AI 分身怎麼養才像你？我餵了我 15 年的 Facebook 真實貼文

AI導演林思翰Hans

AI 分身怎麼養才像你？我餵了我 15 年的 Facebook 真實貼文

我個人覺得 Meta AI 這個助理，用起來覺得挺笨的，但 Meta 後台藏了一個功能驚人的好用！

起因是我想訓練一個 AI 分身，一個真的懂我、能替我做事的 AI Agent。

我曾經想寫爬蟲去爬自己的 Facebook，爬到一半就放棄了，太慢了。

結果我在 Meta 後台翻到下載你的資訊這個功能，一鍵就把我從 2011 年到現在，15 年的貼文全部匯出成。

很多人也在訓練自己的 AI 分身，但多半只是貼幾篇文章給它，如果你今天餵進去的是 15 年真實貼文呢？威力完全是兩回事。

養一個像你的 AI 分身，關鍵不是模型多強，是你手上有沒有一份夠多、夠真實的訓練資料。

AI 分身是什麼？為什麼你最好的原料是自己的 Facebook 貼文？

AI 分身就是一個讀過大量你的真實資料，因此懂你的價值觀、思考方式跟語氣的 AI Agent。

而你最好的訓練原料，就是你自己這些年在社群上寫下的東西。

AI 分身跟一般 AI 助理差在哪？

一般 AI 助理是通用的，誰去問都給差不多的答案，AI 分身只服務你一個人，用你的偏好、你的判斷、你的語氣回答。

我以前給 AI 一堆寫作規範，它寫出來還是「很像我，但又不太對味」。

因為規範是抽象的，它沒看過那些規範長在真實文章裡，到底是什麼樣子。

為什麼刻意整理的自我介紹反而沒用？

因為你刻意整理的自我介紹，是你希望別人看到的你，不是真實的你。

你會美化，會挑重點，會漏掉一堆自己都沒意識到的習慣。

而十幾年沒修飾的貼文，把你真正在意什麼、怎麼想事情，全都誠實紀錄下來。

你精心寫的自我介紹騙得了別人，騙不了要學你的 AI。

Facebook 的公開日記為什麼是最好的原料？

因為它同時滿足三個條件：量夠大、時間夠長，而且是你真實生活當下寫的。

我從 2011 年就開始在 Facebook 上發文，而且一直是用記錄的方式在寫：把學到的東西、工作的經驗、生活的體悟，都寫成一篇篇公開的貼文。這幾年累積下來，就是一大本公開日記。

這種原料的價值在於，它不是我為了餵 AI 才寫的，是我當年真實生活的紀錄。正因為不是刻意整理的，AI 分身的發揮空間反而更大。

從 Facebook 貼文到你的 AI 分身：15 年 4573 篇的完整流程

這份原料到底有多少？我實際匯出的數字

我這次匯出的是 15 年資料，原始 7213 篇貼文，其中 4573 篇有實質文字，時間從 2011 年 5 月一路到 2026 年 7 月。

我的 15 年 Facebook 資料長什麼樣？

他會給你一個人 15 年的完整軌跡：從我當兵、退伍、畢業、北上進業界，到創業、再轉做 AI，逐年攤開來看。

年份	含文字貼文	那一年的我
2011	158	休學入伍，在軍中寫日記
2012	445	退伍復學，長榮大學拼畢業製作
2013	224	長榮畢業北上，進 Bito 甲蟲創意當動態設計師
2014	73	Bito 全職，作品首度入選亞太設計年鑑
2015	386	離開 Bito，和朋友一起經營 Finger and Toe 動畫工作室，也幫 LUCKYSPARKS 做影片後製特效
2016	460	Finger and Toe 獲得 Vimeo 入選，發起 Motion 聚落、辦免費小教室、進大學兼課
2017	340	YOTTA 線上課程募資達標，赴紐約參訪 BUCK，開始研究比特幣
2018	285	線上課程《動態設計全方位》1590 人贊助，參與台北 101 跨年投影動畫
2019	308	開 G.Space 實體空間，任 101 跨年動畫總監，獲頒年度 MVP 講師
2020	183	G.Space 升格 Group.G，接三星捷運展、金音獎主視覺、高雄跨百光年跨年案
2021	136	Group.G 擴編，做時光代理人 OP、ASUS ROG、Samsung × 頑童 MJ116
2022	152	創台灣 Midjourney 社群、做北藝中心開幕投影，公司擴到 30 多人，首測 ChatGPT
2023	288	搬到松菸，成為實踐大學客座助理教授，Hahow 開《AIGC 工作流》課
2024	348	江賢二光影沈浸展獲美國 MUSE 金獎，經營 AIGC 課程與社群
2025	418	成立美第奇 AI 學院、Taiwan AI NGO，開 Podcast 科技翰林院
2026	369	iPAS 初中級雙通過、AITerms.tw 上線，轉 AI 內容經營（到 7 月）
合計	4,573	15 年一個人的完整成長軌跡

