把混亂討論建立成事件

接下來跟大家分享連接器的綜合應用，這邊我就以「建立會議行程」作為範例。

回想一下，過去開會前，我們需要做哪些事前準備？

像是彙整會議資料、確認與會者可以參與的時間、確認哪些人需要出席，在發出會議前還要整理一份議程讓大家知道這個會議的目的。

這是一件非常瑣碎的任務，因為會議的時間、地點、文件，可能散落在信箱的討論串中；手動彙整不但花時間，還容易遺漏細節、參與人員。

既然如此，不如把彙整資訊、建立行程的任務交給 AI 來幫我們處理。

一樣到連接器的頁面，這邊先把 Google Calendar 加入連接器，授權的模式跟前面的 Gmail 都是一樣的。

從 Gmail 信件建立行程

這邊連接完成後，貼上這段提示詞：

從 Gmail 找出[Q3 新品活動｜上線滿月成效初步整理]信件，並在 Google Calendar 建立行程：
- 抓出最後會議的日期、時間、地點
- 在行程說明裡附上議程重點
- 取出信件討論人員，設定為 attendees
- 如果時間和我現有行程衝突，先提醒我
建立行程前，請先提供草稿讓我過目

這段提示詞做了幾件事：從 Gmail 找信、抓時間地點、整理議程、加入與會人、檢查是否與既有行程衝突。

而且最後一樣有保險機制：「建立前先給我草稿過目。」

稍等一段時間，Manus 就從信件討論串抓出最後拍板的結論，並把議程整理出來；確認沒問題後，點擊接受行程就直接建立到行事曆上了。

接下來我們把視角切到 Google Calendar，可以確認時間、地點、與會人、議程都新增如預期。

這邊特別提醒一下大家，給予授權後，AI 是真的會建立行程，而且會發送會議邀請給與會人，因此執行前請務必確認內容。

④ 授權 Notion，把知識庫變成可以問答的 AI

最後一個案例是 Notion，這邊先簡單介紹一下，Notion 是一款整合筆記、知識庫、Wiki 的工具。

有些團隊用它來記錄產品規格、常見問答、會議記錄的資訊，或作為專案管理的工具，像我自己就把它當成個人筆記的知識庫。

但當資訊量龐大到一定程度時，你可能還是會難以找到所需資訊。

建立連結與範例知識庫

但幸好現在有了 AI，我們把視角切換到 Manus。

連接 Notion 時，需要允許 Manus 來呼叫 Notion MCP，然後點擊 Continue。

把 Notion 加入連接器後，你不用再自己慢慢找，直接「問」就能找到答案，還能標明出處，等於給知識庫裝上了搜尋引擎與摘要功能。

另外如果你還沒有 Notion 帳號，用 Gmail 註冊免費版就可以使用了。

我也準備了一個範例知識庫：

https://kaput-lord-cf7.notion.site/e4f7378f09a346ed8cee5c552b2754d0

打開範例頁面後，點右上角的「建立副本」，就會存進你自己的 Notion。

限定範圍、要求出處

連結完成後，貼上這段提示詞：

去 Notion 工作區的 [AI 知識庫] 幫我尋找「Manus 技巧」的頁面
① 回答我的問題，並附上你引用的頁面標題與連結
② 如果範圍內找不到答案，直接說「範圍內查無資料」，不要自己編

這段提示詞的重點有兩個。

1. 限定搜尋範圍，指定某個頁面或資料庫，這樣 AI 只會在這個範圍內找，不會拿網路上的資料亂湊
2. 要求附上出處，並要求它找不到就要誠實說「查無資料」。

稍等一段時間，你可以看到 AI 找到了對應的頁面，回答了問題，還附上引用的頁面標題與連結。

這邊我點擊一下連結，來驗證 AI 確實有找到對應資訊。

詢問範圍外的問題

這邊我也做一個測試，故意問 AI 一個範圍外的問題，看他是否會唬爛

請在 Notion 的 [AI 知識庫] 幫我尋找「工程師林鼎淵 Dean Lin 經歷」

你可以看到他誠實回答「範圍內查無資料」，而不是自己瞎編一個答案

這個「要求出處、禁止瞎編」的技巧，是減少 AI 幻覺最實用的方法，這個技巧我在後續分享 Manus 專案功能時也會使用。

⑤ 自訂 API，連接不在列表的工具

前面示範的案例，都是用 Manus 連接器預設就有的應用程式。

但如果你想用的工具沒有出現在列表上呢？

其實我們也可以自己新增，這邊我用「自訂 API」示範給大家看。

我知道看這個頻道的朋友，有許多人是工程師，而大家做專案版本控制的工具可能是 GitLab。

但 GitLab 並沒有出現在預設的連接器中，如果你希望把 GitLab 專案的存取權，允許讓 Manus 去做存取，就可以透過自訂 API 來達成。

取得 GitLab 的 Access Token

首先，我們要到 GitLab，並在這邊取得 Access Token，它就像一把有使用範圍的鑰匙。

進入 GitLab 畫面後，點擊「Edit profile」，選擇側邊欄的「Access」底下的「Personal access tokens」的設定頁面。

點擊「Generate token」時，它有分成兩種，這邊我選擇「Legacy token」來做 Demo。

• Token name: manus
• Select scopes: 勾選 read_user、read_repository、read_api 這些讀取的權限

Token 生成後，畫面有提醒你他只會出現一次，所以要好好保存，這邊我把 Token 複製起來。

在 Manus 自訂 API

然後回到 Manus，在自訂 API 的畫面中

• 名稱: GitLab
• 備註: 可以使用密鑰的 Token 來讀取 https://gitlab.com 的 Repo 資訊
• 密鑰名稱: GITLAB_TOKEN
• 密鑰數值: 把剛才複製的 Token 貼上去就好

這邊要特別提醒大家，前面設定 Token 的權限，就是 Manus 操作 Gitlab 的權限。

所以建議大家先用 Read 讀取權限來驗證是否符合預期；確認沒有問題後，再逐步擴增其他權限。

另外 Token 是隱私資訊，千萬不要外洩

儲存後，我們開啟一個新的對話窗，輸入指令：

請幫我讀取 GitLab 底下的個人專案，列出名稱

稍等一下，就可以看到 Manus 成功讀取到我們的專案嚕～

在了解設定的方式後，未來大家就可以根據自己的需求，來自定連接器了。

結語：把瑣碎交給 AI，把決策留給自己

最後我們來回顧一下今天的影片：

1. 一開始我們建立了與 Gmail 的連結，讓 AI 有能力建立標籤、彙整信件脈絡。
2. 然後再延伸到 Google Calendar，這邊我們以信件討論示範，讓 AI 將散落的資訊整理成明確的議程並幫我們建立行程、發會議通知。
3. 接著示範如何連接 Notion，讓知識庫變成搜尋引擎。
4. 最後補充自訂 API 的流程，就算工具不在預設列表裡，只要它有 API，一樣可以接上來。

設定好連接器後，過去要在不同工具間切換、複製貼上的任務，現在都能在 Manus 上操作。

這邊提醒一下大家，雖然連接器很方便，但因為 AI 真的可以幫你做事；如果想降低誤操作的風險，可以在提示詞最後補上「執行前先給我確認」。

別忘記，目前 AI 還無法替人類背鍋，你需要為自己的決策負責。

好的，今天的分享就到這邊，如果這篇文章對你有幫助，可以順手按個讚，並把文章分享給對 AI 主題感興趣的朋友們。

下一集，我會分享如何靈活運用 Manus 的「技能（Skill）」，把你驗證過的流程變成 SOP。

教會 AI 一次，它永遠記得，還能分享給他人共用，讓大家站在更高的起點。

這幾年協助企業導入 AI 時，發現對大部分的企業來說；他們判斷是否要導入一個 AI 工具的標準，除了功能與實際業務的「匹配度」外，他們其實更在意工具的「使用門檻」。

因為只要使用門檻高，不管工具有多強大，通常上完課後只有少數人會繼續使用。

我過去也分享過很多 AI Agent 的工具，但大多需要打開程式碼編輯器，甚至搭配終端機操作。

這對沒有技術背景的人來說，容易產生抗拒感，甚至使用初期會有挫折感。

所以今天要跟大家分享一款普通人可以快速上手的 AI Agent 工具，他就是「Manus」。

並搭配實戰案例，讓你了解這款工具可以給你的生活、工作帶來哪些幫助。

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Manus 實戰教學】從研究、簡報到個人網站，帶你掌握普通人也能上手的 AI Agent

從對話型 AI 到任務型 AI

過去我們使用網頁版的 Chatbot，通常比較像是在跟 AI 對話，就算討論得到了結果，最後還是要自己動手去做；而 Manus 不一樣的地方在於，你可以真的把任務交給它。

• 基本任務、進階任務：它除了可以幫你做到基本的搜尋資料、整理資訊外，生成簡報、建立網站這些進階工作也能搞定。
• 工具連結：如果給他權限連結到 Gmail、Google Calendar、Notion 這類工具，它還可以成為一個更全能的助手。
• 重複任務：假使你有一些重複性任務，也可以打包成 Skill 技能；這樣你只要教會 AI 一次，之後遇到類似任務時，AI 就知道如何應對。

把事情做完，不等於把事情做好

在進入實戰前，先跟大家分享一個很重要的觀念。

讓 AI 把事情做完，跟讓 AI 把事情做好，其實是兩件事。

因為以現在 AI 的能力來說，如果只是想應付交差，一行指令就夠了。

不管企劃、簡報、音樂、影片，甚至連網站、手機 App 都可以一鍵生成。

但做得出來，不代表做得好，如果希望結果符合需求，你要先搞清楚自己要什麼。

所以我除了分享 Manus 有哪些功能外，還會分享自己與 AI 對話的技巧，並搭配實際案例，讓大家了解 AI Agent 可以如何融入我們的工作與日常中。

從釐清需求、生成研究簡報，到建立個人品牌網站都有具體操作，會由淺入深的帶大家掌握工具。

① 根據個人背景，掌握技術重點

註冊 Manus

🔗 註冊連結: https://manus.im/invitation/9EZQALE1FISTXZP

目前 Manus 有提供 Facebook、Google 等多種方式註冊；如果你是透過我的邀請連結註冊，除了會獲得初始的 1000 積分外，還會多獲得 500 積分喔！

另外每天登入就會獲得 300 積分，所以右上角可以看到一開始就有 1800 積分了。

我這邊特別跟官方爭取到一個小禮物，新帳號點擊連結可免費領取 Manus 1,000 積分（名額有限）。

這些積分，能讓我們使用 Manus 各式各樣的 AI 功能；給大家一個初步的概念，像我生成一個 15 頁圖文並茂的簡報大約需要 300 積分。

而 Manus 在使用模式上，有分成三種，目前免費版只能使用 Lite 模式。

建議大家先透過 Lite 熟悉基礎操作，如果覺得 Manus 真的有幫你解決痛點，就可以考慮升級到付費版。

為了讓大家更清楚 Manus 的能力，這篇文章我是用付費版示範給大家看的（順手幫我點個讚吧）。

不要盲目使用工具

這裡先分享我是如何快速掌握一款新的 AI 工具，畢竟現在市場上的工具太多了，而且每天都在更新。

如果每接觸一款新工具，都自己人肉測試，那其實很容易錯過好工具；因為憑感覺使用一款工具，未必會試到這個工具對自己有幫助的地方。

所以現在接觸新工具時，我都會先請 AI 幫忙研究。

畢竟人的時間有限，我們也不需要精通一個 AI 工具的所有功能。

最重要的，是知道：「這個工具有哪些功能，是真的對我有幫助的。」

使用 Chat 模式節省積分

我先分享一個節省點數的技巧，其實 Manus 有分成 Chat 模式跟 Agent 模式。

一開始與 AI 討論問題、腦力激盪的時候，我們可以先用 Chat 模式。只要點擊右下角的更多，就可以看到「Chat 模式」。

請 AI 規劃學習指引

比如我想知道 Manus 可以給我帶來哪些幫助，就可以貼上提示詞跟他詢問

我是一名工程師、協助企業導入 AI 的內訓講師，同時也經營 YouTube 頻道。

我想要了解 Manus 有哪些功能可以幫助我更快完成工作。

請你從官方網站、網路文章與近期社群媒體的討論中，幫我整理 Manus 目前最值得關注的功能、實用技巧與應用場景。

每個場景附上對應的提示詞，讓我體驗 Manus 的強大。

• 背景描述：一開始我先說明自己的背景資訊，是工程師、企業內訓講師，也是 YouTuber。
• 研究方向：這邊就請他從公開資訊，整理 Manus 有哪些功能可以幫助我更快完成工作。
• 行動指引：最後為了方便驗證功能，我要求他要附上提示詞，這樣可以方便我們後續的行動。

