❌

普通视图

发现新文章，点击刷新页面。
昨天以前首页

我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用

✇電腦玩物
作者 Esor Huang
2025年5月31日 16:16


古老的 Pocket 稍後閱讀工具最近決定收攤，近年火紅的 Readweise reader 我付費使用一段時間後，又覺得自己用不到那麼多功能，目前我的閱讀與過濾資訊方式，更像我之前寫的這幾篇文章：「如何過濾資訊與稍後閱讀？2022年五個克服資訊爆炸的學習技巧」、「從讀不完的稍後閱讀轉念：當下讀完，當下處理」，雖然有收集資訊的流程，但更聚焦在之後的輸出與任務上，而非在建構大量稍後閱讀的資料庫。所以，大多時候我反而沒有使用特定的稍後閱讀工具來整理資訊，因為最後的「任務輸出整理工具」才是我更想建立的第二大腦。

大方向上，我希望資訊不要停留在稍後閱讀、知識庫中太久，應更快進入「專案、任務筆記」中。

所以最近我在嘗試利用「 Google NotebookLM 」作為我的「稍後閱讀緩衝跳板」，把當下無法細讀的資訊放入，利用 NotebookLM 內建的許多優秀 AI 索引、摘要、整理功能，加快把雜亂資訊輸出成有效筆記、任務的過程。

今天這篇文章，跟大家分享我的實際「 NotebookLM 稍後閱讀」工作流程。






用 NotebookLM 稍後閱讀的核心流程，基本操作教學：

下面是我目前每天、每周會重複循環的 NotebookLM 稍後閱讀流程：

  • 每天隨意瀏覽資訊時，把有興趣的文章、影片先傳入 NotebookLM。
  • 下一次空檔時，點開 NotebookLM ，快速看過 AI 自動產生的各項中文摘要。
  • 針對摘要後還想深入了解的文章，進行 AI 問答，並產出筆記。
  • 把筆記匯入自己真正的專案任務第二大腦（ Evernote ）永久管理。
  • 一段時間後，把這個 NotebookLM 刪掉，再建立一個新的稍後閱讀跳板。




現在有許多工具，可以讓我實現「隨手」把「網頁文章、YouTube影片、PDF文件」等等需要稍後閱讀的內容丟進 NotebookLM 中，這樣一來， NotebookLM 也可以是一個簡單實用的稍後閱讀收集載體。

例如在手機上，最新推出的 NotebookLM App 可以讓手機上的內容隨手分享到資料庫記事本中。






在電腦端，我會安裝「 NotebookLM 網頁匯入器 」的 Chrome 瀏覽器外掛，也可以一鍵把網頁文章、 YouTube 影片網址丟進 NotebookLM。




如果是 PDF 文件，例如論文、研究報告，我也可以上傳到 NotebookLM 做統整。這樣一來，其實 NotebookLM 也可以看做一個頗為全面的稍後閱讀收集工具。




這些內容隨手丟進 NotebookLM 時，通常我不會特別做分類，就先統一丟進一個「我的稍後閱讀」記事本中，因為我的目的是快速輸出，輸出後就會放入我目前使用的 Evernote 真正的專案整理架構 ，因此不需要在 NotebookLM （或稍後閱讀工具）花太多時間。

並且我通常每一個禮拜（七天左右，大概會收集30~50篇文章），就把這個「我的稍後閱讀」記事本「直接刪除」，然後再建立一個新的「我的稍後閱讀」記事本，處理新的一周的稍後閱讀文章。




利用接下來的空檔，在手機上打開 NotebookLM App ，或是在電腦上打開網頁，點開任何一篇之前收進來的文章、影片、PDF，就會看到預設已經分析好的「中文摘要」。

各國語言的文章、影片，都會自動完成中文摘要，幫助我快速了解文章主題，判斷是否有興趣繼續往下閱讀。




雖然在 NotebookLM 的這個記事本已經匯入大量文章，但我有時候會先取消勾選所有文章，然後反過來「只勾選」看完中文摘要後特別有興趣的一兩篇文章（尤其是長文章），開始針對這一兩篇文章做深入的 AI 索引與問答。

所以無論是要針對單篇、多篇、整個稍後閱讀清單做 AI 資料分析，都能在 NotebookLM 被輕鬆滿足。

而 AI 分析出來的摘要、筆記或任務企劃，我則會複製到 Evernote 中長久保存。




如果說在這樣每日 AI 輔助稍後閱讀的過程中，發現自己想要「深入探索」的新主題，例如先隨手丟幾篇看到後感興趣的醫療文章進來「我的稍後閱讀」記事本，讀一讀發現對健康新生活主題有興趣，接下來一段時間想要「繼續探索更多相關資料」，這時候我才會建立一個「新主題的記事本」，以後相關主題的稍後閱讀文章就丟進這個新主題的 NotebookLM 記事本中處理。





應用一：轉換成 Podcast ，用聽的也能理解今天感興趣的各種文章內容

除了上述基本的 NotebookLM 稍後閱讀流程，我還會在有時間、有想法時，做下面這樣延伸應用。

因應 NotebookLM 最近推出：「NotebookLM 語音摘要支援生成台灣中文對話 Podcast！口音節奏都很逼真」，我也用來生成稍後閱讀文章的「語音摘要」。

例如我收集了幾篇跟時間管理有關的新文章，還有幾篇跟 AI 趨勢相關的文章，還有一篇比較有趣的電影心得報導。到了中午午休，我就按下 NotebookLM 上的「語音摘要」，通常在不用特別自訂指令的情況下，就會生成一段兩人中文對話的 Podcast，而內容就是像新聞摘要報導一樣，會跟我介紹這幾個不同主題的內容。

現在更棒的是，在 NotebookLM 手機 App 上，也可以聆聽這一段大約 8~10 分鐘的 Podcast ，幫助我用「聽的」，快速消化早上收集的多篇文章重點內容。




有時候昨天收集的舊文章已經聽過 Podcast ，如果今天又有新的收集文章，我會先刪掉前次生成的對話節目，然後「只勾選」新文章的項目，就能重新生成「針對新文章」的 podcast。





應用二：針對感興趣主題，利用「探索」搜尋更多相關資料後，進行分析

NotebookLM 的「探索」功能可以在這個稍後閱讀流程發揮很大效用（延伸閱讀：Google NotebookLM 自動搜尋匯入影片文章！幫老師、學生無痛建立研究資料庫）。

例如我在 NotebookLM 上讀到最近一篇文章，跟如何用心理學原理設計 AI 指令有關，我覺得很有意思，還想要深入挖掘更多想法。




於是我打開 NotebookLM 左上方的「探索」，打下幾個 Google 搜尋指令，讓 AI 幫我去挖掘更多的資料來源。




在找到的來源中，我會主動過濾，只勾選自己真正感興趣的幾篇文章，繼續匯入這個「稍後閱讀」資料庫中，然後利用上述方式來閱讀、處理。





應用三：讓 AI 整理、延伸需要的知識、任務筆記，放入筆記系統


當我真正讀到一篇覺得有用的文章時，我會用下面幾種方式，請 AI 將文章整理成真正有用的筆記，而這是我覺得用 NotebookLM 做稍後閱讀工具時最棒的一點，因為我需要的就是「可以使用的筆記」：

  • 單純整理重點摘要
  • 變成自己需要的知識筆記架構
  • 延伸對任務應用的思考
  • 進行反思與討論

有時候文章已經很棒，我會請 NotebookLM 針對這一篇或這幾篇文章（可以在左方資料清單勾選），協助摘要出內容當中的細節。這時候的目的是盡量保留原文中的內容（但預設都自動進行中文翻譯），放入我的筆記（Evernote）後可以更有效參考原始資料。




當有多篇文章有用時，我喜歡勾選這幾篇，然後讓 NotebookLM 用表格整理與比較，快速完成綜合不同想法的知識筆記。




如果某篇文章已經讓我可以聯想到某個具體任務，我會讓 NotebookLM AI 幫我思考如何實作的步驟，這時候整理出來的就更接近可以放入任務筆記的操作內容。




甚至我可以跟 AI 對話，討論自己的延伸想法，請 AI 去跟原始文章做辯證，然後統整出可以放入我自己的思考筆記的反思內容。





應用四：結合整套 Google Gemini 流程提升文獻整理效率

還有一些更進階的搭配用法，利用 Google Gemini 互相搭配的幾個工具，我可以這樣做：

  1. 在 NotebookLM 稍後閱讀處理時，發現有一個主題可以深入分析。
  2. 打開 Gemini Deep Research 針對這個主題做深度研究。
  3. 把深度研究報告匯出成 Google 文件，再把 Google 文件直接匯入 NotebookLM。
  4. 再次利用上述技巧，在 NotebookLM 中完成閱讀、聆聽、筆記處理。


例如讀到某篇健康文章，但第一時間沒有找到更完整的報告，那麼不如讓 Gemini Deep Research 直接寫一篇。




Deep Research 寫完後，直接把報告匯出到 Google 文件。




再把 Google 文件匯入 NotebookLM 稍後閱讀。





應用五：請 AI 整理出知識架構，讓 Gemini Canvas 生成延伸學習測驗

如果是認真閱讀的主題，當收集了足夠多文章，並且一定程度閱讀與理解後，我會利用 NotebookLM 內建的一個「研讀指南」功能，生成一份測驗。




這個「研讀指南」，預設會把資料庫中的文章生成各種問答題，引導使用者去學習、複習。




但現在我會把 NotebookLM 生成的學習指南，複製到 Gemini ，利用 Canvas 中的測驗功能，生成可互動測驗，這樣就能更有趣、有效地完成複習。（延伸閱讀：個人學習、考試新利器！ Google Gemini 測驗功能，一次完成知識研究、出題、複習）




測驗的目的，是快速讓 Gemini AI 分析出我在這個主題上，哪一個領域還可以深入研究？




這時候我可以回到 NotebookLM 該主題的資料庫，請 AI 索引出我之前可能「忽略」、「漏看」的部分，於是又能讓學習把握住更多細節。




以上，就是我最近利用 Google NotebookLM 搭建的一個稍後閱讀、學習輸出的工作流程，我覺得非常有效，也節省很多時間，提供各位讀者參考。



大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

（歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用）

ChatGPT 串連 Gmail、Google 雲端硬碟、 Outlook 行事曆，我的 8 種高效工作新應用

✇電腦玩物
作者 Esor Huang
2025年6月7日 18:11


AI 工具如果只能從工具內建知識庫裡面找答案，往往會有資料太舊、資訊錯誤的問題。所以，後來 AI 工具大多都內建了網路搜尋功能，透過即時的資料搜索，一定程度提升了回答的正確性與即時性（延伸閱讀：先用 Deep Research 掃清認知盲區，再用 Google 搜尋，我的 6 種學習新流程）。而現在，許多 AI 工具開始可以「連結」使用者自己的資料庫，例如郵件、行事曆、雲端硬碟的內容，於是 AI 開始可以幫助用戶更直接分析工作問題、設計專案企劃，用既有的資料生成更準確的新內容。

AI 生成結果很大程度取決於「我們輸入的資料」。例如我「下指令」時，會詳細說明任務的背景資料與輸出規格，這往往可以幫助 AI 生成更有效的結果（延伸閱讀：我和 ChatGPT AI 工具如何一起工作，提示語、常用案例指南）。而當我要完成複雜工作時，我甚至會先透過幾輪討論，「餵給」 AI 詳細的參考資料、專案細節，這很大程度會讓 AI 產出更細緻、高品質的結果（延伸閱讀：如何用 AI 工具提升工作效率？三個關鍵步驟讓生成結果更精準有效）。

NotebookLM 這個 AI 工具會有用的一個關鍵原因，也就在於可以用使用者自己的文件，建立使用者自己的資料庫，然後驅使 AI 生成需要的結果。

現在， AI 工具的新趨勢則是直接連結我們日常工作慣用的 OneDrive、 Google 雲端硬碟、 Outlook、 Google 行事曆、 Gmail 郵件等等外部資料庫，常見的生成式 AI 都具備類似功能：

  • Gemini：可連結 Google 自己的雲端硬碟、郵件、行事曆與各種服務，生成用戶需要的客製化內容。
  • Copilot（付費版）：可連結 Office 與 OneDrive 等生成用戶內容。
  • Claude（付費版）：可連結 Google 雲端硬碟等服務生成用戶內容。
  • ChatGPT（付費版）：可連結 Google 雲端硬碟、行事曆、郵件，微軟 Outlook 郵件、行事曆， Box、 Dropbox 等等不同雲端資料庫。
    • 根據 ChatGPT 隱私條款，這些連結的外部文件資料，不會成為 AI 訓練的材料。（不過要使用前，還是要確認符合自己公司的資安規定。）

這篇文章，根據我平常使用的 ChatGPT ，連結我日常工作流程中的 Google 系列服務、 Outlook 系列服務，分享我會用在哪些工作流程中。






當 ChatGPT 連結個人資料庫，新的工作邏輯：

下面我會列舉 8 個過去一週實際發生的應用案例，總結來說，當 AI 可以連結我們的資料庫，就可以加速並深化下面的工作流程：

用 ChatGPT 針對自己的資料庫做「蒐集→分類→摘要→產出」，大幅減少手動整理時間，協助從既有資料改寫新報告，或是發現忽略的重點。

背後的工作邏輯是共通的，都是可以將下面原本我們要分段手動操作的流程加以「自動化」：
  • 抓取並集中處理分散資料：引導 AI 用關鍵字或標籤在 Gmail / Drive / Outlook 搜尋，抓出需要資料。
  • 進行語意萃取：ChatGPT 讀取抓出的資料（郵件、行程、PDF、簡報、試算表），提煉重點或進行詮釋。
  • 重組成新的輸出： AI 根據提煉後的重點，依照我們的新需求，進行改寫重組，完成新內容生成。
  • 還能延伸新企劃，或週期性復盤：不只是資料的重組生成， AI 也能用在資料分析，產出新的觀點、想法與下一步方向。




實戰案例一：研讀專案文件，寫成果報告

  • 工作流：AI 索引特定文件 → AI 摘要分析 → AI 統整與寫稿輸出
  • 解決痛點：在分散文件中複製、整理的繁瑣工作流程

在日常工作中常常遇到下面這樣的情況：我執行一本新書產品專案，過程中產生企劃文件、文稿編輯、活動規劃文件、銷售數據試算表等等各種內容。有一天，老闆忽然來了一個命令：「這個專案做得不錯，交一份成果報告上來。」

這時候我可能需要到之前分散的文件中去找出有用的資料，重新組合成一份完整報告，要耗費不少時間，也是許多人在工作中可能覺得「很煩」的一件事（怎麼又要交報告？）。

於是這次我利用 ChatGPT 連結 Google 雲端硬碟的功能（需要開啟「深度研究 Deep Research」，才能連結這個外部資料庫），這樣提問：

「根據我的 Google 雲端硬碟中的「2024-01 高效時間管理超圖解」資料夾內容，寫成一份完整詳細的專案成果報告。

請一步一步分析，先仔細研究資料夾中的文件檔案，抓出《高效人生工作法圖解》這本書的各種成果，包含目標、讀者、內容特色、宣傳活動、成果數據等等。

接著以專案成果報告的角度，分析這本書籍產品，說明設計理念、列舉具體成就，詮釋成功邏輯，要以真實數據與成果任務為依據，完成專業報告撰寫。」




ChatGPT 深度研究反問了我幾個需求，就開始到我的 Google 雲端硬碟做資料搜尋。

搜尋後，從找到的企劃文件中撰寫出需求設定，從找到的各篇文稿中整理出每個章節的內容特色。




最厲害的是，這個書籍產品我做了很多場活動，分散在很多企劃文件中，這一次地檢索也把這些分散的內容抓出來，並且具體的時間、場次、對象等等也都正確理解，整理出簡單具體的活動企劃報告。






實戰案例二：抓出資料重點，寫出核心文案

  • 工作流：AI 爬梳分散資料 → AI 分析共通重點 → AI 重組輸出
  • 解決痛點：在分散文件中重新整理重點

像是我要寫文案的時候，往往要在很多參考資料文件中重新爬梳關鍵字，抓出這些可用關鍵字後，我重新撰寫成統整重點。

這個過程，也可以交給 ChatGPT 連結資料庫來處理，最後文案當然還要再修改，但可以先利用 AI 把關鍵字重新組合成有效的重點，方便我進一步發揮，我會這樣提問（需要開啟「深度研究」，才能連結這個外部資料庫）：

「針對「 Google 雲端硬碟 」中的「文稿編輯：ChatGPT VBA 吳承穎」資料夾中的文件。

仔細閱讀文稿，找出最吸引人的案例，撰寫一份宣傳這本書的社群貼文。

請一步一步分析，務必先主動閱讀相關文稿，抓出重點，把重點重新整理成說服人的邏輯，用這個邏輯撰寫宣傳這本書的貼文。」




ChatGPT 讀了十幾篇文稿後，抓出兩個 AI 覺得最有吸引力的案例，而且準確根據文稿中的教學流程，改寫成更通俗易懂的職場應用說明。





實戰案例三：分析專案既有文件，找出盲點，研究新方法

  • 工作流：AI 爬梳既有資料 → AI 分析目前架構 → AI 找出盲點
  • 解決痛點：在大量資料與文件中，重新發想新創意

我最近正在撰寫一本新書，目前已經有許多進度，但我還希望可以加入更多「我沒想到」的有用方法。

如果我希望讓 AI 刺激我想法，我需要先提供 AI 足夠的資料，而現在 ChatGPT 可以直接讀取外部資料庫內容，就可以把流程變得更簡單。

我這樣問 AI （需要開啟「深度研究」，才能連結這個外部資料庫）：

「你是職場生產力專家，根據 @Google 雲端硬碟中「2025_Esor_胤丞_高效職場生存法圖解」資料夾裡的內容，分析這本書還可以有哪些寫作題目的建議。請一步一步分析，根據資料夾中的書籍企劃、目前設想的題目，以及模組一中已經完成的文稿，先閱讀一遍，然後從職場生產力的角度分析還有哪些我沒有注意到的盲區、觀點、方法，再以書中目前的題目、寫作架構，設計出這本書可以發展各種新題目。」

而在深度研究功能反問時，我決定給 AI 一個更嚴謹的分析流程，告訴他應該先讀資料庫中的哪一份文件，然後再去查看那些文件：

「優先查看「新書資料卡」確立本書目標與核心規劃，再查看「Esor 和趙胤丞老師合作新書：會議管理，這樣開會更有生產力」確定目前發想，再根據「模組一」資料夾中的文件，一步一步進行分析。」

然後我發現， ChatGPT 會確實根據我指引的邏輯，一步一步研讀需要的資料文件，然後產出我需要的延伸思考建議。





實戰案例四：判讀既有專案時程、特色、架構，發展新專案企劃

  • 工作流：AI 爬梳文件、時程 → AI 分析目前專案流程 → AI 建立新企劃
  • 解決痛點：整理大量資料、文件、時程，設計未來專案企劃

當我需要在目前已經進行的專案基礎上，根據目前時程，繼續規畫下一個新專案，我可以這樣詢問 ChatGPT（需要開啟「深度研究」，才能連結這個外部資料庫）：

「根據 Google 雲端硬碟中「00-每日推進的專案」資料夾裡的內容，分析適合我的新專案企劃。
請一步一步分析，先研究資料夾中我完成與進行哪些專案，分析哪些已經具備完成文稿，哪些還在進行。
在理解我目前進行專案後，分析出我目前擅長的領域與其成效、邏輯。
最後由此進行新產品分析，從我的領域相關，但我可能忽略的盲區入手，根據我擅長的邏輯，設計出適合我往下發展的新產品。專案」




分析後， AI 正確建立了對我目前已經完成專案的理解，然後「延續目前專案類型」、「我需要的專案邏輯」，做出有效的新專案企劃。





實戰案例五：抓取既有試算表，做出數據摘要

  • 工作流：AI 爬梳文件、試算表 → AI 分析重要數據 → AI 整理關鍵數據報告
  • 解決痛點：整理大量數據資料，挖掘出裡面的關鍵數字，形成報告

首先，在這個嘗試中， ChatGPT 似乎還無法做出我們想像的「統計運算」，所以如果你期待的是直接分析一大堆亂七八糟的數字，然後做出最終統計分析，畫出數據圖，那麼可能這個流程做不到。（或是你可以參考樂咖老師的新書《ChatGPT × Excel VBA 資料整理自動化聖經》會教你如何輔助 AI 做才有效。）

所以我這裡所做的還是在「抓出有效資料」的範圍，我有大量的數據資料表，我請 AI 幫我從裡面找出有效的數據，並且做出延伸詮釋：

「根據 Google 雲端硬碟中「15-記帳💲帳簿」內的試算表，分析我平常的支出狀況，並提供具體建議。請一步一步分析，先理解與閱讀每一個試算表中的數據內容，然後進行支出狀況的分類，從分類中理解、統計數據，建立有意義的詮釋，然後用你的理財知識，建議接下來的改進方向。」

這裡你看到的一些數字，其實是試算表中已經做好的樞紐分析，不是 AI 自行統計出來，而是索引資料後抓出已有但零散的數字。




但是 AI 進一步幫我們快速整理重點，然後做出有效的延伸詮釋。





實戰案例六：分析特定任務的分散郵件討論，彙整目前進度

  • 工作流：AI 爬梳 Gmail、 Outlook 郵件 → AI 分析郵件內容 → AI 整理任務報告
  • 解決痛點：整理大量零散的郵件對話，重新拼接成完整的任務現況

我同時有 Gmail、 Outlook 信箱，裡面各有相關任務的討論，討論可能分散在許多郵件。這時候，我可以利用 ChatGPT 針對某一個任務，爬梳所有相關郵件，然後整理出目前任務狀況：

「分析我的郵件中跟「防彈筆記法」有關的討論，整理出這個主題的需求、常見問題與待辦事項。請一步一步分析，先搜尋郵件中相關內容，分類出完成的任務需求、常常討論的問題、需要處理的下一步行動，整理成任務清單。」




ChatGPT 確實可以把分散郵件中的任務討論，整理出任務目前的全貌。




也能進一步針對尚未解決問題進行整理，讓我掌握這個任務的下一步行動。





實戰案例七：分析既有行事曆、郵件，設計下週待辦清單

  • 工作流：AI 爬梳 Gmail、 Outlook 郵件、行事曆 → AI 分析未完成任務 → AI 整理待辦清單
  • 解決痛點：整理大量零散的郵件、行程，輔助確認未完成的重要任務

雖然我自己有習慣的規劃待辦清單方法，可參考：「比較持續 5 年的列每週行動清單習慣，復盤我的待辦清單筆記技巧」。

不過我也想挑戰看看 ChatGPT 如果讀取我的行事曆後，可以規劃任務到什麼程度，於是我這樣提問：

「規劃出接下來一個禮拜的行動清單。請一步一步分析，以每天為區隔，以具體任務成果為單位，拆解出下一步行動，規劃出一週待辦清單。」

我開啟深度研究，並且同時連結 Gmail、 Outlook 郵件、 Google 行事曆、 Outlook 日曆。




ChatGPT 能夠去查看行事曆的行程，也能讀取近期相關郵件。




針對郵件中尚未答覆的需求，行事曆上的重要行程，也確實可以改寫成有效的任務安排。（不過，當然需要我再調整一下才會更有用。）





實戰案例八：回顧過去一週郵件、行程、文件，進行每週復盤

  • 工作流：AI 爬梳特定時間內所有工作內容→ AI 分析工作成果 → AI 進行復盤分析
  • 解決痛點：解讀大量零散的郵件、行程、文件，確認自己的工作狀態，找出問題點

最後我還進行了一個嘗試，很多朋友喜歡每週進行工作復盤，這時候 ChatGPT 直接讀取行事曆、郵件、文件資料庫後，根據實際工作情況幫助我做復盤，還頗有效果：

「針對我過去一周的工作成果與任務，提供一份週復盤報告。請一步一步分析：
-先檢查過去一個禮拜，我在郵件上的回應、修改的文件、行事曆上的行程。
-讀取其中的內容，找出我完成的成果、需要推進的任務、尚須解決的問題。
-針對好的結果，提供有效的鼓勵與延續。
-針對有問題的地方，提供具體的改進步驟。
-針對還未完成的任務，提供下一步行動建議。
-從如何有效延續、提升生產力，獲得更好工作節奏的角度，完成週復盤的總結。」




不僅能夠抓出過去一週我完成的工作，並且也確實提供了正向、反向的檢討。




上面分享了過去一週，我透過 ChatGPT 連結外部雲端硬碟、郵件、行事曆，完成的幾個真實工作案例。

總結來說，目前大概是三種工作流程：

  • 一，郵件 ➜ 任務清單整合
    • 操作範例：從 Gmail 或 Outlook 中搜尋「防彈筆記法」相關郵件，並讓 ChatGPT 自動歸類成「已完成任務」與「待辦事項」。
    • 解決的痛點：解決郵件分散、資訊遺漏的問題，避免重要事項被遺忘。
    • 背後流程邏輯：
  1. 搜尋相關關鍵字或主題的郵件；
  2. 讓 AI 摘要內容、抽取關鍵任務語句；
  3. 加上標籤與狀態分類（例如：待回覆、已處理）；
  4. 生成任務清單，整理為具體行動項目。
  • 二，行事曆 ➜ 每週行動清單整合
    • 操作範例：讀取 Outlook 或 Google Calendar 上的會議與活動排程，並由 ChatGPT 自動產出一週行動清單。
    • 解決的痛點：整理分散的行程，提高任務安排效率。
    • 背後流程邏輯：
    1. 掃描下週行事曆所有會議與已排程工作；
    2. 根據空檔時間、優先順序、任務需求建立任務分配；
    3. 依每日單位分配具體待辦事項；
    4. 最終生成完整「每週待辦與預排任務清單」。
  • 三，雲端文件／試算表 ➜ 實際內容產出整合
    • 操作範例：讀取 Google Drive 中的書籍草稿，讓 ChatGPT 生成 Facebook 宣傳貼文、讀取記帳試算表、產出統整報告。
    • 解決的痛點：避免重複複製、人工整理與分析文檔，降低內容重組所需工時。
    • 背後流程邏輯：
    1. 從 Google 雲端硬碟導入文件（例如 Word、Google 文件、試算表等）；
    2. ChatGPT 讀取並進行結構分析與摘要重組；
    3. 擷取重點資訊，轉為實際內容輸出（如貼文、報告、腳本）；
    4. 如有需要，補充行動建議或加值分析。

