我研究數位生產力工具的起點，是大學時候讀「電腦玩物」。
從 Gmail、Evernote 一路到 Notion，後來我敢一頭跳進「數位工作術」這個領域、做起雷蒙三十這個品牌，最早幫我打地基的人，就是電腦玩物站長 Esor。
三年前我請他錄過一集 Podcast，那時候還不是 AI 的大時代，我們聊的是「怎麼把生活專案化」：
三年後再坐下來，主題換成了 AI Agent，聊到最後我卻有一種很奇妙的感覺：
我們從相反的兩端出發，最後走到了同一個地方。
他是華語圈寫數位工具寫最久的人，這兩個月把用了十幾年的第二大腦整套搬出 Evernote；我是這兩年一直在玩 AI Agent 的人，做了 AI 分身「雷小蒙」。
結果我們長出來的工作流，幾乎一模一樣！
這場直播表面上在聊工具，但真正讓我有收穫的，是它逼我重新想清楚一個問題：
當 AI 已經可以接手大部分的軟體操作，知識工作者到底還剩下什麼，是不能、也不該外包的？
以下是我整理這場對談後，最有共鳴的 8 個收穫。
一、舊筆記沒有過時，在 AI 時代反而更值錢
最反直覺的一點，是 Esor 用了十幾年的 Evernote，到了 AI 時代不但沒被淘汰，反而成了他最大的本錢。
他笑說自己「大概是全台灣唯一還在用 Evernote 的人」，工具幾乎沒換，但價值整個翻轉。「當年累積的那些筆記，我一丟給 AI，馬上就有一個準備好可以工作的助理。」它讀過他的脈絡，懂他的語氣，一開口就不是一張白紙。
我自己也是同樣的體會。我們花好幾年寫下來的工作流程、踩坑紀錄，本來只是給自己看的備忘，現在卻成了餵養 AI 最好的養分。
所以導入 AI 的第一步，從來不是「學一個多潮的新工具」，而是你過去願不願意好好累積自己的知識庫。你餵給它的脈絡越厚，它越像你。
二、「人，不要再去操作軟體了」
這是 Esor 一篇文章的標題：《AI 結合卡片盒筆記法，人不再操作軟體，用對話流程讓 Codex 搭建資料整理系統》。
過去我們打造第二大腦，要花大把時間上標籤、拉資料夾、寫摘要，把筆記整理成漂亮的網狀結構。但這些事，AI 已經能做得又快又好，而且把這些流程交出去，人才有餘力去想「我真正要的是什麼」？
也因為這樣，Esor 挑工具有了一條新判準：「如果你的 AI 連不上它，這個工具基本上可以淘汰了。」因為你一旦把內容和習慣都長在一個 AI 控制不到的軟體裡，最後只能自己一步步手動操作，動彈不得。
一個工具的價值，正在從「它有多好用」，悄悄變成「你的 AI 能不能驅動它」。未來真正在操作軟體的，不會是你的滑鼠，是你的 AI Agent。
三、把 AI 養成「你的樣子」，否則它只會給你正確的廢話
Esor 講得很直接，大型語言模型的本質，是把網路上最大量、最權威的版本當成標準答案，所以一個沒被調教過的 AI，「回答通常都是一些很正確的廢話」，聽起來都對，卻很難用在你身上。
解法是，讓它持續讀你過往的所有足跡、文章、判斷，慢慢長成你的樣子。這也是我做 AI Agent 迷你課時最想傳遞的事。
一個沒被你餵養過的 AI，再聰明也只是公版機器。真正的槓桿，是你願不願意把自己的內容和判斷，持續餵給同一個 AI。
四、一場「不打開筆記軟體」的知識管理
直播最精彩的一段，是 Esor 直接開畫面，示範他每天怎麼處理資訊。
他有一個 Codex 的 AI Agent，背後接著資料庫，每天自動爬他在 X 上會感興趣的內容，挑到喜歡的就把連結丟進去，順手講一句自己的觀點和需求。重點來了，他要的不是「把文章摘要出來」，而是「從我的需求，把這篇文章我真正想知道的抓出來」。整理好的內容直接攤在螢幕右邊，他連筆記軟體都不用打開。
「你看，我從頭到尾沒有打開 RSS 閱讀器，也沒有打開筆記軟體，全程都用對話把流程串起來。」
