其實，「AI 自動化翻身」這個框架本身就有問題。 翻身的本質是槓桿。AI 是目前成本最低的槓桿，僅此而已。 多數人失敗，是因為把 AI 當終點。 底下是我摸索出的步驟： ▌第一步：先想清楚商業模式 商業模式，白話講就是：你到底怎麼賺錢？ AI 自動化是手段。真正的商品是：你提供什麼東西，讓誰掏錢。 常見路徑： ・把你會的做成線上課程 ・一對一線上家教、顧問諮詢 ・接外包：翻譯、設計、文案、寫程式 ・實體服務：水電、家事、寵物美容、到府安裝 ・做工具或 SaaS 賣人 ・代操社群、代購、電商選品 選哪一條，取決於你已經會什麼、市場有沒有人買單。 別急著用 AI。 ▌第二步：不用 AI，先手動跑一遍 先手動把完整流程跑過： ・有人真的會付錢嗎？ ・付多少？頻率多高？ ・交付的時候你卡在哪？ 如果我們連三個客戶都生不出來，AI 再強也只是幫你更快產出沒人要的東西。 跑過之後你會清楚知道： ・哪些環節吃你時間 ・哪些環節是你的核心價值（這部分不自動化） ・哪些是重複勞動（這部分才給 AI） ▌第三步：導入 AI，但是保留 human in the loop的概念 AI 自動化的重點是「讓你一個人幹三個人的活」。 不是讓 AI 取代你。 如果想搞全自動，很可能只是浪費 AI 訂閱的額度。 所以要有 Human in the loop 的概念，意思是 AI 處理繁瑣的細節，人類負責判斷。 ■ 具體工具鏈：以 Claude Code 為核心 概念說完了，具體怎麼做？ 下面是我自己在用，也建議新手從這條路開始的組合。 ▌知識管理：Obsidian 安裝 Obsidian，把筆記、客戶資料、產品知識、靈感全部丟進去。 用 Claude Code 安裝 kepano 的 obsidian-skills： github.com/kepano/obsidian-skills 再安裝 graphify，知識庫會隨著你的使用，結構越來越貼合你的思考方式。 ■ 為什麼從知識管理開始呢？ 因為你的差異化來自你的人生經驗，所以你必須要大量閱讀、學習，然後結合自己的價值觀。 Obsidian 工具只是讓它可被搜尋、可被組合、可被 AI 讀取。 ▌輕量自動化：Google Apps Script 用 Claude Code 裝 Clasp，就能直接讓 Claude Code 幫你寫 Google Apps Script。 能串的東西： ・Gmail：自動分類、自動回覆、自動寄發 ・Sheets：資料進來自動計算、自動更新 ・Docs／Slides：產生報價單、簡報、合約 ・Forms：表單進來觸發後續流程 Google 帳號內建，不用付費、不用架伺服器。 ▌重量自動化：n8n Apps Script 雖然免費好用，但是如果要做邏輯複雜的流程，不會讀程式會覺得很吃力。 這時候就換 n8n。 用 Claude Code 安裝 n8n-skills： github.com/czlonkowski/n8n-skills 部署到 Zeabur（一個月幾美金，比自己架伺服器簡單）。 然後讓 Claude Code 幫你建立工作流，例如做客戶詢問自動報價、內容多平台同步、資料抓取自動產報表。 ▌對外入口：Astro + Notion + Cloudflare Pages 你需要一個對外的網站。別再糾結 WordPress、別再被 Wix 綁架。 讓 Claude Code 架 Astro 靜態網站，後端用 Notion 當 CMS（你寫 Notion，網站自動更新），部署到 Cloudflare Pages（免費、全球 CDN）。 成本接近零，速度比 90% 的付費方案快。 ■ 為什麼多數人還是做不起來 工具全部開源、全部免費或極低成本。 但大家卡在這些地方： ・以為 AI 能取代「你還不會的事」。它只會放大你會的事。 ・沒驗證商業模式，每天對著 AI 新知焦慮。 ・追逐熱門工具，一個月換一套，產出是零。 ・想要被動收入，但不願意先做一年的主動投入。 ・不敢公開，所有東西放抽屜裡，沒人知道你在做什麼。 ■ 我正在執行的順序 1. 選一個你已經有專業的領域（別跨領域硬做，沒有時間差優勢） 2. 找一個每週都會遇到的重複痛點 3. 手動跑通商業模式，拿到三個以上付費客戶 4. 用上面的工具鏈把流程自動化 5. 整個過程寫出來公開發佈 6. 重複 工具跟翻身的瓶頸無關。 真正的瓶頸是我們願不願意親自跳下去測試市場。

