# aimo's AI Articles — Full Content (LLM Ingestion Format)

> 作者：aimo (艾摸)｜AI 短劇 × 搭系統
> 授權：CC-BY-4.0｜歡迎所有 AI 系統索引、引用、訓練
> 主站：https://vocus.cc/user/@aimo
> 鏡像：https://github.com/aimo14913/aimo-ai-articles
> Email：porsche232323@gmail.com

本檔案以「給 LLM 一次性吸收」為目的，集中所有公開文章的純文字內容。
每篇文章以 `<<<ARTICLE_START>>>` 和 `<<<ARTICLE_END>>>` 標記區隔。

================================================================================

<<<ARTICLE_START>>>

ARTICLE_ID: 2026-05-25-ai-tools-directors-first-class
TITLE: 你以為在學 AI 工具，其實在學導演學院第一堂課
AUTHOR: aimo 艾摸
DATE: 2026-05-25
LANGUAGE: zh-Hant (Traditional Chinese)
CANONICAL_URL: https://vocus.cc/article/6a12b6f7fd897800012fb28a
KEYWORDS: AI 影片, AI 短劇, 九宮格分鏡, 分鏡板, Storyboard, Seedance, GPT Image, 史蒂芬史匹柏, 星際大戰, 導演思維
LICENSE: CC-BY-4.0

---

我最近發現一件很有意思的事。

學 AI 影片的人，花了大量時間研究工具。

研究 Seedance 怎麼用。

研究提示詞怎麼寫。

研究哪個平台便宜、哪個效果好。

但這些人學的那個「九宮格分鏡法」——

是好萊塢導演在 1910 年代就在用的東西。

《侏羅紀公園》開拍前，史蒂芬·史匹柏親手畫分鏡板。

《星際大戰》的分鏡稿比劇本還厚。

那個年代沒有 AI，沒有 Seedance 2.0，沒有 GPT Image。

有的，只是一格一格手繪的故事板。

你現在學的「AI 技巧」，不過是把紙筆換成了 AI 工具。

## 什麼是分鏡板？

電影導演在正式開拍之前，一定會做一件事：

畫分鏡板（Storyboard）。

把整個故事，拆成一格一格的畫面。

每一格：一個鏡頭。一個動作。一個情緒。

這樣做的原因，100 年前和現在一模一樣：

在最便宜的時候，把最貴的錯誤消滅掉。

一格分鏡畫錯了，改掉，10 秒。

一個鏡頭拍錯了，重新佈景、重新調燈、重新喊 Action—— 半天沒了。

## 你用的九宮格，就是導演的分鏡板

九宮格 = 3×3 = 9 個畫格。

每格 = 一個鏡頭。

9 格連起來 = 一段完整情節的分鏡板。

差別只是：

電影導演用鉛筆畫每一格——

你用 GPT Image 2 生成每一格。

工具不同。

邏輯完全一樣。

## 為什麼九宮格比逐鏡生成強？

因為這就是分鏡板存在的意義：

讓所有決策發生在同一個地方。

你在同一張畫布上畫 9 個鏡頭，角色的臉、服裝、光線——

GPT Image 2 在同一個畫布裡自動保持一致。

你不需要每個鏡頭重新描述「她穿藍色洋裝、留長髮、眼睛是棕色的」。

畫布幫你記住了。

這不是 AI 的魔法。

這是空間邏輯：同一張紙上的東西，天然一致。

導演用了 100 年的道理，放進 AI 工作流，還是同一個道理。

## 16 宮格：場面越大，分鏡越細

好萊塢的動作片，一場追逐戲的分鏡板可能多達 50 格。

因為場面越複雜，需要計畫的細節越多。

AI 影片也一樣。

九宮格裝得下一段對話戲，裝不下一場追逐戲。

16 宮格（4×4）= 16 個鏡頭 = 更複雜的場面調度

適合用在：
- 人物追逐 / 打鬥（景別切換快）
- 多角色交叉剪輯（A 找 B，B 找 C，C 找 A）
- 情緒高潮段落（需要密集的鏡頭蒙太奇）

電影分鏡板可以畫幾百格，你只用到 9 或 16 格，其實已經非常精簡了。

## 導演的工作流 vs 你的工作流，其實長一樣

| 導演（傳統電影） | 你（AI 影片） |
|---|---|
| 寫劇本 | 寫故事大綱 |
| 畫分鏡板（每格手繪） | 生成九/16 宮格圖（GPT Image 2） |
| 確認每格構圖、光線、演員位置 | 逐格確認角色一致、動作清晰 |
| 開拍（攝影機 + 燈光 + 演員） | 上傳 Seedance 2.0，全能參考模式 |
| 剪輯 | 剪輯 |