送出之後 Manus 很快的就給了我們行動指引，下面這份報告是根據我的提供的背景來介紹 Manus 的，並根據不同身份，給予對應的應用場景，並在下方提供可以直接實戰的提示詞

執行完畢後，我們點擊右上角文件的符號，可以看到在 Chat 模式下使用積分為 0。

也給大家看一下 Agent 模式有什麼不同，這裡我就點擊「啟動 agent」。

你會看到 Manus 啟動一台虛擬機，然後自己打開瀏覽器、搜尋資料、看網頁、整理內容，感覺就像一個真的助理在幫我們做事一樣。

稍等一段時間，他就幫我們生成了一份報告，跟 Chat 模式相比，因為多了搜尋資料整合案例的步驟，研究成果會更有深度且符合實際需求。

所以在每個應用的技術上也會說得更加完整，我們了解工具中哪些功能對自己有幫助後，再做針對性的測試，可以幫我們節省不少盲目使用時間。

② 從釐清需求到生成簡報

我其中一個身份是企業講師，常常要到不同產業授課，為了讓學員有共鳴，我需要根據公司情境把案例客製化。

但坦白說，許多產業對我來說也是完全陌生的領域，所以備課時，都是請 AI 幫我研究主題、設計案例。

其實別說是我，大家日常工作也是一樣的。

可能主管突然丟一個主題，要你做市場調查、整理資料；然後要求你今天下午或明天，就要上台跟同事做簡報分享。

哇～光是想像這個場景，我整個壓力就上來了！

如果你跟我有一樣的痛點，那千萬不要錯過接下來用 AI 生成簡報的案例。

不要一開始就叫 AI 做簡報

這邊我們一樣先使用 Chat 模式。

STEP 1: 優化提示詞

提醒一下大家，如果你打算請 AI 做簡報，那第千萬不要一開始就讓 AI 做簡報；而是先初步提出自己的需求，並讓 AI 優化提示詞。

這個步驟會讓 AI 補充許多你一開始沒有考慮到的細節

我是一間台灣汽車零件零售業的廠商。

我們銷售的汽車零件包含：「煞車系統零件、濾芯、底盤零件、引擎周邊零件、常見保養耗材。」

目前在評估是否進軍東南亞，希望切入 Tier 2 或售後維修市場

我需要製作一份簡報給主管，說明建議的切入策略

請你幫我把上面這段需求，優化成更完整、更適合交給 AI 研究的 Prompt，用 Markdown 顯示

• 背景描述：一開始我先說明自己的背景是「汽車零件零售業的廠商」，並提供主要的販售項目。
• 初步目標：進軍東南亞，切入 Tier 2 或售後維修市場。
• 受眾：主管。

一開始的需求描述模糊沒有關係，因為最重要的是最後一行：

請你幫我把上面這段需求，優化成更完整、更適合交給 AI 研究的 Prompt，用 Markdown 顯示

多了這行，AI 就會把原本初始的 Prompt 做更完善的優化。

同時也跟大家補充一下，這邊我之所以要求使用 Markdown 格式，是因為它輸出的是結構化，有明顯階層的。

像這邊你就看到，原本只有四行的提示詞，在 AI 的幫助下補充了這麼多細節，大標、次標、描述的層次都很清楚。

STEP 2: 請 AI 反問我還缺什麼

乍看之下，上面的 Prompt 感覺已經很完善了對吧？但這個時候我會建議大家換個角度。

讓 AI 反問自己，如果補充哪些背景資訊可以得到更完善的結果。

從市場研究顧問的角度來看這段 Prompt，如果要完成這個研究，我還需要補充哪些資訊，才能讓你產出更精準、更符合商業決策需求的結果？
每個問題請簡短說明：

1. 為什麼需要這個資訊
2. 如果缺少這個資訊，可能會影響哪一部分的分析

這步非常重要，因為很多時候我們根本不知道要提供哪些資訊，與其自己硬想，不如讓 AI 幫我們檢查，這也是我覺得跟 AI 協作很重要的一個概念：

不是只有你問 AI 問題，你也可以讓 AI 反問自己

在收到問題後，大家可以自行補上必要資訊；這邊我為了示範，所以讓 AI 自問自答一下

用公司老闆的身份，模擬回答上面問題。

STEP 3: 先設計簡報大綱

在背景資訊完整後，接下來也不要直接製作簡報，先幫我設計一份約 15 頁的簡報大綱

幫我設計一份約 15 頁的簡報大綱。內容涵蓋：

1. 簡報主軸
2. 每一頁的標題
3. 每一頁要說明的重點
4. 建議搭配的圖表或資料類型

用 Markdown 顯示

之所以要先做大綱，是因為如果直接請它生成完整的簡報；除了會花比較多時間外，每次生成簡報也會消耗不少積分，如果方向錯了，後面要改的地方也會很多。

因此我建議先讓 AI 產出大綱，確認方向符合預期後，再生成完整的簡報，這樣可以減少很多來回修正的時間。

STEP 4: 生成圖文並茂簡報

在大綱生成出來，確認符合需求後就可以生成投影片了，最簡單的方式是點擊建立，選擇「投影片」。

這這種方案我們對生成結果的掌控力是很低的。

所以我建議大家先把簡報大綱複製起來，儘管這次 AI 是用表格生成，但點擊右下角也是可以把內容複製起來的。

開一個新對話窗，點擊「製作簡報」，這邊你換看到三種選項，分別是專業、GPT 與 Nano Banana。

• 專業：如果你想要製作的以 HTML 為主，重點呈現文字跟圖表，方便大家直接編輯細節，風格偏向傳統簡報。
• 圖片視覺：而如果你希望每張投影片的視覺效果拉滿，就選擇 GPT 或 Nano Banana。

如果選擇專業的話，也有許多模板可以選擇：

稍等一段時間，簡報就製作完成了，你會發現透過以上步驟製作出來的簡報，內容詳盡、結構完整、而且有適當的搭配圖表。結果會更符合你一開始設定的目標。

但提醒一下大家，AI 生成出來的結果有可能會錯誤，若涉及數據、真實資訊，請自行核實

用專業模式生成的簡報，裡面的文字也是可以編輯的。

如果你想要調整成其他風格的簡報，可以點擊右下角的「更改主題」，從裡面選擇自己喜歡的版型。

如果不知道上台怎麼講，點擊右下角的「讓 Manus 生成」，他就會根據每一頁簡報的內容，設計出有起承轉合的逐字稿，讓你上台分享時更有底氣。

當然，你也可以把它下載成 PPT 來精修細節、或用 PDF 格式與別人分享，甚至想在 Google Slide 編輯也可以喔！使用上非常有彈性

③ 把繁瑣的任務，整理成可以重複使用的 Skill

這邊分享一個實用的技巧，剛剛我們不是透過好幾輪對話才得到這個結果嗎？

如果每次研究新主題都要這樣搞，感覺太煩了吧；幸好 Manus 有提供建立 Skill 的方案。

可以透過「/skill-creator 描述」幫剛剛繁瑣的流程，建立為可以重複使用的技能喔！

/skill-creator 幫我把剛剛提供主題生成簡報的流程設計為 Skill，日後提供主題就會觸發

最後會記錄成一個文件，打開後點擊「新增到我的技能」，AI 日後遇到類似的任務時，就會按照指引來去執行。

如果想找尋儲存好的技能，可以點擊左下角的個性化，在功能列就會看到技能。

剛剛建立好的技能會存放在這個位置，技能除了可以自己建立外，也可以匯入別人建立好的技能喔！

驗證 Skill 是否符合預期

在 Skill 建立後，建議大家可以提供另外一個主題，來驗證這個 Skill 是否會順利觸發，以及觸發後，是否有順利運作。

這邊我就給他一個新主題，讓他研究亞洲餐飲行業近十年的的趨勢：

請研究亞洲餐飲行業近十年的的趨勢，品牌爆紅的關鍵，以及是否維持的關鍵因素，請幫我製作一份 12 頁的高端專業研究簡報。

指令送出後，可以看到 AI 有使用剛剛建立的 Skill。

稍等一段時間，我們就能看到 Manus 根據我們剛剛的需求建立簡報。

只是這次他認為我提供的主題更偏向說故事，所以採用 Nano Banana（圖片視覺）的方式來建立簡報。

跟前面專業模式透過 HTML 生成簡報的方式相比，你可以明顯感受到簡報的圖片品質非常棒。

但因為個簡報其實是圖片，儘管你也可以編輯裡面的文字；但這些細節的調整就等於重新生成一張圖片，修改起來比較花時間。

所以在使用上，如果簡報的重點是傳達故事、概念，我覺得視覺化簡報的方案很棒。

但假使簡報需要時常調整數據細節，涵蓋大量圖表，我會推薦使用專業模式來生成 HTML 簡報。

④ 整理不同格式檔案，建立個人品牌網站

接下來我們換個場景，如果你是自由工作者或一間新創公司，那最重要的就是讓別人認識你、找到你。

相比於傳統名片，我認為建立個人形象網站或公司官網，會達到更好的宣傳效果。

在過去，如果你不會寫程式，可能要把網站交給外包公司；但現在，你可以請 AI 幫你完成網站的初稿。

請 AI 整理資訊

這邊我就拿自己當案例示範給大家看；這次我的目標是建立個人形象網站，所以下面要先選擇「建立網站」，然後選擇「個人連結頁」

我是個講師，準備製作個人形象網站，相關背景資訊可以參考附件的檔案

幫我從裡面提取出文字後，整理出如下資訊：

- 擅長領域: 搭配可以佐證的資訊
- 個人成就: 找出可數據化的成就，展現實力的強大
- 課程資訊: 課程主題、說明、價格、受眾、預期成果

並像個善於推銷自己的 KOL 般，先用自信的語氣撰寫出文案，並說明每段適合搭配的圖片

這步先彙整資訊，不需生成圖片與網站

這段 Prompt 我先表明自己的身份是「講師」，要求他根據我提供的素材，整理出「擅長領域、個人成就、課程資訊」的資訊，以此做為「個人形象網站」的素材

如果你的目標是建立公司官網，請 AI 幫你生成對應提示詞就可以了

這段想要呈現的，是 Manus 針對不同格式檔案的資訊分析、彙整能力

你可以看到我上傳的有 Word、PPT 跟 PDF 檔案，這也更符合實際工作場景，因為資料來源往往是不統一的。

生成網站

在彙整完資訊後，你可以先看看 AI 整理的資訊是否符合期待。

確認沒問題後，就可以上傳網頁所需的圖片，然後透過下面的指令來生成網站了

請使用我上傳的圖片，參考圖片檔名放到網頁合適的位置，讓整體更有設計感與專業度

設計純前端的個人形象網頁即可

在 Manus 生成網站的過程也提醒一下大家，因為我跟他說生成存前端網站，所以有較高機率給我一個單純的 HTML 檔案。

如果你生成的是較為複雜的專案，甚至包含到後端與資料庫，操作的細節會跟這次示範有所不同。

稍等一段時間，Manus 就根據我們提供的文件與圖片幫我們完成了一個測試網站，我們先點擊一下網址，看一下他是如何設計的。

Manus 連接器

確認整體符合需求後，這邊剛好跟大家介紹 Manus 連接器的功能。只要開啟對應工具的權限，Manus 就可以透過 API 來進行操作。

因為我已經有連結到 GitHub 帳號，所以他可以直接幫我建立對應的 Repository。

這邊提醒一下大家，雖然權限開越大 AI 能做的事越多；但前提是你了解自己在做什麼，否則可能造成無法挽回的後果。

了解完風險後，我們回到 Manus，下面我就直接跟他說：

我已經連結到 GitHub 帳號，幫我建立

等待一段時間後，發現 AI 暫停了。這邊他要我們接管瀏覽器，完成 GitHub 帳號的登入，或提供帳號密碼來讓 AI 代為操作。

但只要在瀏覽器登入帳號，基本上就等於讓 Manus 擁有帳號的完整權限，我個人是不敢這樣做。

面對有風險，但我們又不清楚如何操作的事情，也可以向 AI 詢問操作步驟：

告訴我後續的操作步驟

在 GitHub Actions 確認部署狀況

這邊補充一個細節，關於部署的狀態，我們是可以在 GitHub Actions 的分頁來觀察的。

另外把專案存放到 GitHub 後，其實也順便做到了版本控制。

因為與 Manus 對話，調整網頁時，可能會改到許多程式，未必每次都符合你的期待。

但有了 GitHub，在結果不如預期時，便可以輕鬆回到過去的版本。

接著回到 Manus 網頁，在部署完成後，點擊連結便可看到剛剛建立的個人形象網頁；你可以把網址分享給自己的朋友，展示自己的戰果喔！

範例網站：https://deanlin.net/dean-lin-website/

如果做到了這一步，也別忘記幫文章點個讚，讓我知道自己的分享是對大家有幫助的。

透過對話優化網站細節

另外如果你對網頁有其他優化的需求，也可以直接跟 Manus 說，這邊就分享一個小技巧。

如果你想要讓網站圖片渲染的速度更快，可以把圖片轉成 webp 格式。

幫我將圖片轉成 webp 格式，讓使用者可以更快載入網頁

指令送出後，AI 除了會幫我們把圖片檔進行壓縮外，因為我們有開啟 GitHub 的權限給 Manus，所以他也把變更同步到了 GitHub，我們可以點擊網址來做確認。

