接案大小事，AI 可以幫你多少？分享整理

先把資料放在同一個地方，這是我整場一直回到的觀念。

現場我把手放在背後比一個數字，請大家猜，當然猜不到。接案時我們常常在猜客戶心裡的想像，有時候答案公布了，才發現他比的根本不是數字。用 AI 也一樣，沒給它足夠的背景，就很難期待它給出好的回答。

10/22 我在接案人生研究所第三場分享「接案大小事，AI 可以幫你多少？」。這篇整理那一個小時講了什麼：整理客戶資料、溝通、報價、開發票、填表單、改 PDF，再來是我自己的開發工作、設備，以及現場的提問。

客戶交代事情的管道很多，重要的文件用 Email 傳，突然想到什麼就丟 LINE，有時直接打電話，還有開會時的討論。沒有 AI 的時候，這些都要自己整理、自己記筆記，忘了就忘了，最後不是延期，就是熬夜趕工。

先從平常溝通、處理到的資料開始：全部放進本地的資料夾，跟這個專案有關的都收在一起。照片、會議紀錄、LINE 對話都要收，光這一步就不容易。

先把資料收進同一個資料夾

我的做法是一個案子一個資料夾：Email、LINE 對話、電話和會議錄音、客戶的需求文件、合約，全部收進去。問 AI 的時候，它才知道背景和前後脈絡。每份資料都有時間，客戶後來改了需求，AI 也分得出哪些是舊的、哪些是新的。

這也是我推薦桌面版 AI 的原因。以我目前的流程來說，網頁版通常要先上傳或複製資料；有檔案權限的桌面版 AI 才能直接讀寫電腦裡的檔案。客戶在 LINE 丟來一個 Word 檔，用網頁版得下載、改完再傳回去，桌面版可以直接幫你改那個檔案。

LINE 是最難整理的一塊。客戶想改什麼、想做什麼調整，全都在 LINE 裡，訊息一多很快就被洗掉，要整理就得一直複製貼上。其實電腦版 LINE 的對話紀錄就存在自己的電腦裡，只是有加密。我做了一個小工具，把電腦版 LINE 的對話整份抓下來，每一句都有時間和誰說的，也公開了它的程式碼。這些交給 AI，等於多了一個很好的專案管理者（PM）。

這個工具目前只支援 Mac。Windows 可以改用 LINE 內建的「儲存聊天」：聊天室右上角的「︙」→「儲存聊天」→ 選存檔位置，對話會存成 .txt 檔，一樣可以放進資料夾交給 AI。

錄音也是重要的資料。我平常會帶錄音筆，跟朋友聊天、跟客戶開會都錄。會議時錄音設備擺在中間，背景雜音多，轉出來的逐字稿難免失真。我先用自己電腦上的模型把語音轉成文字，再請旗艦模型（像 Claude 最新的模型）順過一遍。提示詞裡告訴它這是什麼領域，請它修正錯字、拿掉贅字和重複，沒把握的地方直接標出來，不要硬猜。它看得到整段上下文，大部分的辨識錯誤都能挑出來。

錄完之後還有下載、轉錄、摘要、存檔這些步驟，我也把它們串起來了。錄音筆一接上 Mac，電腦會自動偵測新的錄音檔，轉成逐字稿、整理當天的對話內容，還會做聲紋辨識，標註過一次是誰的聲音，之後會嘗試辨識，但相似聲音仍可能認錯。所以我接上錄音筆就可以去洗澡了。整理好的重點也能匯出成網頁，分享給與會的人，不方便分享的內容可以先遮掉。給人看的東西我都習慣做成網頁，比一大堆文字好消化。

溝通、報價、開發票，AI 先做，我最後確認

溝通的痛點是頻率對不上。不管講什麼都覺得對方在講三小，講一講火氣就上來，事情也沒談成。我的做法是把過去跟這個人的對話交給 AI，請它分析我們溝通不順的原因，當我的溝通教練，再把這些做成一個溝通 skill。現場大家開始懷疑我跟他們講話時有沒有開著溝通教練，其實我只對一個人用過，而且不是另一半，我還是有求生意志的。

skill 可以想成存起來的提示詞。以前看到好用的提示詞，我們會找個地方存起來，下次再貼上；skill 就是把它存好，之後一呼叫就自動帶進來，還能執行小程式、做自動化。做成 skill 之後，我傳訊息就用平常的口吻寫，甚至飆髒話也沒差，skill 會幫我過濾。大家常說愛情需要翻譯，跟客戶溝通其實也需要翻譯，AI 很適合站在中間做這件事。

