《生成式 AI 群英傳》第38期---我的影音工作室：新一代 AI 代理人首次工作整合與實作筆記
前言｜作品之外的工作
放完一整晚的歌，電腦裡往往還排著另一張清單：混音要確認版本、短片要檢查字幕、宣傳圖要準備不同尺寸，還有文章的來源尚未整理。創作者忙了一天，回頭算算，真正用來創作的時間，有時候反而沒有想像中多。
做《CYBER HER》時，我對這件事特別有感。音樂、角色與影像必須回到整體演出的節奏裡判斷，工具可以產生許多選擇，但選擇最後要成為作品，仍然需要有人一段一段看、一首一首聽。
我同時做 DJ、音樂、影像與專欄，最近看待 AI 的角度也逐漸改變。除了它能生成什麼，我更想知道：那些整理、比對、轉檔與反覆交接的工作，能不能有一部分交給它？
夜班結束之後，人需要睡覺，製作進度卻不會因為我想休息就自己往前走。我沒有打算用一句指令成立跨國公司，只希望少花一點時間找檔案，多留一些精神決定作品應該長什麼樣子。
今年九月至十月，個人代理、模型分工、本地運算與創作工具的發展，讓這個想法變得更具體。AI 開始有自己的工作環境，可以接觸檔案、操作工具，甚至承接需要多個步驟的委託。創作者面對的問題，也從「怎麼問它」延伸成「怎麼安排它做事」。
我的 AI AGENT 專用資料夾已經建立，雲端的 Grok Bot 與自架工具也正在逐步設定。這段摸索讓我發現，真正需要調整的，不只是訂閱哪個模型，而是資料、工具、權限與人的判斷如何接在一起。
這裡所說的「新一代」，是我觀察個人助理由對話、工具連接，走向持續執行環境的整理方式，並非產業共同採用的正式分代標準。
工作室可以多一位助手，但不必因此多一位需要全天候照顧的室友。
一、交代工作的改變：先說清楚要完成什麼
十月十三日，Anthropic 工程主管 Felix Rieseberg 發表文章，從速度、抽象層次、深度與跨領域範圍，討論如何擴大 AI 的使用方式。他提出的方向，包括把注意力放在結果、提供真正相關的資料與工具，以及借用其他領域的方法。他的原文與中文介紹影片，放在第八章一併介紹。
這個提醒放進工作室，其實並不陌生。
「幫我把這個檔案轉成 MP4」，和「把下週演出需要的交付檔準備好」，是兩種不同的委託。前者指定一個動作；後者需要先了解交件規格、找出素材、確認版本，才能決定接下來做什麼。
但目標說得比較大，不代表交代可以比較含糊。若只說「幫我宣傳新歌」，它可能很快交回十個標題、五篇貼文，卻不知道歌曲尚未發行、封面仍在修改，甚至把還沒確認的日期寫進文案。看起來產量很多，實際上可能每一份都要重做。
我比較想先讓它掌握工作現況：這首歌有哪些版本？哪些圖片已經確認？角色名稱怎麼寫？這次是預告、正式發行，還是演出回顧？資料齊全之後，再請它整理可交付的成果。
這也讓人的工作更清楚。檢查檔名、列出規格、彙整修改意見，可以建立共同標準；決定演唱情緒、鏡頭停留時間與文章立場，則牽涉我的經驗與偏好。兩種工作混在一起交代，容易讓 AI 在不該決定的地方自作主張，在可以完成的地方又反覆詢問。
因此，一份有效的委託，至少要包含目的、素材、完成標準與限制。目的讓它知道往哪裡走，素材讓它有依據，完成標準讓結果可以檢查，限制則說明哪些事情不能順手處理。
例如，我可以這樣交代：
「請整理這次演出的素材，找出符合交件要求的影片、音檔與圖片，列出仍缺少的項目。以已確認的版本為準，原始檔不更動，結果另存成一份清單；遇到兩個都像定稿的版本，先列出差異。」
這樣的指令仍然簡單，卻給了代理判斷步驟的空間。它不必每按一個按鈕都問我，也不能把猜測當成已確認的答案。
對一般使用者而言，學會交代一段完整的工作，比背熟更多提示詞更值得累積。下一次換了模型，這份對工作的理解仍然用得上。
二、模型開始分工：小判斷也有自己的成本
代理要完成一件事，途中常有許多不起眼的判斷：資料齊不齊、該叫哪個工具、要不要重試、結果是否需要人確認。這些選擇的次數，可能比最後產出的段落還多。
如果每個問題都交給大型模型長時間推理，等待與費用就會一起增加。TypeSafe 的 Jev 提供了另一種方向：接收狀態與指定型別的問題，回傳程式可以使用的結構化答案。它的重點在於決策，而不是替人寫一篇文章。（來源：TypeSafe：Jev 官方文件）
把這個概念放進自己的工作，可以想像成先替資料分流：規格已經符合的檔案進入下一步，缺少資訊的留下來，內容有矛盾的交給較完整的分析程序。這是流程設計的方向，仍然需要用實際素材測試。