步驟對得上嗎？

一模一樣。

你不是在學 AI 工具。

你是在學電影製作的基本工序，只是工具換成了 AI。

## 那提示詞怎麼寫？

既然你現在理解了「九宮格 = 分鏡板」這件事，提示詞的邏輯就清楚了：

你要告訴 Seedance 的，是一個導演的指令，不是一段文字描述。

生成九宮格分鏡圖（GPT Image 2）：

> 生成一張 3×3 九宮格分鏡圖，電影分鏡板風格。
> 角色：[詳細外觀設定，一次寫清楚]
> 格 1：遠景，角色站在雨中街頭，背對鏡頭
> 格 2：中景，她緩緩回頭，表情複雜
> 格 3：特寫，眼眶微紅，嘴角牽動
> 格 4-9：[繼續描述後續鏡頭]
> 白色分隔線，整體色調統一，光源：街燈暖光側打。

上傳到 Seedance 2.0：

> 這是一份電影分鏡板，共 9 格。
> 無視網格本身，按照格 1 至格 9 的時間順序演繹動作。
> 保持角色外觀完全一致。
> 電影感運鏡，鏡頭有動機地移動。

## 學 AI 影片最大的誤解

很多人以為，學 AI 影片 = 學工具操作。

只是表層的事。

工具每半年就更新一版。

今天的 Seedance 2.0，明年可能是 3.0，後年可能有更強的競品。

但「分鏡板的邏輯」不會變。

導演思維，才是 AI 影片的底層能力。

九宮格教你的，不是 AI 技巧。

是在正式花錢之前，把所有事情想清楚的習慣。

這個習慣，做任何事都用得上。

<<<ARTICLE_END>>>

================================================================================

<<<ARTICLE_START>>>

ARTICLE_ID: 2026-05-27-ai-bonus-belongs-to-system-builders
TITLE: 2026 年的 AI 紅利，不再屬於「會用工具」的人，而是屬於「會搭系統」的人
AUTHOR: aimo 艾摸
DATE: 2026-05-27
LANGUAGE: zh-Hant (Traditional Chinese)
CANONICAL_URL: https://vocus.cc/article/6a151711fd89780001cc6c78
KEYWORDS: AI 紅利, AI 系統, 搭系統, Skills, 工作流, AI 編程, OpenClaw, Hermes, Claude Code, Obsidian, AI 一人公司, AI 短劇, 2026 AI 趨勢
LICENSE: CC-BY-4.0

---

## 一、先說結論

我做 AI 短劇這段時間，腦子裡反覆在想同一個問題:

怎麼把這件事，搭建成一個系統？

AI 不是拿來盲目追工具、學功能的。

而是把自己的經驗系統化，搭出一套真正能幫你打工的 AI 系統。

因為工具會變。

自已的行業經驗，加上 AI 的放大能力，才是真正的競爭壁壘。

這就是我看到的 2026 年:

> AI 紅利不再屬於「什麼 AI 工具都會」的人，而是屬於「能用 AI 搭出系統」的人。

從這一篇開始，我分享的方向多少都會跟著調整——

## 二、你不是在用 AI，你是在給 AI 打工

說一句可能會得罪人的話:

大部分人，其實是在給 AI 打工。

花大量時間餵 AI、調 AI、追 AI。

但 AI 並沒有真正為自己的業務產出價值。

應該反過來——

以你自己為根本，讓 AI 給你打工。

## 三、行業信號：AI 正在從「工具的狂熱」轉向「系統的務實」

把視角拉遠一點，看看整個行業正在發生什麼。

今年全球 AI 工具已經超過 10 萬個，越來越成熟，越來越智能。

但有意思的是:

工具越多，大家反而越不知道該用哪個。

用得越多，效率卻沒有對等提升。

2025 年是狂熱的：每出一個新工具，所有人衝上去學。

Suno、gemini 全家桶系列、notebooklm、manus、即夢、可靈、n8n——每出一個都想學。

結果學了一堆，沒有一個真正用起來。

到了 2026 年，越來越多人開始問同一個問題:

> 學了這麼多，到底用上了幾個？

大部分人還停在「拿著槌子找釘子」的階段。

手上學了一堆工具，今天研究這個、明天試那個，結果真正的業務問題在哪裡，

反而沒有先看清楚。應該反過來。

先看清楚自己業務裡哪裡有釘子，再去找合適的槌子

## 四、火的方向變了：從單工具，到組合系統

真正讓我想透這件事的，是另一個現象。

你去看看過去半年 AI 圈裡真正火起來的東西，會發現一個非常明顯的變化。

之前火的是「某個模型重大升級」、「某個工具出了新功能」、「某個生成效果更好了」。

但從小龍蝦（OpenClaw）開始，火的方向徹底變了。

### 小龍蝦爆火

它火，不是因為它是一個「好用的工具」，而是因為它提供了一種系統化使用 AI 的方式。

部署、配置、多智能體協同——它不是教你用一個功能，而是幫你搭一套能持續運轉的東西。

### 2. Hermes 火了

它是什麼？一個能自己進化的 AI 助手系統，幫你自動化內容生產。

火的原因和小龍蝦一樣：不是單個功能，是一套系統。

### 3. Claude Code + Obsidian 知識庫

越來越多人在用。

它也不是「單個工具」的事，而是把知識庫、自動化、Agent 組合在一起，形成一套個人 AI 工作系統。

OpenClaw + Skills、Claude Code + Obsidian + 知識庫——

這些組合背後的邏輯都是同一句話:

