電腦玩物

OpenAI 在 ChatGPT 上推出GPT-5，已經有一個多禮拜的時間，經過了這個禮拜實際在工作生活當中的實務案例驗證，這篇文章跟大家分享目前我的一些應用案例與心得。

資料、筆記之間最好的「連結」關係是「任務」，而不是屬性、相關性 ，這也是在 AI 時代擁有大量自動分析資料工具後， AI 依然無法為我們代勞的整理技巧。也是幫助你不再努力分類、標籤、連結後，還是出現「用不到」、「找不到」、「只是蒐集沒在用」的狀況。

單純在 ChatGPT 聊天問答，幫助找答案，雖然已經很好用。不過當作問答機器人來用，可能最後就是一大堆雜亂訊息，只能解決當下淺層問題。

在 AI 可以幫我們生成內容、整理資料的新時代，我的個人筆記還有價值嗎？如果有，我到底該記什麼、怎麼記？我建議把重點放在「任務 / 經驗」而非「資料 / 知識」：

這篇文章，分享一個我近期完成的有趣、生活化 AI 應用案例。許多朋友會問我，現在 AI 工具這麼多，要完成一個任務時，要如何選擇搭配不同的 AI 工具，又怎麼進行 AI 輔助的工作流程呢？這個例子也給了我自己許多啟發，與後續跟 AI 一起完成任務的參考。

AI 工具如果只能從工具內建知識庫裡面找答案，往往會有資料太舊、資訊錯誤的問題。所以，後來 AI 工具大多都內建了網路搜尋功能，透過即時的資料搜索，一定程度提升了回答的正確性與即時性（延伸閱讀： 先用 Deep Research 掃清認知盲區，再用 Google 搜尋，我的 6 種學習新流程 ）。而現在， 許多 AI 工具開始可以「連結」使用者自己的資料庫，例如郵件、行事曆、雲端硬碟的內容 ，於是 AI 開始可以幫助用戶更直接分析工作問題、設計專案企劃，用既有的資料生成更準確的新內容。

古老的 Pocket 稍後閱讀工具最近決定收攤，近年火紅的 Readweise reader 我付費使用一段時間後，又覺得自己用不到那麼多功能，目前我的閱讀與過濾資訊方式，更像我之前寫的這幾篇文章：「 如何過濾資訊與稍後閱讀？2022年五個克服資訊爆炸的學習技巧 」、「 從讀不完的稍後閱讀轉念：當下讀完，當下處理 」， 雖然有收集資訊的流程，但更聚焦在之後的輸出與任務上，而非在建構大量稍後閱讀的資料庫。 所以，大多時候我反而沒有使用特定的稍後閱讀工具來整理資訊，因為最後的「任務輸出整理工具」才是我更想建立的第二大腦。

上週 Google Gemini AI 推出了一項新功能：「Canvas Quizzes」，簡單來說，就是幫助我們用 AI 設計出個人學習後的「測驗題」 ，而且在回答後會提供各種學習提示，還可以透過總分計算，提供一份「學習報告」，明確指出我們目前學習中應該強化的部分！

在每天需要挖掘、研究大量資訊的工作與學習生活中， 以前我長期仰賴 Google 搜尋、社群瀏覽、RSS 訂閱服務，這往往會花費我大量的時間，其中很多還是好奇引發的分心時間，而找資料不一定有結果，任務則開始拖延......。

你是否也曾經想建立一套有效的第二大腦筆記系統，一開始確實充滿熱情、花了時間把系統架構做好，接下來卻總是在忙碌之中半途而廢？你是否也常常兩天打魚三天曬網，覺得要維持做筆記的習慣實在太困難？其實真正的問題，是我們把筆記流程設計得「太過複雜」，導致每次要做筆記時都覺得麻煩，最後自然就會放棄。

Google NotebookLM 是我很常使用 AI 工具之一。可以上傳大量的文件、簡報、網頁、錄音檔、 YouTube 影片作為「我的資料庫」，讓 AI 從我的資料庫中整理、分析、生成各種需要的筆記、報告、說明等等，在工作與學習上都非常有幫助， 而最近 NotebookLM 開始推出一項新功能：「為資料庫畫出一張互動心智圖」，透過心智圖快速理解資料庫中所有內容的重點、邏輯、流程與架構。