    如果有使用付費版的 ChatGPT、 Gemini、 Claude、 Copilot 的朋友，都可以試試看上面的整合流程。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：ChatGPT 串連 Gmail、Google 雲端硬碟、 Outlook 行事曆，我的 8 種高效工作新應用）


    如何跟 AI 合作挑戰原本我不會做的事？我用 AI 設計實境解謎遊戲，案例分享

    ✇電腦玩物
    作者 Esor Huang
    2025年6月14日 16:07


    這篇文章，分享一個我近期完成的有趣、生活化 AI 應用案例。許多朋友會問我，現在 AI 工具這麼多，要完成一個任務時，要如何選擇搭配不同的 AI 工具，又怎麼進行 AI 輔助的工作流程呢？這個例子也給了我自己許多啟發，與後續跟 AI 一起完成任務的參考。

    最近幫小孩設計了一個生日禮物尋寶解謎遊戲，這是一個「額外工作」，我之前也「沒有類似經驗」，透過 AI 輔助來設計，只花了一點點時間，但最終成果讓孩子享受到新鮮的遊戲樂趣。

    我覺得是一次很棒的 AI 協作經驗，讓 AI 幫助自己完成「以前無法輕易做到的成果」，所以寫成一篇文章，跟大家分享這段與 AI 合作的過程。




    之前到許多博物館參觀時會玩裡面的實境解謎遊戲，提供一本解謎本，上面謎題引導你到各種環境設施，結合現場物件與故事，利用像是數字、推理、拼圖、知識等等謎題，解開一個一個暗號，最後拼湊出一個最終謎底。小孩玩得很開心，大人也覺得有趣。

    今年小孩生日前，許願希望自己獲得生日禮拜的方式，可以變成一個「實境解謎」遊戲，於是我決定讓 AI 輔助，合作設計看看，下面就是我跟 AI 協作的流程。






    1. 利用 Deep Research、文章摘要，讓 AI 「轉化成」設計遊戲專家

    我有一個目前反覆使用（並且覺得很有效）的 AI 工作流程是（延伸閱讀：如何用 AI 工具提升工作效率？三個關鍵步驟讓生成結果更精準有效）：

    要讓 AI 做一個專業、複雜的任務前，先讓 AI 學會這個任務的資料、理論與工作邏輯。

    例如我想讓 AI 幫我設計一個適合小孩生日派對中遊玩的實境解謎遊戲，我先讓 AI 去學習實境解謎遊戲相關的知識、方法與案例， AI 學會後，才開始輸出遊戲設計，而這可以「明確的讓 AI 生成品質更好的任務輸出結果」。




    我利用 ChatGPT Deep Research 功能（尤其 o3 搭配 Deep Research 的效果更具體、深入與嚴謹），先請 ChatGPT 針對「實境解謎遊戲」的遊戲邏輯、設計技巧、台灣具體案例，做一番深入的資料探索研究，寫成一份數千字的研究報告。

    這個過程，我認為就是「讓 AI 學習這個專案需要的知識與邏輯」的流程。




    更進一步的，我從深度研究找到的參考資料中，找出兩篇我認為更符合自己需要的文章（例如有一篇是親子實境解謎遊戲的 25 種設計技巧與案例），請 AI 再深入的讀一遍，進行摘要。這裡同樣是引導 AI 根據我的專案需求去進行「學習」的過程。





    經過前面步驟， AI 就從一個好像什麼都知道，但其實並不真的理解的工作者，轉化成一個擁有「設計親子實境解謎遊戲的知識、案例」的專業工作者 。這個過程看似複雜，其實大概就是 10 分鐘左右的時間而已（其中大多數還是 AI 自動化處理的時間，我可以先去做其他事情）。

    如果要讓這個 AI 學習的效果更好，我會在其中跟 AI 對話，例如告訴 AI 我對哪幾種遊戲設計方法更有興趣、更符合我的需求，那麼 AI 就會學習成為一個可以幫我設計適合我的尋寶遊戲的專業設計師。





    2. 提供真實圖片資料，上傳照片讓「 AI 設計師」理解遊戲場景


    當 ChatGPT 在前面討論串中學會了「如何設計親子解謎遊戲」後（延伸討論串分類技巧：ChatGPT 的 PARA 聊天室分類法：增強 AI 協作威力實戰案例分享），我做了一個步驟：上傳自己家裡幾個適合設計解謎遊戲的地點照片，讓 AI 根據前面學會的方法，自己看照片，針對這些場景去思考如何設計有效的實境謎題。

    善用 ChatGPT 的多模態，讓 AI 透過圖文影音方式，像人一樣發揮想像力。

    ChatGPT 的「GPT o4-mini-high」對於圖像有很好的理解能力，所以與其我用文字介紹任務場景，不如直接讓 AI 分析照片，更充分的理解圖像中可以呈現的更多場景細節。

    結合第一步驟時 AI 已經學會「如何設計實境解謎遊戲」，在第二步驟中針對我的照片分析，讓後面 AI 在設計時，懂得利用對講機、衣櫥、餐桌的鋼骨結構、客廳圓桌、掛畫等等物件來設計謎題。

    你從我的提問可以發現，我並沒有用文字描述這麼多細節，都是 AI 自己從照片中分析所得。





    3. 以「我」的顧客角度，跟「 AI 實境遊戲設計師」溝通需求、喜好


    前面兩個步驟，有點像是我雇用了一位「實境遊戲設計師（AI）」，他有基本的遊戲設計知識與案例，他來我家看過我的實際場景。但這時候，設計師可能還不知道我真正的喜好與需求是什麼？

    所以這時候，我們要來一場顧客（我）與設計師（AI）的需求訪談會議。我在幾次來回對話中，跟 AI 說明我的需求，在 AI 提供的各種案例建議中挑出我喜歡、我不喜歡的部分，讓 AI 設計師充分理解我想要什麼。

    實際操作步驟是，在 ChatGPT 看過我家場景，提供我一些他的建議後，我「複製貼上」幾段我喜歡的，告訴 AI 設計師要從這幾個角度設計，其他則不要。




    這邊我都是用 ChatGPT o3 來討論，這是目前（2025/6時），我覺得最能理性、深入、嚴謹討論的 AI 模型。




    到了這個階段（前面到此這三個步驟，總共花費時間在 20 分鐘內）， ChatGPT 設計出來的關卡流程、謎題設計，已經能夠讓我滿意，也有很多是我自己亂想想不到的。

    接下來就是更細緻的修改微調，以及製作出謎題素材的過程了。





    4. 在 AI 設計的謎題基礎上，提出修正微調方向，完成尋寶手冊腳本

    AI 幫我完成了我不會做的部分，例如設計出了每個關卡謎題。

    雖然我自己不會做，但我是「使用者」，我會「挑剔」。我自己看這個謎題，哪裡怪怪的，於是我就把這個想法告訴 AI ，請 AI 針對我覺得不適當的地方進行微調。




    AI 針對我的質疑進行修改，提出兩種做法，我後來選擇了第二種，而且幾乎就是照著 AI 寫出來一模一樣的方式，完成這個謎題的製作。




    其實 ChatGPT 提出的謎題設計，我只有兩三處不太滿意，其他都覺得很不錯。

    於是很快的，我就請 AI 依照目前我們討論的「定案」，寫出一份家裡玩實境解謎遊戲的完整「故事腳本」，把解謎手冊上要使用的故事文案、謎題文字都生成出來。





    5. 運用 AI 設計解謎手冊上的相關圖片素材


    ChatGPT 內建的圖像生成能力已經有很大的進步，甚至還可以結合文字，所以解謎遊戲手冊上需要的「圖像」，我也全部都用 AI 來生成。（延伸教學：實測 ChatGPT 4o 超實用全新 AI 圖片：生成正確中文、寫實照片、資訊圖表）

    例如生成整本解謎手冊的封面圖片，要同時結合文字、角色，並且用自己需要的風格，只要不會太複雜， AI 都很容易做到。（教學：實戰 ChatGPT 4o AI 生成圖片的工作應用：教學、社群、寫作、簡報 10 種圖解案例）




    但手冊上有些頁面確實自己到簡報軟體中設計更快（例如要加上更複雜的文字，或是圖像要去背等等），這時候就單純讓 ChatGPT 幫我生成「素材」。

    例如我希望手冊的「背景圖」要有尋寶圖風格，我就請 ChatGPT 延續前面的封面風格，繼續設計一致性的背景圖。




    前面有一個謎題，要用圖像猜出英文單字，我就請 ChatGPT 用一致的尋寶風格，畫出這幾個圖像 ICON。




    例如在手冊的最後，我想要把全家福的照片，跟目前的尋寶風格融合，我就上傳兩張照片，一張是全家福，一張是手冊封面，請 ChatGPT 進行圖片融合，成功製作出放在手冊最後的 Ending 圖片。





    6. 請 AI 用特殊風格，產出一致性的圖片、文字

    為了讓整個實境解謎遊戲，從頭到尾、從圖像到文字，都有一致的考古風格，我也讓 ChatGPT 幫助我保持風格的一致性。

    例如在尋寶手冊需要的圖像中，我想要用類似考古時發現壁畫文字的圖像，我就請 AI 設計，並讓每一道謎題都有風格一致的考古壁畫圖像。




    我也讓 AI 再次根據考古風格，修飾所有謎題的文字，維持風格的一致性。





    7. 用 Gemini Veo2、 Canva 製作解謎動畫影片

    前面 ChatGPT 給了我一個謎題設計的巧思：「結合 QR Code ，加上一段影片，成為謎題設計。」於是我決定用 AI 來試試看做出這個影片內容。

    不過， ChatGPT 本身的 Sora AI 生成影片效果不夠好（很容易有物理邏輯錯誤）。所以這邊我改用 Google Gemini Pro 有內建的 Veo 2（現在有 Veo 3）來生成 AI 影片。

    Gemini Veo 生成的影片效果非常好，不僅根據我指定的風格，連我需要的動作也都正確的呈現出來。




    不過影片需要加上一些「標示」或做簡單修改時，我則是利用「 Canva 」來完成簡單的影片特效，強化效果。

    也不是所有事情都用 AI 完成，很多任務還是適合的工具直接操作更快。





    8. 請 AI 檢視完整流程，提供最後回饋


    跟 AI 協作專案的過程，其實協作我本來不會做的事情時，大概都是在上面的流程中，逐步完成：

    1. 先讓 AI 學習，轉化成該任務專家。
    2. 提供 AI 需求，讓 AI 理解背景資料。
    3. 我跟 AI 互動溝通，討論出我的喜好或想法。
    4. 讓 AI 開始動手設計內容、素材。
    5. 針對不滿意的部分內容，來回溝通修正。
    6. 讓 AI 處理風格、格式的一致性調整。
    7. 運用不同工具，針對 AI 素材作進一步修正。
    8. 請 AI 對現有內容挑毛病，找出可以改進之處。

    像是這次尋寶遊戲設計到最後，我把整個計畫內容、流程筆記，再次餵給 AI ，請他挑出還有什麼毛病，找出我可以再微調得更好之處，有多出了幾個讓遊戲更有趣的小點子。




    以上，是我這次透過 AI 協助，完成一件「原本我不會做、完全沒有頭緒」的事情的過程，並且這是在一天之內，大約花 2~3 個小時完成。

    這或許就是 AI 時代，讓人可以去挑戰更多原本以為「我做不到」的事情的流程喔！



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：如何跟 AI 合作挑戰原本我不會做的事？我用 AI 設計實境解謎遊戲，案例分享）

    AI 時代建立筆記系統的關鍵是「任務／經驗」而非「資料／知識」

    ✇電腦玩物
    作者 Esor Huang
    2025年6月23日 20:22


    在 AI 可以幫我們生成內容、整理資料的新時代，我的個人筆記還有價值嗎？如果有，我到底該記什麼、怎麼記？我建議把重點放在「任務 / 經驗」而非「資料 / 知識」：

    先釐清真正要完成的任務，捕捉個人經驗，建立自己的工作流程，培養規劃、判斷、解決問題能力。

    什麼是「任務 / 經驗」，和「資料 / 知識」有什麼差別呢？






    AI 可以做到的資料整理，與人可以做到的任務判斷：

    很久以前，當我想要開始養成健康生活習慣，我會大量收集各種相關資料，花時間為這些資料做分類，想像自己似乎架構了一套健康知識系統。

    但很多時候，會變成只是一個「堆積很多資料」，花費時間整理，卻不一定好用、有用的系統。




    而在現在的 AI 時代，當我在實踐過程中需要參考資料，在 ChatGPT 的 Deep Research （或單純利用 AI Search ）一問，往往就有「根據我的需求」整理好的資料內容。

    以前我們可能要自己手動花不少時間，做各種資料摘要與整合，才能有一篇符合自己需求的「資料筆記」。

    但是現在，如果有正確的提問（ Prompt ），加上有效的 AI 模型與工具，在需要時，我們立刻就能獲得有效的資料筆記。

    P.S. 但要有正確的提問，常常關乎我們對任務的判斷、經驗的累積。




    而 AI 無法直接代勞的，是我們要把這個「資料 / 知識」用在什麼真正的「任務」上，並且會產生什麼我個人的「經驗」。

    例如下面是我現在會寫的真實筆記：

    • 「資料 / 知識」
      • 我不再花很多時間去收集、擷取各種相關參考資料。
      • 甚至我閱讀 AI 整理的資料，理解後，不一定要把所有資料都放到筆記。
      • 我在一邊閱讀時，一邊思考一個關鍵問題：這個資料，要用在我的哪一個任務上？
    • 「任務 / 經驗」
      • 我打開任務筆記，思考在任務筆記的哪一個步驟會用到這個資料？
      • 然後，我把資料直接轉化成我的具體行動步驟，這些才是我寫入筆記的內容。
      • 接著，在這個任務執行過程中，我在筆記添加個人的經驗，調整更適合自己的作法與順序。

    AI 能快速幫我整理大量資料，但不能幫我決定哪個資訊對我有用，也無法取代我在任務執行中的經驗與調整。




    我不會擔心參考資料「準備、整理得不夠」，因為 AI 工具有很多方法可以快速、有效地建構出參考資料系統，還能在 AI 生成過程客製化成我需要的內容。（延伸閱讀：先用 Deep Research 掃清認知盲區，再用 Google 搜尋，我的 6 種學習新流程）

    以前，我們覺得自己沒有先慢慢建立個人資料、知識系統，好像什麼都做不了？

    但在 AI 其實就像是一個可以客製化的知識管理系統後，我可以把更多時間花在下面這些更重要的問題上：

    • 我要如何執行？
    • 對我產生什麼幫助？
    • 在我的個人特質上有什麼需要調整的地方？
    • 怎麼建立起屬於我專屬的工作（生活）流程？

    而這些問題，就是我現在要寫入「任務 / 經驗」筆記中的內容。（延伸閱讀：執行優先於整理，不要憑空設計系統：以我的防彈筆記法實踐為例）

    所以在三年多前提出「防彈筆記法」時，我就已經強調以任務筆記為核心，會建構更有效的個人第二大腦系統，到了 AI 時代，這個想法依然不變，甚至變得更有效。

    下面，讓我們來看看一些對比例子。




    建立休閒任務筆記，而不是感興趣的休閒資料：

    最近在一個企業中分享「防彈筆記法」，有學員提了一個問題：「Esor你的筆記系統看起來好認真，那如果休息時間想要放鬆休閒一下怎麼辦？」

    我當下立刻搜尋「閱讀」兩個字，兩秒鐘在筆記系統中找到一則「養成閱讀習慣」的「任務筆記」，打開這則筆記，可以看到一個待辦清單，關於最近我有興趣讀讀看的日本推理小說，於是我立刻會知道這是空檔時間可以買來閱讀的首選。

    當我想放鬆休息時，我會在「筆記系統」中搜尋閱讀、遊戲、運動這類任務關鍵字，找到當下感興趣的任務筆記，裡面就會有類似下面這樣的待辦清單，可以引導我立刻去做自己感興趣的事情。




    我「沒有」在筆記系統「花時間」建立「書櫃」，然後把各種好像有點意思的書籍資料放進去，架構一個很漂亮的書籍整理系統。

    這樣的書櫃或許吸睛，但大多數的資料其實跟自己真正的工作、生活無關。

    所以我的方法是，建立一則簡單的「閱讀習慣任務筆記」，然後幾個簡單的待辦清單，把我下個階段想讀讀看的書列上待辦清單，把最近讀完正在驗證中的書列上待辦清單。

    事實上，剛好我最近忽然有點想讀日本推理小說，於是我就問了 AI ，有沒有推薦的、新時代的本格推理選擇， AI 給了我一些書單，但我沒有擷取完整資料（因為覺得不需要），我就只是把其中自己感興趣的題目，列入「閱讀任務筆記」的待辦清單而已。

    這比架構一個個人書櫃資料庫更節省時間，卻比擁有一個書櫃，更能在我可利用的空檔時間，引導我立刻開啟感興趣的閱讀任務。





    任務學習筆記，而不是一本書的重點學習筆記：

    我的閱讀任務筆記中還有一個「驗證方法」待辦清單，列出我近期讀完的書，我正在不同任務中驗證書中所學，產生屬於我自己真正的經驗。

    我也在嘗試一種新方法，不做傳統的閱讀重點整理筆記，而是直接在閱讀過程轉化出任務，把自己想要嘗試的行動、產生的經驗，乃至真正需要參考的書中重點，整理在「任務筆記」中，而不是在某一本書的筆記裡。（延伸閱讀：個人知識管理的時間平衡技巧，忙碌中我如何維持高效率輸入輸出？）




    之前我分享過這個案例，在閱讀時的「資料型筆記整理」用 AI 輔助完成（參考：用 ChatGPT 陪我讀英文原文書：5 個強化學習、筆記整理到行動轉化的 AI 技巧）。

    於是我可以把更多精力、腦力花在思考：「怎麼把學到的，對應到真正的任務上」。

    我手動做筆記的時間，是花在寫出上面的「任務筆記」，而不是下圖這樣 AI 也可以整理得很好的資料、知識重點整理筆記。





    NotebookLM 是很棒的 AI 資料庫筆記，但取代不了人的任務第二大腦筆記：

    像是很紅的 Google NotebookLM ，號稱 AI 筆記，我也覺得很好用，但是他能取代的，正是前面的「資料／知識」整理型的第二大腦，卻無法取代我們的「任務／經驗」第二大腦。

    參考：

    這有什麼差別呢？

    例如，我把 Tesla 電動車的操作手冊、相關教學影音內容，上傳到一個 NotebookLM ，建立起一個 AI 筆記資料庫，我可以在上面隨時問各種功能問題（例如自動輔助駕駛怎麼操作？），他就像客服一樣，立刻給我來自說明書與參考資料中的相關內容整理。

    所以，我自己的筆記中，不需要再自己去整理那些「只是來自參考資料」的內容。




    但是，當我自己開始使用自動輔助駕駛後，我產生屬於我的經驗，適合我的操作方法，這些才是我會寫在「任務筆記」中的內容。

    你可以看到這些內容跟說明書不一樣，跟參考資料不一樣，但卻是我自己慢慢累積出來的，屬於我的最佳操作流程，以及那些參考資料不會告訴我、沒辦法告訴我的真實感受。




    NotebookLM 有辦法產生上面的任務經驗筆記嗎？應該沒辦法，因為他的 AI 限定於「從參考資料庫」來生成內容，這就像 ChatGPT 就算可以網路搜尋、深度研究，甚至進行一些 AI 的突發奇想，但其實也是限定在已經有的參考資料上。

    可是，每一個人都是有不同感受、不同喜好的個體，所以我們會決定自己的任務要如何執行，會產生跟大多數人很像但又有點不一樣的經驗，這些，才是我們每一個人自己的任務筆記要整理的內容。




    筆記的核心：連結我的任務，開始累積行動的經驗

    之前我在「我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用」這篇文章中，分享我自己利用 AI 搭建稍後閱讀流程的方法。

    AI 可以幫助我翻譯、摘要、整理重點架構，甚至在深入閱讀後進行衍伸補充、思考。

    但是，有一個做筆記最關鍵的問題，我依然要自己來，但也是人最值得花時間去想的問題：「這個資料、知識、想法，我要用在哪一個任務上？」

    例如，我用 NotebookLM 快速整理了很多 Huberman Lab YouTube 影片，找到了幾則我個人更感興趣的主題，深入的理解了 Huberman 分享的知識與方法。但這個過程不是我筆記的重點，真正的重點是我會不斷反問自己：「這個有趣的、有用的知識，我要用在接下來什麼任務上？」

    其中有一個例子是，看到 Huberman 推薦的 NSDR （非睡眠深度休息）方法後，我靈機一動，覺得可以寫入目前正在進行的新書《高效職場生存法圖解》，但不是單純整理資料寫進去，而是在自己的職場工作環境實踐看看，把經驗累積調整後，分享適合職場工作者的做法。

    於是，我撰寫的不是資料整理筆記，而是去修改我的任務筆記，讓這個資料，可以與我的真正任務作連結。




    然後在啟動的任務筆記中，我不是去整理 Huberman 的知識架構，而是開始累積自己實踐過程中的疑惑？調整？等等具體經驗，並開始轉化出我的操作流程。




    在 AI 時代作筆記，我們可以更多的放下對資料整理的需求，更專注在對如何變成任務的思考上。AI 幫我解放了輸入的效率，讓我有更多時間專注在「我自己實際要做什麼」的輸出。

    在 AI 持續進步的情況下，我相信資料型第二大腦會愈來愈不需要，尤其如果我們做的「只是整理他人資料」的第二大腦，即使做得再漂亮，也可能沒有 AI 幾分鐘處理後得到的更新、更詳細、更深入。

    但這不是我們放棄思考，反而是我們獲得了更多時間，可以把思考放回自己身上，不要再過度煩惱輸入，而是專心在執行每個人獨一無二的產出上，並在後面這個輸出的過程做筆記，累積出自己的「任務／經驗」第二大腦。

    因為當愈來愈多工作可以透過跟 AI 溝通，讓 AI 助理完成有效內容草稿時，這個「溝通」需要的，正是我們累積出來對任務的判斷、對更好的工作流程的經驗。

    AI 不會讓筆記失去價值，反而讓作筆記可以更專注、更有力量。推薦這篇文章給平常喜歡用 Notion、Obsidian、 Heptabase、 Evernote 寫筆記，卻感到整理系統有點無力的朋友們，幫你「找回做筆記的理由」。

    延伸閱讀：


    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：AI 時代建立筆記系統的關鍵是「任務／經驗」而非「資料／知識」）

    不只 AI 問答！我用 ChatGPT 打造專案第二大腦的六步驟實作教學

    ✇電腦玩物
    作者 Esor Huang
    2025年6月29日 21:05



    單純在 ChatGPT 聊天問答，幫助找答案，雖然已經很好用。不過當作問答機器人來用，可能最後就是一大堆雜亂訊息，只能解決當下淺層問題。

    但其實看似簡單的即時通介面下， ChatGPT 有潛力成為一個能夠整合工作流程、最佳化日常任務的「AI 生產力作業系統」。

    這篇文章，不像傳統的 ChatGPT 使用教學，不是只教「怎麼問問題」或「有什麼功能」，而是系統性地拆解了 ChatGPT 能如何從資訊輸入、知識整合、專案管理，到成果產出的工作流程。

    這時候，ChatGPT 不再只是等待我提問的工具，而是可以由你我主導，架構出一套任務流程：從蒐集資訊、建立專案、到產出結果，環環相扣，互相搭配，成為工作中更可靠的助手。

    可以想像成一個 AI 版的 Notion 或 Trello 這類「生產力作業系統」，在 ChatGPT 上面整理專案任務資料，執行任務流程，完成成果輸出：

    • 可以記住自己各種工作生活專案細節，隨時調閱。
    • 可以追蹤之前專案進度上，繼續往下規劃，或生成不同任務成果。
    • 可以用自己已經完成的成果，做有效復盤，推動新計畫。

    今天這篇文章，分享我如何在 ChatGPT 打造「生產力作業系統」的實作經驗與使用範例，幫助讀者從「單點使用」升級到「系統使用」，更有效利用 ChatGPT 的各種進階功能（任務管理、記憶、搜尋、語音、圖像等），建立起一個 AI 優先的「 ChatGPT project flow 」，作為我們的「新第二大腦」、「新專案管理流程」。




    ChatGPT 流程01. 自動化「輸入」任務新資訊：Task ＋ AI Search


    大多數任務開始於有效的「輸入」，所以很多朋友喜歡使用稍後閱讀、 RSS 訂閱等工具，而我會用下面方法，在 ChatGPT 中用「內建功能」（ Plus 版），打造一個有助於啟動任務的「自動輸入」流程。（另一種 AI 資訊輸入應用：我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用）