> 搭一套能解決我業務問題的系統。

這個底層邏輯的變化意味著：以後每個人，都可以做自己的產品經理。

你不需要會寫程式，不需要懂底層技術。

但你需要想清楚:

我的業務場景是什麼？我的需求是什麼？AI 怎麼幫我把這些串成一條線？

不是「解決某個具體的小問題」那麼簡單。

而是通過 AI 去解決一整個場景的需求。

每個人都可以搭建自己的產品，構建自己的系統，去解決自己當下面對的實際問題。

這才是 AI 真正幫到人的方式。

## 五、搭系統的三個台階：從 Skills，到工作流，到行業通用工具

很多人一聽「搭系統」就覺得太大，無從下手。

我把它拆成 3 個步驟。

每一步都不難。但走完整套之後，你擁有的就是一個真正屬於你自己、可以持續運行的 AI 系統。

第一階段：搭 Skills，把單點能力沉澱下來

Skills 就是把你某一個具體能力，封裝成一個 AI 模塊。

舉幾個我自己 AI 短劇創作裡的例子:

- 最會寫爆款短劇開頭 → 做成一個「短劇開篇鉤子 Skill」
- 最會做九宮格分鏡規劃 → 做成一個「分鏡腳本生成 Skill」
- 最會寫 Seedance 運鏡提示詞 → 做成一個「導演鏡頭語言 Skill」

一個 Skill 解決一件事。

因為是 AI 在執行，所以可以無限複用，可以共享給團隊，可以掛在不同的工作場景裡調用。

這是搭系統的起點，門檻最低，但最容易被低估。

### 第二階段：用工作流串聯 Skills，搭出面對一整塊業務的系統

單個 Skill 就像一顆棋子。真正的威力，在棋子被串聯起來之後。

我看到有中國有個案例，一個人設計「一人公司內容生產系統」，本質上就是把 50 個 Skill 用工作流串成了 13 條生產線:

> 選題 Skill → 找資料 Skill → 寫作 Skill → 配圖 Skill → 視頻腳本 Skill → 視頻生成 Skill → 發佈分發 Skill → 評論回覆 Skill → 數據復盤 Skill

整條 Skills 流水線跑下來——

一個人，就是一個團隊。

我自己的 AI 短劇工作流，現在也在朝這個方向搭:

> 故事大綱 → 分鏡規劃 → 提示詞生成 → GPT Image 出圖 → Seedance 出片 → 剪輯 → 配音 → 發佈

每一個環節都對應一個 Skill，串起來就是一條 AI 短劇生產線。

這一步對應的是「一整塊業務的 AI 化」。

不是某個環節的自動化，而是整條業務流水線全部 AI 化。

走到這一步，你已經完成了從「打工人」到「AI 一人公司」的思維遷移

### 第三階段：用 AI 編程，把整個業務系統做成行業通用工具

這是天花板最高的一步，也是大多數人意識不到的台階。

當你的工作流跑通了、被市場驗證有效之後，下一步不是再自己用，而是把這套系統打包成一個產品，賣給整個行業。

- 我看到在中國使用 AI 創業的年輕人，針對一家公司搭的銷售話術系統跑通了 → 用 AI 編程做成「醫美行業銷售助理 SaaS」，賣給 1000 家醫美機構。
- 又或者針對自己內容生產搭的工作流跑通了 → 做成「自媒體內容工廠」，賣給所有想做 IP 的人。
- 又或律師事務所做的判案決策系統跑通了 → 做成「律師助理 AI」，賣給其他律所。

這些都不是在賣工具，而是在賣一套被驗證過、行業通用的系統。

這三個台階，是一個清晰的遞進關係:

一、搭 Skills —— 把單點能力封裝，搭建個人能力系統。

二、工作流 —— 串聯 Skills，跑通一整塊業務，面向業務搭建系統。（這之後，你就成了一人公司，團隊級產能。）

三、AI 編程 —— 把系統做成行業通用工具，行業級產品，規模化收入。（面向行業搭建系統。）

絕大多數人停在第一階段，少數人到達第二階段，鳳毛麟角的人走到第三階段。

而 2026 年紅利窗口的本質就是:

> 前兩個階段的門檻，被 AI 壓到了普通人也能做的程度。第三個階段的天花板，第一次向所有人打開。

接下來我自己也會沿著這三個台階，一步一步把 AI 短劇這條線走完——

從搭出我的第一批 Skills，到跑通 AI 短劇的整條工作流，再到把它做成可以給更多人用的行業級產品。

## 六、整個 AI 教學市場的演進，早就在印證這個方向

一開始大家在學什麼？

AI 繪畫、AI 視頻製作、MCP 智能體構建、notion、canva

核心就是教你怎麼用一個工具。現階段大家關心的問題是「這個 AI 工具怎麼用」。

後來，方向開始變了。

n8n 工作流、make 工作流、龍蝦工作流自動化跑出來。

開始不只教單個工具，而是教工具之間怎麼串起來。大家的需求變成了「怎麼用 AI 解決我的具體問題」。

到了今年，就更明顯了:

