AI 分身實戰 827 知識衛星直播重點：兩個案例與四個判斷原則
AI 分身不是一個只會聊天的機器人，而是一個讀過你的案件、作品與客戶回饋，可以依照你的判斷完成一件可驗收工作的系統。
8 月 27 日知識衛星 AI 分身實戰體驗課直播，我把兩位觀眾的真實問題交給 ChatGPT，再現場判斷哪些建議能用、哪些不能直接照做。
一位是平面設計師，一位是會寫自動化卻找不到客戶的工程師，ChatGPT 都給了看似完整的答案，但都不能直接執行，原因也是同一個：它沒有你的資料。
我這篇把當天的問答、查證過程、現場修正與完整 ChatGPT 對話整理下來，第一次接觸這個概念，可以先看真正的 AI 分身怎麼做？從聊天到交付工作的四個零件。
1. 這場 AI 分身直播示範了什麼
- 平面設計師：AI 分身可以協助需求整理、研究、提案與驗證，不只是生圖。
- 建立 Skill：工作流程經過實際執行、修正與驗證後再封裝。
- 使用 AI 搜尋：找到資料後仍要回到原始網站，確認案件、價格與需求。
- 工程師接案：先整理真實案件、個人優勢與客戶來源，再建立 AI BD 自動化。
先說明，8 月 27 日這場是正式開課前的加碼互動問答，不屬於正式課程內容，因此錄影也不會納入課程，當天談的是兩位觀眾的個人狀況，這篇筆記把問答、查證過程與學習資源補回來，讓沒跟到直播的人不會漏掉重點。課程原先承諾的正式直播不會取消，會在正式課程上線後另外規劃並公告。
知識衛星 AI 分身直播資源
- 提問一完整 ChatGPT 對話：平面設計師如何把 AI 分身用在工作與接案。
- 提問二完整 ChatGPT 對話：工程師如何找客戶、整理服務與建立 AI BD 流程。
- SAT 知識衛星 AI 分身課程：結帳時可輸入優惠碼 Hansfb，實際折抵與有效期限以結帳頁顯示為準。
2. 直播提問一：平面設計師該從哪裡開始？
觀眾問了什麼：平面設計師應該從哪裡開始使用 AI 分身，才能和原本的工作與接案結合？
ChatGPT 建議什麼：整理客戶需求、建立品牌 Skill、彙整 LINE 與 Email 裡的修改意見，並把完成的作品整理成案例。
2-1. AI 分身不只是生圖工具，設計師真正花時間的是需求整理
直播修正了什麼：設計師不該把 AI 只當成生圖工具，真正花時間的工作還包括需求整理、客戶溝通、修改彙整與策略說明。先釐清客戶要解決的問題，再決定要做什麼圖。
設計師要說明的不是畫面有多好看，而是替客戶解決了什麼問題、帶來什麼成果。
2-2. AI 分身的 Skill 什麼時候該做，什麼時候不該做
ChatGPT 建議建立品牌 Skill，但這比較適合已經累積足夠案件、知道哪些做法有效的設計師。
只做過一、兩個案例就把流程固定下來，很可能只是把還沒驗證的做法重複得更快。
工作流程先由人實際跑過、修正並驗證，再做成 Skill。
2-3. 讓 AI 分身找案子，再回原始頁面查證它有沒有說謊
我請 ChatGPT 到 Upwork 找五個有價格、有需求的平面設計案件，再請直播觀眾投票選出一案。
選定 B2B SaaS 靜態廣告案後，我們打開 Upwork 原始頁面與客戶網站，確認案件、價格與需求真的存在。
接著請 AI 推測一般設計師可能怎麼提案，即使它只能給出普通答案，仍可以先看見多數競爭者可能採取的路線，再思考怎麼拉開差異，這個案例最後把提案從三張不同風格的廣告，改成三張測試不同購買理由的廣告。
2-4. AI 分身推演五種競爭者，用來檢查自己的提案
Upwork 不會公開其他人的私人提案，以下不是實際看到的競爭者內容，而是 AI 根據案件需求與常見接案方式推演的五種可能路線。
| 競爭者類型 | 他們會做的 | 缺口在哪 | 我們怎麼拉開 |
|---|---|---|---|
| 履歷型平面設計師 | 強調年資、軟體能力、交付六張圖與修改次數。 | 只拆了交付物，沒有拆市場假設。 | 三個概念測試三種購買理由，不是三種美術風格。 |
| 典型 SaaS 視覺設計師 | 使用 Dashboard、藍紫漸層、漂浮 UI 卡片與節省時間等常見語言。 | 容易把產品做成另一個普通的 AI 分析工具。 | 抓住產品差異，讓團隊知道下一步怎麼做，也能說明判斷依據。 |
| 低價快速量產設計師 | 用低價、快速交稿、無限修改與多送尺寸競爭。 | 把案件當成六張社群圖片，而不是廣告測試。 | 讓每版都有痛點、主張、視覺機制、行動呼籲與測試目的。 |
