ChatGPT vs Claude vs Gemini，你是不是也每個月都在看誰又更新了、誰又「最強」了？ 老實說，這場辯論已經開始過時了。因為真正改變遊戲規則的，不是某個 AI 變更強，而是多個 AI 工具開始能「接在一起」用了。 Google 最近做了一件事：把 NotebookLM（研究工具）和 AntiGravity（開發平台）透過 MCP 協議串聯起來。這代表什麼？你的 AI 工作流從「一個人包辦所有事」，變成了「專業分工的團隊」。 1️⃣ 🔍 先搞懂這兩個工具各自在幹嘛 NotebookLM 是 Google 的 AI 研究助手。你把 PDF、文件、網頁丟進去，它就變成你的私人知識庫。最重要的是：它所有回答都只從你上傳的資料中提取，不會亂編。 目前 NotebookLM 每月有 4,800 萬次訪問，用戶年增超過 100%。最近還升級到 Gemini 3.1 Pro，推理能力直接翻倍。 除了問答，它還能自動生成： 📌 Audio Overview（AI 主持人幫你做 Podcast 式摘要） 📌 Mind Map（把你的資料視覺化成思維導圖） 📌 PowerPoint（直接匯出可編輯的簡報） 📌 Deep Research（主動幫你上網搜尋補充資料） 簡單說：NotebookLM 是一個「超強的讀者」，它能讀懂你所有資料，但它不會幫你建東西。 AntiGravity 是 Google 的 AI 開發平台（IDE），基於 VS Code 打造。它的核心不是讓你寫程式，而是讓你用自然語言描述需求，AI Agent 幫你建。 它有兩個特別的功能： 📌 Manager Mode — 可以同時派多個 AI Agent 處理不同任務 📌 Agent Skills — 輕量級技能包，讓 AI 學會特定工作方式 在基準測試中，AntiGravity 首次嘗試完成率 72%，跟 Claude Code（76%）接近，優於 Cursor（64%）。 簡單說：AntiGravity 是一個「超強的建造者」，它能建系統、寫程式、做網站，但它不擅長深度研究。 2️⃣ 🔗 MCP 協議：讓「讀者」和「建造者」握手 這兩個工具各自都很強，但真正的魔法是把它們接在一起。 MCP（Model Context Protocol）是 AI 工具之間的標準通訊協議。把它想成一個「翻譯員」：NotebookLM 把研究結果整理成結構化數據（不是純文字），AntiGravity 收到後可以直接拿來建東西。 舉個例子： ❌ 以前的工作流： 你在 NotebookLM 做完研究 → 手動複製重點 → 貼到開發工具 → 手動整理格式 → 開始建 ✅ 現在的工作流： 你跟 AntiGravity 說「用我 NotebookLM 裡的 SEO 研究，幫我建一個內容策略 Dashboard」→ 它自動從知識庫抓資料 → 直接建出來 中間省掉的不只是時間，還有大量的 token 費用。以前你要把整份文件丟給 AI 處理，現在 NotebookLM 先消化完，只傳結構化的精華給 AntiGravity。 3️⃣ 💡 實際能做什麼？5 個應用場景 這個組合能做的事比你想的多： 📊 **研究驅動的 Dashboard** — 把你的行業研究丟進 NotebookLM，讓 AntiGravity 自動建視覺化儀表板 🤖 **知識型 AI 聊天機器人** — 用你的專業資料訓練出只回答你領域問題的機器人 📝 **自動化內容生成器** — NotebookLM 負責確保資料準確，AntiGravity 負責把內容變成網頁或工具 🔄 **客戶自動化入口** — 把客戶的資料丟進知識庫，自動生成客製化的報告或方案 🌐 **研究型網站** — 你的筆記直接變成一個可互動的知識網站 重點是：這些全部可以在不寫任何程式的情況下完成。 4️⃣ 🧩 這代表什麼趨勢？從「通才 AI」到「AI 系統設計」 以前用 AI 的思維：「找到一個最強的工具，把所有事丟給它」 現在的趨勢：「找到各自最強的工具，把它們組成團隊」 這跟公司運作一樣。你不會找一個人同時當會計、工程師和設計師。你會找專業的人，然後建立協作流程。 AI 工具也一樣： 🧠 研究分析 → NotebookLM（或 Perplexity、Deep Research） 🔧 建造執行 → AntiGravity（或 Cursor、Claude Code） 🔗 串聯協議 → MCP 有意思的是，目前最有效的開發者已經在用混合工具棧：AntiGravity 搭建新專案，Cursor 做日常編碼，Claude Code 做架構審查。不是只用一個，而是每個工具用在它最擅長的地方。 🎯 結論：從「操作員」升級為「系統設計師」

