嗨，大家好，我是 Ted。

最近我在輔導幾個學員的時候，有個現象讓我印象深刻。

他們不是剛開始學 AI 的人——他們手上都已經有好幾個助理了。有人有寫作助理、有摘要助理、有資料分析助理。每一個單獨用起來都不錯。但有一天其中一個學員問我：

「Ted，我現在每次要用 AI，都要停下來想：這件事應該找哪一個？這個切換的過程，比我自己做還累。」

我聽完笑了，因為這幾乎是每個認真在用 AI 的人，走到某個階段都會遇到的問題。

這讓我意識到：我們花了很多時間在談「如何讓單一 AI 助理更好用」，但幾乎沒有人在談「當你有了一堆助理之後，整個系統該怎麼設計」。

這期電子報，我想圍繞這個問題，從幾個不同角度切入。

主文我挑了 Anthropic 設計主管 Jenny Wen 的工作流訪談——她分享了一個核心概念：不是一個一個助理單點使用，而是讓多個來源、多個流程，自動整合成每週可重複執行的系統。

AI 速報的幾篇，剛好也都在談這件事的不同側面：調度要簡單而不是複雜、組織層級本質上也是一種資訊路由、助理要真的記得你才能真的幫你。

研究者特報，則是我自己最近整理出來的「Router 範式」——一個管理多個助理的調度機制設計方法，也提供了完整範例給我們的學員。

這一期的東西，剛好可以放在一起看。希望對你有用。

— Ted

本週知識萃取 🧠

🔥 垃圾進、黃金出：Anthropic 設計主管的 AI 工作流哲學

破題：本週痛點

你有沒有這樣的經歷：工作上的資訊從四面八方湧來——客戶訪談錄音、社群回饋、Slack 訊息、各種文件報告——你知道裡面有洞察，但就是沒有時間、也沒有一個好方法把它們整合起來，變成真正可以行動的結論？

這週，我們從 Anthropic 內部取材。Claude Cowork 的設計主管 Jenny Wen，在一場 40 分鐘的訪談中，把她真實的 AI 工作流盤點了一遍。其中最核心的概念，她用了三個字來形容：

這不是在說 AI 有多神，而是在說一種工作方法：把原本凌亂、分散、未整理的原始資料通通丟進去，讓 AI 幫你把有價值的洞察挖出來。

核心觀念萃取

1. 多來源整合，是 AI 最被低估的能力

Jenny 在訪談中展示了她的實際操作：她把使用者訪談逐字稿（一整個資料夾）、社群討論（Reddit、外部評論）、內部 Slack 回饋，全部同時丟給 Claude，然後問一個問題：「告訴我最重要的洞察是什麼。」

重點不在於 AI「很聰明」，而在於人類根本不可能在短時間內同時閱讀這麼多來源。AI 在這裡扮演的角色，是跨越你時間限制的資料整合者，而不是替代你的判斷者。

2. 工作流的核心是「排程化」，不是「單次詢問」

很多人用 AI 的方式是：有問題才去問，問完就結束。Jenny 展示了不一樣的思維：把「每週一早上產出本週洞察報告 + 給團隊的功能優先級建議 + 設計簡報」這整串流程，直接設定為排程任務，讓它每週自動執行一次。

這是從「工具」到「系統」的關鍵一跳。工具是你去用它；系統是它自動為你運作。

3. AI 的最大價值：讓你「只需要反應，不需要從零開始」

Jenny 說了一句我覺得很精準的話：「我已經懶到讓 AI 先做第一版，然後我只是反應它。」

這看起來像是偷懶，但背後有深刻的工作效率邏輯。面對空白頁最難——而當你有了一個「方向夠對但不夠精準」的初稿，你的認知資源就可以全部投入在「判斷與修正」這件最高價值的工作上，而不是「從無到有的創造」。

雙場景落地實戰

💼 企業職場場景：週期化競品與市場洞察流程

假設你是行銷或產品主管，每週都需要掌握市場動向、競品變化、客戶聲音。傳統做法是：派人收集、整理、報告，一來一往至少兩三天。

用 Jenny 的工作流邏輯，你可以這樣設計：

建立一個「週期化洞察 Agent」——讓它每週自動抓取競品動態（產品發布、PR 文章、社群討論）、整合你的 CRM 或客服紀錄中的回饋關鍵詞，然後輸出兩件事：一份「本週重點摘要」供主管快速掌握，一份「待辦清單」對應具體行動。