| 成效廣告設計師 | 使用痛點、主張、轉換率、A/B 測試與行動呼籲。 | 可能只是套用固定公式，沒有真正理解產品。 | 比他更理解產品，也不在沒有證據時承諾成效。 |
| Reddit 原生廣告設計師 | 使用更直接、接近 Reddit 使用者的文案與畫面。 | 可能過度追求迷因、截圖感或故意做得粗糙。 | 文案像懂 Reddit 的人，畫面保留成熟 B2B 產品的可信度。 |
表 1：AI 分身推演的五種接案競爭者與差異化策略。
這段推演的重點不是猜中其他人會寫什麼，而是檢查自己的提案：我只是列出交付物、套用常見公式，還是真的理解產品，以及每一版廣告要測試什麼？
AI 的普通答案也有用途：先看見大家可能採取的做法，再避開相同路線。
2-5. 提問一總結：設計師如何使用 AI 分身
設計師可以把 AI 分身用在整個接案流程，包括整理需求與修改意見、研究客戶與競爭者、查找並核對案件、拆解市場假設、發展策略、撰寫提案與開發信，最後才進到生圖與後製。
AI 協助處理整條工作流程，設計師保留專業判斷、視覺品質與最後決策。
3. 直播提問二：工程師會自動化，為什麼還是找不到案子？
觀眾問了什麼：工程師 Marcus 熟悉 ChatGPT、Claude Code 與 Codex，也做得出自動化流程，但不知道客戶從哪裡來，想建立 AI BD 流程，自動研究公司、判斷需求並產生 Gmail 草稿。
ChatGPT 建議什麼：先選定一種客戶、一個問題與一項服務，再用 30 天測試市場。第一週定義市場，第二週研究 50 家公司，第三週寄出 10 封客製化訊息，第四週把重複出現的需求整理成服務產品。
直播修正了什麼：這個 ChatGPT 沒有 Marcus 的知識庫，不知道他做過哪些案子、客戶為什麼找他，所以只能假設一類公司可能有問題，再假設對方願意付錢，假設不成立，後面的自動研究與自動寫信做得再快，也只是在加速錯誤方向。
AI 建議先找到問題、理解問題，再把問題包裝成客戶願意購買的服務，方向合理，但還沒有回答 Marcus 最適合從哪裡開始。
3-1. 為什麼 AI 分身給的答案看起來完整卻不能照做
ChatGPT 不知道 Marcus 除了工程能力，還有網站、課程行銷、素材與廣告投放經驗，因此只能依照常見的 BD 方法，假設 10 到 50 人的數位行銷公司可能需要自動報表，再建議研究 50 家公司、寄 10 封信。
這套方法不是完全錯，但它先假設某類公司真的有這個問題，也假設對方願意付錢。
如果市場假設不成立，後面的公司研究、自動寫信與寄信流程做得再快，也只是在加速錯誤方向。
當 AI 給出的內容不符合你，不一定是提示詞寫得不夠好，更可能是它沒有你的資料，也不了解你真正的優勢。
這個案例的關鍵不是直接叫 Marcus 整理資料給 AI，而是先透過現場對談，找出他做過哪些案件、客戶為什麼找他，以及他真正具備哪些不同於一般工程師的經驗。這些問題沒有先問清楚，AI 就只能用通用假設替他選市場。
3-2. 從深談挖出 AI 分身沒有的市場資料
我沒有直接替 Marcus 執行 30 天計畫，而是繼續追問：你接過什麼案子？替客戶解決什麼問題？客戶為什麼找你？合作又是從哪裡來？
這才挖出關鍵資料。Marcus 曾替線上課程業者架網站，也處理素材與廣告投放，他服務的是大型課程平台不一定承接的素人老師，這些客戶不只需要工程師架站，也需要有人理解課程行銷並協助把整套服務串起來，過去的合作則來自朋友介紹，以及上課時認識的人。
做過的案件、客戶為什麼找你、合作從哪裡來，都是 AI 可以分析的真實市場資料。
資料補進來後，問題就不再是哪 50 家陌生公司可能需要工程師，而是哪些素人講師或小型課程團隊，需要一個同時懂網站、課程行銷與自動化的人。
後者建立在真實案件上，比 AI 憑空選出的市場更接近 Marcus 已經具備的優勢。
3-3. AI 分身應該先讀哪四件事
- 既有案件、履歷、作品與合作來源，而不是直接猜一個市場。
- 客戶已經願意付錢或合作的問題，以及客戶當初選擇你的原因。
- 工程、課程行銷與自動化等能力的交集，如何整理成客戶容易理解的服務。
- 定位經過對話與案件驗證後，再建立公司研究、提案與陌生開發流程。
這也是直播互動與知識衛星教學的價值，AI 第一次回答不適合時，不是叫它換句話重寫，而是找出缺少哪些資料、哪個假設錯了，再把經驗與判斷補進知識庫。