表：我的 Facebook 逐年貼文數與那一年的我，就是 AI 分身讀到的訓練原料

為什麼量跟時間跨度比你想的更關鍵？

因為短資料只能學到你的表面語氣，長資料才學得到你的一貫性。

貼幾篇文章，AI 只知道你最近在想什麼。

餵 15 年，它能看到同一個念頭在你身上反覆出現、慢慢長大，那才是一個人真正的底色。

這一點，等我的 AI 分身讀完貼文以後，用一個我自己都嚇一跳的方式證明給我看（後面會講）。

怎麼把 Facebook 貼文匯出成 AI 讀得懂的檔案？

三步：到 Meta 後台用下載你的資訊把貼文匯出成 JSON，做一點清理，再交給你的 AI Agent 分析。

下載你的個人資料怎麼操作？

進 Facebook 設定，找到帳號中心裡的『匯出你的資訊』，建立匯出檔案。

https://accountscenter.facebook.com/info_and_permissions/dyi

建立匯出檔案→選擇匯出位置→匯出到裝置→選好你要匯出的內容→開始匯出

我個人建議選『貼文』『個人檔案資訊』這些真正能代表你個人的東西，其他全部清除，不然雜訊垃圾會太多，而且檔案會太大。

兩個關鍵設定：格式選 JSON，不要選 HTML。影像畫質選較低，因為你要的是文字，不是照片，檔案會小非常多。

送出後 Meta 會幫你準備下載檔案，檔案小的話 1-2天，完整檔案可能要好幾天，我純貼文就 2G，更大要等更久。

信件裡的下載連結幾天內會過期，收到要盡快下載。

＊這不是 Meta 的新功能，下載你的資訊在 Facebook 上已經存在很多年，本來是給你備份用的。

匯出後不用自己整理，丟進知識庫就好

這一步最重要的觀念是：你不用會寫程式，也不用像工程師那樣把資料清乾淨。

我的做法是，把匯出的內容直接放進我自己的知識庫，我用的是 Obsidian，你有在用的任何筆記或知識庫工具都可以，重點是讓這份資料有個家，之後 AI 隨時能讀。

那 7213 篇裡面當然一堆雜訊，純轉貼連結、打卡、只有一句話的貼文，但你不用自己一篇篇挑，這件事交給 AI 做就好。

我的 AI 掃描後，真正有文字、有價值的是其中 4573 篇。

怎麼叫 AI 分析？直接丟，然後這樣下提示詞

不用先整理，把貼文直接丟給你手上任何一個 AI 都可以，我實際用的提示詞，大概是這樣：

請讀完我這些年的 Facebook 貼文，幫我分析四件事：第一，我最常關注哪些主題；第二，我習慣怎麼思考、怎麼下判斷；第三，我的寫作語氣、常用句型跟口頭禪；第四，我在工作上最重視什麼。每一點都附上你判斷的依據，直接引用我原本的貼文。

拿到分析之後，我會再追一句，把它變成可以直接用的設定：

根據上面的分析，幫我濃縮成 10 條最能代表我的原則跟風格，寫成可以直接貼進 CLAUDE.md 或 AGENTS.md 的格式。

最後把最關鍵的幾條，更新到 CLAUDE.md 或 AGENTS.md，也就是 AI Agent 的長期設定檔，剩下的細節留在知識庫裡，要用再翻。

AI 分身讀完 15 年貼文後，它到底學到了什麼？

它學到的不是我最近在忙什麼，是我這個人 15 年沒變過的價值觀，還有一些我自己都沒發現的行動模式。

它讀出了我的價值觀與做事原則

最讓我驚訝的，是它抓出一條我自己都沒意識到，已經貫穿 15 年的主線：團結跟整合。

2011 年 22 歲在軍中，我寫下：「台灣單體能力很強，就是缺少整合性」。
2016 年在上海過生日，我許的願是「團結」，還自己補了一句「因為不夠強大所以需要團結」。
2024 年我寫，台灣「最終缺乏的只是團結的力量，將這些有能力的人才凝聚在一起」。
2025 年我成立 Taiwan AI NGO，講的還是同一句：「台灣不缺人才，只缺有整合能力的人」。

