逍遙文工作室

近半年來，我開始接觸 Codex 和 Claude Code，這兩者是對工程師影響巨大的軟體服務，在這裡就簡稱它們為 AI Agent。

面對 AI 迅速發展，有人說：如果你學得慢，那就不要學了。代表的意思是，一旦我們花時間學習，結果還沒學完，新的 AI 技術工具又出現，直接取代了我們原本學習的技術工具。

的確如此，我才剛想要了解 n8n、OpenClaw，才發現 Codex 和 Claude Code 才是我該真正去學習的目標，畢竟它們跟我的工作十分相關。假如能跟我生活連結的工具，那我就會直接現學現賣，像是令我大開眼界的影音 Seedance 2.0。🤓

• 註 1：n8n 是一個知名的「自動化工作流」與「AI 流程自動化」平台（名稱源自 nodemation）。它讓使用者能像「拼積木」一樣，透過視覺化的拖拉介面，將不同的軟體、資料庫與 AI 模型（如 ChatGPT、Claude）串接起來，讓系統自動幫你執行重複、繁瑣的工作，完全不需具備深厚的程式背景。
• 註 2：OpenClaw 是一款近期爆紅的開源人工智慧代理（AI Agent）軟體。因為其官方圖標是一隻紅色龍蝦，它也被網友暱稱為「龍蝦AI」，而安裝、設定與訓練它的過程則被戲稱為「養龍蝦」。
• 註 3：Seedance 2.0 是由字節跳動（ByteDance）旗下 Niobotics 團隊開發的先進文字與圖片轉影片（text-to-video / image-to-video）生成模型。它不僅能生成高畫質影像，還具備「多模態敘事」與原生音畫同步功能，被視為目前影片生成領域的頂尖技術。

這篇主要講：非技術人員的 AI 執行夥伴：Codex 完全指南

1. 引言：超越「對話框」的 AI 進化

在 AI 轉型進入深水區的今天，多數人對 AI 的認知仍停留在問答階段。然而，技術範式正在發生根本性的轉移：我們正從「網頁型 AI」邁向「本地 AI Agent」（如 Codex、Claude Code）。這不只是介面的改變，更是從「數位顧問」到「數位勞動力」的質變。

核心定義：AI Agent AI Agent 不再只是被動等待指令的聊天視窗，而是一個擁有系統執行權限的數位實體。它能直接進入你的工作環境，閱讀、修改檔案、執行工具並產生最終產出，完成從「建議」到「交付」的閉環。

生動地說，網頁型 AI 像是「住在瀏覽器裡的智囊」，你必須費心把資料搬到它面前，它才能給你建議；而本地 AI Agent 則是「住在電腦裡的實幹助理」，它就在你的檔案夾旁待命，無需你搬運資料，它便能直接動手幹活。

既然 Agent 擁有了直接觸碰電腦的權限，它的協作邏輯與一般聊天有何本質不同？

2. 技術邊界：網頁型 AI vs. 本地 AI Agent

傳統網頁版 AI 的工作流程是「斷裂」的：你需要手動上傳、等待生成、下載後再自行整理。而本地 AI Agent（如目前可透過 ChatGPT 帳號免費使用的 Codex）則直接嵌入你的操作系統中。這種「零距離」的存取能力，讓 AI 從文字產生器變成了真正的生產力系統。

比較維度	網頁型 AI (Web-based AI)	本地 AI Agent (Local Agent)
居住位置	雲端瀏覽器	本地電腦 (桌面 App 或 CLI)
資料存取方式	手動上傳/下載	直接讀取與修改本地專案資夾
操作便利性	頻繁的複製與貼上	自動連續執行，支援 80% 語音輸入
主要行動力	提供文字建議或程式碼片段	直接修改檔案、執行指令、生成圖像

當 AI 擁有了「動手做」的權限，管理數位勞動力的能力便成為數位轉型的核心。

3. 駕馭 Agent 的四大基石：從控制到協作

作為 AI 數位轉型者，你必須掌握以下四個概念，將 AI 從不穩定的工具轉化為受控的勞動力。

• 專案 (Project) 與上下文工程： 不要讓 AI 在整台硬碟中大海撈針。透過指定特定的資料夾為「專案」，你圈出了 AI 的工作邊界。記住，「檔案管理就是上下文工程 (Context Engineering)」，將檔案歸類、取名清晰，是讓 AI 精準定位資訊的基礎習慣。
• 權限 (Permissions)：安全與效率的權衡： 權限決定了 AI 的行動自由度。

模式名稱	說明	安全性	效率
要求核准	每個動作（讀取、修改、執行）都需人工點擊。	最高	最慢
代為核准	專案資料夾內自由行動，跨資料夾或連網才詢問。	中等	中等
Full Access (YOLO)	「You Only Live Once」，完全授權，不詢問直接執行。	最低	最高

