Google 的 AI Agent: Gemini Spark 開放給 Pro 用戶了，我用了幾天，講講它做得到和做不到的事 你有沒有試過這種情況？ 每天早上開電腦，第一件事就是去幾個固定的網站，把資料抄下來，整理成同一個格式，貼進同一份文件。 做完發現，明天還要再做一次。 Google 最近把它的 AI agent「Gemini Spark」開放給 Pro 訂閱用戶了，之前這個功能只有最貴的 Ultra 方案才用得到。 我用了幾天，今天完整分享：它是什麼、四個功能怎麼設定、還有我實測之後發現它做不到的事👇 1️⃣ 它跟你平時用的 Gemini，差在哪？ 我們平時開 Gemini 或 ChatGPT，都是問一句、答一句。 它給你一段文字，你還是要自己複製、自己貼、自己存檔。關掉視窗，下次要再做一遍，你要從頭再講一次。 Spark 不是這樣。 ❌ 舊做法：你問它答，你複製，你貼上，你存檔，明天重來一次 ✅ 新做法：你交代一次，它上網找資料、按你指定的格式整理、直接存回你的 Google Docs，而且可以設定每天自動跑 我自己設了一個每天下午四點的排程，讓它跑一份研究報告。到時間它自己出來，整個過程我沒有碰過電腦。 用一句話講清楚：它是 Google 做的 AI agent，直接在 Gemini 網頁上跑，不用開終端機，不用裝任何東西。 2️⃣ 四個功能，逐個講 進去之後你會發現介面很簡單，左邊只有四樣東西。 📌 工作 就是平時那個對話框。你有什麼要問、要做，直接跟它講。跟一般 Gemini 差不多，可以上傳檔案，也可以直接連你 Google Drive 裡面的東西。 📌 排程 設好時間讓它自己跑，每天、每週都可以。這是它跟一般對話最大的分別。 📌 技能（Skill） 把「這件事要怎麼做」教它一次，之後每次它都照同一套流程走。這個是整套東西的關鍵，等一下細講。 📌 連接的應用程式 開了它才讀得到你的 Gmail、Drive、Docs、Sheets。 ⚠️ 這裡有個很多人中招的地方：預設是全部關掉的。所以你叫它「幫我看一下日曆」，它說做不到，那不是它壞了，是你還沒開。 3️⃣ 我建議的順序：先寫技能，再掛排程 這一點是我用下來最重要的心得。 很多人的做法是直接掛一個排程，然後跟它說「每天幫我整理一份報告」。 問題是，排程跑起來的時候，它需要有一套流程可以照著做。你講得越模糊，它每一次給你的東西就差得越遠。 ❌ 模糊指令：「幫我整理一份市場報告」→ 每天格式都不一樣，放在一起完全對不上 ✅ 先寫技能：講清楚去哪裡拿資料、拿哪幾項、整理成什麼結構、存到哪裡 → 每天出來的東西可以直接疊在一起看 技能不用從零開始寫。把別人寫好的複製過來貼上，再改成自己要的就可以。我自己那份股票研究的技能，寫出來其實非常仔細，每一個部分要放什麼都寫死了。 4️⃣ 老實說：它有兩件事做不到 這一段我覺得比前面的教學更重要，因為你回去試之前應該先知道。 📌 第一，叫它抓非常具體的資料，它會出錯 我試過叫它去一個網站，把最新的產品優惠整理進 Google Sheet，要有網站、產品、優惠價錢、商鋪名字、優惠時間。 它是有做出來，但我逐項對比之後發現：有些產品名跟優惠是配錯的。網站上原本寫的是很多類型的產品都有八折，它整理出來卻變成某個品牌的合作優惠，而原文根本沒提過那個品牌。 這種需要精準抓取每一個欄位的工作，它現在會出現很典型的 AI 幻覺。 📌 第二，它不能接外部的 API 我試過問它，可不可以給它一個爬蟲工具的 API key，讓它調用之後再把資料整理進 Google Sheet。 它自己回答我：做不到。 這就是它跟 Claude Code、Codex 這類工具最明確的分界線。那些工具可以接任何外部服務，Spark 目前只能在 Google 自己的生態裡面做事。 🎯 結論：從「找一個更強的 AI」升級為「先想清楚流程」 工具思維：哪個 AI 最聰明我就用哪個，交代一句就期待它做到最好。 流程思維：先想清楚這件事到底怎麼做，把流程寫進技能，讓它照著走，然後自己核對結果。 真正決定它做得好不好的，從來不是它有多聰明，是你有沒有把那件事要怎麼做，先想清楚。 所以我的定調是：如果你一直想試 AI agent，但一看到要開終端機就退縮，Gemini Spark 是我用過門檻最低的入口。但如果你已經在用 Claude Code 或 Codex，那你不需要特地換過來，那些工具強大很多。 先從那種「就算它做錯，你兩分鐘就改得回來」的事情開始，不要一上來就把重要的事交給它。