同一個念頭，從 22 歲的軍營，長到 36 歲的組織行動，13 年語彙幾乎沒變。

這種東西，我自我介紹都寫不出來，但 AI 分身從真實貼文裡一眼就把它挑出來了，這就是長資料的威力：它看得到你自己都看不到的那條線。

怎麼沉澱進 CLAUDE.md 跟 AGENTS.md？

分析結果不能只存著，要濃縮成幾條規則，寫進 AI Agent 每次都會先讀的設定檔。

CLAUDE.md 跟 AGENTS.md 就是 AI Agent 的開機必讀，把這個人重視整合、愛用疊字、受恩必還這類最關鍵的判斷寫進去，它之後每一次回應，都會帶著這些底色。剩下的細節資料放進知識庫，要用的時候再翻。

我自己做完之後，感受到哪些真實差異？

兩個差異最明顯：它不再瞎掰故事，還有它開始主動幫我優化工作流程。

差異一：它不再瞎掰故事，會用我真實的經歷

以前 AI 要幫我舉例或補故事，都是掰一個看起來合理、但根本沒發生過的。

現在它讀過我 15 年的真實經歷，需要例子的時候，會直接從我當年真的做過的事裡面，挑一個合適的融進文章。

對一個靠記錄在創作的人來說，這個差別很大：它幫我寫的東西，變成是我真的能認領的。

差異二：它看出我重複的工作，主動幫我建 skill

它從大量貼文跟協作紀錄裡，看出我經常重複在做哪些事，有些甚至是我自己沒注意到的。

然後它會主動建議我優化流程，或直接幫我把那件事做成一個 skill，一套可以重複套用的技能，之後遇到類似任務，它直接套這個 skill，快狠準地做完。

到這一步，它已經不只是一個像我的 AI，是一個開始替我分擔工作的 AI 分身。

與其讓 Meta 拿你的貼文餵 AI，不如你先餵給自己的分身

你知道嗎？你的公開貼文，Meta 自己早就在拿去餵它的 AI 了。

Meta AI Mode 正在用你的公開貼文做什麼？

Meta 在 2026 年 6 月推出了 AI Mode，官方明講，會用大家在它平台上公開分享的內容，來生成搜尋的答案。

換句話說，你這些年公開發的每一篇，本來就是別人 AI 的訓練料，這不是陰謀論，是官方白紙黑字寫在新聞稿裡的。

同一份資料，你自己用能拿回什麼主導權？

既然這份資料這麼有價值，連 Meta 都要，那你更應該先自己拿一份，餵給屬於你自己的分身。

你的 15 年人生，要嘛變成 Meta AI 訓練資料的一部分，要嘛變成一個完全屬於你的分身。

對企業主也是一樣：你公司、你員工這些年公開發的內容，是別人的原料，也可以是你自己的資產。

差別只在，你有沒有先把它拿回來用，這是真正最有價值的部分。

複製語氣只是入門：AI 分身進階用法是什麼？

複製語氣、幫忙寫作、做 skill，甚至把自己拆成一支會分工的 AI 團隊，本質上都是同一條路線：分身幫我產出更多東西。

我後來去看國外在做什麼，才發現真正厲害的用法是反向思考。

不是分身替你做更多，是分身反過來審問你、變成你、照見你，下面我們舉例。

用法一：讓分身反過來審問你

第一種，是讓分身當你的良心稽核員：它讀完你這些年寫下的原則，在你現在要做決定的時候，跳出來提醒你正在違背過去的自己。

一般用法是分身幫你寫東西，這個用法剛好相反，你 2019 年白紙黑字說過某個原則，今天你正打算做相反的事，分身直接把當年那句話翻出來反問你。

市面上有寫作分身、甚至數位永生都有成熟產品，唯獨拿你過去的價值觀當面質問你現在這件事，還沒有任何一家做成。

最接近的只有 AI 日記工具，像 Rosebud（2025 年募資 600 萬美元、使用者累計寫了 5 億字），他們做自我反思和個人成長的 AI 導師，它幫你反思，還不會拿舊帳來質問你，這根本是「吾日三省吾身」的 AI 版，是我認為很有潛力的題目。

用法二：跟未來或過去的自己對話

第二種，是讓分身不對外，而是把你的資料合成一個未來或過去的你，在重大決定前先跟自己談一次。

MIT 做過一個叫 Future You 的實驗：用你的過去合成一個 60 歲的你跟你對話，在 344 人的對照實驗裡，跟未來自己聊過的那組，焦慮明顯下降，也有人拿童年日記微調模型，跟小時候的自己聊天做心理療癒。

