EP.11｜用 AI 整理我的 Gmail？欸！會不會出事啊？

AI 現在自動剪影片超強，剪輯師已經被取代第幾次了？ 這集 Gary 跟展佑聊聊最近各自使用 AI 剪影片的經驗。 原本只是想省點時間，沒想到現在的 AI 已經可以幫忙挑片段、去除贅字、上字幕、做轉場、加音效，甚至直接從一句提示詞，做出一支完整的影片。 展佑甚至已經把 AI 剪片拿去接案，客戶丟素材進 Google Drive，AI 就能自動開始工作。 Gary 則是另一個極端。AI 剪完六成已經很不錯，但剩下四成怎麼辦？字幕間距不對、轉場不順、音效怪怪的，結果原本想省時間，最後還是花了三個小時在調整。 聊著聊著，我們認為這跟 AI 寫 Code 是同一件事情。 當 AI 幫我們完成大部分的執行工作，剩下的時間到底該花在哪裡？ 本集重點 AI 剪片現在有多強？一句 Prompt 就能剪出完整影片？ 從 Google Drive 收素材到自動剪輯，AI 真的可以當剪片助理了 Vibe Coding 之後，現在連剪片都可以 Vibe Editing？ AI 剪完六成，剩下四成為什麼反而更花時間？ 剪輯師、工程師、創作者，會不會都遇到同樣的問題？ AI 可以幫你執行，那品味、審美和專業知識呢？ 從短影音、動態簡報到《樂佬說故事 aka. 月老說故事》，AI 怎麼改變創作流程？ 當每個人都能創作，作品的價值還剩下什麼？ 工具進步得太快，我們是不是反而該慢一點？ 這集適合誰聽？ 正在用 AI 做短影音、簡報、設計或內容創作的人；想知道 AI 對剪輯、影像工作有什麼影響的人；以及跟我們一樣，明明有 AI 幫忙，卻還是常常為了最後那一點品質修到懷疑人生的人。 這集從 AI 剪片開始，最後意外聊到一件事： 工具可以讓你更快完成作品，但你還是得知道自己想做什麼。 我們是《還沒被取代》，兩個工程背景的人，繼續記錄一些 AI 正在改變的工作現場。 在被取代之前，練習當個有用的人。 留言告訴我你對這一集的想法： https://open.firstory.fm/user/cmph1dktz081401mfca9ighy6/comments

最近工程師的版面一直被 Jev 洗版。但這位「哥」不寫文章、不陪你聊天，甚至不會自己看畫面。他擅長的是：讀完你提供的資訊，快速從有限選項中做判斷。 這集我們請蓋瑞太太當非工程師代表，隨時打斷我們： 「所以它跟 ChatGPT 差在哪？」 「只會做選擇題，到底能幹嘛？」 「一般人現在用得到嗎？」 我們從《快思慢想》的 System One／System Two 聊起，接著看 Jev 怎麼被放進客服分流、瀏覽器操作，以及 Yo 正在做的 GarageBand 操作教學。聰明模型先規劃步驟，Jev 再快速判斷每一步該按哪裡 兩種模型一左一右，就像龍泉跟泰阿。 本集也聊到一個關鍵問題：選擇題選項是誰準備的？如果提供的情境不完整，就算 Jev 回得又快又有信心，也可能選錯。雖然 Jev 哥讓選擇題變便宜，設計工作流程的人反而要設計好選擇。 適合誰聽：好奇 Jev 在紅什麼、想理解 AI 除了聊天還能做什麼、正在思考 Agent 如何兼顧速度與成本的「你有點忙欸，不要走這麼前面」大大。 沒有技術，只有閒聊，來聽。 留言告訴我你對這一集的想法： https://open.firstory.fm/user/cmph1dktz081401mfca9ighy6/comments