• 上下文 (Context) 壓縮原則： AI 的大腦容量（上下文視窗）有限。當對話過長或檔案過多，焦點會模糊。建議在上下文佔用達到 80% 時，使用 /compact 指令進行壓縮或開啟新對話，清空冗餘資訊，確保 AI 始終維持高效思維。
• Agent Markdown vs. Memory：員工手冊與觀察筆記：
  • Agent Markdown： 這是你親手寫的「員工手冊」，定義專案專屬規矩（如：強制繁體中文、禁止刪除原始檔）。
  • Memory： 這是 AI 對你的「長期觀察筆記」。優點是越用越懂你，缺點是可能「過度解讀」舊習慣。身為管理者，需定期詢問 AI：「你記住了我哪些偏好？」並適時剔除錯誤資訊。
• 平行宇宙功能 (Forking)： 這是 Agent 獨有的「存檔點」功能。當任務面臨多個選擇（選項 A 或 B）時，你可以 Fork 出一條分支進行實驗。即使失敗，也能隨時回到存檔點重來，這為大膽實驗提供了零成本的安全網。

4. 實戰場景：將 Agent 轉化為生產力系統

以「講座籌備」為例，本地 Agent 能如何重構行政流程？

1. 檔案自動化管理： 讓 Agent 掃描資夾，將「最終版_真的最後版.docx」根據內容重新命名為「202606_講座活動說明」。
2. 資料處理與日誌紀錄： 要求 Agent 整理報名表 Excel，並指定「任務目的」（例如：用於簽到紀錄）。關鍵在於要求 AI 同時產出「處置日誌」，詳細記錄修改歷程與資料缺漏，確保人類管理者的驗收效率。此過程建議搭配 80% 的語音輸入，大幅減少打字負擔。
3. 規劃模式與視覺化註解： 處理複雜任務（如製作活動網頁或簡報）時，先進入 Planning Mode 讓 AI 扮演 PM 釐清需求。當網頁預覽生成後，利用「視覺化註解」功能，直接在預覽畫面上點選不順眼的元素並說出：「標題放大、按鈕上移」，AI 會自動修改底層程式碼。
4. 多模態內容產出： 利用內建的 Image 2 模組，直接在 Agent 對話中生成講者卡片、簡報封面或活動視覺，達成一站式交付。

5. 心態重構：AI 是助理，更是可訓練的夥伴

在 Agent 時代，我們必須擁抱 “Vibe Coding" 的心態：你不需要精通每一行代碼，但必須學會「驗收驅動的回饋 (Verification-driven Feedback)」。

• 經理人思維： 給背景、定目標、看計劃、驗成果。將 AI 視為新同事，它做錯時需明確指出「哪裡不對、為什麼不對」。
• 能力沉澱 (Skills)： 將跑通的 SOP 存為 Skill。Agent Markdown 是基礎規矩，而 Skill 則是處理長流程、複雜任務的專業技能包，避免佔用基礎對話的思考空間。
• 自動化解放腦子： 運用 Plugins 連結 Gmail 或雲端硬碟。將「每日早晨檢查新報名並更新 Excel」這類瑣事交給排程自動化，解放你的高階思考力。

核心溝通三心法：

1. 具體化目的： 告訴 AI 產出的用途，而非僅給指令。
2. SOP 化流程： 成功的經驗必須轉化為 Skill 以供複用。
3. 回饋化溝通： 讓 AI 邊做邊解釋，將其視為「隨身家教」。

6. 總結：踏出從問答到協作的第一步

AI 不再只是應聲蟲，而是能進入現場的協作夥伴。對於數位轉型者而言，核心路徑在於：「會的事叫它做，不會的事叫它教」。

新手上手建議清單：

• [ ] 建立第一個專案： 找一個包含 3-5 個檔案的舊資夾，讓 AI 進行「檔案命名規範化」。
• [ ] 嘗試 Fork 功能： 針對同一個任務，Fork 出兩條分支比較不同做法的優劣。
• [ ] 使用視覺化註解： 嘗試不寫代碼，僅透過「點擊與說話」修改一個網頁預覽。
• [ ] 撰寫 Agent Markdown： 為你的日常工作訂下 3 條最基本的工作原則。
• [ ] 清理 Memory： 問問 AI：「關於我的工作習慣，你目前記住了什麼？」

這場變革並非要求每個人都變成工程師，而是賦予每個人「管理數位勞動力」的能力。從今天起，停止單純的聊天，開始在你的電腦裡訓練第一位 AI 員工！🤠