這個方向不產出任何內容，它產出的是你對自己的判斷，當 AI 把執行變得很便宜，這種幫你想清楚的用途，反而會越來越值錢。

別人的建議你不一定會聽，但過去跟未來的『你』所給的建議，非常有價值，這種科幻題材的事情現在正在發生。

用法三：把分身變成 24 小時替你賺錢的產品

第三種，是把分身本身變成商品：它 24 小時回答你的觀眾、學生、客戶並且收費，你睡覺的時候，它照樣在工作。

一般用法是分身幫你寫一篇文章，這個用法是分身直接變成產出本身。

國外的戀愛教練 Matthew Hussey 就做了：他在 Delphi 上的分身，用他 800 萬字文章加 1000 多支影片訓練，到現在累積了超過 250 萬次個人化對話。本尊在睡覺，分身在服務付費用戶，這家公司 2025 年拿了 Sequoia 領投的 1600 萬美元。

對一個在賣專業的人來說，這是完全不同的一步：你不再只是賣一次專業知識，是把你的判斷變成一個可以規模化、按次計價的分身，24 小時替你工作。

怎麼把你的資料真的接上去，做出可以用的東西，一篇文章講不完，我會慢慢示範給你看。

結論：AI 分身的關鍵不是工具，是你有沒有留下真實內容

講到最後，養一個能替你做事的 AI 分身，最稀缺的從來不是工具或模型，是一份夠長的真實資料。

工具每個人都拿得到，但 15 年沒修飾的真實紀錄，只有你自己有。

如果你有在 Facebook 或任何地方持續發文，你已經握有最好的原料，只差把它匯出、餵進去。

如果你還沒開始寫，那今天就是你為未來的分身，留下第一筆原料的日子。

AI 把執行的成本降到趨近於零，你的價值會越來越集中在你怎麼判斷，而一個餵滿了你真實資料的 AI 分身，剛好把這件事放大加速。

我正在與知識衛星籌劃線上課程「AI 分身：打造替你工作的高效自動化團隊」，裡面會有更詳細的拆解與具體案例操作，包含大家最想知道的商業模式與工作流拆解，有興趣的話，歡迎持續關注。

參考資料

Facebook 使用說明. 匯出 Facebook 資訊副本（下載你的資訊）

Meta (2026). “New AI Tools to Help You Make Things Happen on Facebook”

TechCrunch (2026). “Meta’s new AI Mode on Facebook pulls from public info across its platforms”

Delphi (2025). “How Matthew Hussey Scaled His Expertise”

MIT Media Lab (2024). “Future You” 專案

TechCrunch (2025). “Rosebud lands $6M to scale its interactive AI journaling app”

常見問題 FAQ

AI 分身需要多少資料才夠？

沒有硬標準，但量越大、時間跨度越長越好。幾篇文章只能學到表面語氣，十幾年的累積才學得到你一貫的價值觀。重點不是湊字數，是資料要真，是你當年真實寫下的，不是為了餵 AI 才整理的。

沒在 Facebook 發文的人怎麼養 AI 分身？

一樣可以。原料不限 Facebook，Threads、Instagram、部落格、甚至你這些年的 email、筆記、聊天記錄都算。關鍵是找出你長期、真實留下文字的地方，把它匯出來。如果你現在還沒有，那今天開始寫，就是在為未來的分身存原料。

把 Facebook 資料交給 AI 分身，會有隱私風險嗎？

看你用哪種 AI。如果是在自己電腦上、用本地或你信任的 AI Agent 處理，資料不外流的風險較低。如果上傳到雲端服務，就要看那家的資料政策。原則是：越敏感的資料，越該用你能掌控的環境處理。

用 Facebook 訓練 AI 分身，這是 Meta 的新功能嗎？

不是。下載你的資訊這個功能在 Facebook 上已經存在很多年，本來是給你備份或搬家用的。真正新的，不是這個按鈕，是拿它來訓練自己的 AI 分身這個用法。

CLAUDE.md 跟 AGENTS.md 是什麼？

它們是 AI Agent 的開機必讀設定檔。你把最關鍵的規則跟資訊寫進去，AI Agent 每次工作前都會先讀一遍，等於它的長期記憶跟行為準則。把分身分析出的核心價值觀、寫作習慣寫進去，它每次回應都會帶著這些底色。

Meta 會不會也拿我的貼文去訓練它的 AI？

會。Meta 在 2026 年 6 月推出的 AI Mode 就明講，會用大家公開分享的內容來生成答案。這也是為什麼我建議你先自己拿一份資料回來，餵給屬於你自己的分身，而不是讓這份資料只變成別人 AI 的訓練料。