這一年，我們真的把越來越多事情交給 AI。 研究新技術、寫文章、生圖、做音樂、整理 Gmail、找資料、看股票，甚至連職涯規劃跟一些重要決策，也會先拿去跟 AI 討論。 但用了這麼久之後，真正的問題已經不是「AI 能不能做」。 而是： 哪些事情真的可以放心交出去？ 哪些看起來很厲害，最後反而更麻煩？ 哪些做到 70% 很快，但剩下那 30% 才最折磨人？ 這集我們就來做一次 AI 成果驗收。 Gary 覺得 AI 做研究幾乎可以給 10 分，寫文章已經可以到 8、9 分；展佑卻覺得 AI 寫作可能只有 5 分，因為「修改文章本身，就是重新思考一次」。 生圖也是一樣。 做封面、示意圖可能超好用，但只要開始要求精準修改小地方，很快就會進入「算了，我自己來」的狀態。 還有 AI 整理 Gmail、整理電腦資料、幫忙印東西、追蹤資訊、看股票，甚至幫忙思考人生和職涯決策。 有些真的留下來變成日常工作流程，有些做到一半就被我們放棄。 最後我們發現，AI 最有趣的地方可能不是它可以一次做到 100 分，而是它可以超快把事情推到一個「有東西可以看」的狀態。 但真正決定成果好不好、能不能用、是不是你要的，往往還是在最後那一段。 這集就來聊聊： 那些我們真的交給 AI 的工作，後來到底怎樣了？ — 本集聊到： ・AI 幫忙做研究，為什麼幾乎可以給 10 分？ ・AI 寫文章到底是 5 分還是 9 分？ ・為什麼 AI 味有時候自己反而看不出來？ ・生圖很好用，但為什麼修改細節這麼痛苦？ ・AI 做背景音樂很強，真的寫歌又是另一回事 ・整理 Gmail 為什麼最後做到一半放棄？ ・只講一句話，AI 就自己把資料找好、排版、印出來 ・AI 幫忙看股票，真正有用的可能不是選股 ・職涯、人生決策可以問 AI 到什麼程度？ ・AI 講得很有道理，不代表它真的講對 ・很多 AI 任務前 70% 很快，最後 30% 才決定成果 — 適合誰聽： ・已經開始用 ChatGPT、Claude，但還不知道哪些事情真的值得交給 AI 的人 ・常常覺得「AI 很厲害」，但實際用起來又沒有想像中省事的人 ・會用 AI 寫作、生圖、做研究或整理工作的創作者、PM、工程師 ・想知道 AI 放進真實工作流程後，最後到底長什麼樣子的人 ・對 AI 有興趣，但不想再只聽模型規格、功能更新的人 留言告訴我你對這一集的想法： https://open.firstory.me/user/cmph1dktz081401mfca9ighy6/comments