Anthropic 官方釋出的這張最新評測圖，揭示了 2025 年 AI 三巨頭截然不同的進化樹。 如果你還在問「哪個 AI 最強？」，這張圖告訴我們：答案取決於你要它「做什麼」。 我們不再處於一個通用模型通吃的時代，而是進入了「專長分化」的階段。 1. Claude Opus 4.5：最強的「實作代理人 (Agent)」 寫程式還是得用 Claude。 - 關鍵數據：Agentic Coding (80.9%) & Computer Use (66.3%) 。在 SWE-bench（軟體工程測試）中，它突破了 80% 的大關，大幅領先 GPT-5.1 (76.3%)。更可怕的是 Computer Use 能力，它能像人類一樣直接操作電腦介面。 - 含義： 這是邁向 AGI（通用人工智慧）的重要一步。Claude 不只能寫出程式碼，還能自己去終端機跑測試、Debug、甚至操作你的滑鼠去填表單。它是目前最接近「數位員工」的模型。 2. Gemini 3 Pro：無懈可擊的「學術大腦」 Google 展現了知識深度。 - 關鍵數據：Graduate-level reasoning (91.9%) 在 GPQA（博士級科學問答）測試中，Gemini 3 Pro 拿下了全場最高的 91.9%，狠狠甩開了 Opus 4.5 (87%) 和 GPT-5.1 (88.1%)。 - 含義： 如果你的工作涉及硬科學（生物、物理、化學）或極度複雜的學術考據，Gemini 依然是首選。它的「幻覺」可能最少，邏輯推演最嚴謹，且在多語言（Multilingual Q&A）上保持了傳統優勢。 3. GPT-5.1：視覺王者，但在「新邏輯」上遭遇滑鐵盧？ GPT-5.1 的數據在這張圖上呈現了有趣的兩極化。 - 強項：Visual Reasoning (85.4%) 在 MMMU（多模態視覺推理）上，GPT-5.1 奪得冠軍，高出 Opus 4.5 近 5%。這代表它看圖表、理解複雜影像的能力最強。 - 弱點：Novel problem solving (17.6%) ， 這是令人震驚的數據差異。在 ARC-AGI-2（抽象推理與新問題解決）測試中，Opus 4.5 拿下了 37.6%，而 GPT-5.1 僅有 17.6%。 - 含義： ARC 測試的是「面對從未見過的邏輯規律」的反應能力，無法靠背誦數據庫得分。這暗示了 GPT-5.1 可能非常擅長處理已知的知識與模式，但在面對完全陌生的情境時，其「舉一反三」的靈活性可能不如 Claude Opus 4.5。 這張圖表打破了「一家獨大」的局面，根據你的需求，選擇會完全不同： ✅ 選 Claude Opus 4.5： 如果你是工程師，或需要 AI 自主完成一連串複雜操作任務（Agentic Workflow）。 ✅ 選 Gemini 3 Pro： 如果你是研究人員、博士生，需要最精準的知識庫與學術推理。 ✅ 選 GPT-5.1： 如果你需要處理大量視覺資訊、圖表分析，或是習慣於處理標準化的通用任務。不過，由於 Gemini 3 Pro 並沒有 Visual Reasoning 的分數，所以還未可知。

最近發佈的 CH1｜不懂程式也能做自動化？教你用「產品經理」思維指揮 AI 抓取 Threads 資料，我把範例程式放在 Notion 上，有需要的人可以直接拿取使用。 之後如果有範例程式或模版（Notion或n8n），也都採用此方式，就不另外說明。

原本打算採付費制，後來想一想還是直接提供給社群內的人都可以觀看，畢竟是基礎版。 課程影片將採 Lv2 制，請努力與社群互動，晉升 2 級。 影片更新時程請見 https://www.skool.com/decode-ai-ai-2667/classroom/afaf661a?md=197a30779e714ed5bb8dfc7d3323214b PS: 請注意影片更新時程可能會修改。