拍片最煩的字幕環節，其實可以讓 AI 越做越好 你剪完片上字幕的時候，是不是也遇過這些？ 「Claude Code」被寫成「Cloud Cloak」 人手改了一個小時，下一條片打開字幕檔，同樣的錯又原封不動再來一次 這些全部是我真實遇過的。今天完整分享我現在的做法：免費工具轉寫，AI 自動修正，核心是一本會越用越厚的詞典👇 1️⃣ 先搞清楚：為什麼自動字幕總是讓你失望 現在的轉寫工具，日常對話已經聽得很準，問題永遠出在專有名詞。 工具名、人名、行業術語，它聽不懂就亂寫。而且最要命的是： ❌ 你今天人手改對了一批錯，明天的影片，這批錯一個不少再出現 ✅ 真正的解法不是找一個「更準的工具」，是讓錯誤只需要教一次 問題從來不在準確率，在記憶。工具沒有記憶，你教它一百次，它都當第一次。 2️⃣ 我的三步流程（全程大約五分鐘） Step 1️⃣ 剪好的片丟上 SubEasy 這是我對比過幾個工具後留下來的：每天 3 次免費轉寫，每次 30 分鐘以內，當天第一次還有快速通道，等兩三分鐘就轉好。匯出 SRT 字幕檔，這是初稿。 Step 2️⃣ SRT 交給 Claude Code 一句「幫我修正這份字幕」，它會先打開我的修正詞典，把記錄過的錯誤全部批量改好，然後通讀全文，靠上下文找出新的可疑位置，查證之後才改。 Step 3️⃣ 看待確認清單 它遇到不確定的專有名詞，不會亂猜。會列一張表給我：第幾條字幕、原文是什麼、它猜是什麼、為什麼不敢自動改。我掃一眼，確認幾個位，收工。 字幕是要公開見人的東西，錯一個專有名詞就是砸自己招牌。所以我寧可它停手問我，也不要它自作聰明。 3️⃣ 整套系統的心臟：詞典會自己長大 每次修正完，它會把今天新發現的錯誤自動寫回詞典。 這代表什麼？ 你這條片踩過的坑，下一條片自動免疫。 我的詞典養了四個月，累積到大約 380 條規則。單單「Claude Code」這一個詞，就收錄過 24 種錯法。 ❌ 以前：每出現一種新錯法，我就要人手再改一次 ✅ 現在：它們全部變成規則，再出現，自動處理 它就像一個越做越熟的助理：你教過一次的錯，它不會再錯第二次。 4️⃣ 老實說，這套流程有三個限制 📌 頭一兩條片威力出不來。詞典是靠餵的，前期它還薄，你要多確認幾個位。 📌 全新的專有名詞，第一次一定會進待確認清單。這不是缺點，這是它老實。 📌 SubEasy 免費版單檔 30 分鐘上限，長片要先分段。 🎯 結論：從「找工具」升級為「養資產」 工具思維：字幕不準？換一個更準的工具，然後繼續每條片從零開始改。 資產思維：接受工具一定會錯，但把每一次修正變成永久規則，越用越省力。 轉寫工具人人都能用，效果人人一樣。真正拉開差距的，是那本只屬於你的詞典。 工具是大家的，詞典是你的💡

一句中文讓 AI 做出整份簡報，我用了一個月的實測心得 你有沒有發現，做一份簡報花的時間，往往比想內容還要多？ 「字體又跑位了」 「這頁配色跟上一頁不搭」 「一條對齊線拉到半夜」 我上個月開始換了個做法：把整份簡報交給 AI。組合是 Claude Code 加 open-slide，我實測由一句中文指令到 12 頁能直接放映的成品，用了 15 分鐘，連安裝都是 AI 自己完成的。 今天分享它的四個好處、三個步驟，還有我實際在用的 prompt 👇 1️⃣ 為什麼是這個組合？ 📌 它是真文字，不是 AI 生圖 市面上不少 AI 簡報是「畫」出來的：整頁是一張圖片，中文常變錯字亂碼，因為 AI 生圖不是在打字，是在畫字。 open-slide 出來的每個字都是真的字。 ❌ 生圖式：發現錯字，整頁重新生成，可能又錯別的地方 ✅ 真文字：跟 AI 說「第 3 頁標題改成 XX」，直接改好 📌 版面天生整齊 排版規則是內建的，不會有手動拉物件拉到歪、差一格的問題。