AI知識分享 – 龍冥 Blog

當AI成為我的演講助手：跨越年齡層的志工教學經驗

龍冥 — Sun, 29 Mar 2026 08:46:11 +0000

剛結束在順興發展協會的志工服務，在回程路上，我想記錄下這次特別的經驗。這是我第一次嘗試以高度系統化、架構式的方式準備純 AI 課程。過去我的分享多半是隨興而發，或是依附在程式教學之中，但這次我做了一個新嘗試：將我對 AI 的體感與破碎思考，轉化為一場具有起承轉合的完整演講。

教學設計的挑戰：兼顧基礎操作與深度提問

這次的聽眾組成具挑戰性，年齡層從國小中低年級橫跨到退休前輩，且只有兩小時的演講限制。在設計教材時，我刻意保留了不同深度的內容。從最基礎的Gemini開啟與提問開始，讓大家直接操作手機，瞭解如何開始使用AI。但我更想傳達的，並非僅止於工具的使用，而是會想要帶出這些問題，問參與的人。

我們該如何使用 AI？
我們是否該全然信任 AI？
在使用過程中，我們應保有何種程度的思考與判斷能力？

在課程過程中。我不只是單純教工具應用，而是帶入了我如何思考 AI 在我身上發生的化學反應，分享屬於我的經歷與價值。這是我在過往課程中較少納入的元素。

重新定義 AI 協作：保留思考主動權的簡報製作

另一個重點在於簡報製作。我並非專業的簡報設計師，過去對於「演講節奏」的掌握也多靠隨機應變。這次我突破過往的模式，大量採用AI的工具，從「演講節奏」設計，一度轉到「簡報設計」，最終將這些零碎的想法成功轉換成具故事性的課程演講。

過去使用 AI 生成的架構時，常會有一種「被 Gank」的疏離感，講著簡報時，突然發現這頁內容不在自己的思維中，反而要靈機應變，把它圓回去。但這次我調整了模式，讓 AI 協助將我高度的個人意志轉化為系統化的資料。最終結果令我驚訝與滿意：演講過程很順利，時間掌握到聽眾回應都超出我預期的好，特別是演講最後的節奏有確實帶動了現場二十多位聽眾的情緒共鳴。

志工服務的雙向價值：幫助他人也成就自己

這次在順興發展協會的經驗讓我體會到，AI 可以成為我既有價值體系的增能工具，協助我不擅長的公開演講與教學。感謝路樂平台的媒合與順興發展協會柏堯社工的信任，讓我有機會在幫助別人的同時，也看見了自己新的可能性。我認為就是因這種「幫助別人也幫助自己」的感覺，讓我很喜歡做志工服務。

為什麼用AI輔助工作，工作時間反而變長了？

龍冥 — Wed, 07 Jan 2026 12:38:28 +0000

這幾年大量使用 ChatGPT、Gemini等生成式 AI 後，我察覺到一個現象：隨著答案獲取的速度加快，正在重塑我的工作節奏。這種感覺很像短影音與長影音給我的感覺，短影音給予即時回饋與快感，但不能給我思考的空間，而長影音雖然沒有快速的刺激，卻保留了深度思考的空間。

這幾年知識搜尋與獲取的方式大幅進化，我從過去需要精準關鍵字、判讀標題與摘要的時代，跨越到了現在只要提問就能迅速透過AI獲得解答的時代。然而，這種便利性背後隱藏著一個危機：當貌似是答案的資訊可以無止盡地產出時，我是否還清楚自己最初的任務是什麼？

速度的陷阱：從解決一個問題到同步處理十個問題

我在透過類似 Vibe Coding 的方式撰寫code時，這種體悟尤為深刻。當我大量依賴 AI 輔助，往往會發現自己從原本只想解決一個核心問題，演變成在處理十個同步衍生的細節。AI 會不斷拋出新的考量點，而我若缺乏判斷力地全盤接收，最終會導致工期遠超預期。這讓我開始反思：這些被納入考量的問題，真的都是必要的嗎？