今天這篇文章想跟大家分享如何「邀請」 AI 一起來陪我閱讀英文原文書的工作流程。為什麼說是「邀請」呢？因為我不是讓 AI 幫忙摘要整本書的內容，也不是讓 AI 去閱讀然後我自己不讀。我認為「閱讀」這件事情還是要自己去讀、去吸收、去消化（延伸閱讀： 如何閱讀一本書？我的深讀、反芻、拆解三步驟 ）。所以，邀請的意思是：

ChatGPT 在 2025 年初針對目前最高階的 Pro 版帳戶推出了「 Deep Research 」功能，並在 2025/2/26 宣布將這個功能開放給 ChatGPT Plus、 Teams 版帳戶使用（有每個月使用 10 次的限制，最大上下文容量也和 Pro 版有差異） 。透過「 Deep Research 」，我們將獲得一位具有初階代理人（Agentic）能力的 AI 研究助理，只要指定題目， 他會「全自動」擬定研究計畫、上網搜尋資料、進行摘要統整、撰寫出研究報告。

我自己的工作流程中常常要「畫圖」，但不是畫出擬真的照片或情境圖，而是要能放在簡報、報告、文章中的解說圖、流程圖， 把原本長篇大論的資訊或理論，摘要出重點，然後用圖解的方式說明邏輯，設計出一看就懂的「資訊圖表」、「知識圖卡」 。

最近收到幾個讀者的詢問，提到說他們在使用 AI 工具的過程，常常無法幫他們生成有效的報告草稿、簡報大綱，AI 給出的往往是比較膚淺、平庸，甚至充滿錯誤的生成結果？但是，當我回頭仔細詢問他們是怎麼應用 AI 工具的？常常發現很多朋友往往就是提出一個簡單的問題，就希望讓 AI 直接幫我們生成一個理想中的最終內容，而這當然是「不可能的任務」。

你是否因為不會寫程式，總覺得無法打造自己的自動化工作流程？每次設定 AI 工具都需要大量手動操作，效率難以提升？試試看一個實驗性的新工具： 「 tldraw computer 」，透過直覺的流程圖設計，就能將繁瑣 AI 指令與工作流程視覺化，打造高效率的 AI 自動化系統！

如果生成式 AI 不只會針對問題直接文字接龍出答案，而是會：「 先寫好一份研究計畫，接著自動根據計畫去蒐集資料，針對資料進行推理分析，最後把整理出的結果撰寫成研究報告。 」甚至能夠「 同時摘要數十篇參考資料，並一口氣自動完成3000字以上的文章 」，那這樣是不是在人與 AI 協同合作的過程中， AI 可以幫助我們獲得品質更好、更有效的內容草稿呢？這就是這篇文章想要測試的 Google Gemini Deep Research 目前可以做到的事情。

ChatGPT 前幾天推出了「專案（Project）」功能 ，雖然這個功能目前只開放給 ChatGPT Plus、Pro 和 Teams 用戶使用（ 2025/9/4 更新：免費用戶也可使用，一個專案最多可免費上傳 5 個檔案 ），但根據 ChatGPT 功能的開放方式，未來應該有機會免費用戶也會獲得此功能。（就像昨天免費用戶也可以開始使用 ChatGPT Search 功能一樣）

  過去一年多，我在許多企業裡講授了與 AI 提升工作效率相關的課程，同時也將多種 AI 工具整合進自己的工作流程。在這樣的經驗累積下，我發現若要讓 AI 生成的結果真正對工作產生效益（不僅需具備足夠的品質，也要在效率上有所提升），AI 的工作流程需要掌握三個關鍵階段。

Google 搜尋幫助我們快速找到來自不同網站的文章、報導，方便我們從不同角度的資料中深入研究各種見解，最後萃取出屬於我們自己的洞見。然而，有時候面對大量資料，我們需要的是即時整理或快速摘要，即使要深入研究之前也可以先有一個基本知識架構，這時候 AI 搜尋工具的價值就能突顯。