做生意最難的不是產品，不是服務，是找到對的客戶。 如果你是自由工作者、小型企業主、或者是正在做 side hustle 的人，你一定知道找客戶有多花時間。手動在社交媒體上一個一個搜尋、記錄資料、寫訊息⋯⋯一整天下來可能才開發十幾二十家客戶。 我最近用 n8n（一個開源的自動化平台）搭了兩套 AI 自動獲客系統，成本最低只要 $5 美金/月，卻能做到代理公司收費幾萬塊才提供的服務。這篇文章跟你分享整個思路和成果。 🔍 為什麼找客戶需要自動化？ 找客戶這件事，拆開來看其實就是三步： 1. 搜尋 — 在目標平台上找到潛在客戶 2. 篩選 — 判斷哪些值得聯繫 3. 聯繫 — 發送個性化的訊息 手動做這三步，每個客戶大約 5 分鐘。一天全力做，也就十幾二十家。 但如果你把搜尋範圍和篩選條件事先定義好，這三步完全可以交給 AI。AI 不會累、不會忘記、而且速度快得多。 🔹 第一套：IG 獲客系統 原理：輸入目標 hashtag → AI 自動在 IG 上搜尋所有使用該 hashtag 的帳號 → 分析每個帳號（粉絲數、發帖頻率、商業潛力）→ 給出評分 → 整理到 Google Sheet。 實際成果：以香港本地卡店為例，輸入相關 hashtag 後，系統自動找到數十間店鋪，AI 幫每間店評分。我只需要看評分最高的幾間，直接 DM 聯繫。 亮點： - 搜尋條件和分析維度完全可以自訂 - 比如餐飲業可以分析食物類型、座位數量、營業時間 - 輸出的 Google Sheet 包含所有聯繫資訊 🔹 第二套：LinkedIn 獲客系統 原理：輸入搜尋條件（職位、行業、地區）→ AI 自動搜尋並抓取目標客戶的 LinkedIn profile → 分析背景、職位、決策權 → 自動生成個性化的開發信。 實際成果：搜尋「香港 + 特定行業」的決策者，系統自動找到多個目標，AI 還會判斷每個人值不值得聯繫，給出理由和建議的開發信內容。 亮點： - 不是群發垃圾信，是精準定位 - AI 會根據每個人的背景寫不同的開發信 - 大幅節省從搜尋到聯繫的時間 💰 成本對比 | 方案 | 每月費用 | |------|----------| | 台灣行銷公司 | NT$30,000-40,000 | | 香港數位行銷公司 | HK$10,000+ | | 現成訂閱工具 | 幾百美金 | | 自己搭建 n8n Workflow | $5-100 美金 | 差距是幾十倍。不是因為代理公司在騙你，是因為他們要養團隊。而你用 AI 可以一個人完成同樣的事。 🧠 你不需要 IT 背景 2026 年搭建 AI 自動化系統，不需要寫程式。 n8n 是拖拉式的操作界面，像搭積木。而且你可以直接下載別人做好的模板，只需要： 1. 導入模板 2. 配置你的搜尋條件和 API Key 3. 按下運行 需要的是「把重複工作拆解交給 AI」的思維，不是程式碼。 📌 結語 找客戶只是其中一個應用場景。數據整理、內容生成、市場分析⋯⋯任何你覺得重複、花時間的工作，都可以用同樣的思路自動化。 關鍵不是工具，是思維方式的改變。 想看完整的系統展示和運行過程，去看我最新的 YouTube 影片。 想要拿到模板直接用，加入我的付費學習中心

