還在埋頭寫 prompt？真正高效的 AI 自動化，關鍵從來不是一句完美指令，而是「設計流程」。 我整理了一個 Claude Code 技能 —— Loop Engineering：用十種迴圈模式（重試、反思、評估、規劃、工具呼叫、查證、記憶、多代理、人類介入、持續優化），帶你把任務拆成「會反覆執行、檢查、修正、直到達標」的系統。 它會先逼你回答七個關鍵設計問題，再選用合適的模式組合，最後才談用哪個工具落地。平台中立（Codex、n8n 都適用），在 Claude Code 裡還附原生工具對照表。 一鍵安裝、也可手動複製，MIT 授權，歡迎取用 👇🔗 https://github.com/iamraven-tw/loop-engineering 介紹文章放在 進階｜打造個人化生產力系統(Lv2)

以前測試過類似工具，不太滿意，然後又沒體力剪片，中斷發片了一陣子。 不過做自媒體，拍片還是主流，光是寫電子報還是不行。 所以打算本周來測試 Hyperframes 工具。有興趣的人也可以來測試看看。 https://github.com/heygen-com/hyperframes

之前我都用 opencli 當 AI Agent 上網抓資料的工具，用了兩個多月。最近看到四個很多人在討論的開源方案——agent-reach、Scrapling、browser-use、web-access，乾脆用同一套流程一個個實測，順便跟 opencli 比一比。 我從四個角度測：先驗明正身（正版還是山寨）、看 GitHub 星數判斷口碑、掃程式碼有沒有偷傳資料或後門、最後真的裝下去抓 Hacker News 跟部落格實測速度。安裝跟資安的眉角也都記下來了。 結論是這幾個各有定位：有的補了 opencli 的不足、有的功能其實重疊、也有的得小心被封號或洩漏資料的風險。如果你也在幫 AI Agent 找連網／抓資料的工具，這篇能幫你少踩不少坑。 完整實測整理在課程裡： https://www.skool.com/decode-ai-ai-2667/classroom/3e9e770a?md=629d314b6a474ec596cd2eee72dfe7cf

到此所有微課程影片就更新完畢了。 原本學習 n8n 也是想說做一些辦公室常用的自動化，但是 AI 進展太迅速了，我發現後來 n8n 其實不太需要學，只要知道有什麼節點可以用，然後可以做哪些工作流，其他都交給 AI 去做就好了。 所以我之後應該不會特別去講解 n8n ，而是把主力放在 Claude Code / Codex / OpenClaw / Hermes 這類 AI 代理應用。 CH5｜打造完全自動化的內容發布機器！從 Notion 到 Threads 的智能工作流

在前面幾期的電子報之中，我其實讓 AI 寫了幾乎 80% 以上的內容。當時我的想法是人類只要做最後的把關就好。 所以我提供給 AI 主題與參考資料，並加入一些我自己的想法讓 AI 去融會貫通，最後再整理寫成文章。 我作為人類，就在最後潤飾整份稿件，接著再上傳。 在潤飾文章時，我會改掉部分 AI 味道太重的片段，但是除非我整個打掉重寫，否則 AI 味其實挺難去除的。 我本來想說也沒關係，因為更重要的其實是傳達我的想法嘛。 畢竟在做自媒體的時候，我們要在品質跟產出的時間成本之中抓一個平衡。 可是我最近看到一個我蠻欣賞的自媒體創作者，他網站上的某篇文章我一看就知道一定是 AI 寫的。 看到 AI 寫的文章，我是真心讀不下去，所以我就馬上開始反省。 如果我寫的文章也讓 AI 幫我寫，即便我知道這篇 AI 文章確實傳達了我的想法，讀者願意讀嗎？ 如果讀者不讀，那在那邊抓品質與時間成本的平衡，又有什麼屁用呢？ 信任感在 AI 的時代變得更加重要。我們希望跟我們對話的是人類，而不是 AI。 再者，AI 寫的文章會有特定的「調調」。假設我用 AI 寫文章，我的內容看起來就會跟其他用 AI 寫作的人沒什麼太大差異，都有一股 AI 臭；結果就是我既失去了信任感，也失去了差異化。 因此，我放棄讓 AI 寫電子報了。我認為它應該更關注兩件事情： 1. 前期資料整理 2. 後期自動發文 ■ AI 寫作為什麼有 AI 臭？ AI 寫作為什麼會有股 AI 的臭味？其實也就是人類教給它的。 例如摘要式的寫法， 1. 「重點很簡單：」 2. 「核心其實是：」 3. 「本質上就是：」 4. 「說穿了就是：」 還有一種對比句， 1. 「不是 A，而是 B」 2. 「不再是 A，而是 B」 3. 「真正重要的不是 A，是 B」 4. 「重點不在 A，而在 B」 你說這種句型不好嗎？倒也不是。它偶爾用一下，其實有一種畫龍點睛的效果。 但 AI 學習大量資料之後，它就覺得人類認為這種句型好，所以它就要用；結果它的每一篇文章，每一個段落都要用。 還有，AI 很喜歡用堆砌抽象的名詞與形容詞。 例如之前我讓 AI 寫過這樣子的文章： Claude Code 遵守的規則，像一個三層蛋糕 第一層（蛋糕底）：模型自身的規則 這是 Anthropic 在訓練 Claude 模型時「烤進去」的。 比如不能教人做危險物品、不能洩漏個人隱私。這一層你改不了，工具也改不了，是 絕對的底線 。 客觀上來說，你可以說它有寫錯嗎？好像也沒有，但我就是不會這樣寫啊。 然後現在因為 AI 的出現，你在網路上幾乎隨處都能看到一大堆非常相似的文章。 ■ 把 AI 擺在正確的位置上，讓它處理雜事吧 創作這件事情，是絕對不能交給 AI 的。 因為創作就是要搞差異化。如果你要做自媒體，就必須表現出個人的特質。 即便是像我做這種知識型的自媒體，知識並不是最重要的一件事情。因為在網路時代以及 AI 的時代，知識唾手可得，讀者沒有必要一定要參考我的意見。 所以我帶給人真正的價值，有很大一部分是個人的生活經驗與情緒價值。 那麼 AI 該做什麼呢？我認為 AI 就是應該要做雜事，就以寫作來講的話，第一步要先決定主題，然後要找資料，「找資料」這件事情就可以讓 AI 去做。 例如你使用 ChatGPT 的深度研究功能，讓它幫你爬網路上的文章並抓取重點；接著人類自己讀過，再去比對原文。 另外，AI 也很適合去整理你的筆記。比如說，我們可以使用 NotebookLM，把一段我跟其他人的討論錄音資料上傳，然後讓它幫我整理成逐字稿，或者是寫成一個有結構的大綱。 不只是前期的資料整理適合交給 AI ，發布文章這種瑣事也很適合。 ■ 實戰案例：我怎麼把「發布文章」丟給 AI 除了現在經營的 Substack 電子報、Raven AI 官網(https://raven.tw/)，我還有個社群叫做「社畜進化論｜Raven AI」(https://www.skool.com/decode-ai-ai-2667)，就在 SKOOL 上面。它是一個結合論壇、線上課程、跟成員管理的網站。 當然要做自媒體，也少不了Instagram、Threads 以及 Facebook 等等社群平台。 每個禮拜我就是寫文章，然後想辦法發送到各平台上。 要人工做這件事也很快，就是複製貼上，不過得稍微調整一下格式。例如文章是以 Markdown 格式儲存的，無法完全符合 SKOOL 的文章格式。有的社群平台也有字數限制，或者要改製成圖卡。