我的流程跟他幾乎一樣。雷小蒙每天早上九點幫我爬好當天的 AI 功能更新、過濾掉我沒興趣的投資新聞；寫文章時我用語音把感受講給它聽，它寫成草稿，我在 Obsidian 改一改，再叫它連封面圖、CTA、標籤一起發佈到 WordPress。他用 Codex、我用 Claude Code，介面不同，邏輯一樣。
這場示範讓我看清一件事：我們做的是同一件事，把「操作軟體的時間」換成「思考與判斷的時間」。角色也跟著變了，從那個親自做事的人，變成會下需求、懂得驗收的指揮官。
五、為什麼還要刻意留一塊「摩擦力」給自己？
有意思的是，Esor 明明全自動化了，卻故意把 Evernote 留下來當「手動區」。
「我會刻意給自己增加一點摩擦力。」Esor 說。
AI 給的東西雜訊其實很多，常常丟給你一個又具體又龐大的方案，你要是照單全收，反而做了太多。而我們這種研究生產力的人，最後要的是最精簡、效益最高的那幾步。所以他習慣在 AI 做完之後，憑自己的經驗去蕪存菁，挑出「這才是我真正要做的」，再放進筆記。這一步，他堅持自己來。
我給這件事一個比喻：一個老闆請了四五個員工去查資料，他們給你三疊報告，你身為厲害的老闆，要做的是抽出最重要的那兩張紙，而不是三疊全收。
自動化的最高境界，不是把所有事都丟出去，而是清楚知道哪一塊要留著自己動手。把討厭的、繁瑣的丟給 AI，把你喜歡、需要判斷的留給自己，慢慢做、做精緻。
六、挑戰 AI 的極限，再把成功的流程變成一條規則
Esor 到現在還用很傳統的 Google Blogger，原本根本接不上 AI。但他的態度很值得學：先別預設它做不到，試了再說。
趁著 Codex 出了能操作瀏覽器的 Chrome 外掛，他就試著叫它幫忙上文章。第一次格式怪怪的、圖也沒上去，它還跟他道歉，改了幾次才成功。而他真正厲害的，是成功之後那一步：「一旦成功，你就告訴它『你這次做得很好』，請它把剛才的流程彙整成一份規則。」下次它就照著做。
我補了一個技術提醒：Codex 直接接管整台電腦雖然萬能，卻很耗 Token（我之前讓它幫我打手機遊戲，兩關就燒光二十美金），所以能用 API、MCP 串接的就優先串，讓它操作整台電腦永遠是最後一步。
這裡藏著兩個複利的開關：一是去挑戰 AI 的極限，別替它預設天花板；二是把每一次成功的協作，沉澱成一條可複用的規則。
七、AI 出現後，創作者的未來？
這是我最想跟 Esor 聊的一題。當 AI 能快速生產、快速回答，我們這些寫東西的人怎麼辦？
他的答案很坦白：連他自己現在都先問 AI、不上 Google 了，「連我自己都這樣找資料了，我還能要求別人給我的部落格多少流量呢？」但他話鋒一轉，點出一個我深有同感的觀察：真正講到一個操作方法、一段工作流程、一個「為什麼這樣轉」的判斷時，AI 是摘要不出來的。第一步、第二步它抓得到，中間那個轉折抓不到。那時候，他還是得自己打開原文去讀。
所以他現在發文變慢，但每篇都更深，一般性的教學文乾脆不寫了。我則把這件事叫做「觀點先行」：看到一篇 TechCrunch 報導，我會立刻補一句自己的看法，讓我的 AI 知道，連結永遠只是參考資料，最重要的是雷蒙怎麼想。
AI 會讓「平庸的整理」變得極度便宜，但不會讓「真實的判斷」變便宜。未來內容的護城河，不是你知道多少資訊，而是你在某個問題上，怎麼想、怎麼選、怎麼走過來的！
八、未來的學習：人類做判斷，AI 學操作
Esor 分享了一個讓我印象很深的案例：他編過一本教 ChatGPT 操作 Excel 的書，當時做了個大膽決定：書裡完全不放公式和函數。
「以前這種書都五六百頁，像在翻電話簿。」