這正是專家與 AI 之間的差異。AI 只要有硬體資源，就能永無止盡地提供答案；但專家的價值在於「篩選」——知道什麼是關鍵、什麼是必要，以及什麼是可以捨棄的。工具變得越強大，定義問題與看待問題的能力就越顯得稀缺。

重拾主導權：我如何與 AI 協作的具體實踐

為了不被 AI 的節奏帶著走，我為自己建立了幾套心理機制與操作流程：

開啟AI前的詢問：在開啟對話框前，先停頓並思考：我現在拿起這個工具的具體目的是什麼？
察覺焦慮的斷點：當我發現自己等待答案的耐性從兩分鐘縮短到十秒，甚至頻繁切換視窗試圖尋找更快路徑時，這就是我的焦慮訊號。此時會強制自己起身休息三到五分鐘，讓大腦冷靜，不讓自己因快速的獲得情報資源，無止盡擴散自己的焦慮。
最終責任的審視：在採納 AI 的解答後，我會重新檢視：這個結果是否包含我的核心想法？我是否願意為這個答案全權負責？如果不是的話，那就要調整，甚至於不使用。

無論是修正文字的語氣通順，還是調整程式碼中的變數命名與邏輯偏誤，這些細緻的調教過程，才是讓成果真正代表「我」的關鍵。工具終究是輔助人，而非取代人。在這個 AI 時代，我們更需要學習如何拿起工具，而非被工具推著前進。

個人品牌經營沒時間？用 AI 自動化 (AudioPen+n8n) 打造寫作習慣

龍冥 — Mon, 29 Dec 2025 00:00:00 +0000

最近在《哈佛商業評論》（HBR）讀到「是時候升級專業形象了？請從四大關鍵更新你的個人品牌」這篇文章，在文章中我感覺到必須持續更新個人品牌。這件事的核心在於，若我們在進入職場後便停止在網路上更新作品或展現能力，外界將無法察覺你的專業增長，甚至會產生「職涯停滯」的錯覺。我對此深有共鳴，卻也面臨最現實的困境：在結束八小時的工作後，剩餘的體力與時間根本不足以支撐高強度的內容創作。

阻力分析：為什麼我無法「坐下來」寫作？

我發現自己無法持續更新的原因有二：一是大腦能量的耗盡，下班後面對空白稿紙，原本的千頭萬緒往往瞬間消失；二是完美主義的枷鎖，我無法接受未達標的內容公開發表，導致每篇文章動輒耗費五小時，這完全不符合持續經營的「飛輪效應」。

這讓我想起志祺七七曾分享的經驗。他提到日更影片最大的阻力並非拍攝本身，而是攝影棚佈置等瑣碎環節。他的策略是將這些「負分阻力」外包給其他夥伴，減輕他在日更影片的環節中，會讓他有感覺阻力的事情，達到可以「持續更新」的目標。對我而言，從零開始打字就是那個最大的阻力。我必須承認，在下班後的狀態下，要求自己從無到有產出文章是一件不可能達成的任務。

策略轉向：將「從零創作」改為「編輯靈感的草稿」

為了讓個人品牌重新「復活」，且能持續更新文章，我與 Gemini 先從過往更新文章的流程分析，針對「抽象轉成文章」的環節，開發了一套自動化流程，核心邏輯是將寫作拆解為微小的片段：

碎片化輸入：利用通勤等微小時間，我透過 AudioPen 軟體錄下靈感內容，避免面對空白草稿的壓力。
自動化串聯：利用 n8n 串接 AI 服務，將語音轉化為符合我過往風格的草稿，並自動存入 Notion。
限時微調：每週僅花一個固定時段，針對 Notion 中的草稿進行必要性與精確性的修正。最終目標是每篇微調不超過 20 分鐘。