恭喜你，成功用 Manus 完成了個人形象網站！

解決不同裝置瀏覽問題

最後提醒一下大家，雖然 AI 可以幫我們加速，但品質還是需要自己把關。

雖然網頁版沒有問題，但我改成用手機瀏覽時，還是出現各種破版的狀況：

遇到錯誤不要害怕，跟 AI 溝通就可以了，怕的是根本沒有意識到有錯誤發生。

結語：AI 能做到哪些事，取決於你的想像力

最後我們來回顧一下今天的文章：

1. 一開始我跟大家分享我是如何在短時間掌握一款新的 AI 工具
2. 然後展示如何與 AI 腦力激盪，生成一個圖文並茂的簡報，並將這個繁瑣的流程打包成一個可以重複使用的 Skill

3. 最後分享 Manus 如何整理不同格式的檔案，然後建立個人形象網站

當然，這支影片只是帶大家入門，體驗 Manus 的基礎功能，了解 AI Agent 可以幫我們做到哪些事情。

也提醒大家，現在 Manus 除了可以在網頁使用外，有提供桌面與手機的 App 可以操作喔！

好的，今天的分享就到這邊，如果這篇文章對你有幫助，可以順手按個讚，並把文章分享給對 AI 主題感興趣的朋友們。

前陣子與朋友聚會時，我們交流了彼此用 AI 開發專案的心得。

然後發現一個值得討論的議題：「同樣在用 AI，有些人花很少額度就完成一堆任務；但有些人額度燒光，卻連一個問題都沒有解決。」

這種落差，大到讓人懷疑，我們真的在用同一個工具嗎？

為了釐清問題，我們乾脆直接打開電腦，實際 Demo 彼此的操作方式。

看完之後，發現問題其實不在 AI，而在「使用方式」。

我把幾個最關鍵的操作整理給你 👇

1️⃣ 遇到問題就丟給 AI，但每次都跑很久、還不一定解得掉

→ 因為沒有指定範圍，所以 AI 要掃描整個專案，過程不但浪費時間、消耗額度，還很容易改錯方向，衍生更多問題

2️⃣ 請 AI 新增功能，但沒有考量到既有架構

→ 在沒有足夠上下文與規格資訊的狀況下，AI 往往選擇「從頭做一份」，這種做法除了浪費額度外，還會讓專案越來越難維護

3️⃣ 每次調整功能，都要重新提醒規則與習慣

→ 在新的對話視窗中，AI 未必會記住你過去的使用習慣、判斷邏輯，所以要花很多時間在「資訊對齊」上面，甚至要自己手動調整細節

老實說，這些問題真的很常見。

因為很多人即使用了 AI 程式碼編輯器，還是把它當成「問答工具」。

但我認為 AI 的價值，是在幫你建立一套「可重複使用的工作流」。

而現在的 AI Agent 其實已經有對應的解決方案了

✔ 指定資料夾、文件，限定 AI 讀取範圍

💡 可以用「@」的方式，給予 AI 參考資料；當目的、方向明確後，AI 的效率與穩定性會大幅上升。

✔ 建立需求規格，讓 AI 迭代功能時有文件依據

💡 無論新舊專案，都可以透過 OpenSpec 來輔助建立專案的需求規格；這不但能解決團隊專案缺乏文件的痛點，還能讓 AI 與人類在未來迭代功能時更有依據，減少重工的問題。

✔ 設計 Rules / Commands / Agent Skills

💡 不管個人還是團隊，都一定會有自己的「使用習慣、判斷邏輯」，我們可以把通用規則寫在 Rules（不要說廢話、專注解決問題），特定情境的工作流放在 Commands（觸發多個 Skills 的固定流程），而希望 AI 使用的技能記錄到 Agent Skills（前端設計能力、撰寫 Commit、PR）。

不要讓 AI 的「快」，變成未來的「債」。

我自己現在更在意的，其實不是 AI 寫多快，而是：

1. 專案的規格是否足夠清晰，可以持續迭代
2. 新增修改功能時，有沒有影響到既有功能
3. 這次做出的成果，能否整理成 Agent Skill，讓下次直接使用

這些，才是真正會拉開差距的地方。

我在 4/21（二）有一場線上說明會，將透過實際 Demo，分享如何從「用 AI 寫程式」，轉變成「用 AI 建立開發流程」，邀請你免費參加！

如果你希望 AI 不只幫忙寫幾段程式碼，而是真正融入需求拆解、規格整理、開發協作、測試驗證與任務交付，或是有問題想與我線上討論。

那千萬別錯過這場說明會！

👉 立即報名: https://tibame.tw/Rsc3G

最近與一群工程師朋友聚餐時，我們聊到公司導入 AI 加速開發後，遇到的各種問題。

其中討論最熱烈的點，就是大家 Code Review 的負擔大幅增加，畢竟 AI 寫程式的速度，實在太快了。

在過去，一天完成既定工作量就是好員工；但現在有了 AI 的幫助，有些公司會認為，一天要完成 3 倍工作量才算達到 KPI。

而這，就衍生了一系列的問題：

① 缺乏深度思考

因為 KPI 大幅上升，大家為了追上進度，就會犧牲對需求的深度思考，或者說，直接讓 AI 代替思考。

② 懶得 Code Review

完成的功能增加，就會導致功能合併到主線時的 Code Review 負擔，以往會認真思考別人的設計是否合理，但如果要看的份量太多，很多人就放棄理解直接合併。

③ 最終導致的結果

團隊集體責任感下降、專案理解力降低、程式碼品質降低、上線後錯誤增加。

切記，我們雖然可以讓 AI 自己檢查、修改、寫測試程式，但這只是確保產品的底線。

假使用 AI 開發過中大型專案，就會理解全權交給 AI 有多麼的不切實際。

AI 產生的程式碼很多，但這不是你不檢查的原因，我們應該去想怎麼利用 AI 去優化檢查流程。

別忘記，當你對 AI 產出的內容，按下同意的那一刻，所有的錯誤必須由人類來承擔。

所以今天這篇文章，我要跟大家分享如何用 Git Worktree 搭配 Agent Skills，來解決前面提到的痛點：

① 爲什麼版本控制很重要

我會先展示一個經典的錯誤案例，讓大家更直觀的理解，如果沒有基礎的版本控制概念，專案會遭遇哪些災難。

② 完成前置作業

接著帶大家了解 Git Worktree 基礎操作，並安裝 pnpm 減少磁碟空間浪費，以及分享有哪些好用的擴充套件能增加我們操作效率。

③ Agent Skills：透過 Git Worktree 拆分任務、設計 SPEC

然後就要進入實作階段，這邊會先提出一個複雜功能，以此觸發 Agent Skills 執行 Git Worktree 拆分任務，讓每個功能都有自己的工作區，這樣 AI Agent 就可以同時執行。

④ Agent Skills：拆分 Commit，讓邏輯可被追蹤

在確認功能符合預期後，我會請 AI 根據調整檔案分階段的 commit，讓邏輯在未來可以被追蹤。

⑤ 降低 Code Review 負擔

把修改推送上去後，我們要透過 Pull Request 將變更的內容合併到主分支，為了讓 Code Review 的人快速理解，我們可以請 AI 根據變更生成 PR 模板。

如果你是第一次接觸 Agent Skills，我過去有拍一隻影片分享安裝、使用、製作的技巧：https://youtu.be/xe00zJEtuMo

如果你剛接觸 Vibe Coding ，或是進入職場不久，相信這隻影片會讓你了解業界在導入 AI 開發時，遇到的實際狀況。

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Git Worktree 實戰】指揮 AI Agents 同時運作，搭配 Agent Skills 建立自動化協作體系

① 缺乏版控概念，是災難的起點

現在輸入簡單的指令，AI 就可以根據需求完成功能，甚至一口氣完成 10 個功能都沒有問題。

從表面上來看，效率倍增，但實際上有非常多的隱患，這邊展示一個實際案例讓大家更能理解：

在團隊合作時，如果想把自己的修改合併回主線，會先開一個 Pull Request，讓其他人幫你檢查程式碼、討論是否需要修改，確認沒問題後再合併。

以這個 Pull Request 舉例，標題寫著「新增 i18n 多語系、淺色深色主題設計、常見 QA 問答區…」等多個功能，感覺做了很多事。

但從專案管理的角度來看，其實每個功能都應該對應到不同的 feature branch，不要在一個分支中放多個功能。

把視角切換到「Files changed」，你會對我說的話更有體會，像這個 Pull Request 涵蓋了 18 個檔案，有近千多行的程式變更；從 Code Review 的角度來看，你根本無法了解變更的功能要對應到哪些檔案。

再來，我們看一下「Commits」的分頁，你會發現改了這麼多功能，竟然只有一個 commit，而且訊息也非常的簡單。

這會導致未來發生問題時，我們無法追溯當時的設計邏輯，完全沒有參考價值。

其實這邊所展示的問題，在過去就已經存在了，但在使用 AI 加速開發後，問題被成倍放大。

因此接下來要跟大家分享，如何透過 Git Worktree 與 Agent Skills 來解決這些痛點。

② 建立 Git Worktree 環境：Git + pnpm + Extensions

為了方便大家可以跟著影片操作，我在 GitHub 有上傳一個練習用的專案，歡迎大家路過按個 Star：

這邊我建議大家點擊 fork，將專案複製到自己的帳號下：

然後點擊 Code，從裡面複製專案網址：

接著打開你熟悉的程式碼編輯器，這邊我以 Google 最近推出的 Antigravity 來示範，這是 Google 最新推出的 AI 程式碼編輯

目前登入 Google 帳號就可以使用，但如果付費升級到 Pro 會有更高的使用額度：

但如果你熟悉的是 Cursor 或 Claude 等其他 AI 工具也沒關係，因為以 Agent Skills 的設定來說，只有路徑稍微不同而已。

好的，我們再把注意力轉回 Antigravity，點擊 Clone Repository，貼上剛剛複製的網址來下載專案：

接下來要先跟大家分享，安裝哪些工具可以更舒適的使用 Git Worktree 功能：

確認 Git 版本

首先，我們要確認電腦的 Git 版本。

提醒一下大家，因為這隻影片會使用到 Node.js 與 Git 等技術，如果你是第一次接觸，我有專門錄一隻影片分享詳細的操作步驟喔！

https://youtu.be/5DEV_K0JauQ

安裝好 Git 後，點擊上方的 Toggle Panel 開啟終端機，輸入指令 git -v 確認有正確安裝。

另外提醒安裝過的朋友，如果你的版本低於 2.30，建議升級到最新版本，這樣 Git Worktree 功能會較為完整。

安裝 pnpm

因為 Git Worktree 會建立多個工作目錄，而 Node.js 專案的 node_modules 動輒上百 MB。

如果用 npm 安裝會消耗大量硬碟資源，因此我推薦大家使用 pnpm 這款套件。

在終端機輸入 npm install -g pnpm 便可完成全局安裝。

pnpm 會將所有套件存放在電腦的一個共用儲存區，各專案的 node_modules 只是透過連結指向同一份套件。

雖然每個 Worktree 需要執行 pnpm install，但不會重新下載套件，非常適合搭配 Git Worktree 進行並行開發。

安裝 Extensions

然後我們把視角轉到左側選單，點擊「Extensions」的分頁，這邊推薦大家安裝兩款外掛。

第一款是「Git Worktree Manager」，他能讓你透過介面輕鬆的建立、切換、清理 Worktree。

第二款是「GitLens」，安裝好後，你把滑鼠移到對應的程式碼位置時，可以直接看到 Commit 的歷史。

不過這邊要提醒一下大家，這些外掛大部分是由第三方開發的，安裝前請自行評估安全性。

了解 Git Worktree 工作模式

做好前置作業後，我們先在終端機輸入 pnpm install 安裝套件。

安裝完成後，輸入 pnpm run dev 便可啟動專案，下面就會有一個「localhost:3000」的網址。

確認專案可以順利啟動後，我們回到 Antigravity，點擊左側剛剛安裝好的「Git Worktree Manager」，然後點擊這個資料夾的符號來新增 Worktree。