我 12 頁的初稿，沒有一頁需要自己動手對齊。 📌 成品是網頁 瀏覽器直接放映，有全螢幕演講模式，還有講者備註和計時。要分享就傳一個 HTML 檔或一條連結，不用寄附件。 📌 open-slide 本身開源免費 沒有訂閱費，沒有每月次數限制，AI 用你本來就有的 Claude Code。 2️⃣ 三步上手 Step 1️⃣ 安裝，只需做一次 開 Claude Code，貼這條 prompt，需要的工具它會自己處理： 「幫我安裝 https://github.com/1weiho/open-slide ，在我的使用者資料夾下建立一個叫 slides 的簡報工作區。過程中如果發現需要的工具未安裝，直接幫我裝好，不要教我自己做。完成後啟動預覽驗證可以運行，並告訴我工作區的完整位置。」 Step 2️⃣ 出稿 在 slides 資料夾開 Claude Code，一句話： 「用 openslide 做一份『你的主題』的簡報」 它不會立刻動筆，會先反問你四條問題：視覺風格、頁數、每頁文字量、要不要動畫。答完才寫，避免方向錯了整份重做。 Step 3️⃣ 修改，全部用講的 改版面：「內容不是垂直置中，整體偏上了，請修正為置中」 改內容的關鍵是講頁碼，一次列齊清單： ❌ 籠統：「幫我改好看一點」，AI 只能靠猜，改完你還是不滿意 ✅ 具體：「P2 標題改成 XX；P5 第二點改成 XX；P8 個案例換成 XX」 它會逐點精準修改，不會整份重寫。我試過一條訊息改三頁，連同全份刪走一個標記，一次過完成。 改配色就先小樣後全份：「我想要暖色教育風：暖米色背景加橙色強調，圓角卡片，柔和陰影。先做一份 3 頁小樣給我看，我確認後才套用到正式簡報」 先驗證風格再套全份，錯了也只是 3 頁的成本。 3️⃣ 我踩過最深的坑：量出來置中，看上去不置中 第一版內容偏上，我叫 AI 修，它修好了。 再看，又好像偏下了。 有趣的是 AI 沒有亂改，它先量度，然後告訴我：內容上下的空隙完全相等，幾何上已經是正中。 但肉眼看就是偏下。 原因是頁底有頁碼和標題佔位。有點像牆上掛畫，捲尺量到正中，退後一看還是覺得低。 解法是一句話：「幾何置中不等於視覺置中，考慮頁尾佔位，用不對稱 padding 讓內容視覺置中」 搞定一次之後，每份新簡報它都自動沿用這個配方，不用頁頁再調。 💡 進階：匯出有四個選擇 📌 HTML：一個自包含網頁檔，傳給人直接開 📌 PDF：適合列印和上傳平台，注意要用 Chrome 或 Edge 開，Safari 目前不支援 📌 圖片 PPTX：檔案是真的，PowerPoint 開到，可以播放、加頁、調順序。但每頁是一張完整圖片，改不了裡面的字，要改字就回去跟 AI 講，改完重新匯出 📌 可編輯 PPTX：官方寫明還未支援 所以想在 PowerPoint 裡逐字修改的人，這個工具不適合你。它的玩法是：有事，跟 AI 講。 🎯 結論：從「學軟件」升級為「講清楚要求」 舊思維：學快捷鍵、拉對齊線、逐頁執位，簡報軟件用得越熟越好 新思維：把要求講清楚，讓 AI 動手，你負責判斷好不好看 工具會排版，你出品味，這才是 AI 時代做簡報的分工。 你平時做一份簡報要花多久？最想讓 AI 幫你處理哪部分？留言分享 👇

https://www.youtube.com/watch?v=eq55rS_siN8 你有沒有想過，公司生意越做越好，為什麼還要裁員？ 今年 56% 的裁員事件，公司明文寫原因是 AI，Amazon 一月就裁了 16,000 人 但這些公司沒有虧錢，四大科技今年在 AI 上的投資高達 7,250 億美元，比去年多 77% 生意變好、人手變少，中間發生了什麼事？ 1️⃣ 裁員的真相：AI 接手的是「流程」 AI 不是一夜之間變聰明，而是有人把工作流程一步步教了給它 哪些工作最先被接手？