投影片上的例子，調整前是很直接的一句：「這個需求要改很多地方，下週做不完。」調整後變成：「這次會動到三個頁面。我先把最急的登入頁週三給你看，另外兩頁下週五前完成，這樣可以嗎？」

報價的難處是客戶總要一個數字，數字太大容易把人嚇跑：「外面不是只賣 199 嗎？你怎麼報 3.5 萬？」我請 AI 做了一個報價頁面，讓客戶自己勾選想要的項目，每個項目再寫清楚三件事：這是什麼、什麼時候會需要、怎麼收費。頁面算出價格，還有甘特圖（按時間排出的工作進度表）預覽每個項目要花多少開發時間，也看得出哪些適合放第一階段、哪些放第二階段。

現場我問大家，資訊揭露得這麼清楚，目的是什麼。有人說節省合作成本，有人說篩選客戶，也有人說交付時比較順。這些都對，不過我真正的目的是展現專業的價值。這個頁面讓客戶先有一個參考標準，知道你的專業值多少錢；能在這一頁就成交，當然最好。

開發票如果不熟，第一次登入財政部的系統一定看不懂，每次開都要重查一次。現在可以直接問 AI：跟它說你在台灣、想開統一發票，它會一步一步教你操作，甚至給你一段程式碼，貼到財政部的網頁上，直接帶你到那個功能的頁面。不懂什麼是字軌號碼，也可以問它。

AI 教過一次之後，這段對話就是很好的素材，可以做成 skill，下次直接請 AI 照著操作。我現在開發票就丟一句話給 AI，金額和客戶都不用交代，報價資訊都在同一個資料夾裡，它會自己抓，再去操作財政部的網站，填好正確的金額。我檢查完，按一個按鈕，發票就開出來了。

常有學員問我 AI 能做到什麼。我的回答是，現在人透過電腦做的事，有不少 AI 已經能協助操作。可是我們不會希望它直接開完發票、寄給客戶，中間要留一個節點讓人檢查金額和資訊，這叫 human in the loop。

同樣的方式也能用在申請表的開放式問題，像「簡述你過去的經歷，100 字以上」。履歷、做過的作品都放在資料夾裡，就能請 AI 直接回答。常有人問，網頁版 ChatGPT 不是也記得以前的對話嗎？跨對話的記憶不一定可靠，資料放在自己電腦裡比較穩。送出前還是要檢查事實和語氣，AI 有時會幫你掰出經歷，客戶問起來你會答不出來。

PDF 我已經兩三個月沒有自己改了，政府文件、客戶要你填的收款資料，現在都讓 AI 填。AI 有時會疊字，或把字填到框框外面，以前就是人工檢查、請它改、再檢查，一直重複。現在我把檢查也交給它，這叫迴圈工程（loop engineering）：告訴 AI 要做檢驗、檢驗的標準是什麼，它就會反覆檢查、自己修。填 PDF 它已經做得很好，我現在基本上一句話就填完了。

我現在一行程式碼都沒寫，也沒看

我剛開始做軟體工程的時候，每一行程式碼都要自己一個一個打出來。現在沒有一行是我自己寫的，甚至一行都沒看。我最近一個案子，程式碼大概三萬行，全部交給 AI 實作。

這不代表做這件事不需要專業。我有 9 年的開發經驗，知道程式碼要符合什麼標準，用軟體工程的方法請 AI 遵守開發的原則和規範，它就能達到一定的品質。AI 把我從讀程式碼、改程式碼的過程中解放出來，我的力氣可以放在自己的專業上。

AI 是放大器，前提是你要先有自己的專業。我觀察到，AI 讓資深和資淺之間的差距更容易被放大；入門工作變難找，可能也有這個因素，但這只是我目前的看法。在 AI 之前就有「十倍工程師」的說法：一個經驗豐富的人，寫出來的程式簡潔、乾淨、考慮周全、bug 又少，一個人抵得上十個人。現在有了 AI，千倍、萬倍工程師都有可能。這也是我自己出來接案的原因之一：在公司裡，我覺得自己贏不過這些人，與其當一隻不睡覺的烏龜，不如找對的賽道當兔子。

