這個系列的核心目標，是幫你建立一套「統一知識庫 + 本地 AI 編輯器」的個人化生產力系統，讓寫作、知識管理與程式開發可以在同一套結構裡運作。​ 對我來說，理想的個人化生產力系統需要同時滿足三件事：​ 1. 支援日常寫作與輸出（文章、筆記、腳本）。​ 2. 有結構化的知識管理，可以長期累積與搜尋。​ 3. 能直接連到程式開發環境，讓 AI 幫忙寫腳本、自動化工作流。​ 目前我的配置大致是：寫作與知識管理放在 Notion，因為我高度依賴手機輸入；程式開發則放在本地端，用 Google 的 Antigravity 反重力程式編輯器，搭配各種 AI IDE 功能。​ 但這樣一分為二的狀態，讓知識與程式碼分散在 Notion 和本地資料夾之間，所以接下來會嘗試把兩邊的資料統一整理，讓 Notion 與 Antigravity 操作的是同一套知識庫。​ 最近還有關注的一個關鍵工具是 Anthropic 推出的 Claude Cowork。​ 它可以在本地端幫忙做文件管理（重新命名、整理、搬移檔案），也能上網搜尋、做研究、寫草稿，等於把「研究 + 文件整理 + 檔案操作」塞進同一個介面。 ​這類工具的價值不只是「多會幾件事」，而是能讓你在一個地方，完成原本需要切換好幾個工具的流程，整體的流暢度會完全不同。​ 目前的限制是 Claude Cowork 只支援 macOS，而且就過去使用 Anthropic 工具的經驗，即使未來有 Windows 版，表現可能還是以 Mac 為主。 ​所以接下來我打算先入手一台 MacBook，實際測試 Claude Cowork 在本地端知識管理、程式開發與工作流上的整合可能性，順便重整整套工作流設計。​ 等這些實驗比較穩定之後，會在這個 Lv2 系列課程裡，把整套「從 Notion 到本地端」的整合做成具體教學，讓你能直接照著調整自己的系統。

本社群內的基礎課程，目的都是為了打造個人化生產力系統。 我心目中的個人化生產力系統，是以 AI IDE 為核心，搭配 Notion、n8n、Google Workspace，以及各種數位工具。 目前最喜歡的 AI IDE 是 Google 的反重力程式編輯器，今天以我實際遇到的例子，抓取 Threads 資料來作後續分析，讓 AI 幫我寫了腳本。 請見本文，注意本文是 Lv2 ，還沒有升級的同學趕快在社群內互動。 https://www.skool.com/decode-ai-ai-2667/classroom/7b153a83?md=724f3086c39d4393996de2ad21b4def4

我目前最熱愛的自動化工具就是 Apps Script，因為它不用錢。 n8n 自架在本地端本身不需要授權費，但如果流程需要外部服務呼叫 webhook（回呼）或要對外提供多人使用，就得自行處理網域、HTTPS、對外連線、資安與維運，因此門檻會比用雲端代管高。 如果你要使用 Zeabur 來架設 n8n 的話，那你就要付給Zeabur 錢，每個月最起碼是 5 美元起跳。 Apps Script 唯一的缺點大概就是要懂得寫程式。幸虧我們在 AI 時代，所以我們可以透過 ChatGPT 或 Gemini 來寫程式。 可是使用 ChatGPT 或 Gemini 來寫程式，在那邊複製貼上真的很麻煩，所以我建議你使用本地端的程式開發工具，例如 Antigravity、Cursor、Windsurf 這類的 AI 程式編輯器，再搭配 Google 開發的 CLASP 套件。 這件事我應該在許多文章中都已經提到過了。 只是在使用 AI 程式編輯器進行 Google Apps Script 專案時，應該會蠻常發現使用 CLASP 套件有時候會產生一些小問題，例如會發現沒辦法連上專案。 所以我寫了一個簡單的教學，幫助大家釐清邏輯 https://www.skool.com/decode-ai-ai-2667/classroom/afaf661a?md=c31130e9f4714b0c944eea2eb6017361

原本打算採付費制，後來想一想還是直接提供給社群內的人都可以觀看，畢竟是基礎版。 課程影片將採 Lv2 制，請努力與社群互動，晉升 2 級。 影片更新時程請見 https://www.skool.com/decode-ai-ai-2667/classroom/afaf661a?md=197a30779e714ed5bb8dfc7d3323214b PS: 請注意影片更新時程可能會修改。

雖然在 2025 年末，語言模型的語言理解能力有大幅地增加，但是提示詞工程的重要性仍然不可忽視。一個好的提示詞，能夠讓輸出的品質非常穩定。 但是我們常常都沒有好的想法，該怎麼辦呢？我建議你加入 OpenAI Academy。 OpenAI Academy（https://academy.openai.com/）是 OpenAI 推出的免費學習與社群平台，目標是把 AI 知識「普及化」，讓不同背景的人都能更有信心把 AI 用在工作、生活與社群中。 裡面的內容都是英語的，如果你的英語程度跟我差不多爛，你可以安裝沉浸式翻譯的外掛，上網搜尋一下你就知道怎麼用了。 登入後，你可以找到右側的 Content，這裡有許多免費的 AI 學習資源，要找提示詞的話，關鍵字可以搜尋 Prompt Pack。 使用提示詞的邏輯 你可以在 ChatGPT 中使用簡單的英文指令（或稱「提示」和「查詢」），模型會根據這些提示做出回應。更好的提示詞，更深思熟慮、清晰且表達清晰——會產生更有用的回應。請記住，每個好的提示都包含： 任務——你要 ChatGPT 做什麼？ 背景說明——還有哪些額外資訊或文件需要注意？ 理想輸出——你預期最終輸出會如何格式化？ 範例： I’m a product manager launching a new SaaS product. Research how top 5 competitors in this space structure their pricing tiers, freemium vs. paid, feature gating, and upsell triggers. Use public sources and include URLs. Output: A comparison table with insights and risks. 我是一名產品經理，正在推出一款新的 SaaS 產品。研究這個領域前五大競爭者如何設計他們的定價層級、免費增值與付費、功能門檻，以及升級銷售觸發。使用公開來源並附上網址。輸出：包含洞見與風險的比較表。