用了一陣子 AI 之後，很多人都遇過同一個狀況。 模型愈來愈強，你給的資料愈來愈多，Prompt 也愈寫愈完整。但交出來的東西就是差了一點，改到第三次，你心裡冒出那句話：算了，我自己來比較快。 這件事很值得想。如果 AI 可以讀幾百頁文件、搜尋資料、整理資訊、分析表格、寫程式，為什麼我們還是覺得它「不懂」？ 問題可能根本不在 AI 知道得不夠多。 假設你是一個很有經驗的行銷人，把品牌資料、產品資料、過去的貼文、TA、語氣全部丟給 AI，請它寫一篇提高轉換率的貼文。AI 當然寫得出來。但寫得出來，跟「像一個有經驗的行銷人一樣工作」，完全是兩回事。 真正有經驗的人拿到產品資料之後，腦袋裡不是立刻開始寫。他會先判斷：這個產品在解決什麼問題？市場上有沒有一堆人在講同樣的賣點？這次的目的是觸及、教育、建立信任，還是成交？如果是第一次接觸品牌的人，先講痛點；已經知道產品的人，也許該直接處理購買阻力。 那些判斷才是你的專業，而你從來沒有把它寫下來過。 兩天做的就是這件事。第一天把專業挖出來：Expertise Mining、把「我就是知道」拆成 Decision Logic、再把例外與品質標準寫進系統。第二天封裝起來：先分清楚 Prompt、Knowledge、Workflow、Skill 的差別，做出第一個 Skill Package，再理解為什麼 Skill 會做事還需要 Agent，最後讓它真正替你完成一次工作。