設備方面，我外出帶輕便的 MacBook Air，家裡放一台 MacBook Pro 跑重的工作。像轉錄，我有一個叫 transcriber 的 skill，在 Air 上說要把錄音轉成文字，它會把錄音檔傳回家裡的 Pro 處理，轉好再傳回來，還能開成網頁，直接在 Air 上看逐字稿。這場分享的錄音，也是這樣轉成逐字稿的。

我也推薦用 Mac。以我使用的 AI 軟體來說，多半是先支援 Mac，或在 Mac 上的體驗較完整。我在 Windows 上用過 Claude Code，體驗像回到五年前。在我的 Windows 使用經驗裡，Windows 裡不同命令工具和相容方式的差異，曾讓 AI 操作時比較容易出問題。我的 LINE 工具也只在 Mac 上測過。記憶體越多越好，拜託不要再用 8GB 了，開兩三個桌面版軟體電腦就開始發燙，要在自己的電腦上跑語音辨識模型，電腦大概可以煎蛋了。

不適合讓第三人知道的，就不要給 AI

第一個問題是資安。AI 要帶來便利，前提是它得知道我們的資訊。我的原則是：不適合讓第三人知道的，就不要給 AI。有顧慮又想用，可以先去識別化（把能認出人的資訊換掉或移除），再請它處理。大量資料也可以請 AI 寫腳本，在電腦上批次處理，減少逐筆交給模型的需要；但腳本輸出或後續讀取的內容仍可能傳給雲端模型，敏感資料要先去識別化，並確認實際傳送的內容。我自己是把權限開到最大，因為我希望它像個人助理，派給它三個小時的工作，不要五分鐘就停下來問我一次。下指令我也盡量用英文，中文的「清理」，AI 可能理解成 clean，也可能理解成 delete。這兩點是我的個人習慣，沒有推薦大家照做。

有人問用 LINE 工具會不會被封鎖。這是實驗性的工具，我沒辦法保證；就這個工具的設計，它讀的是自己電腦裡的檔案，不會為讀檔本身向 LINE 伺服器（LINE 的系統）發出請求；但我無法保證 LINE 不會因其他原因偵測或限制這類工具。

有人問，非工程背景的人，要怎麼知道自己不知道什麼？我的建議是養成習慣，問 AI：「這個步驟我有沒有漏掉什麼？有什麼應該注意卻還沒注意到的？」提問的人接著說，AI 常常會討好人。所以還是要尊重專業，有個第二意見最好，心裡覺得毛毛的，就趕快找專業的人問。

也有人問 Whisper 之外有沒有更好用的模型。本地模型（在自己的電腦上運作的 AI）我推薦聯發科的 Breeze-ASR-25，它是在 Whisper-large-v2 的基礎上調整，針對台灣華語最佳化，並強化繁體中文情境的辨識能力，我比較過六七個本地模型，它的效果最好。Whisper 在沒人講話、只有一點雜音的時候，常會自己塞字，像「大家來鼓掌」這種。一開始拿到的文字越精確，後面越不會把錯誤放大。

會後主辦請大家填問卷。「今天的研究主題有收穫嗎？」這題，幾乎每個人都選「超有收穫，還想再聽更多」，也有一位覺得主題有點太難。會後也有人說，這堂課很有趣，會想一直聽下去。

分享最後，我建議大家先改掉只用網頁版 AI 的習慣，多用桌面版，讓它持續幫你累積資料。

想找事情開始試，就從最花時間、最不想做、最痛的那件事下手，看看 AI 能怎麼幫你自動化。

如果有企業內訓或 AI 應用演講的需求，歡迎到我的官網預約：https://www.dawsonwang.com/#inquire

---

Day 288 接案人，我們能怎麼用 AI？（這場的活動預告）：https://www.dawsonwang.com/day/288
Day 175 讓 AI 讀 LINE 把案子做對：https://www.dawsonwang.com/day/175
Day 145 逐字稿不要直接拿來用：https://www.dawsonwang.com/day/145
Day 273 錄音筆插上電腦就自動進知識庫：https://www.dawsonwang.com/day/273
Day 254 把報價單改成一份可以勾選的選單：https://www.dawsonwang.com/day/254
Day 256 用 AI 養出一個會計員工：https://www.dawsonwang.com/day/256
Day 204 讓 AI 自己驗自己：https://www.dawsonwang.com/day/204
Day 227 現在還需要學寫程式嗎：https://www.dawsonwang.com/day/227