因為我們要從現在的主分支，切換到其他分支，所以選擇第一個「Create new branch」

至於分支的名稱就打 test，主要是先讓大家了解 Git Worktree 概念；至於目錄，使用系統自動生成的就好了，最後點擊「Create」，就會直接把工作區的內容複製一份過去。

此時，你就會看到 test 出現在 Worktree List 當中：

點擊後便會開啟一個新的工作區，打開終端機後，要在輸入 pnpm install 來安裝套件；你會發現套件幾乎在瞬間安裝完畢，打開 node_modules 資料夾，你會發現有箭頭圖示「↩」。

代表只是建立資料夾的連結，而非重新下載套件，這就是 pnpm 的運作方式，可以幫我們節省硬碟空間。

然後我們嘗試輸入 pnpm run dev 啟動專案，這次的網址變成了「localhost:3001」，點擊後，網頁也可以順利呈現。

這邊的示範，是想要讓大家了解每個 Worktree 都是獨立的工作目錄，所以可以同時跑不同的 dev server 跟 port。

當然，也代表我們可以同時指揮多個 AI Agent 並行開發不同功能。

也跟大家說明一下，如何把 Worktree 刪除；在刪除前，請先把剛剛啟動的專案關閉。

然後回到 Git Worktree Manager 的介面，點擊右鍵，在 Worktree Action 當中選擇 Remove Worktree，就可以移除了。

③ Agent Skill：自動建立分支與開發規格

前面有說到，不同的功能應該使用不同的 feature branch 來開發；但具體怎麼拆分功能，以及 branch 的名稱如何命名，我們可以直接設計一個 Agent Skill 來幫我們搞定。

如果你是 Fork 我的專案，在根目錄下方會有一個「.agent」的資料夾，我有放一些 Skills 讓大家跟著影片一起體驗：

像這邊我設計了一個 git-worktree-design 技能，把 Markdown 點開來後，跟大家說明一下設計的邏輯：

1. 首先會檢查目前專案分支的狀況，確認既有 Worktree，以及是否有沒提交的變更。
2. 然後將複雜的需求拆成獨立的 feature branch 以及參考的規格後，用表格預覽，使用者確認後才會執行。
3. 接下來就會根據 Skill 指定的格式建立 Worktree。
4. 並順便安裝好每個 Worktree 的套件。
5. 然後新增這個 feature 要執行的 SPEC，方便後續 AI Agent 的開發。
6. 完成以上任務後，會再用表格像我們展示完成的結果。

了解 Skill 的設計邏輯後，我們在右側與 AI 的對話視窗中，輸入指令

採用 Worktree，新增淺色深色主題設計、常見 QA 問答區、Cookie 同意彈窗

此時，你會發現 AI 判斷需要使用 Git Worktree 這個 Skill，並初步規劃了每個 Worktree 要參考的規格：

確認沒問題後，就可以讓 AI 幫我們執行下去，稍等一段時間後，AI 說他已經幫我們完成了對應的設計。

打開左側 Git Worktree Manager 的分頁，可以看到看到新增的 Worktree：

這邊點擊其中一個 Worktree，你可以看到 AI 有根據我們的指示，用 pnpm 來安裝套件，所以 node_modules 下面資料夾有這個箭頭符號。

並且根目錄的地方有存放給「git-Worktree-spec.md」這個給 AI Agent 參考的規格，確保執行的方向。

④ 指揮多個 AI Agents 同時執行

但讓 AI 參考規格開發前，跟大家分享一個小技巧。先開啟與 AI 對話的視窗，點擊右上方的「…」選擇 Customizations，選擇 Workflows：

我有設計一個自動化流程，這樣只要輸入快捷鍵，就可以讓 AI 知道讀取規格、執行實作、驗收結果的步驟：

這邊我們先點開其中一個 Worktree，輸入「/」，選擇剛剛的那個 workflow，點擊「Enter」他就會開始執行了：

以往我們開發功能因為在同一個工作區，所以需要一個完成後才能執行下一個。

但用 Git Worktree 的好處，就是可以多個 AI Agent 同時執行。這邊我也把另外兩個 Worktree 打開，輸入「/」讓他們根據 workflow 來執行。

但如果如果要在多個視窗切換，來觀察不同 AI Agent 執行的進度有點麻煩。

所以我們可以點擊上方的「Open Agent Manager」，這樣就能知道 Agent 執行的過程是否需要我們介入。

像這邊轉圈圈就是代表執行中，而稍等一段時間後，就會變成鈴鐺提醒的符號。

稍等一段時間後，AI 就在不同的工作區，完成了各自的功能，這邊我們也可以從 SPEC 的修改中，看到他已經自我驗證了功能符合需求。

但 AI 完成後，人類一定也要自行確認結果是否符合期待，這邊我先開啟各個 worktree 的瀏覽器。

把所有服務都啟動後，也剛好趁這個機會，跟大家說明不同功能分 feature 開發的好處

首先是我們人類驗證功能會比較輕鬆，因為要確認的面向單一

• 像 Cookie 的部分，就是下方在使用者進入時，會有彈窗提示

• 而淺色深色主題這塊，則是上方多了一個按鈕，讓使用者自由切換主題

• 至於常見問答，也有根據主題新增了對應的區塊

再確認修改符合預期後，先把 Agent Manager 關閉，我們要把 Worktree 的變更推送上去。

比如我們來打開淺色深色主題的 Worktree，以往我們可能是人工手打，或是點擊「Generate」讓 AI 自動產生。

但人工手打不僅耗時，每個人的撰寫習慣也各不相同；但假使點擊 Generate 讓 AI 自動產生，他生成的訊息有時候是英文，有時是中文，而且長短很隨機。

所以 commit 這塊，我也有設計一個 Skill，讓 AI 根據我的指引生成。

我們先回到專案的目錄，點擊「.agent」資料夾，在 skills 底下有一個「git-smart-commit」的技能：

他的任務就是把雜亂的變更，拆分成有意義的 commit；畢竟請 AI 輔助開發時，很可能一口氣改了很多個檔案，如果全部放在一個 commit，那這個 commit 就跟沒寫一樣。

這邊我們把左側的選單切換到 Source Control，你就會看到這個淺色深色主題有修改到多個檔案

這邊我就在對話窗輸入

新增 commit

稍等一段時間，會看到 AI 根據變更的檔案，生成對應的 commit 訊息：

commit 送出後，記得要點擊 Publish Branch 才會將檔案上傳喔！

完成後可以把這個工作區關閉，另外兩個 Worktree 也是一樣操作即可。

都 Publish 之後，我們回到 GitHub 網頁，此時你會看到下拉選單中有剛剛上傳的 branch：

隨便點擊一個，就可以看到剛剛撰寫的 commit 訊息：

但目前的 feature 都在不同的 branch，所以接下來會帶大家透過 Pull Reqeust，將功能合併到主線。

⑤ 好的 Pull Request，讓 Code Review 變輕鬆

這邊先點擊上方的「Pull Requests」：

選擇「New Pull Requests」：

如果你是 fork 我的專案，這邊要特別注意，base 要改成自己的帳號，然後 compare 要選擇想合併進來的 feature 分支：

建立 PR 後，你會看到要填寫標題與描述，根據我的工作經驗，PR 是決定專案品質的重要環節：

因為他是讓團隊成員 Code Review 時，理解你到底做了些什麼的文件

如果隨便寫寫，那審核的人通常也是隨意看看；畢竟直接讀程式碼，去理解功能為何這樣設計，真的太消耗腦力了。

我知道很多人嫌寫 PR 很麻煩，所以我也設計了一個 Skill，用來生成 Pull Request 的草稿。

這邊我們把視角切換到 Antigravity，這個 Skill 一樣是放在「.agent/skills」底下，名稱叫做「git-pr-description」。

這邊跟大家簡述這個 Skill 的設計

1. 首先，預設合併的目標為 master 這個主線分支，如果你是用 main/develop 等其他的分支請自行調整。
2. 接下來就會把當前的分支與目標分支進行比對，讀取差異的檔案與 commit 訊息，這邊也再次跟大家提醒 commit 訊息是很重要的，你不想寫，至少要讓 AI 幫你寫吧。
3. 而後就是分析變更的內容，然後生成 Pull Request 的 Title 與 Description。
4. 其中 Description 的部分，我是要求他參考「pr-template」的這個範例檔來撰寫，如果大家想把這個 Skill 導入目前的工作流，可以改寫這個檔案。

講了這麼多，我直接示範給大家看比較快；一樣打開 Agent Manager，然後再各自的 Agent 輸入。

撰寫 PR

稍等一段時間後，他就會根據 Skill 提供的格式生成 Pull Request 的草稿了：

這邊我們把它複製到 GitHub 後，我強烈建議大家至少要跟著測試案例執行過一遍。

如果是前端專案的話，建議附上對應的圖片，這樣可以減少別人 Code Review 時的負擔，同時也確認了功能符合預期。

如果專案是自己開發的，那就直接點擊 Merge 合併就好。

接下來回到 Antigravity，合併好的 Worktree，我個人會建議直接點擊右鍵，在 Worktree Action 當中選擇 Remove Worktree 將他移除，避免 Worktree 太多管理困難。

至於另外兩個 Worktree 也是一樣操作，先建立 Pull Request，接著用 AI 生成對應的 Review 草稿，確認沒問題後合併回主線，完成這一切後記得移除 Worktree。

但有一點要提醒一下大家，因為 Worktree AI Agent 同時開發，所以開發當下不會知道彼此的變更

所以把功能合併回主線時，可能出現衝突；像常見問答跟淺色深色的分支在合併時，都遇到了這個問題：

點擊「Resolve conflicts」可以看到發生衝突的位置，但我個人並不建議在網頁上調整，因為你無法得知調整後的實際狀況：

我建議回到程式碼編輯器上操作，本地解決完衝突，確認結果符合預期後再更新上去。

這邊先回到 Antigravity 的頁面，我以切換淺色深色主題這個分支來做示範。

首先，我們要打開終端機，執行 git fetch origin 拉取遠端最新資料 然後再執行 git merge origin/master 來同步主線的更新。

執行後，你就會發現左側 Source Control 這個地方，在 Merge Changes 有一個衝突的檔案：

打開後就會看到產生衝突的位置，衝突通常分成「語法衝突」跟「邏輯衝突」。

邏輯衝突較難處理，因為要考量到相容性或是改寫程式，這個之後有機會透過一個主題專門分享。

而現在看到的這個是調整 CSS 網頁外型的語法衝突；只是括號位置撞到了而已，所以我選擇 Accept Current Change。

這邊也跟大家提一下前面安裝 Gitlens 外掛的好處，像這邊滑鼠移到程式碼時，你就可以看到當時是誰更新了這段程式、更新的目的是什麼：

處理完衝突後，按下「+」，然後輸入 commit

chore: sync with master

這是與主線同步的意思，然後點擊「Sync Changes」推送上去。

此時回到 GitHub，刷新一下網頁，就會發現可以順利合併嚕！

等所有 feature 都合併到主線後，我們可以在 master 的這個地方輸入 git pull，拉回變更。

然後輸入 pnpm run dev，來確認合併後的內容是否符合預期。

這邊把視角切到網頁，我們可以看到第一次進入時，下方會有 Cookie 的詢問視窗，上面可以切換淺色、深色主題，往下滑一點，常見問題的段落也有順利顯示。

如果文章看到這邊，先給自己拍拍手，然後別忘記幫忙點個讚。

假使你有跟著教學做到這個步驟，歡迎留言，讓我知道觀眾裡面有狠人，因為這個主題真的不容易。

結語：人，才是 AI 的瓶頸

完成這隻影片後，我不禁有個特別的感悟。

因為這隻影片不管是專案範例、Commit 訊息、Agent Skills，甚至連 Pull Request 都是 AI 生成的。

我從頭到尾一行程式都沒有寫，主要任務就是去 Review AI 給的建議、執行的成果。

我想未來絕大多數產品，背後也都是 AI 在進行開發與迭代。

但這並不代表 AI 可以取代工程師，雖然現在人人都可以寫程式；但「團隊溝通、功能擴充、系統維護、問題解決」都是需要經驗的。

就拿今天的影片來舉例好了，我是因為觀察到 Code Review 的速度，已經跟不上 AI 寫程式的速度。

當人成為 AI 的瓶頸時，就要去分析如何降低門檻。

比如不同功能要建立各自的分支，以減少 Code Review 的認知負擔。又或者完成功能後，請 AI 分析程式碼分段 commit，並撰寫 Pull Request 草稿，讓團隊協作的資訊有一致性。