提問二總結：先把既有案件、履歷、作品與合作來源交給 AI，分析自己替客戶解決過什麼問題、客戶為什麼選擇你，以及你和其他工程師有什麼差異，再整理成容易理解的服務，服務與市場經過真實資料確認後，才值得建立 AI BD 流程，否則自動化只會更快放大錯誤假設。
你今天就可以先做的三件事
用四個問題準備 AI 分身的第一份原料
複製這四題直接貼給 AI：
- 你接過什麼案子？
- 你替客戶解決了什麼問題，客戶得到什麼結果？
- 客戶當初為什麼選你，而不是別人？
- 合作從哪裡來，介紹、平台還是上課認識？
四題答完直接交給 AI，請它整理你的服務、客戶輪廓與差異點。
這一步完成前，不要急著建立 BD 自動化。
找一件做過三次以上的工作，寫成 AI Skill 草稿
注意是做過三次以上，不是做過一次。只做過一次就封裝成 Skill，可能只是把還沒驗證的做法重複得更快。
拿一個 AI 分身建議，回頭查證原始來源
直播現場找到 Upwork 案子後，我們打開原始頁面與客戶網站，確認案件、價格與需求真的存在。AI 搜尋只負責找候選資料，查核仍要回到原始來源。
結論：AI 分身的價值，是把判斷變成資產
這場直播的四個重點可以寫成四句話。
- AI 可以很快展開方向，但完整不等於正確，也不等於適合現在的你。
- AI 搜到資料後要回原始頁面確認。
- 做過的案件、客戶回饋與合作來源，比 AI 憑空推測的市場更接近真實。
- 流程先由人跑過、修正過，再交給 AI 做成 Skill。
如果只讀到這裡，很容易得到一個錯誤結論：既然還是要靠人的判斷，AI 好像幫不上什麼忙。
剛好相反，兩個案例真正示範的是，AI 給的答案不準，不一定是提示詞寫得不夠好，而是它手上沒有你的資料。
判斷力原本就在你身上，問題是它每次都得重新從你腦袋裡拿一遍，別人拿不到，你自己也複製不了。
AI 分身在做的事，就是把這些判斷變成可以重複使用的資產，你把案件、客戶回饋、成交理由、修改意見與驗證過的流程放進知識庫，AI 的答案就會從通用建議往你的真實狀況靠。
第一次答得不好時，不是叫它換句話重寫，而是找出缺哪塊資料、哪個假設錯了，再補進去，這也是知識衛星 AI 分身課程從頭到尾在處理的問題。
瞭解更多
- 想建立知識庫、把自己的工作方法整理成 Skill：看 CH2 建立 AI 知識庫與 Skill。
- 想了解 Skill、MCP、API 各自負責什麼：看 CH3 AI 分身的工具分工。
- 想找出市場需求、整理服務、提案與復盤：看 CH4 找出願意付錢的需求。
不是接案工作者也適用，公司內部重複出現、具有明確標準的工作，同樣可以整理成 Skill，可以延伸看餐飲開店與營運的五個 AI Skill。
課程優惠折扣碼：『 Hansfb 』
常見問題 FAQ
8 月 27 日的 AI 分身直播有回放嗎？
沒有，這場是正式開課前的加碼互動問答，不屬於課程內容，錄影也不會納入課程，課程原先承諾的正式直播會在課程上線後另外規劃。這篇文章整理了當天問答、查證過程與完整 ChatGPT 對話。
AI 分身跟直接用 ChatGPT 聊天差在哪裡？
差別在知識庫、工作流程、驗收標準與授權。一般聊天每次都要重新交代背景；AI 分身讀過你的案件、作品與客戶回饋，能按照驗證過的流程完成可驗收的工作。這場直播的兩個案例，都因 ChatGPT 缺少個人資料而只能給出通用答案。
沒有接案需求的上班族，學 AI 分身有用嗎？
有，接案只是這場直播收到的兩個提問，AI 分身真正適合的是高重複、有明確標準、能驗收的工作，例如報價審核、素材檢查、會議紀錄轉任務與客訴分類。企業導入時也要避免只追工具，可以延伸閱讀企業使用 AI 最常見的錯誤。
建立 AI 分身要花多少 Token 與 API 成本？
成本取決於模型、工具、資料量與執行頻率，不能用單一數字回答。課程會教你判斷任務值不值得做、用 Build、Buy、Skip 選擇工具，並從時間、收入與資產看回本。這堂課不走工程師維運路線，重點放在成本意識與判斷。可以延伸閱讀高價 AI 訂閱方案值不值得。
還沒有累積作品的人，AI 分身要從哪裡開始？
從真實做過的事情開始，例如履歷、課堂作業、個人專案、幫朋友處理的問題與收到的回饋。請 AI 先整理你解決過什麼問題、用了哪些判斷、成果如何，再找出可重複的流程；不要先讓 AI 憑空替你選市場。
推薦閱讀
真正的 AI 分身怎麼做？從聊天到交付工作！四個零件讓 AI 替你工作
AI 分身怎麼養才像你？我餵了我 15 年的 Facebook 真實貼文
Skill、MCP、API 是什麼？三者差別與三層架構一次看懂
