大家好！我是 Sarah。 💻 目前状态： 懂业务、会跑脚本、但代码苦手（非科班出身）。 🚀 职场目标： 正在全力冲刺产品经理岗位！ 🤖 AI 期待： 我相信“AI 不会取代人，但会用 AI 的人会取代不会用的人”。希望在这里学会如何用 AI 辅助写 PRD、拆解需求，实现转岗后的丝滑过渡。 如果你也是转岗党或者 AI 爱好者，欢迎找我交流，我们一起升级解锁资源！🎁

你有沒有這樣的感覺 — 每天上班，有一大堆時間花在「不用腦但不能不做」的事上？ 撈數據、整理報表、複製貼上、手動分類⋯⋯ 明明知道這些事不需要「人」來做，但就是沒有更好的辦法。 我是 Heison，做了 6 年電商，從助理做到經理，帶團隊把年營收從 300 萬美金做到 4500 萬美金。 帶團隊的過程中我發現一件事： 大量的工作時間被消耗在簡單、重複的任務上 — 撈評論、整理數據、做報表，其實這是每個行業都一樣的通病。 後來我用 AI 自動化建了一個系統，15 分鐘跑完團隊一天的工作量。 那一刻我明白： 會「用」AI 工具不算什麼，會「建」AI 系統才是真正的技能。 現在我專注教一件事 — 打造出屬於你自己的 AI 自動化系統。 不是教你追工具，是教你建系統。 因為每個人的應用場景都不一樣。 在這個社群你會看到： 🔥 真實案例 — 用 AI 自動化解決了什麼問題、省了多少時間 💡 觀念分享 — 為什麼大部分人用了 AI 還是沒有真正改變工作方式 💬 互動問答 — 你的工作痛點，我們一起想怎麼自動化 歡迎來到這裡 💪 先在下面留言告訴我：你現在工作中最重複、最浪費時間的一件事是什麼？ 🚀 三步驟解鎖 Classroom 資源 Step 1｜簽到打卡 在這篇貼文下方留言簽到，讓大家認識你！ Step 2｜自我介紹 發一篇貼文介紹自己～聊聊你是誰、做什麼、想在這裡獲得什麼？ Step 3｜互動升級 積極留言、給別人按讚，累積 5 積分即可升到 Level 2！ 🎮 積分怎麼賺？ • 你的貼文或留言被按讚 → +1 積分 • 升到 Level 2（5 積分）→ 解鎖 Classroom 免費資源 🎁 💡 小秘訣：發一篇用心的自我介紹，很容易就能拿到 5 個讚囉！ 📋 社群小約定 ✅ 互相支持 — 分享想法、彼此鼓勵，一起成長！ ✅ 尊重隱私 — 不外流任何人的個人資訊 ✅ 禁止推銷 — 不打廣告，但歡迎分享你的社群帳號（IG、YT、FB） ✅ 珍惜資源 — 社群內容僅供成員使用，請勿外傳 🚫 零騷擾 — 禁止私訊騷擾，違規直接移除 ✨ 你的小任務 ☐ 留言簽到 ☐ 發自我介紹貼文 ☐ 給 3 位成員的貼文按讚 ☐ 在別人的貼文下留言互動 完成以上任務，你很快就能升級解鎖資源啦！ 🚀 想要完整實戰？ 免費群讓你入門，Plus 群讓你實戰變現 → 6 大核心技能 + 每週直播 + 實戰 Template + Debug 框架 👉 了解 Plus 群: skool.com/ai-plus-8477 有任何問題歡迎留言，我們一起讓這個社群越來越棒 💪

一百次？兩百次？ 但有一個問題，從來沒有人認真回答過： 「會用 AI」到底是什麼意思？ 會打 prompt 叫 ChatGPT 寫 email？會用 Midjourney 生圖？ 如果只是這樣，那恭喜你，全世界幾億人都「會」 今天這篇就要拆解：AI 技能鴻溝到底在哪，以及「會用 AI」的真正定義 📊 三大機構的數據告訴我們什麼？ 1️⃣ IMF 2026 年 1 月報告："Bridging Skill Gaps for the Future" 全球 3 億個全職工作將被 AI 影響 超過 40% 的勞動力需要大規模重新學習技能 數百萬個 AI 開發、網絡安全、數據分析的職位找不到人做 注意：不是「工作消失」，是「工作變了，但人的技能沒跟上」 2️⃣ WEF 世界經濟論壇 2026 年 1 月 AI 能力正在指數級增長 但勞動力的適應？