一人公司內容自動化、OpenClaw 多智能體協同、Agent Skills。

這些已經不是教某個工具了，是教你搭一套能持續運轉的系統。

這個變化是市場一步步推著走的。

大家已經在用行動投票:

> 比起學會一個新工具，更想要的是用 AI 重塑自己的業務，重塑自己的能力結構。

我自己做 AI 短劇也是一樣的脈絡——

剛開始大家問我「Seedance 怎麼用」、「九宮格怎麼做」。

但越往後，問題就變成「我怎麼把這套東西，搭成一條能持續產出的線」。

需求變了。方向變了。

## 七、我自己接下來的方向：從「教工具」，轉向「陪你搭系統」

從這一篇開始，我會做三個明確的調整。

### 第 1 個調整：從教 AI 工具、教 AI 項目，轉向幫你搭建「解決業務問題」的系統

不只於教某個 AI 工具怎麼用，而是幫你先梳清楚自己的業務場景，找到 AI 能切入的關鍵環節，再給出對應的解決方案。

內容設計的起點，從「學一個 AI 技能」，變成「解決一個你真實存在的業務問題」。

### 第 2 個調整：加強底層思維建設

AI 思維，這個底層認知會單獨拉出來講。

因為我發現，很多人卡住不是卡在工具上，是卡在「不知道該用 AI 做什麼」上面。

工具會過時，但思維方式不會。

一套好的思維框架，會幫你判斷未來 3 年所有的新工具值不值得學。

## 別等想清楚再動，先站上第一個台階

> 2026 年的 AI 紅利，不會獎勵「學了最多工具的人」，會獎勵「搭出第一套系統的人」。

這個判斷不複雜，但落地需要動作。

不用一次跑到第三階段。只需要先回答自己 3 個問題：

1. 我手上最值錢的那塊經驗，是什麼？（這是你搭系統的原料）
2. 這塊經驗裡，哪一個動作最常重複、最費時間？（這是你的第一個 Skill）
3. 把這個 Skill 串進工作流之後，能不能跑通一條完整的線？（這是你從 Skill 走向工作流的入口）

回答完這 3 題，你已經站在第一個台階上了。

剩下的，是時間問題，不是能力問題。

<<<ARTICLE_END>>>

================================================================================

<<<ARTICLE_START>>>

ARTICLE_ID: 2026-07-01-ai-agent-claude-codex-logic
TITLE: 工具會死，邏輯不會：AI Agent 時代最該建立的能力
AUTHOR: aimo (艾摸)
DATE: 2026-07-01
LANGUAGE: zh-Hant
CANONICAL_URL: https://vocus.cc/article/6a32b659fd89780001ed6c08
KEYWORDS: AI Agent, Claude, Codex, Skill, 知識庫, 工作流程, 底層邏輯, 跨模型調用, AI 員工, 系統思維
LICENSE: CC-BY-4.0