    我平常有很多 AI 教學課程邀約，也會在電腦玩物分享 AI 提升效率的相關文章，所以我需要「輸入」 AI 領域的工具應用新資訊，來刺激我的想法。

    於是我在 ChatGPT 中建立一個「 AI 工具與應用新資訊」的討論串，利用 ChatGPT Task（任務），要求 AI 「Search for the latest AI tools and applications articles and compile a comprehensive report.」每天給我 AI 最新資訊的回報。




    每一天早上，我就會在這個討論串收到 ChatGPT 的通知， AI 會根據我的需求，自動上網搜尋，找到近期的新聞文章（通常可以抓取到最近一個禮拜內有意思的新文章），以及重點整理。

    這個工作流程有幾個優點：

    • 讓 AI 幫我自動搜尋、輸入內容，節省我自己爬梳太多不相關資料的時間。
    • AI 會根據我的需求：過濾主題、爬梳指定網站、多線檢索。
    • 結合 AI 搜尋，找到的內容雖然不一定是當天最新，但都有明確資料來源。
    • 根據任務聚焦的自動輸入，常常幫助我獲得新工具、新研究、新趨勢報告的相關數據。
    • AI 整理過的自動輸入，內容分量恰到好處，一兩分鐘內就可確認，卻往往能幫助我展開更多新任務。

    例如下面這個例子，其中兩篇新聞的數據，可以變成我接下來課程、書籍、文章中引用的內容。

    其中一個工具的介紹，啟發我可以撰寫一篇應用教學文章。

    而這就是「輸入」想要達到的更有效「輸出」目的。




    我在 ChatGPT 中擁有多個這樣的「任務新資訊自動輸入」討論串：

    • 自動輸入 AI 相關教學任務新資訊。
    • 自動輸入一般任務需要的台灣、國際新聞資訊。
    • 自動輸入我個人健康專案需要的增肌減脂新知識。
    • 自動輸入我還沒有寫作，但適合我擅長主題的新寫作題目想法。

    例如我會這樣要求 ChatGPT：「每天中午 12 點，回顧我在電腦玩物上擅長的文章主題，上網搜尋符合我的主題，但我沒想過的題目，然後以電腦玩物的角度思考，設計新的寫作素材。」

    於是很多文章、書籍、課程的來源素材，每天就在這樣的 AI 自動輸入過程中，持續提供我刺激任務推進的新想法。





    ChatGPT 流程02. 跨領域資料的「整理」分析：跨對話記憶


    當 ChatGPT 擁有「可以在回答時，參考不同聊天紀錄的資料」功能，而且這個功能免費版、 Plus、 Pro 版都有（只是可以記住的容量深度不同），我們更可以思考：「把 ChatGPT 當作各種工作資料的討論系統，同時也是可以隨時調閱資料的管理系統。」

    例如，我在前述的「自動輸入排程」中累積了許多筆記、 AI 相關的新資料，我也在不同任務的討論串中聊過類似筆記方法或軟體。這時候，我可以讓 AI 調用這些在不同討論串的內容，「重新整理」成一個筆記新方法專案的企畫內容。




    這就好像整個 ChatGPT 是一個個人大型資料庫，裡面有我對各種任務資料的搜索，裡面有我的各種想法的討論，而這時候，我可以利用 AI 進行統整與分析。

    這不是傳統意義上的整理，而是 AI 可以根據每一次的新需求，把舊資料（聊天紀錄）重組生成新內容。

    換句話說，如果我可以把 ChatGPT 當作另外一種統一的工作系統。在上面累積更充足的討論，那麼上述重新整理「記憶」的效果就會更好。




    再搭配基本的「（指定）儲存的記憶」功能，例如請 AI 回答時不要那麼愛加表情符號，請 AI 在解析我的特定專案時要用特定邏輯等等。

    這樣一來，這個 ChatGPT 的 AI 生產力作業系統就具備了：

    • 自動輸入、儲存我需要的各種任務資料。
    • 可以記住（記憶）不同任務的執行（討論）過程。
    • 開啟新任務時，可以用 AI 根據當下需求，分析過往的資料，完成新的輸出。

    ChatGPT 自動排程搜尋輸入，再搭配聊天紀錄記憶，最後可以滿足一個工作系統基本的資料輸入、爬梳、輸出需求。





    ChatGPT 流程03. 啟動專案的知識輸出系統：Deep Research 深度研究


    以前我們可能需要花很多力氣在架構自己的「生產力系統」，其中很多時間花在「沒有什麼生產力」的知識筆記整理上。

    所以現在我開啟一個新專案的「起手式」是建構在 ChatGPT 工作系統的 3 步驟：

    1. AI 回顧分析不同聊天紀錄的相關資訊、想法，建立專案的問題出發點。
    2. 根據這個問題出發點，啟動 AI Deep Research ，在既有資料基礎上，進一步研究跨領域的新資料，建立更完整、深入的知識筆記。
    3. 根據建立的知識筆記，再次啟動 AI Deep Research 去研究自己雲端硬碟中的相關文件，建立專案的正式企劃。

    要開啟一個專案，先讓 ChatGPT 統整聊天紀錄，然後利用 Deep Research 做一次延伸資料的市場分析。




    再讓 ChatGPT 去分析我在 Google 雲端硬碟上已經累積的專案文件檔案，開始分析接下來專案可以推進的進度。

    以前我們可能花很多時間做資料整理與知識筆記，但其實我們需要的是：最後要輸出的分析、報告與規劃。而現在， ChatGPT 的工作流程系統可以代勞。





    ChatGPT 流程04. 有效分類專案工作流程：一個專案，一個討論串


    在開始一個新的專案、任務時，我會在 ChatGPT 開啟一個新的專案討論串，上述專案的初步想法整理、深度研究、文件整理，都會在同一個討論串中，然後要輸出不同的任務成果，例如要規劃流程、要撰寫報告、要設計新內容，也在同一個討論串討論。

    這個過程的優缺點是：

    • 優點
      • 可以更具體根據前面特定專案資料，產出新內容。
      • 可以根據前面建立的規則，產出新內容。
      • 討論過去經驗時， AI 更明確知道這個專案的流程。
    • 缺點
      • 當一個專案的討論量逐漸累積，因為一個討論串的內容量很大，瀏覽器網頁端問答時容易載入不順而卡住（可重新整理網頁，才會恢復正常）。
        • 這時候的解套方式是，使用電腦版的 ChatGPT 軟體，效能會更好一點。
      • 當專案討論量大到一個臨界值（我的經驗是每天討論，長達半年），會開始容易出現錯誤，這時候要開新的專案討論串才會順暢。
        • 但這個討論串內容還是可以留著，因為在前面「流程02」有提到，有時候全系統回憶時，還是會有效果。

    於是在真實工作、生活流程裡，遇到任何問題，我會先思考：「這是哪一個專案的問題？」




    接著，進入該專案的 ChatGPT 討論串，這裡的 AI 已經了解這個專案的背景、現況、知識與做過什麼，成為我解決專案問題的最佳幫手。

    例如有一次邀請我上 AI 工作術課程的單位，希望我出幾個簡單的練習題，作為課前、課後測驗。

    於是我打開「課程規劃」專屬的專案討論串，這裡面都在討論我的課程相關任務，我直接問 AI ：「根據前面我們討論過的 AI 課程內容，幫我設計 10 道選擇、測驗題，請一步一步分析，從我討論過的課程相關內容著手，找出最適合學員的應用，設計清楚、易懂、複習學習成效的題目。」

    我甚至連課程資料都沒提供給 AI ，讓 AI 自己在前面的討論串找資料、設計題目，而效果很不錯。




    ChatGPT 的「專案」功能就更好用了，我開了一個「個人生活專案」，裡面有生活教練、車輛管理、投資理財等不同的生活專案討論串。

    我先在「專案」中上傳自己累積的身體、車輛、財務筆記檔案（去掉絕對隱私的資料後，例如帳號密碼），然後在共通指令中設計我的家庭成員、生活需求。

    於是當我在不同討論串中，詢問理財建議、健康建議時，都可以從我的真實資料中讀取內容，提供更符合我需求的回答，就很像是我的生活專案助理系統。





    ChatGPT 流程05. 在這個 AI 生產力系統持續產出：五種主要 AI 模型的應用

    • 我在什麼場景，運用什麼 AI 模型：
      • GPT 4o：一般圖文任務處理
      • GPT o3：需要多一點資料研究，且有邏輯的產出
      • GPT 4.1：需要回顧分析長文本後（例如回顧大量對話）進行產出
      • GPT 4.5 文字內容撰寫修正的產出
      • GPT o4 mini hign 圖像推理後產出

    前面是這個 ChatGPT 生產力系統的輸入、整理、分類建立專案流程的階段，而這些都是為了完成更好的 AI 任務產出。

    所以當需要 AI 協助討論、生成各種任務成果時，我會回到流程 04 建構的專案分類中，進入該專案討論串，在其中繼續生成新內容。這會開始一個正向循環：

    建立專案討論串 ＞ 輸入專案資料 > 整理研究專案資料 > 輸出專案成果
    > 專案成果成為新的專案資料 > 整理研究新專案資料 > 輸出更好的專案成果

    不過，現在 ChatGPT 的 AI 模型選擇很多，下面是我根據 ChatGPT Plus 真實應用情境，分享我自己不同 GPT 模型的應用對應表：

    模型版本
    適用任務
    使用建議
    GPT-4o
    泛用版本，適合即時對話、輕量任務
    日常問答、寫初稿、整理現成資料、規劃基本任務行動清單
    GPT-o3
    搭配大量資料查找後，經過思考，處理更需要邏輯分析的任務
    需要搜尋正確背景資料並進行統整分析，然後產出多面向規劃的任務
    GPT-4.1
    回顧長對話與分析長文本
    長文章、長會議記錄整理，或是分析大量對話後得出新想法
    GPT-4.5
    精準文字潤飾與邏輯修正
    寫作修文、推敲表達順序
    o4 mini high
    圖像推理、分析圖像內容作圖像思考
    視覺設計、版面規劃、圖像解析

    簡單的任務問答，使用 4o。




    但是如果任務需要一些資料研究（還沒到 Deep Research 程度），並且要做相對嚴謹思考的分析，我會使用 o3 。

    其實應該說，目前 ChatGPT 我最常使用的模型就是 o3 ，因為大多數我們想要生成的任務成果，理論上都需要多一點資料研究、理性思考，才能有更好的回答。




    最近我在嘗試透過 ChatGPT 做 Vibe Coding ，已經連續討論了兩個多禮拜，所有同一個專案討論串中有大量內容，為了讓 AI 可以更好的回顧前文，我就會使用 GPT 4.1 進行問答，用比較快的速度有效回顧長文本內容。




    GPT 4.5 我使用的機會不算多，少數真的需要做文字創意寫作時，會用來做文稿的修正。

    但大多數文章的主文，我還是自己撰寫為主，例如這篇文章。




    GPT o4-mini-high，則是當我需要上傳圖像，請 AI 分析圖像內容、結構，然後作圖像化思考與建議時使用。





    ChatGPT 流程06. 可以在 ChatGPT 生產力系統產出的延伸內容


    在這個 AI 生產力系統中，不只可以用前面的 AI 模型進行文字產出，在 ChatGPT 中還有很多功能，可以讓產出的方式更加多元化。

    例如我也常常利用 4o 生成圖片的功能。當我都在同一個課程專案討論串中生成圖片時， AI 已經懂得根據我的形象、課程需求，設計出需要的圖片。（參考：實戰 ChatGPT 4o AI 生成圖片的工作應用：教學、社群、寫作、簡報 10 種圖解案例）




    或者利用 ChatGPT Codex ，進行軟體開發，讓 AI 撰寫程式碼，分析管理 Github 上的專案資料庫。




    我會在寫作卡關、任務卡觀的時候，開啟 ChatGPT 的「進階語音對話」，跟 AI 像是真人一樣來回辯論討論，刺激我的想法，而這往往效果不錯。




    我也很常利用 ChatGPT 的「錄音輸入」功能，直接講出一大段我的想法，請 AI 幫我轉換成通順的逐字稿，快速產出有效的筆記、報告內容。




    透過上述步驟、應用、功能，我在 ChatGPT 上，而且單純就是利用一般人也能使用的 ChatGPT 介面，打造了一個有效的「GPT Project Flow」，讓 ChatGPT 不只是 AI 問答機器人，而是我的一個「 AI 生產力作業系統」：

    1. 自動化輸入：先透過 ChatGPT 的任務功能和搜尋，為每個專案或日常工作建立一個自動獲取資料的流程，確保資訊來源穩定且及時。
    2. 善用 ChatGPT 記憶能力：讓輸入的分散資料有機會根據需要，進行不同的統整與生成。
    3. 深度研究與資料擴展：利用 ChatGPT 的深度研究功能，進一步擴展與專案相關的資訊，確保系統擁有完整和深入資料。
    4. 專案化討論串：為每一個任務或專案創建獨立的討論串，把相關資料、靈感和對話都集中，避免資訊分散，建立各個專案專屬的 AI 助理。
    5. 模型選擇與產出優化：根據不同的任務需求，選擇不同的 GPT 模型來完成，例如用來編輯文字、產生圖像、整理長文本、撰寫程式碼等。
    6. 讓「GPT Project Flow」進入正向循環：根據前面資料輸入， AI 產出的有效專案成果，成為「新的資料」，讓這個作業系統愈來愈能理解、幫助我們獨特的工作流程。

    善用 ChatGPT，關鍵不是會問問題，而是懂得建立工作邏輯。從輸入到記憶、從單對話到專案、從文字到多模態應用——你可以為自己打造一個「AI 輔助的數位工作室」，讓每一個任務都更高效。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：不只 AI 問答！我用 ChatGPT 打造專案第二大腦的六步驟實作教學）

    收集資料時 3 步驟「任務化」！AI 工具取代不了的整理技巧教學

    ✇電腦玩物
    作者 Esor Huang
    2025年7月7日 18:31


    資料、筆記之間最好的「連結」關係是「任務」，而不是屬性、相關性，這也是在 AI 時代擁有大量自動分析資料工具後， AI 依然無法為我們代勞的整理技巧。也是幫助你不再努力分類、標籤、連結後，還是出現「用不到」、「找不到」、「只是蒐集沒在用」的狀況。

    近期我在電腦玩物分享的這篇文章，也闡述了類似想法：「AI 時代建立筆記系統的關鍵是「任務／經驗」而非「資料／知識」」

    AI 或許可以幫大量資料下關鍵字，自動建立類似維基百科那樣的相關性連結，但 AI 無法幫我決定這個資料用在什麼任務上。

    在還沒有生成式 AI 爆發的時代，我在《防彈筆記法》書籍裡就開始強調真正的數位第二大腦整理是以「任務的連結」為中心（資料連結是不太重要的弱連結，任務連結才是真正有用的強連結：Evernote 實踐 Zettelkasten 卡片盒筆記法，整理知識網路系統），而現在進入了AI時代，我更加認為「以任務為整理中心的連結方式」才是建構高效率第二大腦的關鍵，而這個步驟需要人來做。





    以下為 Google NotwbookLM 製作的本篇文章影片版解說：





    為什麼要讓資料任務化？兩個層次的思考：

    在我的防彈筆記法課程中，常常會分享一個自己收集資料的原則（參考：別怕失去什麼，看到好像不錯、好像有用的資料，最好不要收集）：

    • 每次看到一個好像不錯，有點意思的文章，我會問自己一個問題：「近期內哪個任務用得到？」
    • 然後用任務導向的原則，把資料連結到用得到的那則「任務筆記」。
    • 如果當這個核心的問句得不到解答的時候，我會選擇「放下這個資料」。

    不過之前主要都是分享：不要收集不必要資料，問題是：那如何能夠有效地把資料「任務化」呢？

    最近一次課程中，有學員在下課時跑來問我上述問題。他說自己是工程師，平常也很喜歡閱讀學習大量新資訊，有很多時候看到一些覺得好像不錯的內容，但是當下似乎很難去思考什麼任務要用？這時候應該怎麼辦才好呢？我當下提供了兩個層次的想法來回答他：

    • 第一個層次是：練習建立第二大腦的「核心邏輯」轉換，勇敢放下資料是節省更多時間

    以前在收集各種資料的過程當中，常常只是為了收集而收集，在資料的層次做處理，打造了一個花時間卻不一定能夠準確拿出來使用的系統，並且誤以為是要花更多時間整理，才能有效取出資料來使用。

    其實，我們應該轉換的是自己的收集邏輯，透過提問：「這是哪一個任務可以用的資料？」而非這是什麼資料？可以有效過濾自己需要收集整理的內容，這是跨出有效整理系統的第一步。

    當然，這個過程不會盡善盡美，但也不需要完美。在這樣的練習當中，或許我還是會收集到一些最後都用不到的資料，但一定也會增加跟明確任務連結的資料比例，而這樣我們的系統就會變得比之前更加有用。

    如果在這個核心邏輯轉換時，發現很多看到的新資料都找不到可以連結的任務，那麼或許我們應該勇敢地告訴自己：

    「因為這就是現在的自己不需要的資料，放下他們，讓我去處理真正任務，這樣我可以獲得更多時間與成果。」

    • 第二個層次是：練習「以輸出為目的」，而非輸入，我的任務是我自己可以設計的

    很多時候我們看到有感覺的資訊，自己當下沒有任何任務用得到，但又很想收集，覺得無法實踐以任務為導向的整理系統？

    或者認為，如果都不收集任務以外的新資訊，那我們要如何成長？如何跨出舒適圈？如何擴展自己的多領域能力呢？

    這其實忽略了一個關鍵的重點：那就是任何我要執行的任務，其實是我們自己可以主動設計出來的！

    任務，並非只能是別人給我們的。簡單的說，如果我看到一個非常棒的資訊，很想要收集，但這時候在既有的任務中沒有任何連結，那麼我應該反問自己：「我可不可以為這個新知識建立一個有任務成果的新任務呢？」

    大家現在應該都認同，輸入的目的是為了要輸出，成果是比資料整理更有效的工作系統。

    所以我們不需要去整理那些資料跟知識，應該是要問：我要如何整理才能夠有效的產出任務成果？而這時候我可以主動為蒐集的資訊設計一個新的成果，讓這個整理學習的過程真正有所產出。

    下面我就分享實例，看看在打造數位第二大腦系統的過程當中，我如何把日常收集的資訊任務化，讓大家更能夠掌握住我所說的這兩個層次：

    1. 資料要跟任務進行連結，不用花很多時間整理，這些資料以後會被真正的拿出來使用。
    2. 為自己非常喜歡的知識主動設計任務成果，開啟產出，才是打造第二大腦的方式。






    我的具體實踐案例步驟一：如何把資料連結到任務？

    下面是一個最近真實發生的例子。每天網路上都有很多人推薦許多新的 AI 方法或工具。有一天我看到了一個 AI 設計圖像的工具，看起來這個工具非常厲害，我動了想要蒐集這個資料的念頭。這時候我就問自己一個問題：最近我有沒有哪一個任務有機會用到這個 AI 設計圖像工具呢？




    於是我在腦袋中快速運轉近期的生活、工作，有哪些正在進行中的任務？我想到接下來剛好要去一個學校分享小講座，我想到正好可以利用這個機會試試看這個 AI 設計工具，設計出一些吸睛、有趣的圖像，作為這堂比較輕鬆主題講座的圖像輔助。

    於是我把這個資料擷取下來之後，將其連結到那堂講座的任務筆記。




    接下來，我不會針對這個 AI 設計工具資料去做任何的額外整理、分類或者標籤，因為我已經把資料連結到那堂學校講座的任務筆記了，等到學校講座要開始前，我打開那個任務筆記準備開始處理講座內容時，自然就會看到現在連結過去的這一則 AI 設計工具的資料。

    於是我就會想起來，並且有機會利用這個工具來處理講座上的圖像，經過這樣的產出經驗，或許到時候就會更加掌握這個設計工具的功能，如果發現值得介紹，說不定還會再衍生出一篇電腦玩物上的寫作任務。

    如果你常常看到我在電腦玩物上分享很多我的真實工作生活任務案例，也發現我常常研究很多新的工具、新的方法，你懷疑我為什麼不會覺得自己資訊爆炸？而且有餘力處理這麼多新資訊？那麼大多都是在上述的整理流程裡，建立起幫我去蒐集資料，並且有效利用資料的第二大腦過程。




    我的具體實踐案例步驟二：放下任務不需要的資料

    也是最近的真實例子，看到網路上很多人介紹許多愈來愈厲害的 AI 影片生成工具，我有興趣，但依然先用前面的邏輯想想看：有沒有哪一個任務用得到？

    這時候，我當下想不到任何工作、生活任務可以用這個工具來解決什麼問題，要怎麼辦呢？這時候我的建議是（也是我真實做法）：

    那就放下這個資料，連擷取蒐集都不要。完全省下整理這些資訊的時間。

    為什麼呢？有幾個原因。

    • 第一個原因，收集過多自己沒有真正任務產出的資料，導致自己要花更多時間做資料的整理，這本身就是一件浪費時間的事情。
    • 第二個原因，收集過多跟任務不相關的資料，導致自己分心去研究它們，這常常是讓自己在工作生活中無法聚焦在真正目標的關鍵原因。

    如果我們沉迷於資料收集、稍後閱讀，反而讓我們在資訊爆炸的過程當中，感覺更加茫無頭緒，分心在各種互不相關的資訊上。

    這其實是許多朋友建立第二大腦的最大困境：收集整理時間 ＞ 實際產出時間


    AI 工具的進化，確實改變了許多事情，我們應該重新思考自己建立第二大腦的邏輯。

    如果我在沒有任何任務需要的時候蒐集一個 AI 影片製作工具資訊，花時間整理他，但是放在那天幾個月都沒有使用？

    之後，終於有新任務需要 AI 影片製作工具了，你覺得，現在我們要把之前那則資料找回來用嗎？但是，它已經是幾個月前的工具了，會不會這時候有更新更好的 AI 影片設計工具出現呢？那我還不如去找這個當下更新更好的 AI 影片設計工具？

    所以從上述的幾個理由來看，我們都會發現，當我們看到一個資訊，而我們無法跟任何任務筆記連結的時候，放下它，其實反而是一個提升生產力的選擇。




    我的具體實踐案例步驟三：那學習成長、擴充知識圈怎麼辦？

    來到這一步，有朋友覺得如果只是因為無法跟當下任何的任務進行連結，我就放下它？這樣一來會不會很可惜？二來會不會失去了自己學習成長的空間？

    如果用 Esor 分享的「防彈筆記法」，以任務為導向，會不會反而會變成一個無法成長？只能原地踏步解決目前工作任務的人呢？

    這其實是對這個系統最大的誤解，說任務成果一定要是既有的，或者是別人給予的呢？難道我不能主動設計任務產出嗎？

    當我看到一個資料非常有用，而我無法跟任何現存任務進行連結的時候，我可不可以自己為它設計一個有動力、有興趣、有價值的任務成果產出呢？

    這樣一來，我既不會讓資料整理流於空泛，我也可以有效地去學習接觸新的領域，但又保證了有價值的任務成果產出。

    例如前一陣子我看到很多人在介紹 Vibe Coding 這個概念，那時候有 Cursor 這個工具，後來 ChatGPT 在它的 Plus 以上版本也推出了 Codex 這個 AI 幫你寫程式碼、分析程式碼專案的服務。




    那段時間我不斷看到這類介紹，其中有一兩篇寫得很棒，分析了如何更有效 Vibe Coding 的流程。我很想把這個資料收集下來，也很有興趣，但是那個當下，我無法跟既有的任何專案任務進行連結，因為一來我不是工程師，平常不需要寫程式；二來我當下的任何任務並沒有需要開發網站或者開發某個工具的需求。

    但是最後我還是收集了教我如何 Vibe Coding 的工具與方法資料，但我不是只有收集，而是重新為它設計一個任務成果：「開發一個個人筆記／日記系統」。




    剛好那時候我也同時很想用 AI 來幫小孩寫他感興趣的兒童故事，我想把這個寫作流程用一個自己設計的日記軟體記錄下來，可以整理寫作創意、構思流程。

    於是我把「只是感興趣」的資料，轉化成「真正試試看的任務」。目前已經執行一個月的時間，逐步開發出日記軟體，目前具備可以追蹤寫作日誌、做搜尋、連結、標籤等等功能，滿足我需要的所有靈感想法整理，也挑戰看看如果在我完全不懂程式碼的情況下，用 Vibe Coding 可以做到什麼程度。




    在這個月的過程中，當時那個感興趣的資料，不再只是資料，而是真的變成我理解一個新領域的經驗！

    我真的開發出了一個自己可用的日記軟體，我也第一次比較完整的學到了所謂的軟體開發流程、開發工具，我大致上知道 GitHub 如何管理，這些都是擴展了我原本並不熟悉的領域，也具體完成了一個對我有價值的成果。

    所以，當我們真的對某個資訊感興趣，更應該主動設計產出，這才是真正跨出領域、學習成長的方式。

    而如果連任務產出都設計不出來，變成單純只是收集資料，那麼放棄其實也真的沒有什麼影響。（延伸閱讀：筆記如何變成有效記憶？建立一個任務流程，而非知識庫）

    看完上面的資料處理流程，或許你也可以試試看我的方法：

    1. 收集資料時要馬上任務化：而不是先囤積再說，透過「先問自己這個資料會應用在哪個任務上」的檢查點，不只是省下整理時間，更能推進真正有產出的行動。
    2. 如果沒有現成的任務，也可以自己創造任務：很多人以為任務一定是別人交辦或現成的，其實我們可以為感興趣的新知主動設計一個「任務產出」來驗證和學習。
    3. 當你找不到對應任務，就勇敢放棄那些資訊：「放下」其實是最高效的選擇，不必因為資訊 FOMO（錯失恐懼）讓自己失焦。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：收集資料時 3 步驟「任務化」！AI 工具取代不了的整理技巧教學）