既然這本書的訴求就是讓 AI 幫你寫公式，那就只留作者的獨家經驗，什麼問法會出錯、出錯了怎麼辦？結果兩百多頁就出版了。
這正好呼應 Andrej Karpathy 那句話：「你可以外包你的思考，但不能外包你的理解。」你還是得有底層的知識架構，總不能要 AI 幫你操作 Excel，卻連 Excel 能跑出哪些東西都不知道。
於是我大膽下一個五年後的預言：未來的課程會變成「人跟 AI 一起上課」，人學最後的判斷與經驗，工具操作讓你的 AI 去學，直接把文檔餵給 AI「像餵牠一顆神奇糖果，你的寶可夢就會升級」。
過去學習是「人把所有東西都學起來」，未來是「人學判斷、AI 學操作，兩個一起進化」。
直播現場問答
直播後段的 Q&A 很熱烈，幾個提問的解法都很實用，而且指向同一件事。
AI 老是偷懶、讀一半就說讀完了怎麼辦？
Esor 的解法是給它一句「請你一段一段讀」；我則補充，發現結果不對時不要急著關掉，要追問，「一個員工犯一次錯你就開除，有問題的是老闆」。
回答超出我的認知、聽不懂怎麼辦？
方法是在規則裡寫死「講到專有名詞就附一段白話解釋」，或直接跟它說「我都聽不懂，白話一點、一步一步講」。也有人問要不要讓小孩用 AI，Esor 說會陪小孩走引導式的用法，教他用 AI 找作文點子、用講的寫一個 Roblox 小遊戲，但絕不是讓 AI 代寫，重點是培養「不速成、不抄答案」的素養。
企業該怎麼導入 AI？
Esor 很直接的回答：「其實很難導入，資安就是一道難關。」
我們的共識是從個人做起，主管先找有好奇心的人用起來，等大家都有「跟自己的 AI 協作」的素養，再談團隊共用。不然很危險，你跟它說「幫我整理一下資料夾」，它把中文理解成 clear，可能就直接幫你清空了。
雷蒙結語
- AI 沒讓你的舊筆記過時，反而讓它更值錢。你越早累積自己的知識庫，AI 一來你越快進入狀況。
- 未來真正操作軟體的是 AI，不是你的滑鼠。選工具的新標準，是「我的 AI 接不接得上」。
- 自動化的最高境界，是刻意留一塊摩擦力給自己。因為判斷、品味、享受，不能外包。
- AI 會淘汰平庸的整理，不會淘汰真實的判斷。它摘要得出步驟，摘要不出你轉折處的那一念。
- 未來的學習是人機分工：人學判斷，AI 學操作。你跟你的 AI，要一起進化。
我們聊到三年後再對談會聊什麼？
Esor 說，到那時候「怎麼操作 AI」這種問題大概都不必聊了，因為它會簡單到人人都會。我們可能會回頭聊更形而上的東西，包含你的價值觀、工作哲學，以及當工作都被接手之後，人活著的意義是什麼？
我很期待那一天！在那之前，先好好打造手邊那個會犯錯、但願意陪你一起長大的 AI 吧。
🚀 這篇為我整理 Esor 直播訪談後的重點精華，完整版對談（含字幕永久回放）都在專屬《超級個體工作術》學員的課程單元中！
想看更多超級個體與 AI 時代工作法的人物對談：
- 安吉是誰？從臺灣到美國，冒牌者症候群的掙扎，自費出版《臺灣製造》的身分轉型故事
- 瓦基是誰？從台積電到知識型超級個體，不追求爆紅，選擇能走 10 年的路
- 周加恩是誰？從喜劇演員到 AI 寫作，堅持「遵從本心」，用真實體驗對抗 AI 平庸內容
📍 【核心大課】我把這七年試錯、踩坑、實踐的「新時代工作者的生存邏輯」，都整理在我的【超級個體工作術】。
- 不想被公司、傳統工作給綁架？這套方法和經驗能幫你：建立個人化知識系統、把時間變可販售資產、讓專業獨立於職位，活用 AI 思維，成為有可遷移能力的個體。
- 上過課的同學說：「這堂課是一本 AI 時代的答案參考書。」、「不僅能看到雷蒙的問題解決故事，還有其他同學的案例補充，過癮。」
- 完整拆解從職場 → 個人工作 → 到建立商業影響力的路徑。我不是教你離職創業，而是讓你成為市場需要的那個人。