關鍵設計原則：輸入是多來源的原始資料，輸出是可行動的結論，中間的整合工作全交給 AI。人只需要在最後做決策。

🎓 深度研究場景：文獻整合自動化

對碩博士生來說，最耗時的工作之一是：讀完一堆文獻之後，試圖找出它們的共同主題、矛盾之處、研究缺口。

用類似的邏輯，你可以把這週新讀的 10 篇文獻（摘要或全文）全部丟給 AI，然後問它：「這些文獻在談什麼共同問題？彼此有什麼矛盾？哪裡可能是我的研究缺口？」

這不是讓 AI 替你思考，而是讓 AI 先做一次「跨文獻的資訊整合」，讓你能站在更高的視角開始真正的學術思辨，而不是被資訊淹沒。

本週實戰小禮物：週期化洞察工作流提示詞模板

複製以下提示詞，依你的需求替換 [括號] 內的變數：

你是我的洞察整合助理。
​
請幫我從以下來源中，整合出本週最重要的洞察：
​
來源一：[資料夾/文件/逐字稿] 中的 [描述資料類型，例如：使用者訪談紀錄]
來源二：[URL 或關鍵字] — 請搜尋 [平台名稱，例如：Reddit、Twitter] 上關於 [主題] 的最新討論
來源三：[其他內部資料，例如：本週客服紀錄/Slack 頻道訊息]
​
整合後，請輸出以下兩件事：
1. 本週重點摘要（3-5 個洞察，每條不超過 50 字）
2. 對應行動建議清單（每個洞察對應一個具體的下一步行動，包含負責人角色與建議完成時間）
​
風格要求：簡潔、直接、可行動。避免空泛的描述。
​

進階用法： 在提示詞最後加上「請記錄這份洞察到 [指定資料夾]，並排程下週同一時間重新執行」，讓這個工作流變成你的週期化 Agent。

延伸閱讀

🔗 原始素材：Claude Cowork Tutorial from Cowork's Design Lead (40 Min) — Jenny Wen​
這是一場 40 分鐘的深度訪談，Jenny 全程展示她真實的工作桌面，包括如何從零設定多來源洞察 Agent、如何建立排程任務、以及 Cowork 早期設計迭代的完整歷程。如果你想看「一個真正懂 AI 工作流的人，日常是怎麼操作的」，這支影片值得完整看完。
▶ YouTube 連結​

AI 速報 ⚡

🔗 Terminal Agents Suffice for Enterprise Automation（arXiv 2604.00073）

• 🎯 解決什麼痛點： 你是不是以為 Agent 越複雜、工具越多，效果就越好？
• 💡 核心亮點： 研究證明：只有終端機+檔案系統的簡單 Coding Agent，在企業自動化任務上表現等同甚至優於配備 MCP 等複雜工具的 Agent。強模型 + 簡單介面 = 夠用。
• 👀 誰該看這篇： 正在設計 AI 工作流、想知道「要複雜還是要簡單」的開發者與架構師。
  ▶ 論文連結​

🔗 From Hierarchy to Intelligence（Block/Jack Dorsey × Roelof Botha）

• 🎯 解決什麼痛點： 公司的中階管理層存在的意義，在 AI 時代還說得通嗎？
• 💡 核心亮點： Block 提出以「capabilities + models + intelligence layer + interfaces」四構件重構組織，讓 AI 的「智慧層」承接原本層級管理的資訊路由功能，讓顧客現實直接生成待辦、弱化層級作為中介。
• 👀 誰該看這篇： 正在思考組織結構與 AI 如何結合的管理者、策略顧問。
  ▶ 文章連結​

🔗 AI 團隊記憶的三層系統架構（judyailab.com）

• 🎯 解決什麼痛點： 每次開新對話，AI 就像失憶了——你是不是也深受「無狀態 Session」之苦？
• 💡 核心亮點： 三層記憶架構：Auto Memory（被動累積）、CLAUDE.md（高優先行為準則）、Memory Files（主題知識索引），讓 Agent 跨 Session 快速銜接上下文，把「記憶問題」從提示詞技巧提升為系統架構議題。
• 👀 誰該看這篇： 已在用 Claude 或其他 AI Agent、想讓助理真正「認識你」的知識工作者。
  ▶ 文章連結​

🔗 How LangSmith and LangChain OSS Help You Meet EU AI Act Requirements（LangChain Blog）

• 🎯 解決什麼痛點： 歐盟 AI 法案（EU AI Act）要來了，你的 AI 工作流合規嗎？
• 💡 核心亮點： LangChain 說明如何用 LangSmith 的可觀測性功能，對應 EU AI Act 的合規要求（風險分類、透明度、紀錄保存）。即使你現在不在歐盟，這也是 AI 治理的重要前瞻。
• 👀 誰該看這篇： 企業 AI 應用負責人、關注 AI 法規合規的知識工作者。
  ▶ 文章連結​

研究者特報 🔬

本週，【AI 虛擬助理基礎工作方法】系列正式開始公開發布，第一篇從「Router 範式」談起。

📖 你的 AI 助理太多了嗎？用一個「總機」幫你全部管起來

這篇文章介紹的 Router，不只是一個「分類器」，而是同時扮演四個角色：總機（Dispatcher）、守門人（Gatekeeper）、校正者（Reframer）、流程顧問（Workflow Advisor）。

文章中也附上了兩個完整的可執行範例：

• 企業場景：品質要求來函的路由工作流
• 研究教練場景：五位專業教練的派發決策樹（含假需求對照表）

如果你在設計 AI 助理，或者已經有了幾個助理但不知道怎麼整合，這篇文章應該能給你很具體的方向。

👉 閱讀全文：https://www.research-ai.cc/blog/ai-router-agent-dispatch​

《AI 深度工作流》電子報 — 第 05 期​
​不定期出刊 ✦ 如有任何問題或想法，歡迎直接回覆這封信