    不快速回訊、不整理郵件，專注任務筆記，才是最聰明的整理術

    ✇電腦玩物
    作者 Esor Huang
    2025年7月25日 22:40


    最近在「防彈筆記法」課程中，有學員問我：「看到簡單的郵件或訊息，快速回應掉就好啦！為什麼還要整理成筆記？」我也常常觀察到身邊許多工作者，很習慣隨時拿出手機，打開郵件、即時通訊軟體，開始不斷的快速回訊，這個討論串回完，就切換到下個討論串。因為很多人這樣做，GTD 也說兩分鐘可以處理的問題就快速處理掉，看似合理又正常？

    但是，我不會這樣做，並且我看到夥伴這樣做時都會很擔心，因為這樣的工作方式常常是造成混亂與錯誤的開始。

    各種訊息東回應一句，西回應一段，散落在不同的討論串與郵件中，一旦同時處理的任務多了，同時對話的人雜了，往往就開始搞不清楚自己到底處理了哪些事情？還有哪些需要處理？搞不清楚現在每件事情的最新狀態？

    看似簡單的問題，想要兩分鐘完成回應，但這是不是表示我們會「憑著大腦記憶」來回應，或者更多時候是根據「直覺」來回應，然而大腦記憶、直覺很容易出錯，我確定自己的回應真的是目前任務的最新版本嗎？我沒有漏掉任何細節嗎？

    很多時候我就會在即時通訊群組中看到一些夥伴快速回應後，過一段時間才發現自己漏掉某些細節，於是又在通訊軟體裡補充、修正，但這反而是讓訊息更顯得混亂，最後沒有人搞得清楚最新狀態。

    那要怎麼辦呢？所以，我的作法是：「建立一個專案、任務唯一真實版本的支持系統，不要浪費時間整理郵件與即時通，而是專注整理『任務筆記』，」（延伸閱讀：為什麼我會「避免」在郵件、即時通，甚至待辦清單中直接完成工作？）

    1. 收到郵件或訊息 → 不要馬上片段的回應 → 先確認是否關聯任務。
    2. 若關聯任務 → 開啟任務筆記 → 確認任務真實細節（不要憑直覺與記憶）。
    3. 對方的訊息重點更新回任務筆記，我的回覆草稿也先寫在筆記 → 再複製貼回郵件/即時通。
    4. 在筆記中累積回應歷程，維護這個專案、任務的最新架構、資訊。（感覺讀者提醒，如果要記住郵件的「原始紀錄」時，我現在通常會在筆記中註記郵件的原始連結，或是截圖留下證據）
    5. 不整理郵件、不整理聊天，集中精力維護一個筆記系統。




    2025/7/26 補充，讀者也在社群中，回饋了他的郵件、訊息、會議紀錄，如何整理到專案、任務筆記的流程，很值得大家參考（我也分享在這裡：來源）。



    案例教學：郵件怎麼整理？與其在郵件中花時間管理，還不如寫到任務筆記中即可

    • 郵件與即時通訊只是「碎片」，不是資訊管理的核心。
    • 不要花時間去整理郵件分類或聊天記錄，因為它們無法呈現專案任務全貌。
    • 真正有效的整理方法，是把零散的訊息「整合」到任務筆記中。
    • 任務筆記才是專案的唯一真實版本，後續所有確認、回應、決策都從這裡出發。

    在「防彈筆記法」課程中，也常有人問我：「Esor，你平常怎麼整理郵件裡那些零碎的資訊與溝通？」很多人期待我會分享 Gmail 的分類技巧或收件匣清理方法，事實上，我在 Gmail 只用最簡單的功能，讓每天收件匣清空即可。

    因為真正的整理，不是分類郵件，而是 把資訊整合進任務筆記。

    舉個例子：對方傳來一個簡單訊息，我回兩句就能搞定，很多人會直接在郵件回覆，然後不再整理。但問題是，這個訊息很可能屬於一個更大專案任務的一部分，甚至是一個新規格的重要修改。
    如果這時候只是「回了就算」，那麼這段資訊就散落在不同郵件裡，專案資訊碎片化，這反而會造成以後確認的麻煩，也很容易讓我漏掉這個專案任務執行過程中，不斷調整的最新版本，或者不斷增加的細節。

    所以當我在電子郵件當中看到一個可以馬上回覆的訊息的時候，我就會啟動前面所說的處理流程（更多圖文教學可參考：我如何利用防彈筆記管理日常雜亂的溝通訊息？會不會很花時間？）：

    1. 我會先確認這個訊息是不是關乎某一個更大的專案跟任務？例如它可能是某個任務中要增加的新規格，或者它可能是某個專案的合作夥伴跟我確認的某個細節。
    2. 如果這個訊息關乎某個更大的專案跟任務，我會立刻打開我的筆記系統，搜尋這個專案任務的關鍵字，找出專案任務的筆記。我要透過筆記來確認應該怎麼回答，而不要依賴我的大腦記憶，因為大腦記憶非常的容易出錯。我直覺的回答說不定不是這個專案任務最正確的細節，所以即使是簡單的回答，我還是希望能夠在筆記上確認一下。
    3. 另外一方面我會直接在專案任務筆記中先寫好我這次要回答的細節。沒錯，我就是會在筆記中先打好這次郵件要回答的草稿，修正好用語跟描述方式，再複製貼上到郵件送出。




    雖然說原本可能一兩分鐘之內就可以回覆，多做前面幾個步驟，可能要花掉三、四分鐘的時間，可是這時候我就在專案任務筆記中留下了修改的記錄跟細節。

    把對方的訊息、我的回應，整理到任務筆記，這會讓我在處理專案任務的流程進入一個正向的循環：

    • 不再依賴記憶，不怕出錯。
    • 專案的每個變動、每次回覆，都在同一筆記中留痕，資訊整合不再分散。
    • 將所有零碎討論集中於專案、任務筆記，避免花時間整理郵件卻仍無法掌握全貌。

    如果是快速回覆郵件，但細節就留在那封分散的郵件中，這時候就會開始一個惡性循環。我會開始憑著大腦容易出錯的直覺來回應，常常要跟對方道歉說我搞錯了某些細節，並且工作流程會開始變得混亂，最後無法掌控。




    郵件與聊天是過程碎片，任務筆記才是「唯一真實版本」

    • 原因一：郵件、訊息分散各地，整理一次不夠，反而要整理四、五次，浪費時間。
    • 原因二：郵件再整齊，也無法呈現專案的「最新版本」。
    • 原因三：碎片留在原處，未來確認資訊依然需要東翻西找。

    無論是郵件還是即時通訊軟體上面的討論，它們都只會是我在執行專案任務過程當中的一部分碎片資料。

    也就是說，就算我把郵件系統整理得很好，但是專案任務還有很多的文件、資料、想法依然散落在其他資料夾當中，我還是沒辦法一口氣確認好專案任務的完整流程、完整紀錄。

    如果我們一個專案任務的碎片資料，有些在郵件，有些在即時通訊軟體，有些在雲端硬碟的資料夾當中，難道我每個系統都要做一次整理嗎？這樣變成我要整理四、五次以上，反而增加了整理的時間，而且我的系統還沒有整合在一起。
    所以我現在反過來做，我不整理郵件，我也不整理即時通訊軟體，我甚至也不太整理雲端硬碟上的資料夾。

    我把這些在不同地方的碎片都放進、連結進我的筆記系統，這樣我就只要整理一個筆記系統就好。




    即時通訊息怎麼整理？永遠讓「專案筆記」掌握討論的最新版本，而不是散落在聊天記錄

    同樣的邏輯，從郵件到即時通訊息都是一致的，很多人花時間研究 LINE 或 Slack 的整理技巧：

    • 如何標記重要訊息？
    • 如何用內建功能或外掛工具分類？
    • 如何備份，避免換裝置時遺失？

    但這些努力，真的能幫助你掌握專案全貌嗎？我的答案是：不需要花時間整理聊天記錄，而是把所有片段整合進「專案任務筆記」。（延伸閱讀：如何高效率、不煩躁的處理每天大量又混亂的電子郵件任務？）

    LINE 或 Slack 的再強大功能，本質都只是溝通工具，訊息永遠是片段、零碎的。即使分類再精細，討論內容還是分散在數百則訊息裡，很難形成完整的專案全貌。

    真正的問題是：我們需要一個「唯一最新版本」的專案紀錄，而不是一堆散落的訊息。






    所以當我面對雜亂的即時通訊息，處理步驟也跟上述郵件是一致的：

    1. 確認專案任務筆記 收到訊息後，我第一步不是在聊天軟體裡標記，而是搜尋並打開對應的「專案任務筆記」。
    2. 複製重點到筆記 把訊息中真正有價值的細節，複製並貼進專案筆記，避免未來還要翻聊天記錄。
    3. 在筆記撰寫回覆草稿 我會直接在專案筆記撰寫回覆內容，讓這次的回答與其他任務紀錄整合在一起，再複製貼回聊天工具。
    4. 保留唯一版本 這樣，所有變動討論都集中在專案筆記中，而不是散落在不同的聊天紀錄。
    5. 不必回頭翻聊天紀錄 之後，我只要查看專案筆記，就能確認任務的完整脈絡，而不必浪費時間搜尋對話。

    我常常跟上課學員說：「每天專案、任務雜亂的訊息、變動、討論，是我們覺得造成工作混亂的元凶。但其實這是中性的現實，我們無法要求客戶、長官、老闆不再用片段的郵件、訊息轟炸我們。那怎麼辦呢？我們可以做的，就是建立一個簡單、統一的任務筆記系統，輕鬆"接住"這些訊息轟炸，讓其不再成為困擾即可！！」





    專注整理一個系統，讓資訊整合、任務更清晰

    郵件和訊息只是「碎片」，不值得花時間反覆整理。

    真正該做的，是建立一個能接住所有變動、整合所有細節的「任務筆記系統」，讓它成為專案的唯一真實版本。

    從今天開始，別再浪費時間在分類郵件或翻聊天記錄，改用一個筆記系統，集中管理所有回覆與決策，讓你的工作流程更清晰、更可控、更高效。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：不快速回訊、不整理郵件，專注任務筆記，才是最聰明的整理術）

    ChatGPT 免費推出「學習模式」：決策反思、教材練習 5 個案例實測

    ✇電腦玩物
    作者 Esor Huang
    2025年7月31日 21:26


    ChatGPT 今天推出了一個新功能「 Study Mode （學習模式）」，或者叫做「學習與研究模式」，在這個模式中， AI 不會直接提供我們答案，而是用引導式問題跟我們互動，隨時根據我們的能力提供學習輔助，並主動引導我們去反思，在適當時機提供測驗檢核，從而讓我在實際參與中，獲得知識的理解與判斷，而不是一個單純照抄的解答。

    「AI 從答題者，變成一個教練。不再直接給答案，而是根據程度，主動引導我反思與練習，成為主動的數位學習助手。」

    透過這個「 Study Mode （學習模式）」， ChatGPT 想解決在利用 AI 學習或尋找答案的過程中，人不會因為有現成答案而放棄思考。

    也可以說「 Study Mode （學習模式）」有機會充當一個簡易的 AI 教練，在個人學習、兒童學習中，用更主動互動的方式，一步一步根據個人能力，引導使用者學會某種知識架構。

    之前 Google 在 Gemini 中也有推出一個專門針對知識學習測驗的功能：「個人學習、考試新利器！ Google Gemini 測驗功能，一次完成知識研究、出題、複習」。

    而 ChatGPT 的「 Study Mode （學習模式）」初步體驗下，可以做得更多，除了提供測驗練習外，還增加了教練式的、個人化的學習引導、反思互動。

    並且這個模式讓免費帳戶也能使用，未來還計畫推出更多學習目標追蹤功能：

    1. 免費帳戶也可使用。
    2. 個人化支援：藉由一開始的程度提問，或是根據聊天記憶，調整解說深度與節奏。
      1. 彈性開關：同一段對話中可隨時切換 Study 模式（開／關）。
      2. 上傳教材：可上傳課綱、筆記、試題、拍照題目，或用語音發問。
    3. 互動式引導：透過「蘇格拉底式提問」，先釐清你的目標與程度，再逐步帶你推理，提供自我反思題，不直接丟標準答案。
    4. 鷹架式回應：把複雜知識切成易消化段落，凸顯關鍵連結，降低認知負荷。
    5. 知識檢核：穿插小測驗／開放式問題，並根據回答提供回饋，根據使用者的理解，調整後續學習路徑。 




    啟動「 Study Mode （學習模式）」功能教學：

    開啟 ChatGPT，在提問的「工具選單」中開啟「學習與研究」，就能啟動「 Study Mode （學習模式）」。




    當啟動「 Study Mode （學習模式）」，我們問一個簡單的問題，例如：「我想瞭解太陽系的知識。」

    這時候 ChatGPT 不會直接給我答案，而是會反問我目前程度，真正想學習的目標是什麼？

    如果我有開啟記憶功能「當 ChatGPT 記住所有聊天紀錄變成 AI 資料庫！我的9個真實應用案例」，那麼 AI 會記得我常常跟小孩一起學習，也會記得我們有學過類似知識，所以會反問我更進一步的學習目標。




    我們可以用簡單對話，跟 AI 釐清學習目標。

    這個過程，也讓人有效去思考自己到底想要學什麼，而不是單純接受現成答案。





    有了學習目標， ChatGPT 學習模式也不會直接就開始丟出知識，反而是用提問的方式，引導我們去推理、思考可能的答案，再根據我們的回答，判斷我們需要補充的知識。




    於是在學習模式中，我們不只是閱讀資料，而是自己要推理，在對與錯的答案中，一步一步建構自己的知識體系。

    AI 則根據我們的程度與回答，隨時調整學習內容，所以每一個人的學習路徑都會不一樣，但又相對適合每一個個別的人。





    提供教材資料，讓「 Study Mode （學習模式）」化身複習教練：

    除了像是前面那樣憑空丟一個問題。

    其實我的測試中，先提供教材給 ChatGPT ，然後利用「 Study Mode （學習模式）」，轉化成一個有效引導複習、練習的 AI 教練，效果更好。

    我之前分享過「用 ChatGPT 陪我讀英文原文書：5 個強化學習、筆記整理到行動轉化的 AI 技巧」一文，我就用其中一本書的討論串，轉化出很棒的學習模式教練。

    在該本書的討論串中（討論串中有很多書中內容摘要），開啟學習模式後，我這樣提問：「根據前面《The Sovereign Child》這本書的討論資料，幫助我深入理解、學習與應用這本書的內容，並內化為我的知識與行動。」




    AI 首先幫我從討論串已有的教材中，先總結出幾個關鍵的知識點，幫我簡潔扼要地複習。




    接著，ChatGPT 學習模式開始發揮他的「互動式引導」能力，設計出一個很棒的問題，並且提供有趣的練習方式，要求我去進行反思、實踐。

    並讓我在實踐後跟他分享結果。




    於是我真的去試試看，然後把實踐結果跟 AI 分享。




    ChatGPT 學習模式會根據我回饋的問題，繼續從前面的教材中找出適合的方法，提供我下一步去練習、實踐的回饋。

    透過這樣的引導教練，在學習的過程中，我需要不斷的練習、回饋，然後 AI 才會進一步提供我更多支援，但也會針對我的問題提供解決方案。





    利用「 Study Mode （學習模式）」引導我做決策反思：

    既然 ChatGPT 的「學習模式」這麼愛提問與反思，那麼不只是學習，可不可以做決策的輔助呢？

    我嘗試問了下面這樣的生活決策問題：如何跟孩子一起規畫暑假？




    ChatGPT 先從我的聊天紀錄中找出一些可以參考的素材，然後用反問的方式，引導我去思考自己真正想要的目標是什麼？




    當我回饋目標後，也會提供我一些知識、方法，作為我推進目標的可能建議。




    根據我的回應， ChatGPT 會不斷的調整決策的可能方向。




    並且，每一次 AI 的回答，都會在最後「提供一個追問」，讓決策可以持續的調整、最佳化。




    只要根據 AI 的追問，人持續思考並提供反饋，就可以透過人機合作的思考、研究流程，獲得更適合自己的決策建議。





    用「 Study Mode （學習模式）」建立有趣的問答測驗：

    如果要直接利用「 Study Mode （學習模式）」進行作業複習、測驗練習，其實也可以。

    例如我在一個討論串中，有請 AI 教孩子如何記住八大行星的英文。




    然後我開啟「學習模式」，請 ChatGPT 透過測驗問題，一題一題協助孩子複習八大行星英文，並強化記憶。

    這時候 ChatGPT 也可以順利化身成測驗出題老師，並和孩子一題一題互動問答。





    用「 Study Mode （學習模式）」建立目標式學習計畫：

    我最後還做了一個實測。

    我有一個討論串專門討論「增肌減脂」內容，還利用「ChatGPT Task 任務提醒、自動排程功能推出，5 個應用實例分享」，每天提供我一則健康知識。

    於是我透過「 Study Mode （學習模式）」，請他總結前面學過的知識，幫我建立一個目標式的學習計畫。

    「根據上面提供的各種健康、運動、飲食教材，安排一回合的學習計畫，提供有主題性的知識引導學習，然後在適當的時機提供測驗檢核，並針對我不足之處提供補充。」




    ChatGPT 的學習模式幫我總結大量資料後，排出了一個完整的學習計畫。




    根據學習計畫， ChatGPT 會像教練一樣，提供關鍵知識，但也會詢問我關鍵問題，並在我的回答中找出盲點，提供知識補充。




    最後還會提供練習題，完成一個完整的學習循環。




    或許你可以試試看，讓 ChatGPT 的「學習模式」變成：

    • 上傳教材，協助孩子複習功課、準備考試。
    • 制定自己的進修學習計畫，並引導學習。
    • 工作、生活目標的決策反思與建議。
    • 用更有趣且更多參與的方式學習一個知識主題。

    讓不會直接給答案，而是訓練我們一起思考的 AI ，提供不一樣的討論模式。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：ChatGPT 免費推出「學習模式」：決策反思、教材練習 5 個案例實測）

    3 分鐘做出孩子專屬繪本！Gemini Storybook 把照片圖畫變故事書

    ✇電腦玩物
    作者 Esor Huang
    2025年8月6日 21:36


    Google Gemini 除了讓免費版就有許多功能可以使用外（例如可免費使用的 Deep Research ），還有一個特色是內建了許多生成不同內容類型的功能，就像是 Google NotebookLM 內建了生成 Podcast 、生成心智圖， Gemini 也內建了生成測驗、語音摘要、資訊圖表等等工具。對使用者來說，便利之處在於我們不用自己思考要如何寫指令， Google 幫我們研究、訓練好處理特定內容的 AI ，我們只要按下啟動按鈕即可。

    延續這樣的風格， Google Gemini 最近又推出一個新功能：「 Storybook 」，幫我們生成「圖文故事繪本」。針對小孩來說可以創作各種童話故事書，對大人來說也可以設計有趣的圖文教材。


    這個新工具，很適合用在下面情境：

    1. 父母想幫孩子「把抽象概念講成故事」，但沒有說故事／美術能力。
    2. 老師想快速做出「圖文並茂」教材，節省排版、找圖時間。
      1. 大人導向的圖文教材案例：https://g.co/gemini/share/a3b01085bff0

    Gemini Storybook 在功能上也有一些特色，能滿足上述需求：

    1. 10 頁自動排版的圖文內容 → 節省大量設計時間。
    2. 上傳照片 / 圖畫 → 直接生成類似「角色」或「回憶」故事。（雖然跟圖片素材的一致性比較不可控。）
    3. 支援 45 種語言，包含台灣繁體中文，可指定插畫風格 → 符合不同年齡、課綱、審美。
    4. 可以透過對話改稿 → 家長或老師可邊聊邊調整，確保繪本、教材更符合需求。

    例如孩子跑來跟我說：「爸爸，你看我畫了一隻海龜與鯨魚。」現在我可以跟他說：「讓我來變個魔法，把你的畫變成一本故事書。」

    然後我將孩子的畫上傳 Gemini ，跟 AI 說：「這是我 8 歲兒子的日記畫作。請寫一本 10 頁的冒險故事，並加入相關保育知識。」

    大約2分多鐘內，我就拿到排版完整、故事有趣的電子繪本——主題是「小傑的海洋冒險」，內容則介紹了許多海洋保育的知識。





    Gemini Storybook 基本操作教學：3 分鐘製作用希臘神話學 8 大行星英文繪本

    Google Gemini Storybook的啟動流程有兩種，你可以來到 Gem 功能清面，會看到一個獨立的 Storybook 實驗功能，開啟這個已經設計好的 AI 助理，就可以直接在討論串裡面製作圖文繪本。




    但是也可以在一般的討論串中，只要你的指令很明確的說「幫我設計一個Storybook」，然後再解釋你的需求，也會有很大的機率可以啟動 Canvas Storybook 的處理能力，幫我們設計出 Storybook。

    例如下面這個例子中，我就沒有進入專屬的 Storybook 助理，而是在一般的討論串當中直接請他製作Storybook。




    說明我需要的讀者年齡，我想要的核心故事情節，跟我想要的插畫風格。幾分鐘之後，一個圖文並茂的繪本就完成了，而且還是一個不錯的忍者故事。




    如果你對生成的結果不滿意，你可以用對話的方式請他修正前面的故事，例如：

    • 風格
    • 要加上什麼內容
    • 或者要調整什麼樣的情節

    都可以用對話的方式讓他修正出更新版本的繪本。




    如果說我想要用圖文繪本來解釋某個知識主題，這時候我可以在指令當中說明我的目標對象年齡、要分析的主題、希望從什麼角度切入、以及有沒有過程中需要學會的關鍵要點。

    例如：「讓我們創造一個新的 Storybook，向 8 歲的孩子介紹太陽系，孩子喜愛希臘羅馬神話故事，過程中要附帶學習 8 大行星的英文單字。」

    用這樣的指令請他幫我設計storybook， Gemini 可以準確掌握住關鍵細節，三分鐘左右就會完成一個有效的繪本。




    而從他的結果來看：

    • 精準地掌握了這個知識主題的架構、細節，故事中也能正確傳達。
    • 可以根據我的需求調整故事細節（例如學習行星的英文）。
    • 圖像上，能掌握住知識主題的視覺化。
    • 雖然人物上會有一點點連貫性上的落差，但可以接受。




    我們還能分享自己創作完成的故事繪本，只要提供分享連結，其他夥伴也能查看，有興趣的朋友可以參考上述這個案例：https://g.co/gemini/share/23768f023fd6





    Gemini Storybook 應用教學：用孩子喜愛的角色，說孩子聽得懂的故事

    有時候，我們希望用某些特定的角色、圖像風格來呈現出繪本故事內容， Gemini 的 Storybook 表現得如何呢？

    我下面做了一個嘗試，透過小孩喜歡的角色、場景來設計傳達某些價值主題的寓言故事：「讓我們創造一個新的 Storybook，向 8 歲的孩子說明：面對困境時，用解決問題的角度重新思考。用孩子喜愛日本超人力霸王的角色與故事，尤其是傑洛（Zero）。」





    這時候，它呈現出來的結果，在故事的邏輯上都能夠準確抓住我指定的主旨，而且有效地在十頁的範圍內創造了不錯的故事解釋。




    在融合小孩喜愛的角色上，也還算準確地繪製出了需要的角色內容。不過當這種需要繪製特定形象角色的時候，它在角色細節的把握度上確實會比較失準，連續故事中主角的一致性也會有稍微的落差。但大致上是可以接受的範圍。





    Gemini Storybook 應用教學：用孩子畫的圖，創造有趣的新故事

    Google 在 Storybook 的官方說明裡有提到可以上傳自己的圖像素材，讓 AI 繪製出相應的繪本內容。我們來看看這樣子做的效果如何呢？

    我上傳了一張孩子的手繪圖，請他幫我創造一個栩栩如生的故事




    以下面這個例子來說，確實掌握了手繪兩個角色的某些神韻，也根據這兩個角色設計了機器人世界的故事。




    不過在我的實際測試裡面，如果我提供的圖像太複雜，內容太多，描繪的不夠精準的時候，其實失敗的機率是很高的。

    例如原本我上傳的圖像其實畫了十個左右的不同角色。這時候，AI反而無法有效的分析，呈現不出任何角色相關的內容。

    所以我把上傳的圖像裁切到簡單一點的部分，AI 才能幫我們模擬並且重新繪製。

    而且就算這樣，如果我們非常強調角色的一致性時，可以看到在這樣的連環故事中，角色的細節一致性還是有很多落差。





    Gemini Storybook 應用教學：用回憶照片，設計有趣的新故事

    如果真的想用一些照片圖像來創造內容，我們可能必須給 Google Gemini 一些更明確的指令。

    例如像下面這樣：「根據照片中三個角色由右邊到左邊：澤澤、咚咚、日本武士，創造一個在京都的冒險合作故事。故事中的圖像要符合三個角色的服裝、神韻，故事是輕鬆有趣的冒險。」




    我仔細說明其中角色處理的邏輯，仔細說明需要的場景、故事，以及希望 AI 掌握的某些關鍵之處（然後不要奢求 AI 可以 100% 還原），這時候 AI 會相對處理得更好。




    如果我期待的是非常神似的還原，那麼目前 Gemini Storybook 難以做到。只能保留可能服裝上面或者外觀上面的最大特色而已。





    Gemini Storybook 應用教學：輸入課綱 PDF，設計圖文引導、練習教材


    除了前面的兒童繪本故事，或者小學、幼兒園老師可用的圖文教材，還是親子生活當中的趣味故事之外，如果來到一些比較大人的、商業的場景，這樣的工具會不會還有幫助呢？

    我嘗試進行了一個下面這樣的提問：「根據下面的課程內容，轉化成有效引導的圖文教材。請一步一步處理，找出關鍵的案例、痛點，撰寫簡單的提問、解答，讓學員可以快速吸收最關鍵的思維、心態、技巧與方法。