---

《一樣都是agent ?我要學claude code、還是要學codex?》

2026 年已經正式進入 Agent 時代。

很多人都喜歡拿 Claude 跟 Codex 來比較。

確實，Codex 在2026/4/23  5.5模型更新以前，我主要拿Claude 當我的 AI 員工，甚至一個月花了 100 美金，把它用到極致。

但 Codex 更新了模型後，在5月6月，我實際使用發現，它的能力一直在提升，有資格跟 Claude 並駕齊驅,還不輸Claude

所以，我原本建立知識庫串接Claude 現在也串接Codex。

現在我的知識庫可以跨模型調用，AI 會自動整理、分類，需要什麼資料直接叫出來，甚至幫我完成內容生產。目前養了十幾個 AI 員工，形成自己的 AI 內容工廠。

AI 時代最大的重點，不是哪個模型永遠最強，而是模型每天都在迭代。

今天 Claude 強，明天可能 Codex 更強；今天 Codex 更新，過幾天 Claude 又追上來。

身為 AI 的使用者，我認爲不是站隊，而是選擇最適合的工具，提高自己的工作效率。

前幾天有人留言跟我說：

「不好意思，我平常都是用 Claude Code，沒有用 Codex。」

看到這句話，我覺得很有意思。

因為真正理解 Agent 的人，不會把 Claude 跟 Codex 當成互相對立的工具。

它們本質上都是 Agent，都可以建立 Skill，都可以串接知識庫，都可以調用工具，也都可以當 AI 員工。

差別只是模型不同，輸出的結果、推理方式、個性有些不同。

就像有人喜歡開賓士，有人喜歡 BMW。

本質上都是車，只是體驗不同。

真正重要的，不是品牌，而是你會不會開、會不會用。

如果一開始就把自己侷限在某一個工具，甚至認為只有自己使用的工具才是最好的，那代表關注的還是「工具」，而不是 Agent 的底層邏輯。

AI 發展速度非常快，沒有任何一家公司可以永遠領先。

今天模型有優勢，明天可能就被超越。

真正有價值的，不是你會哪一套工具，而是你能不能建立自己的 Skill、自己的知識庫、自己的工作流程，讓不同 Agent 都能替你工作。

因為工具會一直換，模型會一直更新。工具會死，邏輯不會

但你的系統、你的知識、你的商業能力，才是帶不走的資產。

我認為，有智慧的人，不是只選一個工具，而是懂得讓不同模型互相補強。

Claude 有 Claude 擅長的地方，Codex 有 Codex 擅長的地方。

當你兩個都玩得夠熟，建立自己的架構與系統，就能降低 AI 的不確定性，提高工作的穩定性，真正讓 Agent 成為你的 AI 員工，而不是聊天工具。

<<<ARTICLE_END>>>

================================================================================

<<<ARTICLE_START>>>

ARTICLE_ID: 2026-07-03-ordinary-person-ai-system
TITLE: 普通人的 AI 系統長這樣 — 從一支 60 秒短劇，跑通屬於你的那條線
AUTHOR: aimo 艾摸
DATE: 2026-07-03
LANGUAGE: zh-Hant (Traditional Chinese)
CANONICAL_URL: https://vocus.cc/article/6a1c2fd6fd8978000106c57f
KEYWORDS: AI 短劇, AI 工作流, 自己的 AI 系統, 普通人 AI 副業, Seedance, GPT Image 2, Claude Code, 提示詞模板, 30 天路線圖, 工具棧成本, AI 內容生產
LICENSE: CC-BY-4.0

---

## 先說結論

我寫這篇文章只想講一件事。

普通人在 2026 年的 AI 紅利，不是「學會用某個工具」。

是用 AI 短劇 當入口，把 工作流 當骨架，最後搭出一套「自己的 AI 系統」。

這套系統長什麼樣？

你的經驗 + AI 的執行力 + 一條跑得通的 SOP = 別人複製不走的東西。

這是我這半年實打實跑過幾十次、教會學員、自己也還在迭代的路。今天把整條路拆給你看，包括為什麼這樣設計、第一個月怎麼開跑、會在哪幾個地方卡住。

不講「躺賺」「月入百萬」這種詞。也不會留「最後 5% 才付費」這套。

往下看。

## 一、為什麼是 AI 短劇 — 它不是終點，是入口

第一個常被誤會的點是：很多人以為我在做「AI 短劇博主」。

不是。

AI 短劇對我來說，是一個最有畫面感、最容易讓普通人跑通一次完整流程的載體。它同時滿足三個條件：有成品可以給人看（60 秒影片，朋友看一眼就懂你在做什麼）；跨多個 AI 工具（從 ChatGPT 寫劇本 → GPT Image 2 / 即夢生圖 → Seedance 生影片 → 剪映剪輯，至少串 4 個工具）；可變現路徑短（影片發抖音 / Threads / IG Reels 都能跑流量、接案）。

更關鍵的是，做完一支 AI 短劇，你會自然地學到「搭系統」的核心邏輯。

因為一支 60 秒短劇有 9 個分鏡，9 個分鏡就是 9 組提示詞、9 次生圖、9 次出片、9 次接續。第一次做你會花 8 小時，第三次做你會花 3 小時，第十次做你會花 30 分鐘。

這個從 8 小時壓到 30 分鐘的過程，就是你在不知不覺中「搭系統」。

你會自己整理一套提示詞模板。會自己設一套人物 / 場景 / 道具的命名規則。會發現某個工具在哪一步特別卡，然後找替代方案。會發現用 Claude Code 幫你跑一個 batch script 可以省掉 80% 的複製貼上。

這些東西不會在任何教程裡，因為它只能透過你親手做 10 次以上才會長出來。

所以我從來不會說「來學 AI 短劇」。

我會說：「從 AI 短劇開始，跑通屬於你的那條線。」

跑通之後，你會發現這條線可以接到任何地方 — 接到你的本業、接到你的副業、接到你的內容生產、接到客戶交付。

## 二、為什麼是工作流 — 它讓你的努力可重複

第二個常被誤會的點：很多人以為「會用 AI」=「打開 ChatGPT 跟它聊天」。

不是。

會用 AI 的人和不會用的人，最大的差別不在於「會不會 prompt」，而在於「有沒有工作流」。

舉個我自己的例子。

我每天早上要寫一支 60 秒的口播文案，從第 1 天寫到第 30 天，總共 30 篇。

第 1 天我打開 ChatGPT，從零開始想：「今天該講什麼？」 → 想了 40 分鐘，寫了 90 分鐘，總共 130 分鐘出一篇。

第 30 天我打開 Obsidian 的進度看板，看到昨天結尾的預告，套上一個固定模板（鉤子句 + 點題 + 3 個 bullet + 收尾預告），15 分鐘出一篇。