雖然每一步都是 AI 在執行，但如果沒有業界的實戰經驗，大家對這些工具如何與 AI 協作是沒有概念的。

但這些才是真正的痛點，只要設計好就能提升個人與團隊的工作效率。

當然，我相信一定還有很多更好的方案，歡迎大家留言分享。

最後提醒大家，不管 AI 多強大，總需要有個人按下同意按鈕。

當你按下去的那刻，責任就歸屬於你，畢竟 AI 還不能幫人背鍋。

如果這篇文章對你有幫助，可以順手按個讚，並把文章分享給對 AI 主題感興趣的朋友們。

用 AI Agent 工具一段時間後，你可能會遇到下面幾個痛點：

① 不知如何下好指令

前陣子收到觀眾私訊，他說：「我覺得 Google AI Studio 的美感比較好，Antigravity 的設計有點醜。」

但其實造成這個問題的關鍵原因，不是工具而是指令；如果你有給 AI 指定的風格、參考的設計，甚至是配色的引導，那肯定能獲得更理想的結果。

不過大部分的人，並不具備這些專業知識。

② 需要重複貼上提示詞

比如寫程式時要 AI 遵守特定的 Coding Style、撰寫企劃時要 AI 參考指定的模板架構，就連現在大家看的這個影片，下面的字幕都是請 AI 執行特定流程優化的。

儘管我根據不同情境設計對應的提示詞；但隨著提示詞數量增加，需要時都要找半天，甚至忘記自己設計過，浪費時間重寫一個。

③ 使用額度快速耗盡

如果看過我過去幾篇文章，你可能已經根據自己的工作需求設定了 Rules。

如果你只是設定通用型的 Rule 那沒什麼問題，但如果每個情境都有設計對應的規則，那 Token 額度會消耗很快。

因為 AI 開啟新對話時，會先載入這些 Rules，並在後續對話中檢查是否需要遵守；如果設計太多不僅會浪費額度，有時還會因為資訊過載導致忽略規則。

而今天跟分享的 Skill，就是用來解決這些痛點的。

你可以把 Skill 想像成一個技能包，裡面有精心設計過的提示詞（Prompt）、程式腳本（Scripts）、參考資源（Reference）。

而現在的 AI Agent，有能力在收到你的指令後，透過閱讀技能包的描述，自行判斷使用時機。

所以我們只要安裝合適的技能包，並根據自己的需求建立技能，AI 就能夠從庸才走向專家。

完整的 Demo，可以觀看 YT 喔 👉

對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

【Antigravity Agent Skills 教學】當別人還在複製貼上，你的 AI 已經自動搞定

① Rule/Workflow/Skill 的使用場景

為了方便大家了解 Skill 如何運作，我在 GitHub 有上傳一個練習用的專案：

https://github.com/dean9703111/ai-agent-skill-for-video-workflow

這篇文章使用 Antigravity 來做示範，但如果你熟悉的是 Cursor 或 Claude 等其他 AI 工具也沒關係，因為以 Skill 的設定來說，只有路徑稍微不同而已。

接下來跟大家說明 Rule/Workflow/Skill 各自的使用場景：

Rules — 通用規則

在這邊填寫的內容，以「通用規則」為主，在大多數場景都能直接適用。

我並不建議大家把 Rule 的內容寫得太仔細，因為每次開啟新對話時，AI 都會把這份文件讀一遍。

換句話說，過多的 Rule 不僅會佔用上下文空間浪費 Token 額度，還可能載入一些不必要的資訊造成幻覺。

如果想根據不同場景設計，建議使用後面提到的 Skill 方案。

Workflows — 工作流

相比於每次都會觸發的 Rule 規則，Workflow 就需要用「/」才能呼叫執行；通常會在這邊設計有明確步驟，邏輯較為複雜的工作流。

以這個範例來說，我就是在一個 Workflow 裡面根據不同情境使用多個 Skills：

這個工作流就是方便我在完成影片拍攝後，執行「上字幕、設計字卡、影片介紹」等後期工作。

你會發現每個步驟我都有讓他參考單獨的 Skill，而不是直接把完整邏輯寫在裡面，這個設計是讓我在未來擴充與維護上更有彈性。

Skills — 專業技能

相比於 Rule 會閱讀完整份文件，Skill 則是在你送出提示詞後，根據需求來使用。

● Skill — Discovery

比如我這邊建立了「音訊轉字幕（audio-to-srt）、優化字幕（srt-enhancer）、設計字卡（srt-card-annotator）、影片介紹（srt-social-summary）」的 Skills。

之所以用這些技能舉例，是想提醒大家，AI Agent 並不是只能用來寫程式，分析資源、內容創作的表現也是很棒的。

這邊打開與 AI 的對話窗，把測試用的音訊檔案拖曳進去後，輸入轉 SRT 字幕檔

他就會開始搜尋是否有跟任務相關的 Skill。

● Skill — Activation

像這裡，我們看到他匹配到了「audio-to-srt」這個 Skill，此時他才會完整閱讀整份 Markdown 文件。

在這之前 AI 只會先閱讀文件裡面的技能名稱與描述，可以大幅節省 Token。

從 AI 的視角來說，有點像是我們用 Google 搜尋時，會先看到標題與描述。

● Skill — Execution

接著 AI 就會跟著文件描述逐步執行，如果環境沒有設定好，AI 也會輔助你安裝所需資源；也提醒一下大家，如果你跟我一樣使用 Mac，但版本沒有升級到 Sonoma 以上，套件安裝可能會失敗。

這邊警告一下大家，如果你找到的 Skill 底下有 scripts 要執行，請謹慎評估，因為你並不確定這些程式是否含有惡意程式。

稍等一段時間，就可以看到 srt 字幕檔在 Skill 的幫助下生成完畢。

Skill 除了有 scripts 這個存放執行腳本的資料夾，還有一個存放參考資料的 references 資料夾。

這邊我以「srt-social-summary」這個用來做影片簡介的 Skill 舉例，為了讓影片被更多人看到，我需要到 Facebook、Thread、YouTube 等不同平台宣傳。

但不同平台都有自己的特性，而 references 的文件就是用來補充這些細節的參考資源。比如 HashTag 要如何標記、開頭怎麼吸引人、不同平台的內容要怎麼撰寫。

這些細節不用寫在「SKILL.md」裏面，讓 AI 判斷有需求的時候再去讀取就好，這是一個漸進式揭露（Progressive Disclosure）的技巧。

② 站在巨人的肩膀，使用設計好的 Skill

在初步理解 Skill 的運作原理後，接下來我會透過實戰，讓大家直觀的了解「不使用 Skill」與「使用 Skill」所帶來的差異。

不使用 Skills

這邊先展示「不使用 Skills」的原始狀態，我準備了自己的個人簡歷與參考圖片，請他幫我客製化一個能呈現專業的個人品牌網頁。

參考來源履歷後，新增資料夾「personal-website」，設計一個有專業質感的中文個人品牌網頁

稍等一段時間後我們得到了一個網頁，打開後你會覺得這個畫面的配色有熟悉的藍紫色，排版也有種 AI 感，距離好看的網頁還有一段距離。

安裝 Skills

所以接下來我們要為專案新增一個 Skill，這邊推薦大家可以到 SkillsMP 這個網站: https://skillsmp.com/

有些多人把自己建立好的 Skill 分享出來讓大家使用，你可以看到總數已經超過了 10 萬個。

你可以透過英文的關鍵字，來搜尋自己想要的 Skill；比如你如果想要設計個人形象網頁，你可以輸入「frontend-design」

這邊就會看到一個由 anthropics 官方建立的 Skill，如果想要安裝他，直接複製上面的指令就可以了。

這邊提醒一下大家，如果沒安裝 Node.js 是無法執行這個指令的，我過去有把 Python、Node.js、Git 這些工具的安裝與使用，拍成教學影片: https://youtu.be/5DEV_K0JauQ

接下來我們把畫面切回 Antigravity，開啟下方的終端機把指令貼上去後，這邊你就會看到 Claude 有提供的 Skills，你可以用鍵盤的「上下」滾動畫面，透過「空白鍵」來選擇。

這邊我就以「frontend-design」來做示範，安裝完成後，我們可以打開右側與 AI 的對話視窗。

使用 Skills

然後輸入一樣的提示詞

參考來源履歷後，新增資料夾「personal-website-skill」，設計一個有專業質感的中文個人品牌網頁

此時你會發現他有先找到對應的 SKILL.md，然後再去做執行：

稍等一段時間後，他就幫我們把網頁生成出來了。第一眼看上去，網頁整體的質感有稍微上升：

但稍微往下瀏覽後你會發現，其實跟上一個沒使用 Skill 的相比，也許結構上有些微提升，但老實講差異沒有差太大。

透過這個範例，是想讓大家了解：

並不是有 Skill 就能得到好作品，他只是讓你有更好的起點

整個看下來，這個網頁存在幾個問題：「首先是設計上沒有特色，再來是資訊只是平鋪直述，所以整體看下來並沒有什麼吸引力。」

使用 Skills + 完整提示詞

但如何讓網頁更有吸引力呢？接下來我就要跟大家分享，如何優化提示詞放大 Skill 能力。

請參考我的履歷後，新增一個資料夾「personal-website-skill-enhance」並依照以下步驟執行：
## STEP 1: 內容彙整
完整閱讀我的履歷後，整理成「個人品牌網站可用的內容模組」，**不可自行刪減重要資訊**。
請至少包含（若履歷中有）：
- 核心定位（一句話我在幫誰解決什麼問題）
- 專業角色與背景
- 授課 / 演講 / 企業內訓經歷（請完整保留）
- 專案或代表案例
- 媒體、著作、出版或公開曝光
- 可合作項目與服務形式
- 聯絡方式與行動引導（CTA）
## STEP 2: 敘事優化
請你將上述內容改寫為「適合放在個人品牌網站的版本」：
- 用專業但有人味的中文
- 避免履歷條列感
- 讓「企業、學校、合作夥伴」一看就懂我能帶來什麼價值
- 授課經歷請以「信任背書」角度呈現，而不是流水帳
此階段請只產出文字，不要有 HTML / CSS。
## STEP 3: 元件與版型決策
扮演「個人品牌網站 UX 設計師」的角色，判斷：
對每一段內容，請標示：
- 適合的呈現元件（例如：Hero 區塊、Timeline、Card Grid、Logo Wall、CTA Section、Sticky Contact）
- 為什麼用這個元件（目的與心理預期）
- 建議放在頁面的位置（上 / 中 / 下）
- 是否適合做成「強調區塊」
請用表格呈現。
## STEP 4: 網站生成
最後根據以下要點生成網頁（參考 SKILL 裡面的 frontend-design）：
- 單頁個人品牌網站
- 中文為主
- 強調專業、可信任、可合作
- 聯絡方式要「非常清楚、好行動」
- 請參考文字引用圖片（複製一份過去）