    課程內容：###（以下貼上完整課程內容，或是上船課程文件）」

    我把自己課程當中的某些關鍵的內容提供給 Gemini，請他幫我轉化成有效了解核心思考的圖文教材，並且我跟 AI 分析應該怎麼樣找出有效的邏輯，把這些教材處理成有效的開場引導。




    AI 處理的第一個階段， Gemini 幫我生成了像是漫畫般的圖文開場內容。但我覺得他的風格太過漫畫化，所以我用對話的方式請他修正。




    「根據前面你拆解出來的「引導式圖文教材：打造高效任務筆記系統」，用商務簡報風格、抽象概念圖解、問題與解決方案的論述性文字，重新製作 Storybook。」

    我請 AI 根據已經生成的結果改成商務簡報風格，更多的抽象概念，文字也不要太故事性，而是用問題與解決方法的方式，重新製作我們需要的 storybook。

    這時候倒是可以做出一個類似圖文簡報概念引導的內容。




    只要設定好風格、內容，不只可以製造繪本，也可以完成風格更正式的圖文引導教材。有興趣的朋友可以看下面的分享版本：https://g.co/gemini/share/a3b01085bff0

    父母與老師，可以試試看這個 Gemini 新功能。




    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：3 分鐘做出孩子專屬繪本！Gemini Storybook 把照片圖畫變故事書）

    ChatGPT GPT-5 比 4o、 o3 好用嗎？一週使用心得，8個應用案例比較

    ✇電腦玩物
    作者 Esor Huang
    2025年8月16日 20:24


    OpenAI 在 ChatGPT 上推出GPT-5，已經有一個多禮拜的時間，經過了這個禮拜實際在工作生活當中的實務案例驗證，這篇文章跟大家分享目前我的一些應用案例與心得。

    GPT-5 推出之後，網路上有許多的聲音覺得更懷念以前 GPT-4o 的版本，所以 OpenAI 也從善如流，在 ChatGPT 裡針對 Plus 以上付費用戶提供了可以切換回舊版模型的選項。在預設的 GPT-5 模式當中，也提供了自動、快速（即時解答）、快速思考、思考（Thinking）的不同選項，讓用戶有更多自由的選擇。





    快速結論： GPT-5 值得一用嗎？

    如果快速總結我使用了一個禮拜 GPT-5 的心得，我會說使用「 GPT-5 Auto 」模式，就是現在對 ChatGPT 一般用戶最好的選擇。而 GPT-5 有下面幾點特色：

    1. GPT- 5 的 Auto 模式會由 AI 自動幫我們切換適合的處理模型，一般使用者更易用，例如這個問題需要更深度的思考，還是可以快速回答，或是需要使用更多圖像分析處理，使用 GPT-5 可以把挑選模型這件事情交給 AI 處理，對大多數一般用戶來講會是一個更輕鬆也更正確的選擇。
    2. 可以明顯感受到 GPT-5 有更長的上下文處理能力，對大量資料的細節掌握更高（對比 GPT-4o、 o3），能夠處理更大量的討論串資料，處理時把握住更多資料細節，也能完成更長更複雜的輸出。
    3. 當 GPT-5 啟動 Thinking 模式時（對比 GPT-o3），結合網路搜尋、摘要、檢索資料，與多步驟思考，可以產出非常詳細、正確度高、分析邏輯有深度的輸出結果。我的感受是比原本 Plus 帳戶中我最常使用的 o3 模式有更好的處理結果。不過它需要的處理時間也更長，有時候會有長達 5 到 7 分鐘以上的處理時間，但很值得。
    4. GPT-5 能夠一次輸出的結果品質、正確度都更好（對比 4o、 o3），有更好的程式開發能力，更好的文本生成能力。例如可以生成功能更完整、介面更好看的網頁工具，或是輸出資料細節更豐富、分析更深入的報告。
    5. GPT-5 能更有效同時連結並處理 Gmail、 Google 日曆、 Google 雲端硬碟與多種網路服務資料，並分析大量資料後，輸出細節更完整、內容更準確的結果。

    （GPT-5 對免費到付費用戶全面開放，不過有使用額度的限制，以 Plus 用戶來說，每 3 小時 ~160 則，Thinking 每週 ~3000 則，額度到了，會自動降為 mini 版本處理。）




    遇到複雜任務時， GPT-5 會啟用思考模式（Thinking ），也可以手動選擇開啟。

    GPT-5 Thinking 是我覺得這個新模型最值得一用的功能。

    不只可以處理更長的上下文、整理更大量的資料，更重要的是他的推理思考步驟更具體、更詳細、更複雜。




    下面是一個 GPT-5 Thinking 思考流程，可以看到他會：

    • 拆解問題，分解工作流程，分步驟進行處理。
    • 每一步搜尋會找到不同資料，進行資料摘要處理。
    • 對分析的資料、完成的步驟進行反思，推理更好的處理方式。
    • 最後完成一個內容更完整深入的輸出。

    之前的 o3 推理模型也有類似功能，而 GPT-5 Thinking 能夠一次拆解處理的步驟更多、更詳盡、更深入。

    基本上像是一個小型的 Deep Research（參考：先用 Deep Research 掃清認知盲區，再用 Google 搜尋，我的 6 種學習新流程），更有能力處理困難、複雜問題，並完成詳盡的、正確的輸出。




    而且 GPT-5 有能力「同時」連結多種資料類型進行處理：

    • 可以上網搜尋。
    • 也能同時檢索整個 ChatGPT 當中不同聊天室記錄。
    • 還可以同時連結我的 Google 雲端硬碟、Gmail、行事曆等第三方雲端服務上的資料。
    • 然後進行最後的統整整理。

    結合 GPT-5 Thinking 的長上下文、多步驟推理思考，以前無法處理好的大量資料、多步驟工作流程，現在 GPT-5 可以產出不錯的結果。

    像是下圖這個例子，我請 GPT-5 幫我上網搜尋目前 GPT-5 功能說明、案例介紹，然後同時要從我的不同聊天記錄分析日常工作流程，最後統整出適合我去試試看的 GPT-5 應用。

    經過了 5 到 7 分鐘的思考，下面是他產出的其中一段結果。這段結果大概是其中五分之一的內容。你可以看到確實可以結合多方來源的資料，包括網路資料、我的聊天記錄、我的工作習慣，透過有效的分析，提供給我實際應用的建議.





    案例1. GPT-5 與 4o 處理文件的差別：分析大量簡報、講義，整理出這堂課程目前的學習重點，並提供改進建議

    我常常有大量的簡報、文件、講義檔案需要進行統整、比較、分析，然後去建立一些新的課程大綱。

    下面這個案例就來看看 GPT-5 跟 4o 兩種模型處理的結果。

    首先，我上傳了多份相關的課程文件資料，然後利用下面的指令要求 AI 幫我去分析資料，統整出一個共同的構，處理相異的部分，整合出一個更完整的內容，還要能夠進行一些延伸的補充。

    你是防彈筆記法課程專家，分析下面指定的講義、簡報、課綱，整合出最完整的課程內容版本。
    請一步一步處理。
    從每一份資料中彙整出課程重點、概念、技巧、演練、案例。
    整理共通的部分，成為課程主架構。
    整理每一份資料中相異的部分，也彙整到主架構中，成為更完整版的內容。
    針對完整版內容，補充可以增加的技巧、演練、案例建議。




    在沒有主動啟動 GPT-5 Thinking 功能的情況下，單純 GPT-5 完成了下面的整理，處理速度則非常快（大約 20 秒內就完成了多份文件內容的讀取與整理），而且資料的抓取很準確，也足夠詳盡。




    我刻意切換回 4o 的舊模型，試試看同樣的資料處理，結果產出的內容如下。

    關鍵不在於是否有用表格整理，而是可以看到 4o 處理的結果明顯缺乏許多細節，雖然也可以做統整，但只能處理到資料表面的重點，而 GPT-5 則可以往下深入到資料的細節。





    案例2.GPT-5 與 4o、 o3 程式開發的差別：把雜亂資料轉為網頁模板，雜亂想法變成可上手的 UI 原型

    GPT-5 在處理程式上也有很大的能力提升，除了可以處理更長的上下文，也就可以處理更複雜的程式架構之外，像是介面、網頁模板的設計上，也有更好的視覺效果呈現.

    例如我請 AI 根據前面課程內容，設計課程網頁版面。

    你是課程頁面設計師，根據上述時間管理課程，以 React + Tailwind 寫一個「課程報名落地頁」。
    請一步一步處理：整理上述討論重點，拆解課程目標、解決痛點、特色方法、吸睛要素。需求：主視覺、三賣點卡、講師區塊（頭像/簡介）、FAQ、表單驗證（Email/手機）、行動版優先。




    下面是 GPT-5 處理的結果，「一次生成」就完成下面這個新潮的、內容豐富的、課程文案邏輯正確合理的網頁版面。




    而下面是同樣資料、同樣指令下， 4o 完成的結果，是不是有明顯差別？




    如果要開發一個比較複雜的軟體，用 GPT-5 ，提供下面指令，一口氣可以完成下圖介面的日記工具版本。
    你是生產力工具的開發工程師，設計一個日記工具。請一步一步分析：
    日記工具可以協助我建立文字為主的日記內容。
    每一則日記可以設定標題、日期、標籤、表格。
    可以搜尋，可以用標籤過濾日記。
    可以用行事曆檢視日記。
    日記之間可以互相連結，並有一個日記連結展示圖。




    而如果用 4o 處理，只能完成下面這樣的設計，主要功能有，但介面完成度低。




    那如果用原本的 GPT-o3 呢？同樣的指令，可以一口氣完成下圖設計，可以一次做出來的功能比 4o 多，但是完成度還是輸 GPT-5 一大截。





    案例3. GPT-5 搜尋資料、整合資訊、輸出文案，更強大的上下文處理能力

    這一個禮拜以來，我特別喜歡使用「 GPT-5 Thinking 」模式，類似 o3 的思考、搜尋能力，但 GPT-5 可以做的步驟更多；更進階，搜尋資料更深入。

    例如下圖的例子，我可以讓 GPT-5 一口氣收集全台灣各地的表演藝術活動資訊，廣度足夠，而且都很準確。




    當我要整合前面討論串的上下文內容時， GPT-5 很明顯的可以處理更多細節，整理更多資訊，把更多資料整理成完整的比較表格。




    需要輸出時， GPT-5 Thinking 能夠思考更好的邏輯，並做出有效的資訊分析整合。

    例如整理上述資料，撰寫新聞稿， GPT-5 會主動以活動的賣點、地點、特色做整合，思考正確的邏輯後，開始撰寫。




    不過在輸出文稿上， GPT-5 一次撰寫 2000 字左右內容比較能把握品質，再長的話，後面內容就會失真或簡略，還是需要分段輸出文本更有效。





    案例4. GPT-5 有能力處理更複雜工作流程：一次處理課程講義 + 會議記錄 + 任務筆記，一次輸出不同形式內容

    我不希望 AI 只能幫我處理簡單的任務。想要能夠一次處理更複雜的工作流程。可是複雜的工作任務常常一次需要處理多種不同類型的資料，還有不同的規格形式要輸出。

    以前的 GPT-4o 這些模型可能無法一口氣完成這麼多步的工作流程處理。但是現在的 GPT-5 則可以辦得到！

    例如下面這個例子。我一次把一份會議記錄組織稿、一份課程講義簡報、一個任務筆記上傳。然後請他分析這些資料之後一次產出會議重點整理、決策分析跟一頁報告。結果 GPT-5 可以在一口氣的處理過程中就完成所有的需求。

    也就是我們可以對GPT-5下更複雜的指令、設計更複雜的工作流程、給他更多的資料，並且正確完成處理。

    以下是 60 分鐘會議逐字稿、投影片、任務表（CSV）。請：1) 產出會議紀要（含 Action owner/Deadline/依賴）；2) 匯整決策依據；3) 生出「對上報告」1 頁。若有矛盾資訊，逐點標註並提出需要確認的問題清單。






    案例5. GPT-5 與 Gemini 2.5 pro 比較：解讀、比對兩張流程圖（圖像），分析、統整並解釋

    AI的圖像處理也是我很常使用的功能，我指的不是生成圖像，而是根據我提供的流程圖圖解素材進行理解分析，並且由此衍生出更多資料的輸出。

    而 Google Gemini 在圖像的分析處理上往往擁有不錯的能力，所以這裡我拿 GPT-5 跟 Google Gemini 的 2.5 Pro 模型來進行比較。


    你是電腦玩物站長，解析這兩張流程圖，分析背後的方法論，並為每一步驟搭配適合案例解析，請一步一步處理

    GPT-5 對流程圖的解析更細緻、完整，而且方法論的解釋更深入，能夠抓住特色，而不是只要表面概念（相對於 Gemini 2.5 pro）。




    對流程圖的延伸解釋上， GPT-5 可以做到把兩個方法論融合，解釋得非常完美。

    相對來說，Gemini 2.5 pro 看起來講了很多，但內容其實相對空泛，也沒有把兩個方法論做很好的整合。





    案例6.當 GPT-5 結合 Deep Research：彙整 10 本競品資料，結合 Google Drive 內部文件，研究輸出決策報告

    前面我們已經看到 GPT-5 在大量資料整理、多種類型資料分析，和多步驟思考推理輸出上，具備的強大能力。

    這樣的能力，如果讓 ChatGPT GPT-5 再加上「 Deep Research 」，那就是如虎添翼，可以一口氣完成下面這樣的處理。

    你是資深出版企劃，研究上傳的簡報、講義，與電腦玩物相關文章，設計「AI × 高效工作術」出版企劃報告。請一步一步處理：
    1) 搜尋並研讀 Gogole Drive 上的 AI、 ChatGPT 課程簡報、講義。
    2) 搜尋電腦玩物上的相關文章，找出資料，補足更多工具、方法、內容。
    3) 分析目前台灣出版市場的 AI 書籍，找出 3 個沒被滿足的讀者痛點
    4) 比較我的課程、文章與競品之間的差異
    5) 根據滿足痛點、呈現差異的特色，設計本書主題與書名/副標 5 組
    6) 根據書籍企劃需要，補足市場分析、特色說明、撰寫方向

    下圖可以看到， GPT-5 ＋ Deep Research 可以大量結合 Google 雲端硬碟上的簡報、我的電腦玩物文章、加上網路上的各種參考資料，爬梳資料的廣度、深度，都比 o3 ＋ Deep Research 有明顯提升。




    分析大量文件、資料後，做出有效的分析規劃，也更加輕而易舉。





    案例7. GPT-5 Thinking 是否能把電腦玩物所有書籍都找出來？並且依據我需要的格式回填資料

    讓我用下面這個案例，來測試 GPT-5 Thinking 的處理資料能力。

    搜尋「電腦玩物站長 esor 」撰寫過的書籍，把書籍細節整理成表格。請一步一步處理，上網搜尋並判斷正確資料，找出書籍名稱、出版年份、頁數、售價，然後分析整理書籍介紹重點，最後提供讀者根據不同需求適合挑選哪一本書的建議。

    首先他正確處理上網搜尋步驟。




    接著他正確理解了各個網頁資料中的格式，並且有邏輯的進行了分析統整。

    這裡不僅完成了大量資料的爬梳（我寫了 10 本書籍），還包含了資料的理解詮釋（表格最右邊的書籍特色介紹）。





    案例8. GPT-5 ＋ 代理程式的能力：能否從郵件/行事曆抽取任務、排時間、完成週計劃

    在ChatGPT付費版中，前幾個禮拜推出了一個叫做「代理程式」的功能。基本上它是一個 AI 代理人。我們可以設計一套指令，接下來就可以請 ChatGPT 幫我完成一系列的自動化工作流程，這些流程可以讓 AI 去處理各種需要人去進行網頁服務操作的步驟。

    例如：
    1. 可以讓AI去連結我的Google行事曆、Gmail去讀取最近的行程跟郵件。
    2. 然後可以讓AI代理人去爬梳更多的網頁資料。
    3. 最後產出一個有效的輸出結果，例如一份報告或者是一份計畫。

    這樣的代理程式能力，如果結合GPT-5，那麼同樣也有如虎添翼的效果。下面是我的測試。

    從我未來 14 天行事曆、郵件，整理重要行程、任務的準備清單。 請一步一步處理：
    1. 檢查 Google Calendar 各個行事曆，確認未來 14 天的重要行程事件。
    2. 檢查近期 Gmail 郵件，確認有提到未來 14 天內須要交付的任務。
    3. 查看我在不同聊天室中，討論到上述相關事件的內容。
    4. 開始安排兩週計畫，根據任務、目標、下一步行動與風險預防、緩衝行動，產出計畫報告。





    GPT-5 能夠根據行事曆，找出任務相關的郵件，在資料連結中有更強的處理能力，可以把相關資料整理在一起，並且正確率與細節度都很高。




    在混亂的資料中， GPT-5 還能梳理出有效的邏輯，並根據具體任務作出行動推理。




    OpenAI 的 GPT-5 現在對 ChatGPT 的所有版本用戶都已經開放了。對免費用戶來說，預設的 GPT-5 一定可以明顯感受到跟以前版本處理能力上的差別。大家很在意的情感溫度等，OpenAI 說他們正在改進當中，但我自己更在意的是任務生成結果的嚴謹性、深入性、正確度和分析的品質，而這部分 GPT- 5 確實比前面的模型要處理的更好。

    而對於付費版用戶來說， GPT-5 的 Thinking 模式大多數時候都比之前的 o3 版本要有更強大的資料處理能力，如果再把 GPT-5 跟 Deep Research 或者代理程式的功能結合在一起，那麼我們可以去思考一個更複雜的任務輸出，交派給 AI 更複雜的工作流程，讓 AI 在幾分鐘自動化的處理過程中，一口氣幫我們完成大量資料的分析和輸出。

    可以更明確的節省更多的工作時間。大家可以參考我上面的案例，實際去測試看看。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：ChatGPT GPT-5 比 4o、 o3 好用嗎？一週使用心得，8個應用案例比較）

    為什麼我的工具、系統沒有真正提高生產力？可能是不夠「簡單」

    ✇電腦玩物
    作者 Esor Huang
    2025年8月20日 19:11


    最近在一堂防彈筆記法課後，有位學員來問我：「打造個人的第二大腦系統很棒，但我常常要在手機上工作，沒有電腦那麼方便，這時候就會覺得建立系統變得很麻煩，怎麼辦？」

    這句話正好說中了許多人心裡的疑問：工具功能愈多、架構愈華麗，生產力卻不一定更高。

    現在的手機很強大，但無論打字輸入，還是操作複雜功能，都一定沒有電腦上那麼舒適、快速。那麼我是如何在自己的生產力系統無論在什麼裝置上都能順利運作呢？我的核心想法是：

    具有生產力的個人系統，通常是愈簡單愈好。

    如果說我們的工作整理系統很繁複，雖然有很棒的架構，但每一次新增資料需要操作很多個步驟設定，那麼就會變成在電腦上執行很容易，在手機上處理很麻煩。（甚至在電腦上操作也不見得容易！）

    相對的，如果說我們的工作整理系統很簡單，輸入資訊不需要繁複的步驟，搜尋資訊也不需要繁瑣的步驟，那麼在手機上、不同平台上都能更順暢的操作。

    系統愈「簡單」，那麼：

    • 不用在輸入、整理資料上花時間，把時間留給真正的輸出。
    • 無論方便，還是不方便的情況，都能隨手輸入、更新，系統才能保持最佳狀態。
    • 因為足夠簡單，建立系統不會造成額外負擔，我更能持之以恆的養成習慣。
    • 架構與邏輯夠簡單，那麼無論用什麼工具都能實踐，反而不被工具侷限。

    「簡單」這兩個字，現在已經成為我打造個人生產力系統最重要的指導原則了。（延伸閱讀：少記筆記，減少整理，高效輸出：6 原則打造任務驅動型第二大腦）





    真正的問題是需要「更強的工具」嗎？

    另一堂時間管理企業內訓中，也有學員問到：他想在下班後做點自己想做的事，但回家要顧小孩、做家事，常常就沒時間、沒動力。為此他換了很多工具，從 Evernote 到 Notion，都試過了，還是解決不了「晚上回家後做不了自己想做的待辦事項」的問題。

    我給他的回應是：「這不是工具功能不夠強，也不是應該選擇什麼工具的問題，而是想做的事情不夠明確，生活流程的問題還沒真正面對去解決。」（延伸閱讀：為什麼我的生產力工具或系統執行起來總是缺乏動力？也容易放棄？）

    反而在切換工具過程中，花在研究工具新功能的時間，有可能讓我們一不小心「只有」花時間在架構系統、整理資料，卻變得更沒有時間去推進自己真正想做的事情。

    例如，為了養成閱讀習慣，想要先花時間建立閱讀資料庫，結果資料庫沒時間建立，也一本書都還沒開始看，這是適得其反。

    先把真正的限制與問題釐清——

    • 是不是下班太晚？能不能調整上班流程，減少一點加班時間？
    • 家事是不是全部自己扛？能不能想辦法讓家人分工？
    • 「想做的事」到底是什麼？是讀一本小說、開發一個小工具，還是寫一篇文章？目標要具體可產出，而非只是「想做的事」這樣的描述。

    當目標具體了，困境清楚了，接著需要思考的是：就算只有 30 分鐘，能不能推進一小步？一定只能晚上做嗎？早上、午休無法進行任何微小行動產出嗎？

    如果我的目標是讀一本小說來療癒身心，那麼我把時間花在架構書櫃整理系統，或是糾結著晚上沒有大量時間閱讀，其實都沒有必要。不如就在當下、眼前的 20 分鐘，立刻購買一本電子書，立刻打開來讀個幾頁，看到有趣的故事、啟發的想法，或許反思一下寫下心得，或許單純享受，都是更好的時間利用。

    這跟工具的功能夠不夠？我的時間安排、提醒是不是完整？我有沒有整理出最佳系統？大多數時候都無關。
    沒有達到預期的生產力，真正的核心解法往往不是還沒打造一個漂亮的時間管理、知識管理系統，而是：

    還沒抓出具體問題去拆解，然後把「立刻可行的下一步行動」嵌入生活流程中。




    為什麼我主張「簡單系統」？

    為了讓立即可行的下一步行動更快執行，把時間花在解決真正的問題，我們的系統就應該愈簡單愈好，不能成為開始行動的阻礙。

    很多人會在工具上設計出一個完美的架構，但是造成：新增一筆資料要好幾個步驟、瀏覽資料要先跳三個畫面、分類規則複雜得連自己都忘了。

    相反地，若你的系統真的簡單，例如我之前寫過一篇文章，分享我目前最簡單化的生產力系統架構方法：「依賴你的簡單工作流程，而不是複雜整理系統，我的實戰案例分享」——

    • 以任務成果為單位，隨手記錄：不需要繁瑣欄位，更方便隨時記錄。
    • 用搜尋取代分類整理：不需要記得放哪個資料夾，不需要煩惱要放在哪裡。
    • 連結，把資料連結到任務成果筆記：即可完成 80% 的整理
    • 各種格式資料統一整理：（文字、網址、圖片、語音）都能丟進來，於是也能同一個地方隨手取用。

    那麼在手機、平板、電腦上，操作就會同樣順暢，跨裝置一樣好用，並且不用花太多時間整理或維護。能夠做到這四點，就夠了。剩下的時間，拿去做真正重要的產出。

    與其花很多時間做架構圖、時間軸等規劃，不如在任務成果筆記中，多寫下幾則想法、多執行幾步行動，雖然這樣的任務筆記看起來「只有」行動清單跟產出資料，沒有那些漂亮的版面框架，但解決真正工作、生活的問題已經足夠。

    例如下圖這則我的 AI 研究任務成果筆記，這樣的行動清單與資料連結，看起來沒有厲害的版面架構，但足以讓我快速找到之前研究好的成果案例，快速使用到不同課程中，也足以讓我確認接下來可以研究的資料，轉化成部落格中的文章。





    不要把「先打造好系統，我才能變得有生產力。」變成另一種拖延

    我常在企業內訓中分享一個關鍵提醒：「雖然我們上了一整天的時間管理、知識管理課程，但研究再厲害的筆記法、再複雜的時間管理技巧，它們都不會替你把報告寫完、也不會替你把產品做出來。」

    你我的核心專業能力還是最重要的，因為這才是產出的根本。不要誤以為我是需要什麼厲害的系統，才能把目前的工作做完。
    既然這樣，為什麼還要上時間管理、知識管理課程呢？工具與系統是「輔助」，讓我們不用把時間花在混亂工作流程的確認、大量資料與細節的尋找或整理、漏東漏西導致的不斷重工，目的是節省時間、減少混亂、提升精確。然後，我們可以把更多精力、腦力與時間用在專業產出上。

    正因為如此，我們更要常常提醒自己避免把過多時間花在「架系統」。（這邊指得是個人的生產力系統，如果是團隊、公司的系統則又是另外一件事情。）

    既然是輔助系統，就要簡單，簡單才不會變成另一種時間消耗，越簡單越能長期使用，不會喧賓奪主。

    回過頭來，當我們覺得「是我的個人系統架構的還不夠好，還沒選到更好的工具，所以我才停滯不前」，這往往是一種拖延的藉口，而先去整理好系統變成逃避困難任務最好的分心去處。