這套流程中，AI 負責處理第一道與第二道的編輯關卡，而我只負責最後的內容品質把關。這不是偷懶，而是為了在有限的精力下，確保個人專業品牌的內容能持續更新。如果你也正受困於「想做卻沒時間」的循環，或許該思考的不是如何增加意志力，而是如何拆解並消除那些讓你停下的微小阻力。

選擇Gemini 還是ChatGPT？我每月花1200元當盤子的觀察

龍冥 — Wed, 24 Dec 2025 12:41:49 +0000

最近Gemini的banana服務推出後，網路上愈來越多說要退訂ChatGPT改訂Gemini，我…就跟風一波，但我同時訂閱兩邊的服務(~~我盤爛~~)，在使用一個月後，記錄下我初步的觀察，希望能給你一些啟發。

核心觀點：Gemini 用於探索問題、ChatGPT 用於精確答案

在目前的協作工作流中，我將 Gemini 定位為「策略發想與資料檢索」的首選。它的優勢在於對最新資訊的抓取速度極快（個人猜想和背後有Google搜尋引擎加成拖不了關係），且能精確鎖定極度複雜且困難問題的大方向（連我輸入問題的當下，都不確定能不能解）。然而，Gemini 的致命傷在於「幻覺」的頑固性——即便切換到思考型模式，它對自身錯誤的核實能力依然偏弱，甚至會將錯誤邏輯內化為對話主軸，導致該對話視窗失效。

相對而言，ChatGPT 則扮演「邏輯查核與細節微調」的審計師。當 Gemini 給出具體操作步驟（例如如何在NAS上部署n8n容器）卻在細節出錯時，我會將整段回答內容丟給 ChatGPT的Thinking模型。它會以非常慢但較嚴謹的節奏，逐段拆解、查證邏輯漏洞，回答時有較高機率修正那些看似合理實則不通的教學指令，可是一個Thinking模型的回答，都會比Gemini Pro級的模型回答慢兩到三倍。

實戰案例：跨系統部署的除錯邏輯

以我最近在NAS系統中架設n8n並串接AI服務的經驗為例：Gemini 提供的部署框架非常符合直覺，方向完全正確，但在具體的執行程式碼實作上卻有許多紕漏。我在使用ChatGPT 的Thinking模型，讓它判斷出環境配置的矛盾點並予以修正，但答案依舊不是100分，只不過是從不可用的60分，變成較可用的90分，剩下10分就是我靠經驗補足上去的。雖然 ChatGPT 的運算時間明顯長於 Gemini，但這份「慢」換來的是更高的回答正確率。

但如果從一剛開始就透過ChatGPT 的Thinking模型進行問答，反而沒辦法達到Gemini那麼好的大方向，他在使用搜尋引擎試圖解答時，很容易就達偏，不符合我心中要的方向，但我在這個問題的瞭解程度上，其實也只有10%不到，所以…也不能完全怪ChatGPT或Gemini笨啦（~~我是灌老闆~~）

關於 AI 槓桿的專業自覺

每個月投入約 1,200 元在 AI 服務上，成本確實不低，但這是我目前能找到最高效的能力槓桿。它讓我從一個專業領域的入門階段快速跨越到中階程度，大幅縮短了知識初期蒐集與了解的週期，但深入內化，依舊要自行實踐才會理解。但我始終提醒自己兩件事：

背書責任：無論 AI 輔助生成的內容多麼完美，最終產出的背書人是我自己。我不能、也不會因為是 AI 生成的就放棄對專業形象的堅持。
輔助而非取代：AI 負責放大我的產能，但核心的判斷與價值取向仍掌握在人手中。

目前的「雙AI服務」的模式，是利用 Gemini 的廣度進行快速的問題方向探索與定義，再藉由 ChatGPT 長年累積對我的理解進行回答上的精修。這種組合雖昂貴，但能解決原本只用單一AI服務時，無法回答專業上困難的問題，各有所長嘛，就…每個月投一堆錢玩兩個很貴的遊戲