看完上面的提示詞後，可能有人會舉手發問：「老師！你這個提示詞也太複雜了吧！」

是的，我的提示詞真的挺複雜，但如果你希望 AI 辦好事，你提出的需求就要足夠具體。

假如你認為這些提示詞使用的頻率很高，你也可以把他們設計為 Skill。

但以剛剛的範例來說，因為有根據履歷這個情境特別設計，所以設計成 Workflow 這類需要主動觸發的工作流會更為合適。

等 AI 完成後，我們打開網頁瀏覽一下，此時你會發現不只設計感提升了，連裡面的描述都變得更加有吸引力：

而且前兩個生成的網頁都沒有圖片，而這個全部都有：

我想大家一看就知道，有 Skill 再加上精準的提示詞能得到更好的結果。

哪些地方有 Skill

了解如何安裝與應用 Skill 後，我再跟大家介紹幾個分享 Skill 的網站

比如 awesome-claude-skills 這個 GitHub Repository 裡面就有許多的 Skills 讓大家參考

GitHub - ComposioHQ/awesome-claude-skills: A curated list of awesome Claude Skills, resources, and… A curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows … github.com

除了撰寫程式的 Skills 外，內容也涵蓋了像是「文件處理、圖片優化、研究助理」這類型的技能。

這邊再介紹一個優化前端視覺的 Skill

跟前面分享的 frontend-design 相比，他有根據不同網頁主題做優化；像這邊就有區分成教育類型的網頁、寵物服務的網頁、電子商務的網頁：

如果你想使用這個 Skill，在終端機的地方輸入 npm install -g uipro-cli ，然後輸入 uipro init — ai antigravity，你就會看到它安裝完畢了。

因為剛剛指定安裝到 antigravity，所以技能會被存在「.agents/skills」底下。

我們把資料夾展開看看，你會發現有一個「scripts」的資料夾，裡面有一些 Python 的程式，這些程式會在 SKILL 載入後，於不同的時機點被執行。

Skill 安全問題

雖然前面已經說過了，但我還是要再次提醒大家，如果打算使用別人的 Skill，建議確認以下 3 點：

1. 從信任的來源去安裝 Skills，如果是從 GitHub 上下載，可以透過他的 Star 數量來初步判斷。
2. 建議看一下 scripts 目錄下的程式有沒有危險的操作，像呼叫外部 URL、修改檔案、存取敏感資料這類的，如果看不懂程式，可以請 AI 幫你做初步的檢查。
3. 確認「SKILL.md」是否有敏感指令，比如把儲存隱私資訊的「.env」傳送到特定網址。

希望大家在享受 AI 帶來便利的同時，也能對資安有更高的敏銳度。

Skill 使用經驗

最後提醒一下大家，Skill 並不是裝越多，AI 就越強；像這邊能處理前端的 Skill 我裝了兩個，因此請 AI 生成網頁時兩個都會觸發。

而這所造成的問題除了 Token 的浪費外，還很容易讓 AI 執行到一半卡住。

因此同類型的技能，建議擇優安裝一個，或是合併成一個；在提示詞的世界，1+1 有可能會小於 1。

另外網路上的 Skill 雖然很多，但並不是每個都能讓 AI 變強，有些描述的很猛，但實際體驗很差。

建議大家可以先用 Project 的方式，獨立測試 Skill 運作是否符合預期。真的有用，並且通用的再把他放到 Global Skill 裏面。

這個表格是常見工具的 Global Skill 路徑：

如果你希望安裝一次，就能在所有工具中生效，Mac 可以使用 ln -s，Windows 可以使用 mklink 的指令，將資料夾建立為 symlink 連結。

希望我的經驗，可以讓大家更高效地享受 Skill 帶來的好處。

③ 建立自己的 Skill，搞定繁瑣工作

儘管網路上有很多 Skill，但未必能符合自己實際的工作流，如果找不到合適的，那我們就自己建立！

安裝 Skill Development

不知道怎麼下手也別擔心，我們可以請 AI 幫忙生成初版，這邊我在終端機輸入剛剛用來安裝 frontend-design 的指令，npx skills add anthropics/claude-code ，不過這次我要安裝的是 Skill Development。

建立自己的 Skill

安裝完畢後，開一個新的對話窗，描述自己想建立的 Skill，這邊我是請 AI 建立一個用 Python 將音訊檔轉成 srt 字幕檔的 Skill。

我想要建立一個透過 Python 將音訊檔轉成 srt 逐字稿的 Skill
使用 openai-whisper 套件
我可以設定每行最多幾個字，若沒填寫預設最多 22 字，最少 4 個字
時間軸若不連續，當間隔小於 0.3s 時，後面需要往前補
執行時會先檢查環境與套件是否安裝，並確認有提供音訊檔
將最後輸出的 srt 檔命名為「origin.srt」

你這邊在 AI 執行的過程中看到，他是有參考剛剛安裝的 Skill Development：

稍等一段時間後，AI Agent 就用這個 Skill 幫我們建立了一個新的 Skill。

我們打開建立好的 SKILL.md，跟大家說明內容結構，上面這塊是 Meta Data，也就是 AI Agent 一開始會閱讀的資訊，其中最重要的是 description 的描寫，寫得越具體，AI 執行時會更容易找到。

下面則是這個 Skill 的描述與執行步驟，像一開始會先確認環境，是否有安裝 Python 與對應的套件，沒問題後才會去執行 Python 腳本；這邊你會看到有一個 scripts 的資料夾，這就是 AI 幫我們寫好的 Python 腳本。

測試 Skill

得到 Skill 初版後，接下來最重要的是去驗證他的運作是否符合預期，這邊先開一個新的對話窗，提供一個音訊檔，然後輸入指令：

轉成字幕檔

稍等一段時間後，srt 字幕檔就產生了，我們來驗證一下他是否有根據規則設計：

1. 首先檔名是「origin.srt」符合預期
2. 有遵守每行最長 22 字，最少 4 個字的規則
3. 前後段時間軸會黏在一起

如果你跟著教學做到這一步，恭喜你完成了第一個 Skill。

這邊我再建立一個有關聯性的 Skill 示範給大家看，這個 Skill 的目標是請 AI 在 srt 字幕檔內，判斷適合增加字卡的位置，加快我後期剪輯的效率。

我想要建立一個在 srt 逐字稿文字下方補上「參考字卡」的 Skill
只能在每段字幕的「文字區塊」下方新增字卡行，不可更改原本的時間碼與原字幕文字。
我希望的結構是 `[字卡](word:xxx / type:yyy)`
- word：必須是從該段內容萃取出的「重點詞/短句」（10~16 字內，避免太長）
- type：必須從 references/*.yaml 定義的 type 之一選擇(金色重點、白色提醒、紅色警告、藍色列點)
每 10 段字幕內，至少要新增 2 個字卡，字卡必須「貼合情境」選型：
- 有風險、錯誤、踩雷 → 紅色警告
- 建議、提醒、注意事項 → 白色提醒
- 條列、步驟、清單感 → 藍色列點
- 核心結論、最關鍵一句 → 金色重點
將最後輸出的 srt 檔命名為「reference-cards.srt」
請勿使用 Python 之類的腳本，必須要用 AI 來判斷

在 Skill 完成後，我們開一個新的視窗，把上一步生成的「origin.srt」放進去，然後在提示窗輸入：

給我字卡重點

稍等一段時間後，可以看到「reference-cards.srt」的字幕檔出現了，點進去後，你會發現 AI 有在裡面設計一些參考插入字卡的位置。

觸發多個 Skill

確認 Skill 運作符合預期後，你也可以一個指令中觸發多個 Skill：

幫我將音檔轉成逐字稿後，再生成字卡

這邊你會看到他閱讀了兩個 Skill 的檔案，並且在最後成功生成「origin.srt、reference-cards.srt」的檔案。

優化 Skill

但我們發現這兩個檔案被放在「.agent/skills」的目錄底下，他應該要跟音訊檔在同個階層才對。

發現結果不如預期，請 AI 幫我們調整就好，這邊我就跟他說：

「origin.srt、reference-cards.srt」應該與音訊檔在同個階層，幫我優化 Skill，並移動檔案

設計 Workflow 觸發

確認 Skill 可以組合應用後，再介紹一個更偷懶的方式，我們可以設計 Worflow 讓他穩定觸發，名稱我打 audio-to-srt-cards ，描述這邊我寫「將音檔轉成逐字稿後，再生成字卡的工作流」，而內容清楚描述每一步要參考的 Skill 就可以了：

按造下面步驟執行
STEP 1: 使用「mp3-to-srt」的 Skill 將音檔轉成逐字稿
STEP 2: 使用「reference-cards」的 Skill 用逐字稿生成參考字卡

設定完成後，開一個新的對話窗，輸入「/」後，選擇剛剛建立的 Workflow，接著我們把先前產生的 srt 移除後，將音訊檔放進去。

稍等一段時間，就可以看到工作流有根據我們的指引，參考對應的 Skill 完成任務了！而且生成的字幕檔有跟音訊檔在同個階層：

相信大家掌握 Skill 與 Workflow 搭配的技巧後，做任何事都會更加省力！

結語：把解決問題的經驗，變成可重複使用的資產

使用生成式 AI 一段時間後，你會發現 AI 並沒有你想的那麼聰明。交給他的任務，往往要透過幾次來回對話，才能得到期待的結果。

但得到答案後，大部分人會習慣直接把對話視窗關閉；然後下次遇到類似的問題時，又要重頭開始與 AI 對話。

我覺得這件事非常可惜！

建議大家下次與 AI 協作解決問題後，不要急著關閉對話框，嘗試用這個指令來彙整你們之間的對話：

請將上方對話整理成以下內容，並在最後設計一個可以重現結果的提示詞：
1. 起初怎麼提問
2. 中間如何引導與調整
3. 最終是如何得出這個成果的

得到提示詞後，你就可以用前面分享的方法，把它變成一個 Skill；之後遇到類似的問題時，AI 就知道要使用這個 Skill 來解決。

我認為過去解決過的問題，不應該再花時間解決第二次。

當然一開始建立的 Skill 可能考量的不夠完善；但遇到結果不如預期的狀況時，不就是打磨 Skill，讓他更強大的時機嗎？

這個技巧用得越久，你的 AI Agent 會越來越強大，成為別人難以跨越的護城河。

Agent Skills 的出現，讓 AI 的價值可以持續累積；只要教會一次，他就永遠記得怎麼做！

如果這篇文章對你有幫助，可以順手按個讚，並把文章分享給對 AI 主題感興趣的朋友們。

在課程中還會透過實際範例，分享哪些工具安裝後，可以提升 Vibe Coding 的效率。

因為其實有很多的需求，根本不需要寫程式，直接使用別人完成的套件就好。

你也不用煩惱該使用哪個套件，以及套件該如何使用；因為安裝好這些工具後，AI Agent 會根據你提出的需求，自行判斷這些工具使用的時機點。

建議搭配影片觀看實際的操作步驟。

【Cursor 教學】安裝 3 款讓 Vibe Coding 效率翻倍的工具！用「個人形象網站」實戰演練 #python #nodejs #nvm #git #ai #vibecoding

文章大綱

① 突破 AI Agent 限制，用 Python 自動萃取文件、網路爬蟲
② 安裝 Node.js，讓 AI 生成漂亮、專業的形象網頁
③ 加入 Git 版控，Vibe Coding 放心爆改