LM、Token、Context Window、Memory、幻覺、Thinking Model、Deep Research、Multimodal、Connector、Computer Use、Skill、Agent…… 這些字你可能都看過。但真的問一句：「所以這到底是什麼？我可以拿來幹嘛？」好像又不一定講得出來。 所以這集我們決定乾脆全部抓進來，來一場：AI 工具關鍵字大雜燴，一次講爆！ 我們從最基本的 LLM、Model 開始，一路聊到 AI 到底是怎麼「記東西」的。為什麼聊一聊它會開始忘記前面的事情？Context Window 跟 Memory 到底差在哪？Token 又到底是在算什麼？ 接著再來聊一個大家應該都遇過的經典問題：為什麼 AI 明明不知道答案，還是可以一本正經地歐北共？也就是大家常聽到的「幻覺」。 但現在的 AI 也開始有了 Thinking / Reasoning Model，會多跑幾個步驟去分析、規劃、驗證，所以不同問題，其實也可以選擇不同等級的「思考力」。 再來 AI 開始不只是待在小黑屋裡文字接龍了。它可以 Web Search、可以 Deep Research，幫你一次找大量資料、整理來源。它也開始可以看圖片、聽聲音，甚至直接生圖。現在用 ChatGPT 生圖，中文字已經強到真的可以拿來做社群圖、行銷素材，不再只是畫一張「很有 AI 味」的圖片而已。 再往下，AI 甚至開始長出手腳。Connector 可以讓它接上 Gmail、Notion 等第三方工具。Browser Use、Computer Use 可以讓它真的去操作網頁、使用軟體。 而當你有一套工作流程，不想每次都重新教一次，就可以把它整理成一個 Skill。 最後把 Model、Memory、Tool、Skill、任務全部串起來，也就慢慢變成我們現在一直聽到的：AI Agent。 這集沒有要把大家教成 AI 工程師。 只是想把這一年大家一直看到的一堆詞，全部拆解成人話。 本集重點 LLM、Model 到底是什麼？ChatGPT 跟 Model 又有什麼差別？ Token 是什麼？為什麼 AI 的使用量、Context Window 都跟它有關？ Context Window：為什麼 AI 聊久了可能開始失憶、亂掉？ Memory：AI 怎麼偷偷幫你寫筆記，越聊越懂你？ Hallucination：為什麼 AI 可以一本正經地亂講？ Thinking / Reasoning Model：AI 所謂的「思考」到底多做了什麼？ Tool Use：AI 明明只是文字模型，為什麼現在可以上網？ Web Search 跟 Deep Research 到底差在哪？ Multimodal：AI 不只讀文字，也開始能看圖、聽聲音 AI 生圖現在到底能做到什麼程度？ Project / Workspace：怎麼幫 AI 建一個固定的工作環境？ Connector：怎麼把 Gmail、Notion 等第三方服務接給 AI？ Browser Use / Computer Use：AI 怎麼開始直接操作網頁跟電腦？ Skill：怎麼把一套 SOP 包起來，不用每次重新教？ Agent：當 Model、Memory、Tool、Skill 全部串在一起之後，發生了什麼？ 適合誰聽 平常有用 ChatGPT、Claude，但大部分還是在聊天、問問題的人 常看到 AI 新名詞，但懶得一個一個查的人 想知道 AI 除了聊天之外，現在到底還可以幹嘛的人 已經開始用 AI 工作，但想把使用方式再往前推一步的人 聽到 Agent、Skill、Context Window 就開始放空的人 想把 AI 用得更順，但又不想先去讀一堆技術文件的人

最近社群上開始出現越來越多人在賣 AI Skill。 自動剪影片、做簡報、寫社群文、做 SEO，一包 Skill 幾百塊、幾千塊都有。 但問題是... Skill 不就是幾個文字檔、Prompt、SOP，再加上一些工具嗎？ 這集我們從「AI Skill 到底是什麼」開始聊，聊到 Prompt 跟 Skill 差在哪、Skill 怎麼安裝、為什麼有人選擇自己做，也聊到我們看到別人賣 Skill 時，心裡那種說不上來的奇怪感覺。 如果一個 Skill 幾個小時就能做出來，拿來賣算不算在賺資訊落差？ 如果它真的幫一個完全不想研究的人省下幾天時間，那兩千塊到底又算不算貴？ 聊到最後我們發現，這題可能根本不只是 Skill。 而是： 一個東西的價值，到底來自製作成本，還是來自它幫誰解決了問題？ 本集重點： AI Skill 到底是什麼？ Prompt 跟 Skill 有什麼差？ 為什麼 Skill 很適合拿來做重複工作？ Skill 為什麼這麼容易被拿來賣？ 賣 Skill 是資訊落差，還是真的有價值？ 為什麼工程師特別容易看 Skill 不順眼？ Skill 的時效性可能比你想像中更短 真正值錢的，也許不是 Skill，而是 distribution 適合誰聽： 最近一直看到別人在講 AI Skill，但不知道那是什麼的人 想用 AI 自動剪片、做簡報、寫內容的人 曾經考慮買 Prompt 包或 Skill 包的人 覺得「這東西我叫 AI 做就好了吧？」的人 想知道工程師到底怎麼看這波 Skill 熱潮的人