    以「回家後想寫文章」為例，如果我遲遲無法動手，並非是我的知識系統還沒建構好，也不是我的寫作工作流程還需要更自動化，或是我的生產力模板、時間安排模板還需要調整。

    因為對寫作來說，工具系統可以先做這幾件事就好：

    1. 一則筆記：標題就是文章題目，或暫定題目。
    2. 筆記內可以做到：

    除此之外，還有什麼必不可少的功能，才能開始寫作嗎？

    其他的東西，有也不錯，但絕對不是因為沒有，所以導致我們沒有生產力。甚至有時候想要追求其他的架構，不斷的替換工具、想要「充分」利用所有功能、要有完美整理架構才開始行動，反而才是阻礙了生產力。

    關鍵不是你用了什麼工具，而是你的流程足不足夠簡單到「立刻能做」。




    檢查清單：你的系統，簡單到能長期使用、不構成生產力阻礙嗎？


    最後，來個有趣的檢查表，你目前的生產力系統，是否「夠簡單」：

    • 新增一筆資料並做好整理 ≤ 10 秒（手機上也可以操作）
    • 尋找資料靠搜尋，不靠記憶分類
    • 連結就能完成 80% 的整理，不需要一直改動整理系統（少搬家、少複製）
    • 每個專案，任務只有一則「主筆記」，可以確認所有素材、草稿、下一步
    • 筆記或生產力系統主要幫助我花更多時間在產出與執行，而非是我需要花很多時間去維護管理。

    如果以上大多能做到，恭喜，你的系統已經足夠簡單，並且足夠有效。
    如果有幾個項目做不到，別急著換工具，先做流程的「減法」再說吧！

    能長久帶來生產力的輔助系統，一個是你的專業能力，另一個是你用得起、用得久、用得快的「簡單流程」，這個簡單流程可以幫助你快速找到資料、確認行動、累積經驗。試著把你的系統砍到最小，把節省下來的力氣，全部用在你真正想完成的事上。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：為什麼我的工具、系統沒有真正提高生產力？可能是不夠「簡單」）

    用好 Google Gemini AI 修圖升級版教學：整合產品照，編輯人物動作，保持外觀一致性！

    ✇電腦玩物
    作者 Esor Huang
    2025年8月27日 20:39



    2025 年 3 月的時候，電腦玩物分享過一篇：「 Google Gemini AI 修圖實測！一句話改圖、換背景、創作連環照片」，那時候開始， Google Gemini 的 AI 生成圖像工具發展出了一個以「修圖」為特色的方向，不只可以憑空生成全新圖像，也可以在「原有的照片」中，進行圖片背景、前景物品、人物動作、色調風格等等的修改。

    這看似跟多年來大家常用的「修圖」功能類似，但因為是 AI 處理，所以我們只要「說出需求（prompt 指令）」， AI 就會幫助我們完成修改，而且可以進行一些更神奇的調整，例如改變圖像中的人物動作，或是把多張照片中的景物進行融合。

    而 Google Gemini 今天（2025/8/27）針對這樣的 AI 圖片修改功能發布了一次重大升級，在這次升級中最讓人驚豔的一點就是，前述「 AI 修圖」處理後的圖片，對於人物、物品等等細節，可以極大程度的保留原貌。




    例如，我可以用 AI 指令去調整照片中一位人物的動作，或是修改某個物品的背景， AI 修改後， AI 圖片中的人物、物品看起來極大程度跟原本是「一致的」。（尤其跟之前版本比，AI 修圖後，人物的一致性有極大程度提升）

    或者，我可以用指令讓 AI 去修改圖片中的某個細節，或是跟另外一張照片中的物品融合，而結果就只會修改我們指定的細節，其他圖片中的樣貌會被最大程度保留下來。

    這就真的達成「動動口」就能實踐 AI 修圖、編輯圖片、合成圖像的效果了。

    如果你想試試看最新版的 Google AI 修圖（代號為：Nano Banana），可以從下面兩個管道嘗試：

    1. 利用 Google AI Studio 平台，只要選擇 Gemini 2.5 flash image preview 模型，就能使用） https://aistudio.google.com/prompts/new_chat
    2. 利用 Gemini App ，更新後也直接內建新版圖像模型：https://gemini.google.com/

    下面分享我實際測試的幾個案例，以結論來說，效果驚豔，尤其可以很穩定的保留人物、物品等細節的一致性，讓 AI 只修改需要修改的部分，而不是全部重新繪製。

    而指揮 Google Gemini AI 修圖，如果要讓生成結果更好，下面幾個指令邏輯很重要：

    • 人事時地物、圖像風格等細節要具體清楚
    • 角色、物品的「動作」要清楚描述
      • 例如角色要轉向什麼方向、物品要如何擺放。
    • 指令符合現實世界邏輯，生成的圖片效果更能保持一致性
      • 例如生成真實世界會發生的動作，或是符合邏輯，效果會比不可思議的動作更好。
    • 要修改、不修改之處要說明清楚
    • 一次改一個地方、處理一個步驟，循序漸進為佳（因為 Gemini AI 可以保持前後連貫一致性，更適合進行多次 AI 修圖處理）
      • 例如先融合兩張照片，再融合第三張。
    • 官方強調所有生成／編輯圖都會加上 SynthID 水印。




    基本功能篇：Google Gemini AI 修圖功能教學

    Google Gemini AI 繪圖現在可以上傳照片後，用 AI 編輯照片中的「局部」內容，但不改動其他地方。

    例如我上傳下面這張玩偶照片，然後請 Gemini 只換掉玩偶手上的劍，把劍換成弓。




    於是，Gemini 在幾秒鐘之內生成了下面圖片。可以看到幾個重點：

    • 照片背景、玩偶的絕大多數部分都被保留下來。
    • 手上拿的劍，很完美的換成了弓。
    • AI 協助根據「現實世界邏輯」，調整玩偶的動作，變成真正拿弓的可能造型。
    • （雖然盾牌位置有點怪怪的，但主要是我的指令沒有明示的結果。）




    我甚至可以請 AI 根據「現實世界的邏輯」，推理出照片可能的另一種角度、下一步動作。

    例如我請 AI 把照片中的玩偶轉 90 度，於是生成了下面圖片！




    當然也可以讓 AI 重新設計原本照片、圖片的風格、材質等。

    例如把上述照片中的玩偶，變成手繪、黑白素描風格的圖像。




    Gemini AI 可以在一個討論串中，盡量保持指定角色、物品的一致性，這樣就可以設計多張連環圖片。

    例如我請 AI 以前面同樣繪圖風格，讓這個玩偶角色武器換成劍，面對惡龍戰鬥，於是生成了下方圖片。





    應用案例篇：Google Gemini AI 融合照片製作行銷圖、教學圖、簡報圖


    前述功能中 AI 修圖可以保持最大的原圖角色、內容，加上 Gemini AI 可以上傳多張照片進行融合設計，讓這個 AI 編輯圖片在真實工作場景有更多利用可能性。

    例如，我先上傳一張產品照片，請 AI 生成背景圖。




    AI 生成的背景圖，跟原本照片中的產品圖，很好的融合在一起，而且我上傳的產品圖並沒有被 AI 隨意修改，甚至，還正確的加上的產品陰影與倒影！




    接著，我上傳自己的照片，請 AI 把上面圖像，跟這個人物結合在一起，設計一個作者與書的合照。

    於是 AI 生成了下面的融合圖，產品、人物都正確的放入圖片中，並且都正確地完成去背，產品、人物外觀也都是原圖內容。




    我決定挑戰一個比較難的改變，請 AI 把人物的動作改成在背景中的辦公桌，正在高效率處理工作。

    下圖是 Gemini AI 生成的圖像結果，整體是很好的設計，並且在連續幾次的提問中，我不想修改的部分（例如書籍、背景、桌面等）都保持一致性，人物也「盡可能符合原貌」並「依據我的指令動作」重新由 AI 繪製後放入圖片中。

    這張圖可以看到，因為 AI 必須重新繪製人物動作，不能原圖去背貼上，更能挑戰 AI 重新繪圖後的人物一致性依然是頗高的（當然細看還是有一點點差別）。




    接著，我手繪一張想要的情境草圖如下，請 AI ：根據這張草圖，把前面人物照片、書籍產品照片重新結合，製作適合的宣傳圖像。

    讓我們來看看 AI 會產出什麼結果。




    這是 Gemini AI 生成的版本， AI 正確的截取前面討論串中的書籍照片、人物照片，重新調整我的動作（並且這次只改了手臂動作，所以沒有替換臉與身體），重繪出一張我用不同動作展示書籍的圖像。




    如果一次給 Gemini AI 修圖太模糊指令，或是一次太多複雜指令，效果可能都會打折扣。

    但可以像我上面這樣一步一步來，先製作產品背景圖，接著加上人物，然後提供手繪場景示意，接著請 AI 重新繪製，就能產生完美的新照片。




    作為對比，下面是 ChatGPT 生成的版本，如果以「修圖、編輯圖像」來看，在需要保留原始人物一致性時， Gemini AI 確實更加實用。




    如果你在行銷、教學過程中，常常需要針對照片中的人物動作進行調整，或者進行多張照片融合，還是要替換照片場景、背景，那麼非常值得試試看升級版的最新 Google Gemini AI 修圖、編輯圖像功能！



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：用好 Google Gemini AI 修圖升級版教學：整合產品照，編輯人物動作，保持外觀一致性！）






    實測分享用 NotebookLM 製作微型中文課程：我的防彈筆記法線上影音教材與 AI 助教

    ✇電腦玩物
    作者 Esor Huang
    2025年8月31日 10:48


    Google NotebookLM 是非常好用的學習工具，可以建立自己專屬的文章、影片資料庫，透過 AI 摘要分析，並且 AI 可以根據我的素材來協助我解決問題。或是利用 AI 製作「語音摘要」（podcast）、「影片摘要」、「心智圖」等等學習教材，強化學習的流程。

    例如在我之前撰寫的這篇文章之後：「我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用」，已經連續三個月，我都在 NotebookLM 上面滿足我的稍後閱讀需求，方法一致，並且依然覺得非常好用。

    今天這篇文章，我想分享一個實作案例：「從老師、教練、作者的角度，用自己既有的學習教材，透過 Google NotebookLM 設計給學生、讀者專屬的線上微型課程。」

    看看搭配 Google NotebookLM 從 AI 分析資料，到 AI 製作各種影音教材，是不是能夠打造一個「小型線上課」，上面會有 AI 助教根據課程內容進行問答解說，會有 AI 製作好的影片、 podcast 或文章摘要可以快速閱讀學習，也歡迎各位讀者一起試試看，分享你覺得效果如何？

    相關功能教學：

    你可以馬上打開我的實測案例，實際體驗看看：電腦玩物 esor 的防彈筆記法 https://notebooklm.google.com/notebook/09ad655b-82c9-4dd3-8667-2a116d8d179b




    功能：因為 NotebookLM 影片摘要支援中文，讓我覺得 AI 製作數位教材已經足夠全面

    之所以想要現在做這個測試，是因為 Google NotebookLM 最近加入的「影片摘要」功能，可以支援中文內容、中文解說。




    我實際測試後，覺得效果非常好，加上我是付費版的 Google AI 帳號，所以影片摘要時可以自訂指令，更能讓 AI 根據我的需求設計出有效的教學影片。

    例如下圖，影片中根據我的文章內容，非常正確的解析出關鍵步驟，文章截取、流程圖製作與語音解說，都沒有任何問題。




    所以來到這個階段，因為 Google NotebookLM 已經可以根據資料庫內容，有效的製作語音、影片、文章筆記、心智圖等「教材」，讓我覺得用 AI 來快速打造一個微型課程助教、小型線上課的功能都完備了。

    便來測試看看用 Google NotebookLM 打造一個小型線上課的可能性。

    你可以馬上打開我的實測案例，實際體驗看看：電腦玩物 esor 的防彈筆記法 https://notebooklm.google.com/notebook/09ad655b-82c9-4dd3-8667-2a116d8d179b




    測試：用我的部落格文章，建立一個防彈筆記法線上影音小課程


    如果要利用 Google NotebookLM 建立一個「公開筆記本」，目的是讓其他人也能互動、學習，並且進行有效的 AI 問答。

    那麼最關鍵的第一步，就是老師、作者要先精挑細選左方的「資料庫內容」，我先精選了自己電腦玩物網站上討論「防彈筆記法」最重要的系列文章，根據不同主題：核心方法論、復盤、資料收集、習慣養成等，有系統的一一納入資料庫，而不是亂丟一大堆資料而已。




    先挑出我的防彈筆記法精選文章，排出順序，分批匯入 NotebookLM。

    可以一次匯入多篇文章，但我會排好順序與分類，一批一批匯入。




    每次匯入一個主題的系列文章後，我在左方「只勾選這部分的文章」，然後利用右方工作室的 AI 製作教材功能，設計有效的影片摘要、語音摘要。

    再透過自訂指令（付費版），我可以指定影片、 podcast 的內容邏輯，設計更有效的學習影片。




    如果要建立要好的資料庫學習助理，自訂指令做出的效果還是更好。




    針對中間的 AI 對話功能，如果要建立更有效的課程助教問答系統時，創作者可以自訂 AI 回答的邏輯與風格，這樣 AI 回答時會有更明確的角色設定，並且會用更符合課程需要的方式來回答。




    我自己（作者、講師、設計者）先設想這個課程學員最關鍵的問題，然後先在中間的 AI 對話進行問答，用有效的問題，生成有效的回答，按下「儲存筆記」，就能快速整理成右方的筆記清單，變成課程的教學文件。




    右方的工作室慢慢累積的影片教學、文件教學後，為了讓教學過程更有變化，還可以搭配「語音摘要」，轉換不同的教學風格。




    匯入所有文章後，我利用工作室中的「心智圖」功能，建立整個知識庫的學習架構，心智圖會產出所有內容的知識節點，到時候讀者可以快速點開某個節點查看相關資料。




    也可以利用右方報告功能中的「QA」等 AI 生成文件，快速建立整個課程的學員疑問解答資料。




    完成整個 NotebookLM 筆記本的資料匯入、 AI 問答邏輯設定，以及右方工作室中把「課程影音文章教材」都建立完成後，我會透過修改教材名稱與編號的方式，讓教材根據我的邏輯重新排列，學員也會更好學習。

    最後就要共用 NotebookLM 筆記本，進入右上方的「共用」設定，把筆記存取權改成「知識連結的使用者」，並且可以「查看完整筆記本」（才能看到右方設計的影音教材）。

    複製連結，分享給需要的讀者、學生，他們就能瀏覽、互動我（與 AI ）設計出來的這個線上課程與助教了。





    你可以如何使用這個 AI 線上課筆記本？學生、讀者端的操作教學


    你可以馬上打開我的實測案例，實際體驗看看：電腦玩物 esor 的防彈筆記法 https://notebooklm.google.com/notebook/09ad655b-82c9-4dd3-8667-2a116d8d179b

    那麼，學員、讀者端可以如何使用這個 NotebookLM 線上課程與 AI 助教呢？

    首先，學員需要登入自己的 Google 帳號，才能看到 NotebookLM 公開分享的內容。

    公開連結中，學員可以看到的、不能操作的部分如下：

    • 可看到左方所有上傳的資料，但不能新增或刪除資料
    • 可看到右方的影音教材內容，但不能建立或刪除內容
    • 可在中間進行 AI 問答，但重新整理網頁後，問答過程就會消失。




    學員可以根據右方工作室已經「編號」的順序，觀賞防彈筆記法相關的影片、podcast與整理文章，就像上一堂課的順序。




    你可以利用右方工作室清單最下方的「心智圖」，快速了解這個資料庫的所有知識節點，並且點擊某個節點，可以快速獲得這個知識點、技巧的相關說明。




    當然，你在中間的對話，跟 AI 提問討論，根據我設計好的回答邏輯，以及資料庫中的內容， AI 會分析你的問題，提供相應的回答。




    你可以追問、提出更多細節，讓這個防彈筆記法的 AI 助理進一步幫助你解決問題。




    我自己測試，覺得效果還不錯，透過 Google NotenookLM AI 建立一個課程的學習教材與 AI 助教，作為一個學習主題的入門，加速理解，或許值得老師們、創作者們試試看。


    你可以馬上打開我的實測案例，實際體驗看看：電腦玩物 esor 的防彈筆記法 https://notebooklm.google.com/notebook/09ad655b-82c9-4dd3-8667-2a116d8d179b




    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：實測分享用 NotebookLM 製作微型中文課程：我的防彈筆記法線上影音教材與 AI 助教）


    工作愈忙愈要即時筆記，多花30秒做三步驟記錄，省下未來N倍重工時間

    ✇電腦玩物
    作者 Esor Huang
    2025年9月7日 20:17

    誤解兩分鐘法則，常把人帶進愈做愈花時間的循環

    在上防彈筆記法的課程時，我常常會收到這樣的問題：「esor，我的生活和工作中都是一些臨時的、雜亂的瑣事，並沒有什麼很明確的專案和目標。這樣一來，各種交辦不如想辦法當下、快速處理更快，我還需要利用筆記做紀錄，建立自己的工作系統嗎？」

    GTD 不是說：「2 分鐘就能回的，立刻處理，不要推遲。」一個簡單交辦，快速在郵件回應就當結束了，還要多做紀錄，不是要多花一些力氣與時間嗎？

    我的經驗是：「快回覆 ≠ 不記錄。」兩者不相違背，前者是幫助自己不拖延，後者是幫助自己節省未來工作時間，可以同時進行。

    反而我常在工作現場看到許多忙碌工作者，努力追著各種交辦，在郵件、即時通中快速做著各種回應：

    把「溝通系統」當成自己的「工作系統」，最終資訊分散、版本不一致、重工率高，陷入愈做愈花時間的循環。

    之前「不快速回訊、不整理郵件，專注任務筆記，才是最聰明的整理術」這篇文章也分享過同樣的問題點，而今天這篇文章，我想分享自己的「快速紀錄」技巧。

    許多朋友認為只有在處理大專案時，才需要系統化管理。如果我沒有要做什麼「重要的事」，就不需要建立個人整理系統。然而，即使是處理瑣事和臨時任務，也可能遇到下面情況：


    我處理一個包裹寄送，快速回應完，接下來發生什麼臨時意外，都兵來將擋，水來土淹，總之「回應完，就當處理好」，沒有額外花時間整理。

    但簡單的事情往往會出現比我們想像更混亂的狀況。假設對方需求做了幾次改變、臨時發現需要申請額外單據，這時需要確認一下之前的處理狀況。

    如果我們前面只是隨手把事情回應完，就會導致自己要花掉非常多時間回頭去雜亂工作流程中去找資料，說不定還會漏掉一些關鍵訊息。

    於是事情變得「愈做愈花時間」，「愈執行愈混亂」。尤其當沒有大專案，手邊都是雜亂臨時事件的時候，只要有兩三個任務發生上述情況，工作流程就可能陷入漏東漏西，花掉更多時間在重整資料的情況。

    這時候最有效的方法，其實是隨手就把目前處理的資料、回應的步驟，都「快速記下來」，累積在一個任務、一則筆記當中（防彈筆記法的核心原則）。以後這個任務出現任何變動、狀況，我只要搜尋關鍵字回頭確認即可。


    這些任務平常看似微不足道，但累積起來的意外狀況，卻足以讓我們焦頭爛額，直接影響著我們的效率和工作品質。

    這時候當然需要建立工作系統。

    所謂的目標化、系統化管理，不是要去尋找什麼厲害的專案或漂亮的人生目標，而是針對我們在日常工作生活中面對的許多瑣碎、雜亂、片段、臨時的事情，建立起「節省未來時間」的筆記整理方法。通過這個系統，可以帶來幾個好處：

    • 首先，我們會為混亂的雜事找到一個「不會重複浪費時間」、「不會混亂與遺漏」的工作流程。
    • 其次，我們會為這些臨時出現的瑣事找到在「下一次重複執行時更有效率」的做法。
    • 最後，這些瑣事所累積的微小成果，很多時候也會成為我們工作和生活中「有效的目標累積」。

    接下來，我將直接分享我在工作和生活中運用目標化筆記來重新整理看似雜亂的瑣事、臨時雜事的具體案例，並展示這些方法在實際操作中的細節和調整過程。




    簡單的任務，應該即時記錄什麼？

    當我們專注在當下快速回應，看起來可能只是回了一段訊息，但背後其實做了很多自己沒有意識到的大腦分析、資料處理步驟。例如我要回應一個客戶提問，先花兩三分鐘去找一下前一封信確認目前任務最新資訊，然後再花兩三分鐘時間構思出一個回應結構，然後在五六分鐘之內把這個訊息寄送出去。

    看起很快，但是當下一次有人提出類似問題，或者要追縱這一次的進度時，如果我前面的處理沒有留下記錄，於是我得重新再去確認資料在什麼地方，重新思考自己之前是如何思考。（延伸閱讀：為什麼我會避免在郵件、即時通，甚至待辦清單中直接完成工作？）

    等於我要重新浪費原本那四五分鐘整理、構思的時間，這樣的「重工」累積下來，就會感覺時間愈拉愈長，工作愈來愈多，流程愈來愈亂。

    如果我有記錄，那麼這樣的「重工」時間就能節省下來，日積月累，就是更大量的時間節省。並且工作流程更不混亂，更不容易出錯。

    但是簡單的任務，也不值得花費太多時間整理筆記，所以如何「最簡單有效」的即時記錄呢？有三個步驟提供給大家：

    • 1. 問自己是哪麼任務的回應？把下面內容記錄回任務筆記。
    • 2.在任務筆記中，記錄我做了什麼行動？產生什麼資料？
    • 3.如果當下有想到的時候，順手寫下一步還要做什麼？

    例如，最近我在幫客戶們設計教學短影片的腳本，我要跟客戶「解釋一下」這個分鏡腳本的邏輯。

    我傳了一個 LINE 訊息給客戶，但在我前面提到的「記錄」習慣中，我會這樣做：首先，我打開這個短影片拍攝的任務筆記，延續著目前的記錄，繼續往下記錄這次的回應。

    我把自己構思如何跟客戶解釋的過程，直接在筆記中打上重點，甚至在筆記中寫上回應草稿，在筆記中設計回應需要的解說截圖。

    都寫好了，就複製這個回應與解說圖，傳到客戶的 LINE 訊息。這樣同時也就等於完成記錄了。（有時候也會反過來，先回應，再把回應貼回任務筆記。）




    回應完成後，多思考一下，有沒有要追蹤、要繼續推進的下一步行動，就繼續記在這則任務筆記中。




    就是這麼簡單的步驟，有時候先在筆記中打草稿再回應，有時候先回應再複製回筆記，但任務筆記就留下了任務執行過程的完整行動、構思、資料。

    老實說，這樣的步驟，我不覺得會多花多少任務執行時間，就算多花 30 秒複製貼上的動作，但未來節省的工作時間一定比這多得多。





    簡單的記錄，會成為工作的正向循環

    只要利用前面簡單的記錄步驟，積下來的工作系統就會成為不斷提升效率的正向循環。

    • 行政雜事 → 流程化
    例如大大小小的行政雜事會在這樣的記錄過程變得流程化。我因此會累積出如何寄送包裹的完整步驟、如何跟客戶溝通製作影片的流程。

    那麼下一次如果有類似的狀況需要處理，有類似的任務需要執行，我就會省下大量重新思考、重新確認、重新找資料的時間，只要複製上次的流程筆記就可以了。

    • 即時回覆 → 模板化
    當我把一些問答回應的內容和思考，記錄到任務筆記當中，有時候客戶跟我自己需要確認每個環節的關鍵轉折。與其回到溝通系統去亂找一遍，而且很容易遺漏，在任務筆記當中可以幫我快速確認每一次的溝通變化。有時候對方找不到我之前提供給他的訊息，我在任務筆記中可以馬上重新提供給他。

    • 雜亂瑣事 → 目標化
    有時候這樣持續的累積，慢慢從雜事瑣事變成有價值經驗，最終轉化成目標。

    如果我們在開始要實踐目標的時候，已經有一些之前嘗試過的有效步驟，可以馬上納入目標的流程中。譬如一開始我只是協助客戶做一兩支簡單的短影片，但累積下的經驗，讓我可以開始嘗試看看也把自己的課程文章製作成這樣的短影片。當這個流程修正得越來越好，資料累積得越來越完整，甚至產生一些分鏡腳本等好用範本，那麼說不定我可以把它推進成一個專門製作書籍影片產品、專門製作教學影片頻道的大目標。

    目標不一定要從上而下，也可以先從一些自己工作生活中遭遇的雜事瑣事開始。在這樣的過程中，我們找到一些興趣、找到一些方法、找到一些可以創造價值的亮點，然後我們再把它擴大，先從記錄整理，最終成為更有價值的目標系統。


    只要花三步驟進行記錄：這是哪個任務？我做了什麼／產生了什麼？下一步是什麼？

    不會有「又要多一個系統」的壓力，但是又能獲得下面正向效益：

    • 不再版本混亂：現在有「任務筆記」作唯一真實版本。
    • 減少重工：以前常為同類問題再思考一次，現在直接複製微調。
    • 不會瑣事占滿大腦：把零碎工作變「流程」或「模板」，從雜事提升到可管理的任務。

    延伸閱讀：


    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：工作愈忙愈要即時筆記，多花30秒做三步驟記錄，省下未來N倍重工時間）

    Google Gemini 支援上傳錄音檔， AI 一分鐘轉出破萬語音逐字稿

    ✇電腦玩物
    作者 Esor Huang
    2025年9月9日 15:27


    Google Gemini 最近因為升級的修圖功能 Nano Banana ，獲得許多用戶的注意，之前我也分享過這個 AI 修圖功能的教學文章：「用好 Google Gemini AI 修圖升級版教學：整合產品照，編輯人物動作，保持外觀一致性！」，確實可以讓 Gemini 不只是跟 AI 聊天，而是可以當作一個 AI 修圖工具來使用。