在這篇文章中，我會帶你一步步操作，讓你看完後也能打造出屬於自己的個人形象網站！

如果你是第一次接觸 Cursor，可以先看這隻影片。

文章開始前，先提醒一下大家：

AI Agent 的功能非常強大，給他權限後，不僅能自動安裝所需套件、執行指令，還能新增、修改甚至刪除檔案，因此使用時務必小心。

① 突破 AI Agent 限制，用 Python 自動萃取文件、網路爬蟲

第一個建議大家安裝的工具是 Python。

我們安裝 Python 不是為了寫程式，而是為了讓 AI Agent 在面對問題時，有更多的解決方案。

安裝 Python

安裝 Python 這塊，大家可以直接到官網，根據自己的作業系統下載安裝檔即可。

安裝步驟我就不再贅述，安裝完成後，我們可以在 Cursor 打開一個新的終端機，然後輸入

python --version

如果有出現版號，就代表有順利安裝，接下來讓我們進入到實戰階段。

若輸入 python –version 沒有反應，請改用 python3 –version

提取文件資訊

像有些人會把 Cursor 當成 RAG 的工具使用，透過他快速檢索、分析、統整資訊。

但他有一個痛點，就是 Cursor 只能檢索「文字檔」，比如 Markdown/txt 這類型的文件，或是 JavaScript/Python 這類的程式。

假如你的檔案類型是 Word/PPT/PDF，Cursor 預設是沒辦法幫你檢索的。

但如果有安裝 Python，這一切就變成了有可能，像這邊我在資料夾放了自己的講師履歷。

如果今天想把裡面的文件、圖片提取出來，執行下面的指令，AI Agent 就會安裝對應的套件來解析文件，並根據需求將文件儲存成對應的 Markdown 檔案。

資料夾有 pdf/ppt/doc 等多種格式的文件，我想請你把所有文件內的「文字」取出來，並確定可以用繁體中文顯示。
並建立一個「doc」的資料夾，用 Markdown 的格式儲存，並整理文字結構，設計合適的大標、中標、小標，方便閱讀。
如果 ppt/doc 裡面有圖片，請建立一個「img」的資料夾，圖片檔的命名，前綴請使用文件檔名。

在執行這段指令後，AI Agent 就會設計執行步驟，一開始會先安裝需要的 Python 套件，設計程式來提取文件裡面的文字、圖片。

稍等一下，我們就可以在「doc」與「img」資料夾中，看到文字與圖片有順利的提取出來；節省過去需要手動複製貼上的步驟。

把文字提取出來後，就可以把 Cursor 當成 RAG 工具來協助統整資料了；首先把「doc」資料夾拖到 AI 的對話框，這樣 AI 才知道他要處理的內容範圍

接著貼上下面的 Prompt:

我是個講師，正在準備個人形象網站的素材，內容要呈現如下資訊：
- 擅長領域: 搭配可以佐證的資訊
- 個人成就: 找出可數據化的成就，展現實力的強大
- 課程資訊: 課程主題、說明、價格、受眾、預期成果
請先建立「integrate」資料夾，並將上面提到的面向用 Markdown 格式建立，並像個善於推銷自己的 KOL 般，用自信的語氣撰寫文案

這段 Prompt 我先表明自己的身份是「講師」，要求他幫我整理出「擅長領域、個人成就、課程資訊」的資訊，以此做為「個人形象網站」的素材。

稍等一段時間，在「integrate」資料夾，就能看到 AI 按照需求，幫我們完成了資料的彙整。

用網頁爬蟲蒐集資訊

另外有些人會使用 AI 來蒐集網路資料，但許多網站是禁止爬蟲的。

這邊我打開 NotebookLM 示範給大家看，如果來源貼上用 ChatGPT 分享的對話，NotebookLM 的解析是錯誤的，甚至像是 Medium 這類部落格文章也無法辨識

但如果你請 AI Agent 幫你用 Selenium 這個網路爬蟲工具，模擬真實使用者就能夠完成這項爬蟲任務了。

大家可以嘗試下面的指令：

先建立「crawler」資料夾，然使用 Selenium 模擬 Chrome 瀏覽器來設計爬蟲程式
取得下面 ChatGPT 分享連結的對話內容，這個網頁有反爬蟲設計，所以網頁開啟後，先等 5 秒鐘渲染元素再去抓取與 ChatGPT 的對話
https://chatgpt.com/s/t_68d21677946081918576092e1c2d37c1
抓到對話後建立「output」，將資料寫入 Markdown 檔案，檔名使用網頁標題，並優化 Markdown 格式為好閱讀的結構

這段提示詞有 2 個重點：

• 要求 AI 使用 Selenium 模擬 Chrome 瀏覽器來設計爬蟲程式
• 提醒他網頁有反爬蟲設計，所以網頁開啟後，要先等 5 秒鐘渲染元素再去抓取與 ChatGPT 的對話

稍等一段時間，在 output 的資料夾中，就能看到 Cursor 突破原有的爬蟲限制，取得與 ChatGPT 的對話內容。

剛好透過這個範例提醒大家，雖然我們用 Vibe Coding 完成了這個爬蟲程式。

但他的成功是建立在指令非常明確之上，如果沒有網路爬蟲的基礎概念，AI 的失敗率是非常高的。

專業知識，是你在 AI 時代的護城河。

② 安裝 Node.js，讓 AI 生成漂亮、專業的形象網頁

大多數人 Vibe Coding 的第一個作品，通常是網頁。

但如果你只是請 Cursor 幫你設計一個公司或是個人的形象網頁，那 AI 通常是使用簡單的 HTML 與 CSS 做基礎設計。

但如果安裝了 Node.js，你就可以直接使用知名的前端三大框架 Vue/React/Angular 來做設計。

這些框架生成出來的結果會更符合現代審美，未來想擴充功能時，也有豐富的套件可以直接使用。

安裝 Node.js

在安裝 Node.js 這塊，我建議大家透過 NVM 來安裝

• Mac 執行指令就可以安裝了

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash

• 但如果你是 Windows，就需要下載 exe 檔來安裝

因為 Node.js 有多個版本，而 NVM 這款工具可以幫你快速在不同版本間切換、更新。

nvm 安裝完成後，開啟終端機輸入 nvm -v，確認有成功安裝：

接下來輸入 nvm install –lts 來安裝最新版本的 Node.js

安裝完畢後，輸入 node -v 便可檢視剛剛安裝與現在使用的對應版本

完成上述步驟後，接下來就可以開始製作網頁了。

生成個人形象網頁

在前面，已經透過 AI 從 Word/PDF/PPT 裡面取出了個人資訊與相關照片，接下來我就直接示範如何用 Cursor 生成個人形象網頁的初版。

提醒大家，照片取出來後，建議給予分類、命名，這樣 AI 生成的結果會更好。

下面我們把生成網頁，要參考的文字、圖片資料夾拖到與 AI 的對話，然後貼上下面指令：

建立一個「personal-website」資料夾，我想要用 React 框架，設計一個個人形象網頁。
網頁一定要呈現的頁面如下：
- 頂部: 有個人形象照與基礎資訊
- 擅長領域: 切換不同領域時更換對應顏色
- 個人成就: 加上互動效果與圖片
- 課程資訊: 以卡片顯示，含說明與價格
- 聯絡洽詢: 頁面最下方
設計重點:
- RWD 響應式設計
- 有一致的色系規範
- 搭配對應圖片（請複製到專案並用相對路徑）
- 互動效果與視覺化呈現（例如 hover、切換）
整體水準:
- 高度專業感
- 資訊重點清晰
- 圖片長寬比例需考量版面配置

這段指令除了一開始有指定使用的前端框架為 React 外，下面有分成 3 塊指引：

1. 首先我跟他說明頁面要呈現的資訊
2. 接著提醒設計要注意的重點
3. 最後則是放上一些額外的需求

然後稍等一段時間，個人形象網頁的初版就完成了：

但還是要提醒大家，AI 只是加速製作網頁的過程，你要自己去確認細節是否符合自己的需求。

像是基本的文字描述、圖片擺放是否恰當，以及 RWD 的設計是否完善等等。

如果不知道在哪新增圖片、或是文字大小不知道怎麼調整，可以直接向 AI 詢問。

如果生成網頁的過程遇到 Bug，出現一堆紅字，那也非常正常。

你可以把錯誤訊息複製下來，貼到 AI 的對話窗，請他協助解決。

這方法能解決大多數的基礎問題，但如果遇到的錯誤太多，或是邏輯上的問題，就需要根據實際情境來處理，這邊會再找時間寫一篇文章分享。

③ 加入 Git 版控，Vibe Coding 放心爆改

Vibe Coding 時，你的每個指令都可能大幅調整專案的程式。

但 AI 修改的結果未必是你要的，甚至有時會把正常的功能給改壞了。

為了把改壞的內容救回來，我會建議大家安裝 Git，這個程式碼版本控制工具，並註冊 GitHub 帳號來管理專案。

安裝 Git

首先，我們可以到 Git 官網下載安裝檔

安裝好 Git 後，開啟 Cursor 終端機輸入指令 `git -v` 確認有正確安裝

接著用下面的指令來完成初始化設定，請自行調整成自己的英文名字與 email

git config --global user.name "baobao"
git config --global user.email "baobao@gmail.com"

然後產生 SSH Key，這是為了確保這台電腦有更新專案的權限，這邊也請自行調整成自己的 mail

ssh-keygen -t ed25519 -C "baobao@gmail.com"

SSH Key 生成出來後，可以透過下面的指令顯示公鑰，這會在下一個步驟用到

cat ~/.ssh/id_ed25519.pub

註冊 GitHub

這邊我們來到 GitHub 的官網，你可以直接使用 Gmail 來註冊。

註冊完成後，我們到帳號右上角的 Settings

選擇側邊欄的「SSH and GPG Keys」，點擊「New SSH Key」來新增剛剛生成的公鑰

接著建立一個新的 repository，用來儲存剛剛 AI 生成的網頁專案。

Repository name 可以自由輸入，這邊我打「personal-website」，Description 可保留空

如果你不想把這個 Repository 公開，可以在「Configuration」把 visibility 改成「Private」

把專案更新到 GitHub

接著回到剛剛 Cursor 幫我們生成的專案，在終端機輸入 git init 來初始化專案 git。

然後回到網頁，複製第一行 git add… 貼到專案的終端機，這樣我們就可以把電腦的專案與 GitHub 上面的專案連結。

然後點擊左上方的 Source Control，你可以手動在框框內輸入這次的更新內容，又或是點擊旁邊的星星按鈕，讓 AI 自動產生：

確認文字描述符合自己的預期後，點擊 commit，就會在自己的電腦記錄這個變更；但如果想更新到雲端，你需要點擊 Push 才會成功喔！

Push 後我們回到 GitHub 網頁，刷新一下頁面，如果能看到專案的內容，就代表你成功了！

接著回到專案，嘗試與 AI 提出一個修改的需求

我希望可以有 Dark Mode 與 Light Mode 的設計

等 AI 執行完畢後，你可以在 Source Control 這個地方看到 Vibe Coding 更新的內容。

如果發現他改壞了，後續對話也無法解決，你可以全部放棄變更！

這邊我再給他一個要調整的內容

1. 形象照的圖片顯示上半部就好
2. 最上方個人簡介區塊下面要有留白
3. 我的成就裡面的圖片，可以根據不同比例完整顯示，要上下左右置中，多個地方用透明顯示
4. 職涯發展顧問、職涯發展的顏色太淡，不好辨識

如果對這次的調整滿意，就提交並發布一版保存；提交我們的 commit，點擊同步變更後他就會提交到 GitHub 雲端上面，以上是最基礎的 Git 操作。

他是一個很棒的版本控制工具，功能非常多，這邊放上常用指令，有興趣深入研究的朋友可以保存一下。

git init：在目前資料夾初始化 git
git clone <repo-url>：將遠端的專案下載到電腦
git checkout <branch>：切換到指定分支
git checkout -b <branch>：建立並切換到新分支
git merge <branch>：將指定分支合併到當前分支
git stash：暫存目前變更
git stash pop：取回並套用暫存變更
git push origin <branch>：將本地分支推送到遠端
git pull origin <branch>：拉取遠端分支並合併
git fetch：抓取遠端最新狀態

如果不知道指令怎麼下，別忘記有 AI 這個好夥伴可以詢問～

Vibe Coding 的工具很重要，但電腦品質也不能太差

在舉辦幾場 Vibe Coding 的工作坊後；我發現一件特別的事，明明指令相同，有些學員可以很快取得期待的結果，而有些學員則是很容易卡住。

一開始我以為是運氣問題，但深入討論後，發現瓶頸其實是出在電腦的硬體規格上面。

因為 Vibe Coding 會需要索引專案、執行指令、編譯程式，假如電腦的記憶體、CPU，以及硬碟的配置較差。

那你執行的每一步都要會花更多的時間，有時不是 AI 做不出來，只是速度慢到你以為他卡住了。

其實電腦也不需要買多好的，我前陣子買了一台一萬八的 Windows 電腦，CPU 是 Intel i7、記憶體 16 GB、硬碟用 SSD，跑起來就很夠用了。

結語：掌握讓 Vibe Coding 效率翻倍的工具

最後來回顧一下今天分享的 3 個工具：

1. 我們可以透過 Python 幫我們讀取不同格式的文件內容，甚至用網路爬蟲取得詳細資訊。
2. 安裝 Node.js 後，我們可以使用最流行前端框架，打造更專業、漂亮的網站。
3. 有了 Git 協助版本控管後，我們就可以用 Vibe Coding 大膽嘗試創意的想法

