這篇在講什麼
這是一場帶商會企業主上的一日 AI 工作坊完整記錄。課程從早上到下午，實際走過十三個段落，從「AI 不用學，因為學不完」開場，一路走到 ChatGPT 專案、NotebookLM、桌面型 Agent 與技能包。這篇照實際講課順序整理，讓沒到場的人也能走一遍這條線。
· 企業主、主管，想知道 AI 導入該從哪裡開始的人
· 上過幾堂 AI 工具課，但回到工作還是不知道怎麼用的人
· 要幫組織或社團規劃 AI 培訓，想參考一日課怎麼安排的人
· 一條從觀念到操作的一日課完整路線
· ChatGPT 專案、NotebookLM、桌面型 Agent、技能包四個工具的任務分工
· 兩個當天出的課後功課，你可以直接跟著做
上午：先拆焦慮，再認識 AI 的邊界
AI 不用學，因為學不完
開場先做觀念校準，把「我要把工具都學會」的焦慮拆掉。你不需要把每個軟體操作背起來，也不用追逐所有新工具。真正重要的是判斷：哪些事交給系統、哪些事交給 AI、哪些責任仍然要人來確認。
圖書館裡問時間：AI 會生成，但不一定知道
課堂用一個比喻說明 AI 的邊界：一個人在圖書館裡讀書，沒有時鐘、沒有手機，你問他現在幾點，他再會推理也不會真的知道。他可以猜、可以給一個看起來合理的答案，但那跟真的知道是兩回事。
對企業主來說，這個比喻換成三句話：AI 擅長整理、轉譯、生成、推理；AI 不會自動知道你沒有提供的真實資料；AI 要變可靠，要讓它讀得到該讀的資料、碰得到該碰的工具、停在該停的地方。
做自己的形象海報：AI 不認識你，就會亂生
上午的暖場實作是用自己的照片和資料做形象海報。它同時也是最直覺的邊界示範：AI 不認識你的長相、品牌、角色時，它會生出一個「很像某種專業人士」但根本是別人的畫面。
你要把素材交給它、告訴它你的角色、顏色、造型、立場，它才能從「泛用好看」走向「像你、可用、可累積」。這也預告了後面的數位分身：連一張形象圖都要餵資料，真正的 AI 分身更需要資料、口吻、判斷與持續校正。
把一套思維框架教給 AI：課題分離示範
上午還有一段用「課題分離」做的示範：先分清楚這是誰的功課，自己的功課自己負責，對方的功課還給對方。這段的重點在示範怎麼把一套思考方式教給 AI：先把框架講成人聽得懂的話，再把判斷步驟拆成 AI 能照做的流程，最後讓 AI 用這套框架分析對話或決策情境。
與其只叫 AI「幫我分析」，更有效的是把「你要怎麼分析」寫清楚。這就是技能包的雛形。
教人的同時錄音，順便教 AI
上午後段講了一個對講師、顧問、一人公司都很關鍵的做法：教人的時候同時錄音，順便教 AI。很多知識沒有被寫成 SOP，它們藏在你怎麼教人、怎麼回答問題、怎麼處理現場狀況裡。
找一件你熟的事，實際帶一次，別為了錄音而演。
上課、會議、教學現場都可以是素材來源。
用轉錄工具把錄音變文字，先求完整再求乾淨。
照實際順序整理成別人讀得懂的版本。
變成可重用的 SOP、技能包或課程補充。
你正在讀的這篇文章，本身就是走這條流程做出來的。
會議記錄要記 AI 記不到的東西
錄音會留下、簡報會發給大家，那人做的會議記錄還要記什麼？答案是記 AI 不容易自己抓到的現場訊號：誰停頓了多久、誰看起來興奮或猶豫、哪個問題讓大家突然有反應、什麼地方講得卡、這個主題第一次講吃螺絲幾次，第二次有沒有更順。
AI 可以整理知識，但現場反應、情緒、互動與節奏，需要人有意識地記下來。這些才是課後復盤真正有價值的資料。
下午：把資料放進可累積的工作空間
ChatGPT 專案：對話框的資料夾
下午從 ChatGPT 專案模式開始。用最白話的說法，專案就是一個對話框的資料夾：把同一個主題的聊天、資料、設定放在一起，AI 才不會每次都像第一次認識你。備考可以開專案放官方資料和考古題，客戶可以開專案放會議紀錄和提案方向，課程可以開專案放課綱、問卷和回饋。
課堂也提醒了限制：網頁版和手機版的專案多半各自獨立，很難自然跨專案整合。這正是後面桌面型 Agent 要補的洞。
NotebookLM 與 Gemini：記憶和思考的分工
放資料、保留來源、讓 AI 依據你給的資料回答。它讓你的資料變成可對話、可追問、可回查來源的顧問。
幫你把資料拿來理解、對照、生成，而且會出現在 Gmail、文件、地圖等整個 Google 生態系裡。
專案是空間，分身是角色
另一組容易混淆的概念是專案和 AI 分身。專案是工作空間，資料、聊天、進度集中在這裡；分身是角色，它用特定口吻、判斷標準、任務方式幫你工作。要長期追一個客戶，開專案；要做一個「課題分離顧問」，做分身。
課堂還示範了一種很有效的分身校準法：真人和數位分身同時在現場，大家問分身問題，真人在旁邊看，當場修正它哪裡不像、哪裡答錯。
桌面型 Agent：從聊天變成幹活
桌面型 Agent（課堂用 Codex 示範）的重點在於 AI 終於能碰到你的工作環境：它的專案直接讀本機資料夾，可以看檔案、改檔案、安裝技能包、把任務拆成步驟執行。
現場有一個很誠實的補充：如果示範資料夾是空的，AI 會翻車，因為它沒被教過、沒有資料、沒有技能包。同一個 AI 放進真正的工作資料夾，讀得到過去的脈絡，表現就完全不同。這說明桌面型 Agent 的價值來自你的環境整理，模型本身只是一半。
技能包是操作手冊，不是咒語
技能包最白話的定義：給 AI 看的操作手冊。它超過一句提示詞，是一套可以寫到幾千字、幾萬字的流程規範。只要 AI 或 Agent 支援技能包，它就會盡量按照裡面的規則做事。
- 把一次做得好的流程固定下來，下次直接沿用。
- 把 A 專案成功的做法搬到 B 專案。
- 把自己的專業判斷寫成可重用的協定。
- 安裝別人做好的設計、整理、研究能力，缺什麼能力就補什麼技能包。
當天的課後功課，你也可以跟著做
一日課的終點是兩個功課，一個給手機、一個給桌面，剛好對應「先累積資料」和「先固定流程」兩條路。
- 手機版功課：在 ChatGPT 建立一個專案，把同一個主題的對話都集中進去，聊一兩週後請 AI 統整，感受資料累積後的差別。
- 桌面版功課：找出工作裡重複出現的一件事，請 AI 幫你把「你平常怎麼做」設計成自己的技能包。
重點都是開始練習把自己的做法說清楚。工具會一直換，說清楚的能力和留下來的流程，才是組織真正累積得到的資產。