我做 B2B 需要找潛在客戶。 以前的做法： → 手動搜 IG hashtag 找目標帳號，一個一個點進去看 → 手動看 LinkedIn，一個一個判斷是不是目標客戶 → 一個下午，最多找到 5-10 個 現在我建了一個 n8n workflow： → 設定好條件，按一個按鈕 → AI 自動搜 IG + LinkedIn → 自動評估、自動整理成 Google Sheet → 15 分鐘，產出 50+ 個合格的潛在客戶 這樣做有什麼好處？ 最明顯的是省時間。 但更重要的是：我可以把時間花在真正需要思考的事上。 「搜 + 判斷 + 整理」這些機械式工作，交給 AI。 其實你工作中也有很多這種「一個一個做」的事。 一個一個回覆訊息。 一個一個整理資料。 一個一個複製貼上。 這些全部都可以用 n8n 或 Agent Skills 來處理。 但重點不是工具。 重點是你有沒有「想像力」。 大部分人看到重複工作，只會想「好煩」。 少數人會想：「這個可以自動化嗎？」 當你開始這樣想， 加上 AI，就能做到。 想像力 + AI = 做到。 如果你想學怎麼把想像力變成真正能跑的系統： → 升級到 AI 自動化中心 Plus（月費，持續學習） → 或報名 Agent Skills 深度實戰班（3 小時，動手建） 你工作中最想自動化的是什麼？ 留言告訴我 👇

剛開始在 IDE 上用 AI Agent 的人應該都遇過這個問題： 「欸，我們剛剛不是討論過這個嗎？」 「為什麼你又忘記專案結構了？」 「我已經解釋過三遍了...」 以下的工具幾乎都有這個問題： - Claude Code (200K tokens)：會忘記嗎？ ✅ 會 - Cursor (200K tokens)：會忘記嗎？ ✅ 會 - Windsurf (有 Fast Context)：會忘記嗎？ ✅ 會 - Antigravity (2M tokens)：會忘記嗎？ ✅ 會 - ChatGPT (有長期記憶)：會忘記嗎？ ✅ 會 對，連有「長期記憶」的 ChatGPT 也會忘。 連有 2M tokens 的 Antigravity 也會忘。 為什麼？ 因為 context window 裝滿了，系統就會壓縮舊對話。 壓縮 = 丟失細節。 丟失細節 = 「失憶」。 長期記憶救不了你嗎？ ChatGPT 和 Gemini 確實可以記住專案細節，甚至跨對話保留一年。 但問題是： 1. 長期記憶是選擇性的，不是每句話都會被記住。 2. 它有容量限制，複雜專案的細節會被篩掉。 3. 當下對話的 context window 還是會滿，壓縮時細節還是丟。 結果就是：你以為它記住了，但某些關鍵決策它就是沒存進去。 ❌ 常見的錯誤做法 - 「那我就開新對話，重新解釋一次」 → 每次都重新解釋 = 浪費時間。 - 「那我用 context window 最大的工具」 → 2M tokens 也會滿，而且調用時也會出問題 ✅ 怎麼解決這個問題？ 不是靠工具的記憶，是建「外部記憶系統」。 核心概念很簡單：不要靠 AI 的腦袋記，用文件當 AI 的外部硬碟。 就像你工作不會把所有東西都記在腦裡 — 你會寫筆記、建文件夾、做 checklist。 AI 也一樣。 每次新對話開始時，讓 AI 先「讀取」上次的進度文件。 這個做法 GitHub 和 Reddit 上很多人在用 搜「AI memory management」或「context management」就能找到各種工具 這些工具的完整設置方法，我在付費群裡有教。 不過上面的方向已經夠你開始研究了。 你用哪個 AI 工具寫代碼？有遇過「失憶」問題嗎？歡迎留言分享 👇

我剛剛實測了一個超強的玩法。 只要給 AI 一個 YouTube 連結，它就能自動分析畫面、寫好 Prompt，然後讓 Sora 2 生成一條幾乎一模一樣的爆款影片。 🔗 工具與資源 YT Short 影片複製器 (Gemini)： https://gemini.google.com/gem/1BMHtfn28_CekfMx97dkoGOW8D2Z59NJS?usp=sharing Zeabur(n8n部署平台)： https://zeabur.com/referral?referralCode=heiai1 ⭐ 想學更深入的 AI 自動化？ 歡迎加入 VIP Group，解鎖更多 n8n 實戰技巧與專屬工具： skool.com/ai-plus-8477