「零散且淺薄」 更可怕的是認知落差： ✅ 70% 的工人擔心 AI 對經濟的影響 ❌ 但只有 39% 覺得自己的工作會被影響 大部分人都在擔心「別人的工作」會被取代 沒有人覺得自己是那個「別人」 3️⃣ Gartner AI 對全球就業的影響到 2026 年基本中性 到 2028 年，AI 創造的工作會比取代的多 聽起來好像沒那麼可怕？ 但 Gartner 接下來的預測才是重點： 到 2027 年，75% 的招聘流程會要求 AI 能力 同時 50% 的公司會開始做「無 AI 能力測試」 為什麼同時要 AI 能力又要無 AI 測試？ 因為企業發現：很多人「會用 AI」但離開 AI 什麼都不會 🧠 「去學 AI」為什麼是一句廢話？ 你叫一個行銷人去「學 AI」，他大概會： 上一門 prompt engineering 課 → 學會跟 ChatGPT 聊天 → 然後覺得自己「會了」 但 Gartner 說了一句很重要的話： AI 技能跟傳統技能根本不同 傳統技能是「把任務做得更好」 AI 技能是「讓你成為更好的思考者、更好的溝通者、更好的決策者」 這才是真正的鴻溝所在 不是「你會不會用 ChatGPT」的鴻溝 是「你有沒有能力判斷 AI 給你的東西對不對」的鴻溝 是「你能不能把 AI 的輸出變成商業決策」的鴻溝 是「你拿掉 AI 之後，還有沒有獨立思考能力」的鴻溝 AI 取代的從來不是「工作」，是「任務」 但你需要全新的技能組合，才能做「被 AI 增強之後的工作」 💡 「會用 AI」的三層定義 我把它分成三層，你可以對照一下自己在哪一層： 🟢 第一層：會操作 會打 prompt、會用 ChatGPT、會生成圖片和文案 這一層的價值正在快速歸零 因為人人都會，而且工具越來越容易用 明年可能連 prompt 都不用打了 🟡 第二層：會判斷 知道 AI 什麼時候對、什麼時候錯 知道哪些任務該交給 AI、哪些絕對不該 能驗證 AI 的輸出、能修正錯誤、能把 AI 的 80 分拉到 95 分 這一層需要你本身就有專業知識，AI 只是加速器 🔴 第三層：會設計 能把 AI 嵌入完整的工作流程，創造系統性的效率提升 能設計「人 + AI」的協作模式，而不只是一問一答 能用 AI 解決別人根本不知道可以用 AI 解決的問題 這一層最稀缺，也最值錢 📊 IMF 的薪資數據直接驗證了這個分層： AI 開發 / 設計技能 → 薪資溢價 7.5-8% AI 使用 / 操作技能 → 薪資溢價只有 2% 差距 4 倍 「會操作」只值 2%，「會設計」才值 8% 🎯 所以回到最開始那句話 AI 不會取代你 不會用 AI 的人也不會取代你 真正會取代你的 是那些用 AI 解決了你不知道能用 AI 解決的問題的人 他們不是「更會打 prompt」 他們是更會思考、更懂業務、更能把 AI 跟真實世界連起來 在這個人人都能用 AI 的時代 你的競爭力不是「會用 AI」 而是「AI 以外的那些東西」 你覺得自己目前在哪一層？你身邊的人大多停在哪一層？歡迎留言分享你的觀察 👇