安裝這些工具不是為了讓你變成程式設計師，而是讓 AI 有更多武器來幫你解決問題。

看到這裡，大家應該可以感受到 Vibe Coding 的可能性與便利。

但還是要提醒大家，Vibe Coding 並不是完全零門檻的事情。

在實務上，當問題變得更複雜，或需要跨領域整合時，專業知識仍然是必要的。

像今天分享的這些工具，對沒有資訊背景的人來說，可能都是知識盲區。

AI 能做到哪些事情，其實是取決於你對這個世界的認知。

希望今天的分享，能讓你使用 Cursor 做 Vibe Coding 時，獲得更好的體驗。

如果你對 AI 工具、自我成長、職涯發展感興趣，歡迎追蹤我！我會我會持續分享新的觀點 💡

斜槓講師、作家、影片創作者的我，就把它應用到課程規劃、文章撰寫、資料彙整、字幕生成、腳本設計、字卡規劃、音效建議…等多個領域。

這篇文章會從 Cursor 的基礎操作開始，帶大家學會範圍限制，與設定 Rules 提升答案品質。

最後透過實際案例，分享 AI Agent 可以給我們帶來的幫助。

建議搭配影片觀看實際的操作步驟。

【Cursor 教學】入門到實戰，用 AI Agent 自動化你的工作流！

動機：我厭倦在 AI 工具間複製貼上

我的本職是工程師，一開始只把 Cursor 當做程式編輯器；而創作文章、資料彙整還是在 ChatGPT 或 NotebookLM 上操作。

但時間一久，我覺得要根據需求使用不同工具很浪費時間。

像是我在企業內訓備課的時候，有些主辦方會給我課程的參考資料，但這些資料的格式不一，可能是 Word/PDF/PPT。

而且有些資料還有重複的問題，儘管可以靠 NotebookLM 彙整資訊，但上傳、複製、貼上的動作不但無趣又很浪費時間，而且無法跨筆記本操作。

另外我開始拍 YouTube 後，也需要花很多時間處理「腳本設計、字卡規劃、音效建議、宣傳導流」這一系列的事情。

錄幾隻影片後，我覺得自己拍片的熱情，快被這些瑣碎的事情給消耗殆盡。

於是我開始思考：

有哪些任務可以交給 AI 處理？有沒有可能，把任務集中到一個工具搞定。

最後我把寫程式的思維，整合進 Cursor；才發現它根本就是創作者的神器！

① 下載 Cursor，掌握基礎操作

下載安裝

首先我們要進入 Cursor 官網，點擊「下載」按鈕，便可獲得安裝檔。

這篇文章以 Mac 操作為主，但 Windows 與 Linux 系統也是可以操作的。

隱私設定

在安裝並註冊完 Cursor 後，我們先打開設定；確認目前是否已經選擇 Privacy Mode。

啟用後，通過 Cursor 伺服器的資料不會被用於模型訓練，提升我們使用上的資訊安全。

基礎操作

操作方面，你可以在右側的對話窗，透過對話向 AI 提出需求，提示詞的技巧與 ChatGPT 相同。

下面是範例 Prompt：

幫我設計一個 Cursor Vibe Coding 的教學大綱，並建立一個 Markdown 檔案，檔名需為好理解且具描述性的英文檔名。
大綱內容要有清楚的結構（如章節或步驟），用詞要容易理解，方便教學使用。
Cursor 是一款 IDE 工具，課程要注重如何善用 AI 取得更流暢的開發體驗。授課對象為沒寫過程式的學員。

他遵循的結構如下：

• 目標：在目標方面，我跟他說要設計一個 Cursor Vibe Coding 的教學大綱
• 格式：在輸出格式上，我要求他要用 Markdown 檔案呈現，並且使用英文檔名
• 注意：並要求他注意設計大綱時結構要清楚，用詞要容易理解
• 脈絡：並補充工具簡介與學員的背景

從下圖可以看到，只要提示詞足夠明確，就能在初始對話獲得品質較高的回覆。

同時也跟大家說明 Cursor 與 ChatGPT 最大不同的點，就在於 ChatGPT 要來回複製貼上，而 Cursor 可以直接新增、修改檔案，讓你免於複製貼上的繁瑣步驟。

Clear all chat

但也提醒大家要定期清空對話，避免 AI 因為錯誤的上下文，導致回覆的品質下降。

Cursor 價格說明

完成註冊後，一開始會有兩週的 Pro 版試用，但試用是有額度限制的；像我大概一天就把免費額度用完。

如果大家看完文章，並在實際操作中，覺得 Cursor 對你的工作、創作有幫助，可以考慮付費升級到 Pro 版。

以我個人來說，Cursor 幫我節省下來的時間、精力，遠遠超過這個價值。

② 了解不同模型的使用時機

現在是生成式 AI 大爆發的年代。

每隔幾天，就會有新聞報導，說某個模型又取得了更優秀的成績。

但如果你使用的是 Cursor，那現在最夯的 ChatGPT、Gemini、Claude 的最新模型都能使用。

模型選擇

下面的列表，就是Cursor 有提供的模型：

你會看到有些模型有大腦的符號 🧠，這代表他是「推理模型」，可以處理更複雜的任務，但執行時間較長。

而其他的則是「非推理模型」，面對簡單問題可以更快的得到答案。

你可以在這個頁面勾選想使用的模型，建議勾選最新的模型，會得到更好的表現。

不過在對話的時候，我建議選擇「Auto」就好，讓 AI 來幫你決定；不然每次對話都要選對應的模型也太累人。

③ 學會範圍限制，提升答案品質

儘管 Cursor 具備檢索「整個專案」的能力；但執行比較久，錯誤率也會隨之上升。

所以我會建議限制參考資源的範圍，比如特定的資料夾、檔案；這樣 Cursor 就能更快、更精準地完成需求。

使用上非常簡單，用拖拉的方式即可，可以一次選擇多個檔案、資料夾。

如果想要更精確的指定，你也可以選擇文件內特定範圍的文字（點擊 Add to Chat），請 AI 針對性的閱讀、修改。

④ 設定 Rules，讓 AI 更懂你

除了限制範圍可以提升 AI 回應的品質外，設定好 Rules 可以讓 AI 更懂你

Rules 就是告訴 AI，你的工作習慣、偏好和要求的設定

這邊分享一個 Cursor 內部員工的 Rules 範例：

DO NOT GIVE ME HIGH LEVEL SHIT, IF I ASK FOR FIX OR EXPLANATION, I WANT ACTUAL CODE OR EXPLANATION!!! I DON'T WANT "Here's how you can blablabla"

- Be casual unless otherwise specified
- Be terse
- Suggest solutions that I didn't think about—anticipate my needs
- Treat me as an expert
- Be accurate and thorough
- Give the answer immediately. Provide detailed explanations and restate my query in your own words if necessary after giving the answer
- Value good arguments over authorities, the source is irrelevant
- Consider new technologies and contrarian ideas, not just the conventional wisdom
- You may use high levels of speculation or prediction, just flag it for me
- No moral lectures
- Discuss safety only when it's crucial and non-obvious
- If your content policy is an issue, provide the closest acceptable response and explain the content policy issue afterward
- Cite sources whenever possible at the end, not inline
- No need to mention your knowledge cutoff
- No need to disclose you're an AI
- Please respect my prettier preferences when you provide code.
- Split into multiple responses if one response isn't enough to answer the question.

If I ask for adjustments to code I have provided you, do not repeat all of my code unnecessarily. Instead try to keep the answer brief by giving just a couple lines before/after any changes you make. Multiple code blocks are ok.

大家可以把它複製起來，然後貼到 Rules 設定中，這會在所有專案中生效！

另外大家可以再加上一個 Rules，告訴 AI 你習慣使用的語言

Always respond in 繁體中文

每個人都有不同的職業、偏好、需求，大家可以針對性地來設計專屬自己的 Rules，讓他更符合工作流。

⑤ 撰寫 Spec，讓 AI 知道怎麼做事

剛剛示範的 Rules，是跟著你的帳號走，在每個專案都會生效；但現實生活中的每個專案，往往都有不同目的。

像我就是一個斜槓的工程師，除了寫程式外，還要寫部落格、寫書、備課，甚至還有拍 YouTube。

如果把每個身份都寫進 Rules，不但不好管理，甚至還會讓 AI 混亂，導致效能下降。

所以這個時候，你應該要針對專案的不同目標，來設計 Rules，不過因為規則複雜，所以我習慣把它稱為 Spec，也就是需求規格。

讓 AI 知道在不同專案下，該如何完成任務。

建立給專案的 Rules

在剛剛建議 Rules 的地方往下滑一點，就可以建立針對 Project 的 Rules。

比如我們想請 AI 做的是把文章轉成腳本，名字我就打「article-to-script」。

接著你會看到這個檔案出現在「.cursor」的「rules」資料夾中，副檔名為 .mdc。

你可以自由設定這個規格要觸發的時機，像是永遠觸發、AI 自動判斷、針對特定檔案、或是人為呼叫都可以。

至於內容要怎麼寫，我們一樣可以請 AI 幫忙。

你是一位擅長打造 KOL 的專家團隊，我想請你請從業界實戰的角度，規劃出當用戶輸入「文章轉腳本」時， AI 要執行的步驟、輸出的限制、以及結果品質的檢查，完成後將結果更新到這個檔案中。

得到初步的版本後，你可以根據實際需求調整細節；比如我在結尾加入這個腳本要儲存的位置，避免修改原本的檔案。

## 檔案儲存位置
在同層資料下以 `{原檔名}_script.md` 命名來建立檔案

驗證 Rules 是否生效

這邊我拿自己過去寫的一篇文章，實際 Demo 給大家看；我先把這篇文章拖到右側 AI 對話窗，然後跟他說「文章轉腳本」。

接著稍等一段時間，一份腳本的草稿就生成了，這可以大幅增加創作者的效率！

⑥ 體驗 AI Agent 一鍵搞定的快感

讓 Project Rules 互相參考

在剛剛的範例中，我只有提供 AI 一個客製化規則。

但其實你可以設計多個可以串聯的規則，這邊我也拿自己的案例來分享。

我有為了製作 Youtube 專門開一個專案，並在下方設計完整的 Spec，涵蓋了了「文章轉腳本，腳本轉逐字稿，以及把腳本轉成短影音」的規則。

我除了可以透過這些關鍵字來執行外，也可以輸入「一次搞定」，這邊我就有告訴他完整的執行順序。

發揮 AI Agent 的潛力

在影片的開頭，我有說到 Cursor 可以幫我彙整 Word/PPT/PDF 等多種格式的文字與圖片。

不過更準確的說法，是 Cursor 辨識完文件的格式後，安裝了許多 Python 的套件，然後下指令提取出檔案的文字、圖片。

而這一系列從「辨識文件、安裝套件、執行指令、彙整文件」的操作，都是 AI 幫我完成的，我只有要求他幫我彙整資料夾內的文件，整合資訊到新檔案而已。

我有次也好奇 AI Agent 能做到什麼地步，於是把 MP4 影片檔丟給他，請他幫我生成出 SRT 字幕檔，結果沒想到他安裝完辨識語音的 Whisper 套件後，真的把字幕檔生成出來了。

看到結果的時候我超 Shock！

但也提醒一下大家，儘管 AI Agent 可以幫我們做到很多事情，但開放權限給他時，請先搞清楚是否會造成危害。

像套件自動安裝、指令自動執行儘管很方便；但越強大的工具，出事時，問題往往也越大。

AI Agent 有辦法將一個簡單的指令，解析成「多個執行步驟」後，完成「複雜、龐大」的任務（但結果未必正確）。

結語：一起嘗試 AI 工具的潛能吧！

希望這篇文章，能讓沒有開發經驗的朋友，也願意嘗試 Cursor 這款強大的 AI 工具。

在具備正確觀念，並熟悉設定後，相信 AI 可以幫我們搞定許多繁瑣的事務，讓我們專注在真正有價值的工作上！

如果你對 AI 工具、自我成長、職涯發展感興趣，歡迎追蹤我！我會我會持續分享新的觀點 💡