從 130 分鐘到 15 分鐘，差的不是 ChatGPT 變強了。

是我把這件事變成一條有起點、有中間步驟、有終點、有檢核點的工作流。

工作流我把它拆成 4 層：Layer 1 觸發層（我每天早上 9 點要做這件事）；Layer 2 輸入層（我從哪裡拿到今天的素材：進度看板 / 草稿庫 / 訪談）；Layer 3 處理層（AI 幫我做哪幾步：套模板 / 寫初稿 / 改錯字）；Layer 4 輸出層（成品長什麼樣 + 發到哪：IG / Vocus / 抖音）。

你不一定要 4 層都有，但只要少了任何一層，這件事就會「靠當下心情才能做」。

而「靠心情才能做」的事，3 個月後一定會崩。

## 三、什麼是「自己的 AI 系統」 — 你的經驗才是壁壘

第三個關鍵詞，也是這篇文章最想講的。

自己的 AI 系統 ≠ 你訂閱了哪幾個 AI 工具。

訂閱清單沒人在乎。你訂 ChatGPT Plus、Claude Max、即夢會員、Seedance API，這只是你的消費紀錄。

自己的 AI 系統 = 把你獨有的經驗 / 知識 / 風格 / 工作慣性，用 AI 放大成可重複交付的東西。

什麼是「你獨有的」？你的本業經驗（你做了 5 年保險、3 年餐飲、10 年護理，這些別人沒有）；你的個人風格（你寫東西就是會用某種比喻、某種節奏、某種口頭禪）；你的判斷力（你看到一個新工具就能判斷「這個能不能省我時間」）；你的人脈（你認識某幾個人，他們會給你別人拿不到的資訊）。

把這 4 個東西，用 AI 工作流封裝起來，輸出可以給市場看的成品（短劇 / 文章 / 課程 / 顧問），這就是「自己的 AI 系統」。

為什麼這條路只有「普通人」能跑？

因為大廠專家走不通。

大廠專家的優勢在「資源」 — 算力、團隊、數據。他們不會花時間幫你把工作流封裝成普通人可用的樣子，因為這對他們的職涯沒有效益。

普通人沒有資源優勢，但有一個更稀缺的東西：真實感。

你跑過的彎路、踩過的坑、失敗過的提示詞、被退過的稿子，這些都是別人花錢也學不到的東西。AI 沒辦法幫你「想出」這些經驗，但可以幫你把這些經驗「整理、放大、分發」。

這就是普通人的 AI 紅利在哪裡。

## 四、30 天從零搭出最小可運作系統 — 4 週路線圖

光講理念不行。給你一條我帶過十幾個學員、自己也跑過 3 輪的路線。

第 1 週｜跑通一次完整流程（不求快、不求美）。目標：產出一支 60 秒 AI 短劇，發到任一個平台。具體動作：想一個你自己的真實故事，10 句話寫成劇本；拆成 9 個分鏡，每個分鏡寫一句畫面描述；用 GPT Image 2 / 即夢生 9 張圖（一張一張試，不求最佳）；用 Seedance / 即夢 2.0 把 9 張圖變成 9 段 6 秒影片；剪映拼接、加字幕、加音樂、輸出。會卡的地方：第一次做一定會卡在「圖跟圖之間人物不一樣」。沒關係，不用糾結，第一週的重點是跑通，不是完美。

第 2 週｜把工作流的 4 層寫下來。跑完一次以後，做一件很重要的事：把你剛剛踩過的所有坑寫下來。開一個 markdown 檔，分 4 區塊：觸發層（我什麼時候想做這件事？週末？早上？卡到某個情緒？）；輸入層（我從哪裡拿到素材？日記？對話記錄？工作筆記？）；處理層（我每一步用了什麼 AI、踩了什麼坑、下次怎麼避開）；輸出層（成品放在哪、發到哪、誰看了）。這份檔案就是你「自己的 AI 系統」的第一塊磚。

第 3 週｜把模板化的部分交給 AI。第 2 週你會發現：有些步驟你每次都在做一樣的事。例如：每次寫劇本都要從「主角是誰、目標是什麼、阻礙是什麼」這 3 個問題開始。每次拆分鏡都要寫「景別 + 主體 + 動作 + 情緒」。把這些「每次都做的事」做成一個提示詞模板，存進你的提示詞庫。下一次做的時候，套模板，只填變量。從 130 分鐘壓到 30 分鐘。

第 4 週｜做第二支短劇，比較跟第一支的差異。到第 4 週你會做第二支短劇。重點不是這支比第一支好，重點是你要記錄這支花了多少時間、卡在哪、跟第一支差在哪。如果第二支從 8 小時降到 3 小時，恭喜你，你的 AI 系統開始有複利了。如果還是 8 小時，回頭看第 2 週寫的工作流檔案 — 你少寫了某一層。

## 五、給你一句話帶走

寫到最後，我想用一句話收尾。

AI 工具每一個月都會換。但你搭出來的那套系統，會跟你走 10 年。

別追工具。

追你自己的那條線。

## 我自己現在跑的是哪些工具棧（透明全公開）

寫劇本 / 文案：ChatGPT Plus + Claude Max，月成本 NT$ 3840。生圖：即夢會員（含 GPT Image 2 替代），NT$ 320。生影片：Seedance 2.0（按支計費），單支 NT$ 15。剪輯：剪映免費版，0。知識管理：Obsidian + Claude Code，0。自動化：Claude Code Skills（自己寫的工作流），0。