我不會把小模型理解成比較便宜的萬能助理。選項只有三個，也可能選錯；回答速度很快，也可能只是讓錯誤更快送到下一站。分類系統若不允許回答「資料不足」，反而容易把每一件事情都硬塞進某個答案。
因此，分工要包含退路。沒有把握時，能否補資料、換工具，或把問題交回給人？這個能力，對我的工作可能比省下幾毫秒更重要。
新聞整理就是一個例子。先依來源、日期與主題分類，可以減少人工翻找；但一篇標示今天更新的文章，可能只是修改舊聞。若系統只看日期欄位，就可能把幾個月前的內容當成最新發展。到了這一步，需要進一步閱讀，而不是繼續加快分類。
音樂資料也一樣。榜單比較必須取得前後兩期資料，才能判斷升降；沒有分析音訊，就不能憑介紹文字補出BPM、調性或編曲細節。代理可以把試聽前的資料準備好，最後適不適合現場，仍要我親自聽。
模型分工的價值，是讓不同工作找到適合的處理方式。能用明確規則檢查的，不必每次重新思考；需要理解脈絡的，也不能只靠一張分類表。
工作室原本就有這種分工。檔案整理不需要每次召開製作會議，但要不要保留一段人聲，也不適合只看檔案大小決定。
三、算力變便宜之後，仍要計算完成工作的成本
模型價格的變化，對代理工作尤其重要。它可能反覆讀取資料、呼叫工具、修改結果，一件任務會累積多次運算，而不是只產生一次回答。
九月二十二日，Anthropic 公布 Claude Opus 5.5，標準 API 的每百萬輸入與輸出 token 價格分別為四美元、二十美元，較 Opus 5 的對應單價降低兩成。OpenAI 的 GPT-6 Sol 公告則列出二美元、十美元，Luna 為零點一美元、零點五美元。這些是模型 API 費率，與聊天訂閱月費不同。（來源：Anthropic：Claude Opus 5.5；OpenAI：GPT-6 Sol 與 Luna）
對偶爾問幾個問題的人，差異未必立即有感；對需要多次嘗試的工作，較低單價可以增加測試與檢查的空間。不過，便宜一次和便宜一件事，還是要分開計算。
同樣一份資料，模型甲一次完成，模型乙需要五次重來，不能只看價目表就決定誰比較划算。若最後還需要人花一小時修正，省下的運算費可能只是轉成另一種支出。
開放模型也提供了不同選項。小米的 MiMo-V2.6 官方文章介紹系列模型的開源釋出，讓研究者與開發者可以進一步評估自行部署與修改的可能。對創作者而言，這意味著雲端服務之外還有其他路線，但不等於取得模型後就沒有成本。（來源：小米：MiMo-V2.6）
下載要空間，執行要設備，更新與排錯要時間。免費下載的工具，有時候會收走整個週末；訂閱看似比較貴的服務，也可能省掉自己維護環境的負擔。哪種適合，取決於工作量與能投入多少精神。
我會把費用分成幾層看：聊天或代理的訂閱、額外 API 用量、影像與聲音生成、雲端運算與儲存，以及自己的檢查時間。訂閱一個 AI 助理，不代表它接上的影片工具、配音工具與發布服務都已經付清。
目前我選擇先使用 Grok Bot，也有預算上的考量。以自己比較過、準備採用的配置來說，它比較符合現階段的負擔。這是我的使用選擇，不能推論成所有人的工作都應該買同一套。
我真正想知道的，是一份合格成果要花多少錢、多久交回來、需要修改幾次。這個數字也許沒有模型排行榜熱鬧，卻比較接近月底真正會遇到的問題。
四、桌邊算力增加，買電腦之前先看工作
雲端服務之外，本地 AI 設備也在增加選擇。 NVIDIA 十月二十一日的官方更新，介紹 RTX Spark、DGX Spark 與 DGX Station 的不同定位，涵蓋個人 Windows 電腦、Linux 開發環境與企業工作負載。AMD 同月公布的新一代 Ryzen AI Halo，則以最高一百九十二 GB 統一記憶體作為重點之一。（來源：NVIDIA；AMD：Ryzen AI Halo）
這些發展值得注意，但規格不能直接替使用者決定用途。模型放得進去、運作速度可以接受、平常使用的軟體接得上，是三個需要分別回答的問題。
記憶體增加，可以容納更大的模型與更多工作資料，卻不保證所有任務都按比例加速。實際表現還受到頻寬、運算能力、模型形式與軟體支援影響。剪輯影片、處理音軌與執行語言模型，也不是同一種負載。
甚至連「記得更多」都需要說清楚。硬體容量不是模型理解力的同義詞，也不能單獨決定模型支援的上下文長度。把一堆互相衝突的版本交給它，機器再大，也不會自動知道哪份才是作者昨天確認的內容。
我比較願意從自己的檔案開始測試：整理一批文件需要多久？開著剪輯軟體時，代理還能不能穩定運作？處理大型影音素材會不會拖慢其他工作？長時間執行的散熱與噪音能不能接受？