用 Claude Code Skills 的人一定遇過這種情況： 你寫了一個 Skill，開 thinking mode 檢查，發現它根本沒有自動觸發 你只好手動打 /skill-name 或者直接跟它說「用 XX skill」 如果每次都要你手動指定，那寫 Skill 的意義在哪？ Anthropic 剛更新了官方的 Skill Creator Plugin，直接解決這個問題 而且背後的信號比功能本身更值得注意 1️⃣ 🔍 先搞懂根本原因：為什麼自動觸發不準？ Claude 決定要不要用你的 Skill，不是讀完整份 SKILL.md 它只看 title + 大約 100 字的 description 然後決定要不要啟用 description 太寬 → 亂觸發，叫 A 它跑了 B description 太窄 → 從來不自動觸發，每次都要你手動指定 你確實可以在 thinking mode 裡看到它有沒有觸發 但問題是，你不可能每次用每種問法都手動檢查一遍 Anthropic 拿自己的 6 個官方文件類 Skills 跑了一次 Trigger Tuning 結果：5 個的觸發準確度都還有提升空間 連官方自己寫的都有優化餘地 2️⃣ 📊 Eval — 幫你的 Skill 寫「考試卷」 這是軟體工程裡「自動化測試」的概念 寫程式有 unit test，現在寫 Skills 也有了 你定義一組測試 prompt + 預期結果 Skill Creator 自動跑一輪，告訴你每題 pass 還是 fail 不用再一個一個手動試 最實用的場景：模型更新後，跑一次 Eval 就知道你的 Skill 還能不能用 不用等到出問題才發現 根據 Anthropic 的測試，PDF 填表 Skill 跑完 Eval 優化後 原本填錯位置的問題全部修好了 3️⃣ 🎯 Trigger Tuning — 解決「叫了不來」的問題 如果你有 10 個以上的 Skills，一定遇過觸發打架 想用 Skill A，結果 Claude 跑去用 Skill B Trigger Tuning 會分析你目前的 description 用不同的問法反覆測試，自動調整措辭 用 60/40 的 train/test split，每輪跑 3 次取平均 最多迭代 5 輪，找到最佳平衡 Anthropic 自己測了 6 個官方 Skills 5 個觸發率都有提升 4️⃣ 📈 Benchmark — A/B 對比測試 這個功能超實用： 「有 Skill」vs「沒有 Skill」，同時跑，量化給你看 你會拿到三個關鍵數據： 📌 Pass Rate — 通過率多少 📌 Token Usage — 花了多少 token 📌 Total Time — 跑了多久 甚至可以比較兩個版本的 Skill，看哪個更好 如果「沒有 Skill」反而更好 → 這個 Skill 該退役了 5️⃣ ⚡ 這次更新背後的信號 Anthropic 願意花資源建 Eval 系統 代表他們把 Skills 當作長期核心功能，不是一個實驗性玩具 以前所有 AI 的 prompt、workflow 都是「寫完就上，出事再改」 現在 Anthropic 說：不行，你要先測過 這在 AI 工具圈是第一次 定義輸入 → 定義預期輸出 → 自動跑 → 報告結果 就是軟體工程裡的自動化測試，套用在 AI Skills 上 寫 Skill 的門檻會越來越低，以後人人都會寫 但誰能管好自己的 Skills，誰的 AI 助手才真的可靠 ⭐ 結論：從「手動檢查」升級為「用數據驗證」 以前寫 Skills：寫完 → 開 thinking mode 看一次 →「這次有觸發」→ 上線 現在寫 Skills：寫完 → Eval 測品質 → Benchmark 對比效果 → Trigger Tuning 優化觸發 → 確認沒問題才上線 Skills 的門檻只會越來越低 但品質管理只會越來越重要 以後人人都會寫 Skill，差距在誰會管理 Skill 你的 Claude Code 有幾個 Skills？有沒有遇過觸發不準的問題？歡迎留言分享 👇 想知道具體怎麼安裝、怎麼跑 Eval、怎麼做 Trigger Tuning？ 付費群有完整的操作教學，包括兩種 Skill 類型怎麼分別測試 ✅