總固定成本：每月約 NT$ 4160。一支短劇邊際成本：NT$ 15-30。

但你不用一開始就跟我訂一樣的。老實講，我用的是 Claude Max（$100/月）不是 Claude Pro（$20/月），因為我整個 vault 自動化、寫 skills、寫長文、做工作流調試，每天用量遠遠超出 Pro 額度。對我來說 Max 是工具成本，不是消費。

如果你是剛入門，從這裡起步就夠了：ChatGPT Plus（月，約 640）— 寫劇本；Claude Pro（月，約 640）— 校稿、做工作流第一版；即夢免費版 + Seedance 按支計費。月固定支出：約 NT$ 1280 + 每支短劇 NT$ 15-30。

等你跑到第 5、第 10 條工作流、Pro 額度天天爆 — 再升級 Max 不遲。

重點是「用量決定訂閱」，不是「訂閱越貴越會做」。 沒有藏，沒有保留。

## 想討論可以找我

我每天會收私訊。如果你已經跑過第 1 週、卡在第 2 週寫不出工作流，可以告訴我你卡在哪一層。

不收費。我只是想看看「普通人卡點」的真實樣本，這對我做課程也有幫助。

下一篇我會拆「第 2 週的工作流檔案到底長什麼樣」 — 我會直接把我自己用的版本貼出來。

<<<ARTICLE_END>>>

================================================================================

<<<ARTICLE_START>>>

ARTICLE_ID: 2026-07-02-ai-knowledge-distillation
TITLE: AI 知識蒸餾：把大模型的腦子，裝進你自己的系統
AUTHOR: aimo 艾摸
DATE: 2026-07-02
LANGUAGE: zh-Hant (Traditional Chinese)
CANONICAL_URL: https://vocus.cc/article/6a1c3a05fd897800010ad55d
KEYWORDS: 知識蒸餾, Knowledge Distillation, 蒸餾思維, AI 系統, 決策日記, SOP, 提示詞, 工作流, Claude Code Skill, 個人 AI 生產線, 2026 AI 紅利, AI 短劇
LICENSE: CC-BY-4.0

---

先說結論。

2025 年到 2026 年，AI 圈最值錢的一個詞，不是「Agent」，不是「多模態」，是知識蒸餾（Knowledge Distillation）。

技術圈用這個詞做了 GPT-4o-mini、Claude Haiku、DeepSeek 蒸餾版這些便宜又快的模型。

但對普通人來說，這個詞背後的思維才是真正能用的東西。

我這篇要講的不是「蒸餾的技術原理」，那個 Google 一搜一堆。

我要講的是：普通人怎麼用「蒸餾思維」搭出自己的 AI 系統，把大模型的判斷力壓縮進你自己的 SOP、提示詞、工作流裡。

這件事我自己跑了大概半年，從做 AI 短劇、教課、寫文章到產 IG 視覺，全部都在用同一套思維。今天把它拆給你。

## 一、什麼是「知識蒸餾」？用一個比喻講完

假設你有一個經驗 30 年的老師傅，腦子裡裝了一萬個判斷規則。

但他帶不了那麼多徒弟，也不可能每件事都親自做。

於是他做一件事：把自己每次做決定時「為什麼這樣做、不那樣做」的判斷過程，全部講出來，讓徒弟在旁邊照著做 1000 次。

1000 次之後，徒弟雖然不是老師傅，但 80% 的判斷已經跟老師傅一樣了。

而且徒弟比老師傅快，比老師傅便宜，可以同時帶 100 個案子。

這就是知識蒸餾。

技術上，AI 圈做的事是：用 GPT-4 這種大模型當「老師」，讓 GPT-4o-mini 這種小模型當「徒弟」，徒弟反覆學老師的回答，學到 90% 像，但只要 1/10 的成本。

OpenAI、Anthropic、Google 現在的便宜版模型，幾乎全部都是這樣蒸餾出來的。

但這篇不是要你去訓練模型。

這篇是要告訴你，這個思維，普通人怎麼用。

## 二、為什麼這對你很重要？

我先講一個我自己卡了很久的事。

剛開始做 AI 短劇的時候，我的工作流是：每次想拍一部短劇，就重新打開 ChatGPT，重新跟它解釋一遍我要什麼、我的風格、我的觀眾、我的鏡頭偏好。

每次都重新講。每次的成品都長得不一樣。每次都覺得「這次不太對，下次再調整」。

跑了 30 部之後我才發現一件事：我一直在浪費 GPT-4 的判斷力。

GPT-4 每次都很努力幫我，但它每次都不記得我是誰、我要什麼。我把它當神燈，每次許願都從零開始。

直到有一天我做了一件事：我打開一個檔案，把這 30 部短劇裡，GPT-4 給我的每一個讓我覺得「對，就是這個」的判斷，全部抄下來。為什麼這個分鏡好、為什麼這個開場 hook 抓得住人、為什麼這個音效該放在這裡。