    更進一步的，今天 Google Gemini 悄悄開放了一個功能，就是支援上傳「錄音檔案」，並且直接透過 Gemini AI 轉成逐字稿。

    也就是說，還可以把 Gemini 當做一個 AI 錄音檔轉文字工具來使用。


    而 Google Gemini 支援上傳錄音檔案，直接 AI 轉出逐字稿的好處，就是這個工具操作更簡單，速度非常快，不需另外安裝，能透過提問自訂 AI 整理逐字稿的指令，而且免費帳戶也能使用（只是有限制，下面會實測說明）。



    例如下圖，我在付費版（AI Pro）的 Gemini 中，直接上傳一個 90MB 大小，將近一個小時的錄音檔案，透過指令：「轉成台灣慣用繁體中文的逐字稿，盡量保留原文，但修正錯字、去除贅詞，並且適當分段。」

    大約不到一分鐘的時間內，就轉出了大約 1 萬 5000 字的完整逐字稿。








    不過 Gemini 這個功能，付費、免費帳戶之間有不同的使用限制，我實際測試後，目前的限制如下：

    • 付費帳戶（ AI Pro ）
      • 上傳檔案限制：100MB以內。
      • 實測一個小時的錄音檔案，可以轉成1萬5000字逐字稿（繁體中文）。
    • 免費帳戶
      • 上傳檔案限制：100MB以內。（不過可以上傳大檔案，不代表就能處理裡面大量內容）
      • 可以處理的文字數量有限，所以如果錄音時間太長，內容量太大，會無法處理。
        • 實測：10分鐘以上錄音檔往往就會超出免費版可以處理的文字量。
        • 實測：7分鐘錄音檔可以成功處理，大約轉出 1000 字逐字稿（繁體中文）。
    • 可處理的語音檔案： MP3、 M4a、 WAV
      • 無法處理的語音檔案：AAC（會顯示無法辨識文字內容）

    下圖是免費帳戶出現限制時的訊息。




    那麼如果是免費的 Google 帳號（或是沒有升級 AI Pro ），但是又想要處理長時間的錄音檔案怎麼辦？

    可以試試看 Google NotebookLM（參考：Google NotebookLM 影音升級：用 AI 學習英文 YouTube 影片、 整理大量錄音檔最佳工具），就算是免費帳戶，也可以上傳一個小時的錄音檔案，並轉成逐字稿。




    當然， Google NotebookLM 上傳錄音檔後第一時間轉出的逐字稿，尚未經過太多 AI 修飾。

    但我們可以用 NotebookLM 的提問指令，再讓 AI 一字不漏地轉成「修飾過的」逐字稿即可。

    這樣一來，我實際測試就算是免費的 Google 帳戶，也能用 NotebookLM 成功轉出前述一個小時、 1 萬 5000 字的逐字稿內容。




    用 Gemini 直接上傳錄音檔案轉成逐字稿，以及用 NotebookLM 上傳錄音檔案後轉成逐字稿，都是 Google 服務，兩者的使用差別如下：

    • Google Gemini
      • 速度非常快，操作最簡單，整個流程 30 秒到 1 分鐘內可以完成（包含處理一小時錄音檔也是），直接上傳錄音檔，下好指令，就能輸出自己需要的完整逐字稿。
      • 付費帳戶實測，一個小時錄音檔直接轉出 1 萬 5000 字逐字稿，並且內容完整，經過 AI 有效編輯。
      • 免費帳戶實測，只能處理大約 10 分鐘內、 1000 字左右逐字稿。
    • Google NotebookLM
      • 即使是免費帳戶，也能上傳一小時以上錄音檔，並分成幾個步驟轉出需要的上萬字逐字稿。
      • 操作需要分成幾個步驟，速度比較慢。例如上面同樣例子，可能需要 3~5 分鐘時間完成（但依然還是非常方便的工具）。

    如果需要把錄音檔案轉成逐字稿，在沒有資安疑慮前提下，可以試試看這些工具。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：Google Gemini 支援上傳錄音檔， AI 一分鐘轉出破萬語音逐字稿）

    用 NotebookLM 實踐 AI 卡片盒筆記法：輸入、學習、輸出、復盤 6 步驟流程教學

    ✇電腦玩物
    作者 Esor Huang
    2025年9月14日 12:24


    今天這篇文章分享我的「 AI 版卡片盒筆記法流程」：用 NotebookLM 把外部資料轉換成「自己的有效學習資料庫」，利用「卡片盒筆記法」（Zettelkasten）的技巧，從雜亂資料變成文獻整理，產出融合自己想法的永久筆記，幫助自己快速輸出任務、教案、簡報報告等成果，並且還能利用這個卡片盒持續復盤。

    如果你目前在建構個人第二大腦的過程，常覺得「整理太用力、輸出太少」，或許這篇文章可以提供你參考。

    在我提倡的「防彈筆記法」中，因為一個人的精力有限，不需要也無法建立鉅細靡遺的系統，所以「取捨」之下，我採取「優先專注在：任務筆記」這樣的策略選擇。而這時候，我確實犧牲了一部分「整理學習資料」的需求，甚至刻意不去建立學習系統，而是專注在自己的任務產生、經驗復盤的系統上。（延伸閱讀：收集資料時 3 步驟「任務化」！AI 工具取代不了的整理技巧教學）

    不過當有了像是 Google NotebookLM 這樣的 AI 資料庫索引、生成工具後，我開始思考：把建立單純學習資料庫這件事情外包給 AI ，讓 AI 透過卡片盒筆記法的原則，幫我建立知識型的第二大腦。

    把學習資料庫外包給 AI、把任務／經驗留在人自己做的筆記。

    這樣一來，我擁有自己花最多時間建立的，許多環節仍必要的需要自己手動的「專案、任務第二大腦系統」，但又能善用 AI ，不用花太多時間下，建立「單純知識引用需求的第二大腦」，兩者相輔相成。（延伸閱讀：AI 時代建立筆記系統的關鍵是「任務／經驗」而非「資料／知識」）

    更早之前，我已經把「稍後閱讀」這個工具與系統外包給 AI ：「我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用」，這就是當時我想利用 AI 外包單純資料整理的企圖，而又經過了快半年的實踐，現在我把更完整的卡片盒筆記技巧融入到 Google NotebookLM 中。

    接下來，我就根據一個真實案例，分享我目前的實際步驟，你會看到我如何利用 NotebookLM 去建立卡片盒筆記中的文獻卡片、永久卡片，如何有效的學習與產出，並且哪些部分我善用 AI ，但哪些部份我仍然認為要自己動手來。

    最後聲明，這篇文章的方法，不是說 AI 製作卡片盒會比人更好！也沒有要取代，只是可以提供多一種選擇。人自己的想法、經驗當然還是更重要的，如果我能自己手動架構完整的卡片盒筆記系統自然更有效。不過在時間有限、精力有限情況下，我的取捨是自己專注在專案、任務經驗筆記上，而把單純外部知識整理外包給 AI ，不是 100% 理想，但能有效推進產出。






    Zettelkasten × NotebookLM 卡片盒筆記 AI 流程對應表

    卡片盒筆記原始技巧
    目的
    在 NotebookLM 的做法
    第一步：文獻卡片整理
    摘錄原始資料重點，可察看來源
    1. 收集來源
      1. 英文類 YouTube 知識影片
      2. 網頁文章
      3. 論文 PDF
    2. 萃取重點，建立文獻卡片
    3. 把輸出儲存成筆記，命名為「文獻卡」
    第二步：學習並捕捉想法
    產出自己的觀點、想法以及疑問
    1. 把文獻卡轉換成來源
    2. 勾選適合的、準確的部分文獻卡，建立精準語音、影音摘要
    3. 透過語音學習，產出想法
    第三步：建立永久卡片
    整理出自己的結論與行動
    1. 把想法、問答快速丟上 AI ，進行討論
    2. 把自己跟 AI 討論後，更適合自己的內容，變成筆記卡片
    3. 最終統整，建立永久卡片
    4. 加上「編號：永久卡」，轉換成來源
    第四步：建立 MOC 知識地圖連結
    組織學習路徑，建立連結，便利快速索引
    1. 利用心智圖功能，形成結構地圖（MOC）
    2. 只勾選永久卡（頂多再勾選文獻卡），減少雜訊，建立心智圖
    3. 可以快速點擊知識節點，產出新的內容解說
    第五步：產出任務、教案、報告
    更有效的對外輸出
    以這 2 張永久卡為依據，設計 21 天微習慣計畫；逐日 1 行動，5 分鐘可完成，附追蹤表。
    第六步：復盤循環
    結合真實經驗，與外部資料庫，持續修正
    分析下面我目前「XXX」的執行結果，根據資料庫中永久卡、文獻卡的學習，提出： Keep 我可以保留的好行動？ Problem 我目前可能有的問題？ Try：接下來我可以調整的新行動？




    歡迎參考我的真實案例「卡片盒：健康運動」：https://notebooklm.google.com/notebook/f8f82551-f537-48e5-9d50-e0a35bab6178


    就讓我分享自己的真實例子，有興趣的朋友也可以參考上方公開共用的「卡片盒：健康運動」 NotebookLM 資料庫。

    首先，針對一個主題，在 NotebookLM 上建立一個新的筆記本，之後這個主題的卡片都在上面管理。






    第一步：輸入，並建立文獻卡片

    1. 收集來源
      1. 英文類 YouTube 知識影片
      2. 網頁文章
      3. 論文 PDF
    2. 萃取重點，建立文獻卡片
    3. 把輸出儲存成筆記，命名為「文獻卡」，可同時保留出處

    我把自己陸陸續續收集到的健康、運動優質文章、影片、論文，慢慢加入這個主題筆記本。

    這時候可以搭配：「我用 NotebookLM 搭建 AI 稍後閱讀、學習輸出工作流，操作教學與延伸應用」，先在我的 NotebookLM 稍後閱讀筆記本中，過濾出跟主題有關的真正優質資料，然後才轉移到主題資料庫。

    畢竟，資料庫來源的品質決定了卡片盒的品質。




    當優質資料收集到一定階段後，我會在 NotebookLM 提問，產出「各種我關注題目的文獻摘要卡片」，我慣用下面的指令（Prompt）：

    針對「冥想」，一步一步分析，用條列清單方式列出資料中的重點，每個重點加上例如「冥想 1-1、冥想編號 1-1-1」這樣的編號，重點描述盡量使用原文摘要。

    這邊的作用只是請 AI 先針對輸入的大量資料，進行有效的「文獻梳理」，產出跟我關注的題目有關的文獻整理，而編號的方式除了模擬卡片盒外，也是為了讓知識變成一個一個「未來」可以快速理解與運用的小單元。

    當 AI 的回答通過我的閱讀檢驗後，我會把這個文獻卡回答「儲存成筆記」，儲存到 NotebookLM 右方工作室，並且主動把標題命名為「文獻卡」，方便之後索引與利用。





    第二步：學習，並產出自己的想法、問題與行動

    1. 把文獻卡轉換成來源
    2. 只勾選適合的、準確的、部分文獻卡，建立精準語音、影音摘要
      1. 或者利用報告中的簡報、QA等功能也有類似效果
    3. 吸收學習，刺激自己產出想法，以利下個階段跟 AI 討論

    根據我的需求重新摘要、整理過的「文獻卡片」，會是這個系統更好利用的來源，所以我會從右方工作室，把這些 AI 整理出的文獻卡，再次「轉移為來源」，變成 NotebookLM 左方資料庫可用的素材。




    接著，為了讓我可以更深入學習，並且在學習過程更快刺激出「我的想法」，我會利用「語音摘要」、「影片摘要」功能來產出可以「邊聽邊想」的學習素材。

    更關鍵的一步是，這邊我會「只勾選」前一個步驟產出的「文獻卡」來製作語音、影片摘要。為什麼呢？這是確保產出的學習素材內容更精準對焦我的需求，裡面更少雜訊，更多重點！




    接下來，我會一邊聽著 NotebookLM 生成的 Podcast ，一邊把自己的想法快速打在左方的對話中，跟 AI 進行討論、辯論與反思。





    第三步：跟 AI 討論想法，轉化成永久卡片

    1. 把想法、問答快速丟上 AI ，進行討論
      1. 這時候可以勾選所有資料庫來源，讓 AI 在文獻卡片、原始資料中統一回答。
    2. 把自己跟 AI 討論後，更適合自己的內容，變成筆記卡片
    3. 最後進行一個知識、行動的最終統整，建立永久卡片。
    4. 加上「編號：永久卡」，轉換成來源，出現在資料庫開頭
    5. 重新整理對話，輸出新的永久卡

    我有設計出一個固定的指令，讓我一邊聽 Podcast ，也能一邊快速輸入自己的想法，並且提問有效的問題。

    關於「運動與體脂」，我的想法是：「XXXXXX」，請從專家角度提供我解答、質疑、統整、反思。




    對話中， NotebookLM AI 根據我的想法、疑惑，產出新的回答，這些回答更符合我的需要與邏輯，於是我會打開右方工作室的「新增記事」（類似手動輸入筆記），把左方回答中我覺得真正有用的部分貼過去，並自己打上一些補充。




    當聽完一段 Podcast ，在對話中進行了一些問答，最後我會這樣做一個總結提問：

    根據並統整前面討論，列出我的「養成有效運動習慣」的行動清單。

    例如我在對話中針對養成運動習慣來回討論，累積了更多我真正需要的想法，最後就讓 NotebookLM 總結前面討論，列出真正對我有效的行動清單，當然也複製回前面自己建立的記事。

    前述這個想法整理、資料彙整、行動分析的過程，是在利用 AI 幫助我產出一定程度的有效永久筆記。




    我一樣會把這樣整理好的永久卡（永久筆記），從右方工作室再次「轉移成來源」，讓其回到左方的資料來源中可以被再次使用。

    並且我命名上有個小技巧，我會在永久卡前面加上數字編號，這樣匯回左方資料來源時，可以依照數字編號排序。

    這樣就可以讓 AI 跟我合作產出的永久筆記，一定排在來源資料最開頭，方便隨時開啟利用。

    完成一張永久卡片後，我會「重新整理」對話，清除目前這個子主題的對話，根據我的下一個需求，再來討論一次，產出下一個主題的永久卡片。





    第四步：建立連結與 MOC 知識地圖

    1. 利用心智圖功能，形成結構地圖（MOC）
    2. 只勾選永久卡（頂多再勾選文獻卡），減少雜訊，建立心智圖
      1. 降低雜訊，保留知識骨幹；這一步對建立穩定的知識地圖很關鍵。
      2. 當累積愈來愈多永久卡、文獻卡後，有些原本的資料來源，可以當作雜訊移除掉。
      3. 目的是讓資料庫愈來愈對焦我的真實想法、需求與學習。
    3. 可以快速點擊知識節點，產出新的內容解說（這時候再把所有參考資料納入）

    透過 AI 加速，我可以快速在大量資料中，建立起文獻卡片、永久筆記，裡面包含我需要的重點摘要，以及我真正的想法與未來可能行動。

    這時候，我準備在 NotebookLM 中建立起卡片盒筆記法的連結與知識地圖（MOC， map of content ）。

    「連結」的部分，我覺得 NotebookLM 原本回答中的來源引用連結，原本 AI 生成內容的過程，就是最好的連結，人不需要手動再多做什麼。




    而要製作出以後可以一覽知識全貌、快速索引知識點的 MOC 知識地圖時，我會「只勾選」前面產出的永久卡片，然後利用 NotebookLM 內建心智圖功能，建立知識地圖。

    如果要多一點資料，頂多勾選文獻卡，但盡量不勾選原始來源，避免太多雜訊干擾。

    「知識地圖」應該是聚焦在我的真正需求與想法更好、更有效。




    有效的來源、自己處理過的永久卡片，生成更有效的心智圖架構後，我可以點擊知識地圖上的任何節點，讓 AI 生成我當下需要的回答。

    下圖中可以看到，透過「只勾選永久卡片」產出的心智圖，更有架構，更符合我的需求，更具備可用性。




    當利用知識地圖上的節點，生成新的 AI 內容時，我會「再把 NotebookLM 所有來源資料都勾選」，然後從所有資料中生成回答。

    這個做的用意是：知識架構根據我的核心需求，知識細節則參考所有來源資料，兼顧廣度與深度。





    第五步：輸出，把卡片盒轉成各種任務成果

    建立卡片盒筆記的目的，當然是為了輸出、產出成果。

    下面來看看兩個例子。

    我要製作教學簡報／學習單？我可以在這個 AI 卡片盒系統提問：

    將「休息」相關的 永久卡、文獻卡，製作成分享簡報，每頁一個重點，包含知識、行動、反思。

    重點就是我前面有先產出永久卡片、文獻卡片，並且有正確命名，匯回來源資料，所以當我要產出真正任務成果時，不是在雜亂資料中自由發揮，而是可以用指令去指定，要求 AI 有根據的產出內容。




    上面簡報大綱，我再搭配 Gamma ，產出了下面這樣的簡報：




    我要製作任務行動計畫？我可以這樣提問：

    以這 2 張永久卡為依據，設計 21 天微習慣計畫；逐日 1 行動，5 分鐘可完成，附追蹤表。

    這時候，我在 NotebookLM 的來源中「只勾選」經由我手產出的永久卡片，讓 AI 根據更穩固的永久卡，生成對我更有效的計畫。




    產出的表格表單，我貼回 Evernote 等真正的任務筆記工具，也可以正常使用。





    第六步：復盤，把經驗放進來繼續新的卡片盒流程


    這個「卡片盒：健康運動」的 AI 卡片盒系統，可以用上面幾個步驟持續更新，持續添加新的資料，產出新的文獻卡、永久卡，並進行輸出。

    不過， NotebookLM 不會取代我們真正的個人筆記系統、真正的個人第二大腦。

    我還是需要自己真正的任務筆記系統（例如下圖右邊，是我真正任務筆記中，如何規劃、記錄自己的運動習慣）。而 NotebookLM 卡片盒對我來講是知識的輔助系統（例如下圖左邊）。




    並且當我的真正任務筆記系統執行一段時間後，產出一些真實經驗，我會「把經驗複製回 NotebookLM 卡片盒進行復盤」。

    以下面這個運動案例來看，我會這樣提問：

    分析下面我目前「養成持續運動習慣」的執行結果，根據資料庫中永久卡、文獻卡的學習，提出： Keep 我可以保留的好行動？ Problem 我目前可能有的問題？ Try：接下來我可以調整的新行動？
    （貼上真正的任務、經驗筆記）

    這時候可以看到， AI 根據 NotebookLM 中我已經建立的永久卡、文獻卡，明確的、有針對性地指出我任務筆記當中的問題點。




    然後，根據永久筆記、文獻資料，提供給我如何修正的新行動建議。

    我會把這些新行動建議，更新回自己真正的任務筆記，開始執行，一段時間後，再回到 NotebookLM 卡片盒中探索知識、進行復盤。




    上面這個完整流程，就是我目前在自己的專案、任務筆記之外，運用 NotebookLM 打造一個「知識輔助」的 AI 卡片盒筆記系統的完整流程，分享給大家，歡迎參考，或是說說你的做法。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：用 NotebookLM 實踐 AI 卡片盒筆記法：輸入、學習、輸出、復盤 6 步驟流程教學）

    寫了三年習慣復盤筆記後，我用「持續紀錄」＋「改進日記」養成習慣

    ✇電腦玩物
    作者 Esor Huang
    2025年9月20日 19:58


    你也發生過每天寫日記，每天追蹤各種時間、健康、效率紀錄，但留下的都是懺悔日記，或是挫折紀錄，而真正想要的習慣沒有發生、沒有持續嗎？

    從 2022 年開始，我在 Evernote 當中開始進行自己的飲食運動習慣的記錄，沒做什麼複雜設計，一開始就是單純在筆記上面開始累積一些我看到的、覺得可能有效、想要試試看的健康資訊。並且我在筆記上面製作了一個每日習慣的追蹤紀錄表格，讓我可以記錄每一天的熱量計算，以及每一天是不是有做一些有氧運動，或者間歇性高強度運動。（延伸閱讀：有效養成健康生活習慣的一則 Evernote Notion 覆盤筆記範本下載）

    一直到現在，已經持續了三年的時間，我每一天都會在這樣的習慣筆記上做一些修改。慢慢的，也對於我的身體健康有了一些正向的改變。

    今天這篇文章就是想要來分享這三年來（嚴格來說是將近四年），我從撰寫這樣的習慣改進筆記，獲得了哪些體悟，找到了什麼實踐技巧。

    延伸閱讀：





    記錄未必保證改變（通常無法改變什麼），但能防止惡化

    老實說，單純寫流水帳的日記，反而不容易真正有所改變。例如上面這個例子中，前期有很長一段時間只是「如實記下來」：今天熱量超標、嘴饞吃了零食、忙到沒運動……記錄歸記錄，好像有反省？但真正的行為沒有跟著改變。

    不過在這個過程中，單純的紀錄，倒也不是一無可取。

    在一開始這一段行動沒有改變的時間裡面，有時候看到一些覺得有效的運動方法，有時候看到一些覺得可以試試看的飲食建議，我會把這些資訊連結到這一則任務筆記當中。雖然只是單純在累積資料，雖然只有學習但沒有行動，不過起碼未來有一天如果真的要啟動的時候，這個任務筆記已經累積好了一些可行的方案跟可行的資料。

    另外一個我覺得持續記錄的好處是，雖然我原本想像中的巨大正向行動改變沒有發生，但是起碼原本好、壞的習慣也沒有往壞的方向惡化。一開始只是記錄數據，但依然值得持續，因為「念頭會留在心中」，「持續的數據會提醒自己」，起碼剛剛開始惡化時，可以意識到並拉回原本狀態（即使尚未向上提升）。

    我覺得沒有惡化這一點，倒是對我產生了很大的幫助，這幾年來工作、生活又比之前階段更加忙碌。難免有時候因為壓力而想要放縱飲食，因為挫折低潮想要完全自己。但是因為有一個這樣持續記錄的表格，就好像有一個不是那麼強大、但是依然存在的拉力，會常常提醒著我不能超標太多，或許偶爾意識到了還是應該做一下運動。

    這樣一個小小的拉力是有效果的，當我在醞釀跟猶豫掙扎的期間，起碼身體的狀況沒有走下坡，雖然也沒有走上坡，但起碼維持在一個原本的狀態，沒有陷入更壞、更拉不回來的狀態，這樣當有一天真的啟動改變，會處在一個相對比較好的起點。

    也就是單純做紀錄，讓我可以維持在一個起碼不要往壞的方向走的狀況。





    開始行動：把「記錄日記」改成「改進日記」

    • 改變寫日記的方式，賦予反思與行動調整。
    • 數據的「完全真實」不是必要條件，覺察才是關鍵。

    後來，某個時間點，我意識到：自己只是在記錄，只是在做計劃，但真正的行動沒有跟上。於是我放下繼續設計目標，或是繼續做紀錄的方式，做了一個關鍵調整——改成寫「改進日記」（延伸閱讀：我如何利用 Evernote 範本、每日記事 + AI 設計「原子習慣日記」）。

    改進日記，每天大概只花我 2~3 分鐘，主要寫下面內容：
    • 不談遠大目標，只聚焦當下問題，為明天決定 1～2 個最簡單、可行的小行動。
      • 例：今天吃了炸雞 → 明天午餐改成生菜＋茶葉蛋。
      • 例：今天沒時間去運動 → 明天起碼做一個「5 分鐘 HIIT」。
      • 例：今天回家累到不想動 → 看電視時順便做深蹲。
    • 隔天檢視：做不到就再簡化；做到了就微幅加碼。

    我先不管自己真正的大目標是什麼（反正設計得再好，也不可能馬上做到，甚至更無法開始做）。而是每一天都寫一則跟今天飲食運動的改進復盤日記，覆盤的重點是為明天建議一兩個簡單可行的改進行動。




    當我開始這樣子做之後，行動本身產生了非常大的變化。

    維持「改進日記」兩三個月後，我發現不只是日記持續下去，行為也開始變了：健康指標朝目標前進，飲食與運動變得更像自然選擇；一些舊習慣比較拉得住、改得動。這時我才回頭重新設定大目標，並用這段時間學到的「小步快改」節奏去推進。像「降低體脂」這種指標，反而更容易達成。

    我的兩點體悟
    • 目標＋記錄，不會白費：就算短期看不到顯著進步，「持續關注」這件事情本身，就能避免自己往壞處走，幫我守住防線。
    • 但是真正的改變，來自每天的行動微調：回到當下最小可行行動，一步一步把「想做」變成「可以做」。
    兩者結合（紀錄，守住不惡化＋持續小改進，讓改變真正發生），才是能長久的養成習慣路徑。




    3分鐘、3句話完成改進日記：

    經過了這兩三年的實踐，我局得一個有效的改進日記不用寫得很複雜，也不一定需要鉅細靡遺的數據。或許只要三句話，我們就能夠擁有一個可以幫助我維持習慣、持續調整的日記格式。

    今天做了什麼 → 覺察出什麼問題 → 明天一個最小可行的改進。不是寫理想，而是寫「明天更容易做到」的那一步。

    你可以嘗試看看我慣用的改進日記最簡單版本：

    1. 我做了什麼好或壞的行動（1 句話即可）。
    • 第一句，我今天做了什麼最關鍵的行動，可以是好的行動，也可以是不好的行動。一句話把它簡單描述出來，也不一定需要寫太多複雜的細節，或者不需要做太多心情的反省。
  • 今天觀察到的問題（1 句話即可）。
    • 用簡單的第二句話寫下今天對這件事情的觀察。例如，今天因為比較累，所以運動太少；或者今天因為壓力比較大，不小心多吃了一點宵夜零食。
  • 明日改進的一步行動（1 句話即可）。
    • 用第三句話嘗試為明天可能遇到的類似情境，做出一個最簡單可行的調整行動。例如，明天壓力比較大的時候，把宵夜零食換成優格加堅果；或是明天如果太忙沒有時間運動，可以改成在看電視的時候超慢跑。

