C-LAB 0610 · 繁中分享
AI Agent
如何改變我的
工作與生活
MashBean
兩個月 · 每天約 8 小時 · 仍然驚訝
02 · 我是誰
不是工程師，工作橫跨
政策、公共領域與產品
現在
Matters
總經理
抗審查
社群平台
研究員
ISF 2026
Global Fellow
+ AI+ Expo 下週
政策
Harvard Kennedy
School Fellow
→ 今年九月 Oxford MPP
以前
醫師
→ 數位民主
台灣公部門
數位發展部
03 · 為什麼這場給非工程師
你不需要會寫程式。
你需要
判斷
、
資料
和
品味
。
判斷
知道答案到底好不好。
資料
知道哪些來源值得處理。
品味
知道哪些問題只有你問得出來。
04 · Chat 與 Agent
這是兩種完全不同的工具。
CHAT
一段對話
01
手機或筆電
02
快速回答、改寫、腦力激盪
03
輕量、友善、熟悉
AGENT
一套工作流程
01
在你的電腦上運作
02
讀檔案 · 寫工具 · 交初稿
03
深入、可重複、可流程化
05 · 我現在怎麼用
聊天處理情緒。
其他交給 Agent。
CHAT · 繼續用在
→ 輕量聊天與壞心情檢查
→ 回覆簡單 email
→ Deep Research 仍然很強
AGENT · 其他都搬過去
→ 研究、分析、文件工作
→ 在筆電上做小工具
→ 一再執行的流程
經驗法則
同一件事問到第 3 次 → 就變成流程。
06 · 重點一
01
讓模型思考。
碰到難題，速度不是重點。推理時間拉長，答案通常更好。
快
即時
更好
思考
用這個
Pro · 深度
07 · 重點二
02
多付一點錢
其實很便宜。
感覺像
$$ / 月
多一筆訂閱費。
相比於
聘一個人
幾乎不算什麼。
生產力提升不是線性的。
08 · 為什麼開始
起點不是好奇。
是公司裁員。
步驟 01
公司
承受壓力
步驟 02
我們必須
縮編
步驟 03
一位工程師
離開
步驟 04
所以我自己
跳進去做
農曆年下載了 Agent，然後就回不去了。
09 · 啊哈時刻一
它整理了一個資料夾。
以前
1,000+
檔案 · 完全沒結構
→
之後 · 一次回合
/01
research/
/02
policy-drafts/
/03
archive/
命名、標日期、分類完成。
10 · 啊哈時刻二
拖了好幾年的
部落格。
舊臉書貼文
專欄草稿（2018）
散落的部落格文
四個資料夾裡的 .docx
備忘錄大雜燴
→
上線 · 一個週末
真正的部落格，
終於。
多年文字，
整理並發布。
11 · 案例
設計師離開，設計系統留下。
來源
Figma 裡的
設計系統
離職設計師留下的資產
→
AGENT 週末
整理
→ 推上 git
tokens、元件、文件
→
輸出
新頁面
2–3 小時
我不是設計師，
也不是前端工程師。
把服務做出來所需的人力正在快速下降。
12 · 研究出版流程
五個角色。一條接力。
01
研究者
蒐集來源
02
寫作者
初稿
03
批判者
壓力測試
04
編輯
修稿
05
發布者
交付成果
每個角色都有自己的提示詞、任務與責任。
13 · 為什麼流程重要
把流程標準化。
品質就不再漂移。
01
標準化
流程
02
穩定
品質
03
幻覺
大幅減少
04
持續
改善
14 · 推理鏈
這是思考結構，
不只是寫作。
核心
問題
01
→
子
論點
02
→
證據
03
→
風險
檢查
04
→
整合
05
15 · 五種推理
每一種都有不同風險。
01
演繹
把規則套到案例
02
歸納
從案例找模式
03
類比
比較相似案例
04
溯因
尋找最佳解釋
05
因果推理
解釋原因與結果 · 風險最高，需要最多證據
16 · 每日訓練
每天一個
真正困難的問題。
①
提問
值得花一天處理的真問題。