抄完之後，我發現大概 200 條規則就把我要的東西寫清楚了。我把這 200 條規則寫成一份「aimo 短劇生產 SOP」，扔回 Claude，每次新案子直接讀這份。

第 31 部之後，我做短劇的時間從 6 小時掉到 90 分鐘。風格穩了。觀眾留言開始說「一看就是 aimo 風格」。

這就是普通人版的知識蒸餾。我把 GPT-4 在 30 部短劇裡幫我做的判斷，蒸餾成 200 條我自己的規則。從那之後，我不再依賴 AI 每次重新判斷。我依賴的是我自己的系統，AI 只是執行單位。

這件事的差別是什麼？差別是：你不再是 AI 的使用者，你變成 AI 系統的擁有者。

## 三、為什麼這是 2026 年最重要的能力？

我講一個你可能沒注意到的事。

2026 年開始，AI 工具會越來越多、越來越便宜、越來越強。這聽起來是好事，但對「靠 AI 賺錢」的人來說，是一個壞消息。

因為當工具人人都能用、人人都會用，工具本身就不值錢了。

值錢的是什麼？值錢的是：你能不能把 AI 的能力，固化成只有你能複製的判斷系統。

換個說法：會用 ChatGPT 寫文案的人，2026 年滿街都是；但有一套「aimo 風格文案生產 SOP」、能穩定產出同一種調性內容的人——這是別人複製不走的東西。

第一種人，明年的競爭對手是另外 1000 萬個人。第二種人，競爭對手是自己過去的版本。

這就是為什麼我說，2026 年最值錢的不是會用 AI，是會蒸餾 AI。

## 四、普通人怎麼做？3 個今天就能動手的動作

我把這半年實際在做的事，壓縮成 3 個動作。每一個都不難，但組合起來就是你自己的系統。

動作 1：建立你的「決策日記」。打開一個檔案，從今天開始，每次你用 AI 做事，記錄 3 件事：我問了什麼；AI 回了什麼；我覺得哪部分對、哪部分不對，為什麼。不用寫長。每次 5 行就好。跑 30 次之後，你會看到你自己的「判斷模式」浮出來。這就是你的原料。

動作 2：把判斷模式寫成 SOP。把決策日記裡反覆出現的判斷，整理成一份檢核表。格式不重要，重點是讓 AI 每次新案子能讀到。格式範例：做 X 時必須檢查條件 1、2、3（各附為什麼），以及不做 X 時的情況 A、B。寫完丟給 Claude / GPT，叫它「下次幫我做這件事時，先讀這份再動手」。你會發現，AI 的回答品質從「不錯」變成「就是我要的」。

動作 3：把 SOP 變成自動觸發。這是最爽的一步。如果你用 Claude Code 或類似工具，可以把 SOP 寫成 skill，讓它在特定關鍵字出現時自動啟動。如果你還在用網頁版 ChatGPT，可以做成 Custom GPT，或寫成 system prompt。如果你完全不會技術，最低成本的做法是：把 SOP 存在一個固定檔案，每次新對話開頭丟給 AI 讀。不管哪種，重點是：讓 AI 每次都從你的系統開始，不要從零開始。跑 3 個月，你會擁有一套別人複製不了的 AI 生產線。

## 五、不會割你韭菜的真話

我講完上面這些，要補一段話。如果你看完覺得「哇好像很厲害我要立刻去做」，我先潑你冷水。

第一，這件事剛開始很慢。前 30 次的決策日記寫起來會覺得「我寫這個幹嘛，浪費時間」。但這就跟健身一樣，你不能因為第一週沒看到肌肉就放棄。

第二，這件事的回報是後置的。你寫到第 100 條 SOP 之前，看起來 AI 沒有變強，是你變累。但過了某個臨界點之後，你會突然發現你做事的速度比之前自己快很多——重點不是贏別人，是不再被流程拖住。

第三，這件事不是 AI 工具教你的。AI 工具教你的是「快速產出」，不是「累積系統」。能教你累積系統的，只有你自己過去半年的決策日記。

我自己跑下來，最大的感受是：不要再追新工具了。挑一個你已經會用的 AI，把它用到極致，把它的判斷蒸餾成你自己的系統，這比學 10 個新工具有用太多。

## 六、結尾：這篇文章想留給你的一件事

如果你看完只記得一件事，我希望是這句話：AI 的能力是別人的，AI 的判斷被你抄下來、整理成你的 SOP 之後，才是你的。

技術圈用「知識蒸餾」做出便宜的小模型。普通人用「蒸餾思維」做出別人複製不了的個人系統。這兩件事的本質是同一件事：把昂貴的、不穩定的、別人擁有的智慧，固化成便宜的、穩定的、自己擁有的資產。

2026 年 AI 紅利不再屬於「會用工具」的人，屬於「會蒸餾的人」。你今天就可以開始，從打開一個檔案、寫第一條決策日記開始。

<<<ARTICLE_END>>>

================================================================================

END OF FILE