    或許就這樣簡單三句話的調整，我們可以看到自己持續採取了什麼樣的行動，然後持續進行一些修正，而這時候，一個好的正向循環就會開始發生了。




    不是讓明天的自己變得更理想，而是讓明日的行動變得更容易做到：

    改進日記裡面最困難的應該是如何寫下「明日改進的一步行動」。

    我覺得最關鍵的一個思維轉換是，「不要」把今天沒有做到的行動直接複製到明天，期待明天那個因為還沒有發生，所以看起來更理想的自己有辦法完成今天做不到的行動。

    當我們這樣做的時候，往往事與願違，我們會變成不斷在複製自己昨天、前天做不到的待辦清單，然後期待明天的自己忽然發揮什麼神力把這件事情完成。

    既然是調整行動，就不是繼續依照原本的計畫來執行。既然自己做不到，何不想想看如何讓自己有辦法做到的方法？而我自己有三個調整行動的思考切入點，這也是我寫了這麼多年的改進日記之後累積下來的三個思考方向：



    • 1.縮小版的行動
    如果原本我想要實踐一個三十分鐘的散步計畫，發現今天的自己實現不了，那明天要不要試試看十分鐘的快走行動？

    我們無法做到行動總有各式各樣的理由，時間不夠、太多干擾、外面太熱、感覺太累，那麼這時候我們就改成做一個短一點的行動就好。如果空不出時間做三十分鐘的運動，那我可不可以空出時間做十分鐘的運動呢

    用這樣的方式去想，就邁出了調整行動的第一步。



    • 2.替代版的行動
    快走散步雖然是很好的運動方式，但夏天外面太熱，很難執行，怎麼辦？有沒有機會變成清晨的快走行動呢？或者變成晚上看電視、吹著冷氣的超慢跑呢？

    如果說工作久坐辦公室，沒有太多的時間特別去外面運動，那能不能在辦公室做簡單的拉伸運動呢？

    嘗試找出原本做不到的行動的「替代版」，換一種行動的方式，不要堅持著原本自己想做但做不到的那個行動。

    通常要達成一個目標，一定有很多種不同的可行做法，所以我們不用堅持著一個自己做不到的方案，換個方案，我們依然往目標推進。



    • 3.調整順序、改變情境的行動
    我有一個比較有趣的例子：我想要在中午午休的時候多一點散步運動的時間，但如果直接排上去外面散步的計畫，有可能我會自己想出各種理由，到時候沒辦法馬上開始動手做，最後就變成不會做。

    於是我調整一下我的行動順序跟流程。

    例如，我把行動變成不是要去散步運動，而是要去吃離公司比較遠，但比較不會遇到同事，人也比較少，可以比較放鬆的一家小餐廳。所以一到中午午休的時間，我一定要趕快出發，才能來得及到達那家餐廳，並且享受悠閒的午餐，也能夠在下午上班的時間點回到公司。

    去更遠的餐廳享受美食=順路快走

    看起來行動變成去吃一個會讓自己開心的美食，但是中間其實就包含了我要多花一點時間做散步快走運動的行動。

    不是把吃東西跟散步運動分開，而是把它變成自己原本行動流程的一部分。如果能夠用這樣的方式去做一個有創意的思考，那麼很多行動會變得更加容易推進。




    週期性復盤，把有效步驟升級成「我的方案」

    而當我慢慢累積這些記錄跟改進的日記之後，我可以定期做一個統整跟復盤，或許是每週，但就算是相隔一個月其實也沒有關係。

    此時我可以把一些有效的步驟保留下來，它可以變成我的目標任務筆記上的一些成功範例：
    例如可以到比較遠的餐廳用餐，當做一個促進自己額外運動的方式。 或者在看電視的時候超慢跑，對自己來說是一個更容易做得到的運動方案。
    當我在一個目標任務筆記上持續累積這些自己做得到的行動，就是透過實踐實驗，做出一個更有效的運動計畫，是對未來的自己更有效的運動方案，而不是自己憑空想，抄別人的運動計畫。

    把「持續」拆成可以被明天的自己做到的微動作：今天的記錄守住不惡化，明天的改進讓行動真的前進。




    在這樣的過程中，我們自己一定會開始體驗到一些改變，例如覺得精力提升了，身體的感覺更沒有負擔，體重體脂下降了，骨骼肌提升了。那麼我們可以開始設定一些更具體的挑戰，增加強度，去達成一個現在自己知道怎麼做、並且真的有機會做得到的目標。
    這就是我自己這幾年來透過持續記錄自己的健康運動習慣，透過開始寫改進日記之後，體驗到的養成習慣、達成目標的方式。

    當然，這跟那種工作上一定必須在某個規定的時間完成的專案，邏輯上還是有點不一樣，但在個人的人生職涯學習成長，或者更好的身心習慣養成上，或許可以是一個有效的參考方案。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：工作愈忙愈要即時筆記，多花30秒做三步驟記錄，省下未來N倍重工時間）

    Google Vids 免費線上影片編輯工具，輕鬆完成教學影片錄製、剪輯、特效、字幕

    ✇電腦玩物
    作者 Esor Huang
    2025年9月27日 16:37


    Google Drive 雲端硬碟中除了編輯文件、簡報、試算表，設計問卷表單外，這一兩年還有一個不斷更新改進的功能：「 Google Vids 」，這是一個線上的影片剪輯工具，而且在 2025/8 後開放給所有免費用戶也能使用！

    免費個人版的「 Google Vids 」雖然有些限制，例如沒有 Gemini AI 幫助我們製作影片（不過目前 2025/9 也只支援英文影片的 AI 生成，下面我會示範一個例子給大家看）。並且無論免費還是付費版，單支影片上限 10 分鐘（但可把最長 30 分鐘的 Drive 影片片段插入單一場景後再裁切）。

    但是免費「 Google Vids 」也已經具備基本的影片剪接、錄製、特效製作、大量範本、音樂與圖文素材資料庫，還能用 AI 自動生成字幕。

    如果你跟我一樣遇到這樣的工作需求：並非專業的影片剪輯師，也沒有專業的剪輯影片軟體，但需要為自己的簡報、教學、社群分享製作短影片，希望有一個學習成本很低，能夠快速上手，有大量內容可套用的影片剪輯工具，那麼「 Google Vids 」會是一個好選擇。

    除了 Canva 的線上影片剪輯工具外，如果你的工作流程原本就跟 Google 雲端硬碟結合， Google 雲端硬碟中的 Google Vids 更適合我們，因為可以直接使用 Google Drive 中的影片檔案、可以跟 Google 雲端硬碟的協作者一起編輯。




    只要打開 Google Drive，利用左上方新增內容按鈕，就能開啟 Google Vids 工具。





    （示範）AI 版 Google Vids 從一篇文章「全自動」生成教學影片：


    如果是 AI 版的 Google Vids （升級 AI Pro 帳號，或企業版帳號），有一些非常厲害的 AI 功能，不過目前（2025/9）只支援英文內容生成。

    例如我匯入下面這一篇 Google 文件（這邊我使用一篇電腦玩物文章的英文版本）。




    下好 AI 指令，指示 Google Vids 如何把這篇文章轉換成影片。




    Google Vids 會先利用 AI 把文件內容拆解成分鏡腳本，並讓我選擇想要的模板範本。




    接著 Google Vids 就會直接把文章內容，轉成一段教學解說影片。而且這時候：

    • AI 會自動設計版面
    • AI 會自動撰寫內容
    • AI 會生成需要的場景影片
    • AI 會生成需要的圖片
    • AI 會加上解說旁白、影片配樂
    • 未來還會支援
      • AI 製作虛擬人物作為解說者
      • AI 自動修飾錄製的旁白
      • AI 自動轉成直式、橫式各種比例影片

    整個流程不超過 3 分鐘！

    下面連結就是 AI 針對我的文章產生的英文影片，有興趣的朋友可以參考： https://docs.google.com/videos/d/1QnKYF0kcLRKoxGSp0xnayN8Jtw_GIzztwQRe90kKqPk/edit?usp=sharing

    如果你是老師、辦公室工作者，用這樣的方式就能快速製作說明類的影片，而且效果而好，讓人非常期待有一天支援中文內容的生成。





    無 AI 版 Google Vids ，也是快速錄製、剪輯、後製特製的便利工具：


    如果是個人版、免費版的 Google 帳戶， Google Vids 沒有前述的 AI 功能，但依然是很好用的影片編輯軟體。

    像是目前 Google Vids 的 AI 功能不支援中文，但我自己還是常常利用它來製作、剪輯教學類、學習類的影片。

    如果你還沒用過，下面我分享一個快速上手的使用流程。

    • 第一步：從教學簡報、已錄製影片匯入
    老師們通常已經有自己一份上課用的簡報，或是已經拍了幾段教學示範的短影片，這時候可以選擇直接把這些檔案（當然，檔案要上傳在 Google 雲端硬碟），直接匯入 Google Vids ，然後再開始剪輯、創作、後製。




    把簡報頁面、影片素材匯入後，就可以在 Google Vids 的影片編輯介面上開始做各種後製，下圖快速說明幾個常用功能。

    Google Vids 的「效能」還算順暢，即使是老舊電腦，或是沒有高端顯示卡的筆電，在我的使用經驗裡也能流暢的完成影片剪輯。




    • 第二步：撰寫腳本，插入即時錄製的電腦操作、講師解說影片
    製作教學、解說影片時，可能要加上一些旁白，或是講者要現身解說，抑或是需要錄製一段電腦上的操作示範影片，這些動作，也都可以在 Google Vids 上直接完成。

    我習慣這樣做，先打開右方的「指令碼」，這邊可以輸入每一個分鏡場景的腳本，稍後錄製時可以變成提詞機，但不會錄到影片中。（如果是 AI 英文內容的版本， AI 會自動生成指令碼腳本，還會根據腳本自動生成影片。）

    寫好腳本，按下下方的「錄製自己」，可以選擇四種錄製方式：

    • 攝影機：單純錄製講者畫面。
    • 攝影機和螢幕：錄製電腦操作與講者畫面。
    • 螢幕：單純錄製電腦操作畫面。
    • 音訊：單純錄製旁白。




    Google Vids 的錄影功能比我預期的更好用。下面是他的錄製畫面，我覺得很棒的幾點有：

    • 提詞器非常有幫助。
    • 可以替換背景的特效很好用。
    • 需要時還能「變裝」，直接把講者變成有趣的虛擬人物來錄製。




    • 第三步：套用範本，讓原本單調的影片更生動
    前面完成了素材匯入、錄製，接下來如果要讓影片更吸睛，我會直接在 Google Vids 「大量」的範本庫中，套用影片版型。

    所謂的「範本」，是已經設計好影片排版、動畫文字特效的模板，直接套用，我們就可以節省許多自己後製的時間。

    也可以從這裡看到， Google Vids 的導向是針對「教學影片」、「專案報告影片」這類工作型影片為主，提供的範本也特別適合用在解說類型的內容上。




    選擇範本後，可以單獨插入範本中某一段我想要的影片模板。

    接著可以把自己的影片、圖片素材插入這一段影片模板中，自己組合使用。




    一段影片模板中，已經預設了許多影片、特效播放模式。

    我會利用時間軸左上方的「顯示時間碼」功能，打開所有特效的時間軸，這時候可以快速調整每一個特效、影片出現的時間順序，調整出自己想要的影片播放效果。




    影片範本中預設的文字、影片、圖像特效等內容，也都可以在編輯畫面中，像是「修改簡報」那樣直接輸入新內容、調整大小、移動位置，操作起來非常簡單。




    • 第四步：快速添加轉場特效
    每一個畫面、影片之間需要的轉場特效，也可以像是製作簡報那樣，直接按下每段影片之間的「轉場按鈕」，就能挑選想要的效果，以及持續的時間。




    • 第五步：設計文字解說標籤，製作影片內特效
    教學影片中，可能常常需要在畫面加上一些說明內容，而 Google Vids 內建了大量的文字特效，包含標題、講者標籤、說明框框、行動號召等等，只要像編輯簡報一樣添加、編輯即可。




    每一個文字圖案，也都可以加上各種內建的轉場特效。




    • 第六步：善用內建媒體素材庫，背景影片、配樂、動畫貼圖皆有授權
    如果要幫影片搭配一個背景音樂，或者簡報解說畫面需要一個動態場景，這些在 Google Vids 的「素材庫」都有提供大量的授權內容能直接使用。

    只要把音效等素材插入影片，調整長度、位置即可。




    如果是背景音樂，還提供了下面這些調整功能：

    • 調整每一條音軌的音量。
    • 聲音的淡出淡入特效。
    • 在有旁白時，自動降低這段音軌的音量。



    • 第七步：AI 自動生成字幕，手動調整字幕
    Google Vids 可以根據影片內容，自動生成字幕，這部分中文也支援。

    可以在「插入」選單，選擇「隱藏式輔助字幕」，就可以看到自動生成的字幕內容。




    右方可以看到自動產生的字幕軌。




    自動產生的字幕軌，無法手動編輯。

    但可以把自動生成的字幕「複製」成一個副本，就可以手動編輯這個版本的字幕，調整辨識錯誤的文字。




    • 第八步：線上分享、匯出影片、雲端協作

    用 Google Vids 製作完成的影片，可以利用我們習慣的 Google 雲端硬碟右上方「共用」，看是要直接分享可播放的連結，或是邀請他人一起雲端協作，都很方便。




    也能利用左上方的「檔案」選單，選擇「以 MP4 格式下載」，就能把編輯好的影片匯出成影片檔案。

    不過我目前測試，線上播放會結合前面製作的字幕，但匯出 MP4 無法直接整合字幕，是比較可惜之處。




    對非專業剪輯者來說，Google Vids 提供一條「夠用、夠快、跨裝置、可協作」的影片編輯流程，想要輸出課堂、簡報、公告、教學影片，照著文中的 SOP 做，一支穩定品質的教學／解說短片很快就能產出。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：Google Vids 免費線上影片編輯工具，輕鬆完成教學影片錄製、剪輯、特效、字幕）

    Perplexity 免費開放 Comet AI 瀏覽器，實測 AI 自動操作網站功能完成重複性工作

    ✇電腦玩物
    作者 Esor Huang
    2025年10月3日 17:50


    「 Comet 」是 Perplexity 推出的 AI 瀏覽器。 Perplexity 是知名的 AI 搜尋、摘要工具，但 Comet 作為一個 AI 瀏覽器，不只是在瀏覽器旁邊放一個 AI 問答助理幫我們做摘要，而是可以真的指揮 AI ，操作瀏覽器、網站上的功能，自動完成我們原本在瀏覽器上要自己花時間完成的重複、瑣碎工作。

    而今天開始（2025/10/3），原本要付費版 Perplexity 帳戶才能使用 Comet ，現在開放所有免費用戶也能下載安裝，並且我實際測試，免費版的 Comet 也能指揮 AI 完成一些瀏覽器、網站上的重複性操作。

    有興趣的朋友可以去下載玩玩看：「 Perplexity AI 瀏覽器： Comet 」。接下來這篇文章，我想分享一下自己實際測試的幾個相對特別的應用案例，看看 Comet 可以做到些什麼不一樣的應用。

    我的初步結論是：把重複、瑣碎、但可標準化的「網頁操作」交給 Comet；把需要判斷、審美、對話的事留給自己。




    Comet AI 瀏覽器和一般 AI 的關鍵不同是：指使 AI 去操作網頁功能

    在實際使用 Comet 來完成一些我的日常工作流程後，我覺得有些看似厲害的應用，尤其是資料索引、研究工作等，其實 ChatGPT 的搜尋、深度研究，或是代理程式功能也可以做得很好，並不一定要使用特別的 AI 瀏覽器。例如：


    像是下圖中， ChatGPT 的代理程式也一樣可以操作 Google 地圖，畫出路線圖。




    所以在我目前初步使用下，發現的 Comet 瀏覽器最大特色就是：

    來到特定網站，可以指使 AI 去操作網頁功能、內容，甚至是需要登入的網站也可以。

    因為 Comet 瀏覽器旁開起的 AI 助理，不只具備問答、搜尋功能，還可以真的命令 AI 動起鍵盤，操作起目前分頁畫面中的各種項目，只要我們有效地透過指令引導，就可以利用這項能力來完成「重複性瑣碎工作流程」。

    由此出發，我測試了下面五種案例，看看 Comet 瀏覽器可以如何指使 AI 完成網站工具操作，並做到什麼程度。

    • 案例一：利用 Comet 操作 NotebookLM 進行重複的資料匯入、整理
    • 案例二：利用 Comet 操作 Google 文件功能進行報告編輯
    • 案例三：利用 Comet 抓取網站資料輸入 Google 試算表
    • 案例四：快速整理瀏覽器大量打開的雜亂分頁
    • 案例五：利用 Comet 操作 Google 簡報，把文字大綱變成圖文簡報

    當然，我還沒有非常長期而深入的使用，如果其他讀者有更好的應用案例，都歡迎分享。





    案例一：利用 Comet 操作 NotebookLM 進行重複的資料匯入、整理

    最近我在電腦玩物寫過這篇經驗分享：「用 Google NotebookLM 實踐卡片盒筆記法：強化 AI 輔助學習功能：生成學習卡、測驗教材」，那是我真實的使用方式，我在 NotebookLM 上建立了許多學習主題的卡片盒研究資料庫。

    但是這個過程中，有很多重複性工作，例如我要操作很多遍匯入資料、整理資料的流程。

    於是我想試試看，能不能利用 Comet 來操作 NotebookLM ，進行重複的資料匯入、整理？

    我先在 Comet 瀏覽器中打開 NotebookLM 網站，登入好，這樣 Comet 的 AI 就可以直接操作網頁中的功能。

    指令：
    利用網站中「來源」分頁的「探索」功能，根據「如何紓解壓力」主題，持續添加所有新的資料「匯入」到來源中，重複這個流程 5 次。

    打開右方的 Comet 助理，左方則是我已經新增的筆記本頁面，我在指令中，明確告訴 AI 功能的名稱、操作的步驟，讓 Comet 自動根據指令去操作網站，完成操作。

    如下圖所示， Comet AI 真的會根據我上方指令，一步一步的搜尋不同主題的資料，然後操作功能，匯入到我的筆記本資料庫，而且真的可以重複操作 5 次。




    完成操作後，一個初步的、草稿版的資料庫就建立完成了。

    這個過程，如果我自己手動操作，可能需要 5 分鐘左右的時間。交給 Comet AI ，其實也大概要跑 5 分鐘的時間，因為 AI 就像真人一樣會一步一步操作網站功能，不過關鍵就在這時候「我可以先去做別的事」，等 AI 自動完成結果即可。




    接著，我又命令 Comet AI 建立提問，整理回答，並儲存到 NotebookLM 右方工作室的筆記中。

    指令：
    切換到網站中「對話」分頁，輸入提問，分別根據憂鬱、焦慮、孤獨、壓力等主題進行提問，按下送出按鈕，並在每個回答結果最下方按下「儲存成筆記」。
    提問範例：「解析 XXX 的機制、問題、影響、解決辦法，製作成以 1.1、1.2 編號的文獻整理回答。」


    Comet 很好的根據我設定的四個主題，進行了四輪的提問，然後把四輪提問的結果，儲存到筆記。




    這個流程全部都是 AI 自主操作網頁完成的。




    在我的「用 Google NotebookLM 實踐卡片盒筆記法：強化 AI 輔助學習功能：生成學習卡、測驗教材」一文中，後續步驟因為不是「重複性工作」，有時候人操作起來更快，例如只要自己全選，就能匯入來源，那就不需要麻煩 AI 。

    或是需要自己跟 AI 問答討論，不是重複性動作，就不適合使用 Comet，反而會比較慢，或是效果不好。




    案例二：利用 Comet 操作 Google 文件功能進行報告編輯


    我測試的第二個案例，不是讓 Comet 幫我潤稿，而是做一些 Google 文件上「編輯功能」的重複性操作。

    以結果來說，這個操作 AI 不一定做得比人快，但關鍵是 AI 就算要多花幾分鐘，但這段時間我可以先去處理其他事務，讓 AI 自動處理。

    指令：
    使用 Google 文件的編輯功能，完成下面步驟：
    1. 把所有中標那行改成「標題2」樣式，所有小標那行改成「標題3」樣式。
    2. 每一段之前要控一行。
    3. 刪掉所有英文、中文之間空格。


    Comet 自動工作時，我可以繼續瀏覽其他分頁，甚至可以在其他分頁上繼續提問。每個分頁都有一個 AI 助理，可以獨立操作。




    等到 AI 自動完成工作，我再回到這個分頁，就可以看到完成操作的結果，正確完成我上面說的幾個編輯動作。




    我甚至還做了一個下面的挑戰。

    指令：
    剪下文件中每一段小標的內容，貼入左方大綱一個新增的「分頁」中，把原本文章變成左方大綱的多個分頁

    結果 Comet 除了可以複製貼上內容，也真的會操作 Google 文件的分頁功能，幫我自動完成文件的分頁整理。（延伸閱讀：Google 文件推出「分頁」，高效整理專案文件、論文研究資料庫）





    案例三：利用 Comet 抓取網站資料輸入 Google 試算表


    那麼如果讓 Comet 來幫我爬資料，建立 Google 試算表內容呢？

    我先打開一份新的 Google 試算表， Comet 的 AI 運作方式是，我先打開、登入自己需要的網站，然後才引導 AI 去操作目前頁面的功能。

    指令：
    協助我操作下面步驟：
    1 . 上網進入 電腦玩物網站（https://www.playpcesor.com/），進入每一篇文章，查看是否有讀者留言。
    2. 有讀者留言時，把留言內容根據屬性放入這份 Google 試算表的「日期」、「意見回饋」欄位。
    3. 然後思考簡潔扼要地回應，寫入「撰寫回應」欄位。

    重複上面步驟，直到完成 5 筆資料處理。

    透過上面指令，可以看到 Comet 可以同時做幾件事情：

    1. 利用原本 AI 搜尋功能，到指定網頁，瀏覽並抓取關鍵資料（這裡可以看到，能正確抓到留言）。
    2. AI 可以操作目前打開的 Google 試算表，並且進行正確欄位的輸入、資料的分類。
    3. AI 可以生成內容並填寫到目前的試算表中。

    同樣的，把很多原本我自己做，要打開許多分頁、操作很多步驟的流程，現在 AI 接手幫我一步一步做完。




    完成工作後，正確的依據我的要求，抓取了 5 筆資料，且正確地填入 Google 試算表。





    案例四：快速整理瀏覽器大量打開的雜亂分頁

    穿插一個比較簡單，但也很有用的應用案例，可以指揮 Comet AI 快速整理目前打開的雜亂分頁。

    指令：
    分析我目前瀏覽器打開的所有分頁，進行分組，讓分頁看起來不雜亂，並根據工作分類。

    利用上方指令， Comet 就會自動建立不同網頁的分組、設定分組名稱，有效的分類整理。





    案例五：利用 Comet 操作 Google 簡報，把文字大綱變成圖文簡報


    最後，我嘗試了一個比較複雜的操作流程，讓 Comet 把我的簡報大綱，一一拆解填入 Google 簡報，並做好基本的文字、圖像設定。

    指令：
    根據我下面的架構大綱，利用這份 Google 簡報功能，製作出適合的簡報，請一步一步處理：
    1.根據下面大綱，先挑選一個適合的簡報主題。
    2.把下面大綱的每一個主題，貼入一頁簡報中。
    3.選擇適合的樣式。
    4.挑選適合的字體，並調整適合的字體大小、顏色、底色。
    5.為每一頁搜尋適合圖片檔案，插入該頁簡報，並設定為背景圖。

    大綱：
    - Perplexity 免費開放 Comet AI 瀏覽器，實測讓 AI 自動操作網站功能完成重複性工作
    - 案例一：
    - 利用 Comet 操作 NotebookLM 進行重複的資料匯入、整理
    - 案例二：
    - 利用 Comet 操作 Google 文件功能進行報告編輯
    - 案例三：
    - 利用 Comet 抓取網站資料輸入 Google 試算表
    - 案例四：
    - 快速整理瀏覽器大量打開的雜亂分頁

    接下來 AI 大概執行了 10 分鐘，說真的，如果人來操作一定更快。但同樣的，當 AI 做的時候，我可以先去處理其他事情。

    首先看到 AI 把我的大綱一頁一頁放入 Google 簡報。




    然後開始操作字型設定。




    接著找圖片放入，並設定為背景。




    最後完成簡報，結果不能說好看，如果要好看就要用「Gamma 用 AI 幫你設計簡報、網頁，瞬間完成戲劇化版面內容」。

    但就像我一開始說的， Comet AI 瀏覽器看起來很適合處理「重複性的瑣碎網站操作」，可以幫我們把這些不想自己動手做的流程交給 AI ，而我們可以把時間花在更重要產出的任務上。




    當然，這些只是我的初步測試，如果你有更好的應用案例，歡迎跟我分享。



    大家好，我是電腦玩物站長 Esor ，歡迎參考我的系列課程與書籍：


    我的電子郵件是 [email protected] ，如果你有任何關於筆記術、時間管理、提升工作效率的問題，歡迎寫信跟我討論。

    （歡迎社群分享。但全文轉載請來信詢問，禁止修改上述內文，禁止商業使用，並且必須註明來自電腦玩物原創作者 esor huang 異塵行者，及附上原文連結：Perplexity 免費開放 Comet AI 瀏覽器，實測 AI 自動操作網站功能完成重複性工作）

    ❌
    ❌