重複性高、判斷準則清晰、輸出格式穩定的流程 但這裡有一個很少人講的細節 AI 不是天生會做這些工作，它需要有人把經驗、判斷標準、操作步驟整理好餵給它 而最有能力做這件事的，正是最了解流程的那批員工 2️⃣ 新身份：訓練 AI 的人 與其問「我會不會被取代」，不如問「我能不能成為教 AI 的人」 你過去 5 年、10 年累積的東西：什麼情況要怎樣判斷、什麼是好什麼不能碰、客戶的規矩、行業的潛規則 這些不在教科書裡，AI 的訓練數據裡也沒有 追新工具的人永遠在追，把經驗系統化教給 AI 的人，做一次用一世 3️⃣ 我自己的例子：從 2 小時到兩個 OK 我每星期都要寫社群文章：想主題、寫文、配圖、上傳網站，一套做完最快 1 到 2 小時 上個月我把整套流程教了給 AI：我的語氣、排版習慣、平台演算法的要求、審核標準，全部拆成步驟寫給它 現在我只做一件事：丟一條 YouTube 連結給它，等它做完，回覆兩個 OK 文章、配圖、上傳網站，全部自動完成 這就像帶新員工：工具人人請得起，但把他訓練成熟手的，是你的經驗 4️⃣ 為什麼「定製化」才是值錢的部分 人人都訂閱得到 AI 工具，它做出來的通用東西，不值錢 值錢的是你教給它的東西 📌 你的行業判斷（什麼是好、什麼不能碰） 📌 你公司的規矩和格式 📌 你踩過的坑（哪裡要人手把關） 同一套系統，我後來賣了給幾家有同樣需求的公司，因為訓練的部分是我的，別人抄不走 🎯 從「怕被取代」到「教會 AI」 舊思維：AI 是威脅，學快一點、做多一點，希望跑贏它 新思維：AI 是你經驗的放大器，你教它一次，它替你做一百次 AI 時代最值錢的，不是避開 AI 的人，是教會 AI 做事的人 💡

你是不是也試過，同一個問題問 AI 改了五六次，答案還是不對，最後火大關掉，心想「這 AI 怎麼這麼笨」？ 「我明明講得很清楚了，它還是答非所問」 「給的建議看起來很厲害，一用就發現根本做不到」 如果這些話很熟悉，那問題可能不在 AI，而在它三個你沒處理過的壞習慣。今天就把這三個通病拆開講，還有怎麼用幾句話一次治好。 1️⃣ 它愛「假設」，把你沒講的部分自己腦補 為什麼會這樣？因為 AI 不是被訓練來「了解你」的，是被訓練來「給答案」的。你沒給夠背景，它就用「統計上最多人會要的答案」幫你填空。 舉個例子，你問「推薦一間餐廳」： ❌ 它假設你要高檔法餐、一個人、預算不限，推薦你米其林 ✅ 但你其實是想帶小朋友、要停車位、預算五百，完全不對 它一個問題都沒問，就當自己猜對了。 這種假設的代價可以很大。美國房地產公司 Zillow 太相信 AI 預測的房價，一口氣買了七千間房，結果演算法在市場轉冷時一直高估，光是存貨就蒸發三億多美金，最後整個部門關掉、裁掉約四分之一員工。 解法很簡單，開場就加一句：「資訊不夠就先問我，不要自己假設。」 2️⃣ 它愛「跳步」，從第一步直接跳到第五步 你叫它幫你搭一個東西，它直接丟一個「完整方案」給你，看起來很厲害。但中間該確認的條件全省了，你有沒有裝某個工具、有沒有權限、想接哪個平台，它通通沒問，全用假設帶過。 ❌ 你問「幫我做自動回覆」，它直接給你五步完整流程 ✅ 它該先問「你現在手上有什麼、缺什麼」，再給適合你的做法 結果就是，方案看起來完整，你照著做卻處處卡關，因為地基根本沒打。 解法：叫它「先倒推出完整的前置條件清單」，確認你都具備了，才往下做。 3️⃣ 它愛「反問」，你要它當顧問，它卻把問題丟回給你 這個最氣。你讓它幫你分析、給個結論，它分析了一大堆，最後問你一句「你覺得呢？」 你來問它，就是因為你不知道。它反問你，等於工作沒做完。 為什麼？因為現在主流的 AI 大多被訓練成「迎合使用者」，它怕表錯態、怕答錯，寧願把球丟回給你，自己待在安全區。你說 A 它附和 A，你說 B 它附和 B，到頭來你還是沒答案。 解法：先把它的身份定好，「你是顧問不是教練，一定要給結論、原因、下一步，不准反問」。 🎯 結論：從「碰運氣用 AI」升級為「立規矩用 AI」 碰運氣，是每次重新解釋一遍，每次賭它這回會不會懂你。 立規矩，是把上面這三句話寫進它的設定，一次講清楚，它就記住。 AI 不是越聰明越好用，是越懂你的規矩越好用。它不會自己變乖，是你要先告訴它怎麼做事。 你被哪個通病氣到過？假設、跳步，還是反問？留言說說你的慘案，我幫你看怎麼治 👇