②
執行
把它推進流程。
③
發布
寫成文章或存檔。
④
調校
改善提示詞與角色。
我在訓練自己問得更好，也訓練 Agent 答得更好。
17 · 我真的問過的問題
那些還沒有人
可以一起討論的問題。
Q1
國際上哪些媒體收益分潤模式真的有效？
Q2
我們如何評估流亡社群的影響力？
Q3
AI Agent 身分需要什麼政策？
Q4
各國年齡驗證法律的真實效果是什麼？
18 · 人還是要做什麼
委任無聊的事。
保留判斷。
委任給 AGENT
重複工作
檔案整理
初稿
資料清理
留給自己
提出問題
判斷答案
做決定
品味與脈絡
靈感來自走路。我寧願多走一點。
19 · 誰最適合用 Agent
兩種人
最能用出效果。
A
有品味
的人
你能問出只有你
才想得到的問題。
B
有資料
的人
你知道來源在哪裡，
也知道怎麼組合。
20 · 明天就試
問更好的
問題。
用更好的
方法。
01
下載一個 Agent
02
選更強的模型
03
問一個難題
04
把重複工作變流程
謝謝。
MashBean · C-LAB 0610
補充 · David Krakauer
工具如何
增益或削弱
智能
以下整理自 David Krakauer 演講中的投影片，轉為繁體中文，並重新排成更適合簡報閱讀的表格與流程圖。
補充 01
能力不是智能
工具可以提高你完成的事，同時降低你獨立能做的事。
能力
工具增加了什麼
請別人回答問題，或讓裝置替你做事，你會得到答案。
智能
它留下了什麼
下次你並沒有更能自己找到答案。沒有任何東西被轉化。
補充 02
你能在腦中重建這個工具嗎？
如果可以，工具就是互補的。
它的結構可以被內化。使用它，能力會留在你身上。地圖會變成測繪知識，指南針會變成心中的幾何。
如果不行，工具就是競爭性的。
它的運作保持不透明，你只能向它查詢。使用它，沒有東西轉移到你身上。衛星三邊定位無法在腦中重建，GPS 會永遠留在外部。
可解釋 ⇔ 可內化 ⇔ 轉移能力 ⇔ 互補
補充 03
工具觸及範圍增加
工具觸及範圍增加
記憶
保存狀態
操作
轉換
路徑策略
選擇怎麼做
目標策略
選擇做什麼
指南針
一個公設
地圖
佈局
GPS
道路地圖
定位
路線
由你設定
灰底，工具承載這個暫存器
白底，使用者承載
補充 04
哪一個是工具，哪一個是使用者？
轉換器
(S, δ, λ)
寫入
讀取
轉換器
(S′, δ′, λ′)
同一類物件
同一類物件
握有目標的那個組件，決定要達成什麼，就是使用者。
只為它服務的那個組件，記憶、操作，或通往目標的路線，就是工具。
補充 05
工具如何內化為增益
工具的
結構
透明度
能看進去嗎？
是
可壓縮性
能化約成小東西嗎？
是
物質性
副本放得進你的通道嗎？
是
內化會
增益
否，因不透明而削弱
GPS
否，仍有殘餘重建成本
計算機
否，因溢出而削弱
大型任務
補充 06
拿掉工具之後，什麼留下來？
(a) 使用者在腦中建立工具
使用者
替身
複製結構
工具
工具轉換的壓縮副本
增益，拿掉工具後替身仍留下，你保有技能。
(b) 工具接管
使用者
暫存器交給工具
查詢
允許
工具
M/O/Π
削弱，拿掉工具後什麼都不剩，收益只是租來的。
補充 07
LLM 當作神諭，就是思想的 GPS
LLM 作為
對話
LLM 作為
神諭
記憶
保存狀態
操作
轉換
路徑策略
選擇怎麼做
目標策略
選擇做什麼
回想
草擬，你檢查
由你決定
由你設定
回想
解題
選擇做法
設定目標
工具／使用者界線
增益，
你保持敏銳
削弱，
你變得依賴
補充 08
要記得
01
工具可以同時提高你的能力，降低你的智能。
02
工具是增益還是削弱，取決於你能不能在腦中重建它。
03
LLM 是第一個讓這個答案由你選擇的工具。
04
當成思想的 GPS 使用，它會削弱你；當成由你驗證的對話使用，它會增益你。