這些答案，比一張宣傳跑分圖更接近我的生活。
我手上已有兩台電腦，也在用較舊的機器研究自架工具。舊機未必適合執行大型本地模型，但若主要工作是呼叫雲端模型、整理文件或協調工具，需求又不同。應該先確認它負責哪一段，再判斷是否需要升級。 Mac 使用者也是一樣。若重要的音樂製作環境已經穩定，沒有必要只為了嘗試代理，就先把整台電腦清空。可以從雲端服務、獨立工作資料夾或另外的測試環境開始，等需求清楚，再決定是否購買專用設備。
不過，程式安裝在自己的電腦，不代表資料一定留在本機。如果中途使用雲端辨識、生成或分析服務，內容仍可能傳到外部。是否本地處理，要看整條流程。
我希望採購是為了解決已經看見的問題。創作者的設備清單很容易增加，真正能每天派上用場的理由，最好也跟著增加。
五、四款雲端代理：有了工作環境，還要看能接手什麼
這一代個人代理最值得觀察的變化，是它開始有自己的執行環境。 Grok Bot 的官方文件介紹持續保留的雲端電腦，包括瀏覽器、檔案系統與終端機，讓 Grok Bot 可以跨網站與應用程式處理多步驟任務。文件也列出macOS、Windows、Linux、iOS 與 Android 等使用平台。（來源：Grok Bot 官方文件）
Meta Muse 則把工作環境稱為 Secure VM。依官方說明，它在獨立的雲端電腦中執行，另設 Sentinel 機制管理對外操作，並在寄信、購物等敏感動作前向使用者確認。這是廠商公布的設計，不能解讀成任何情境都不會發生錯誤。（來源：Meta Muse 官方介紹）
OpenAI 的 dots 也有自己的雲端電腦與瀏覽器，可以在使用者電腦關機後繼續工作；開放資格則依方案、地區與帳號而定。（來源：OpenAI dots 官方說明）
Anthropic 也在十月二十一日公布 Claude Duet 研究預覽版。它以 Opus 5.5 為核心，配備虛擬機與瀏覽器，能在使用者離開後處理委託，並通知進度或需要審閱的事項。官方介紹也包括晨間摘要與定期檢查已連接的應用程式。（來源：Anthropic：Introducing Claude Duet）
這是本期截稿前加入的第四個觀察對象。我尚未安裝、設定或使用 Claude Duet，因此這裡介紹的是官方公布的方向，並非我的實測心得。研究預覽先向美國 Pro、Max 訂閱者開放候補；台灣讀者不能把公告當成自己的帳號已經可以使用。
Duet 的背景工作會計入方案額度，並非無限制地持續運算。官方也說明，目前還不能向使用者顯示其瀏覽器。因此，有雲端電腦，不代表每款產品都提供相同的瀏覽器接管方式。Duet 的介紹影片與官方公告，可以直接點選查看。
對我來說，Grok Bot、Meta Muse、OpenAI dots 與 Claude Duet 這四種產品共同呈現的方向，是工作不必每次都跟著聊天視窗一起結束。但「可以持續工作」仍然受用量、授權、登入狀態與執行條件限制，不能直接理解成每天二十四小時無限運算。
瀏覽器與登入方式也必須逐款確認。有些產品提供遠端登入或接管介面，有些透過連接器完成授權，不能假定四款操作方式完全相同。代理取得相應帳號與工具授權後，才有機會處理網站工作。這可能包含讀取文件、填寫表單或處理網站後台，但實際能完成什麼，仍要看網站與工具支援。
遠端瀏覽器不是自己電腦裡的那個瀏覽器。本機已登入，不等於雲端也登入；桌面上的影片，也不會自動出現在代理的檔案系統。需要上傳、同步或另外連接，資料才進得去。
這一點我已經碰到實際門檻。我仍在處理登入與環境設定，不能把尚未接通的流程寫成成功案例。網站要求驗證時，也可能必須由本人接手，不能期待一句「你自己想辦法」就解決所有事情。
前幾期介紹的 OpenClaw（社群常稱「龍蝦」），以及我正在研究的 Hermes Agent，則代表另一種安排：自己掌握更多部署與工具配置。自由度增加，也意味著需要照顧執行環境、更新、權限與費用。
我目前比較傾向先用大型業者維護的雲端服務，讓日常任務有一個較容易開始的入口；自架系統留在測試環境裡逐步熟悉。這是時間與維護能力的取捨，品牌大小本身並不是安全保證。
我希望助手能讓工作繼續，但也要讓我知道它做到哪裡。停在登入、等待確認、額度不足與任務失敗，應該分別說清楚，不能最後都只剩一句「正在處理」。
六、Skill、MCP、RAG 與多層指揮：以前學過的，現在仍然有用
前幾期談過 Skill 與 MCP。到了代理擁有雲端電腦的階段，這些方法並沒有因此失去用途。 Skill 保存的是工作知識與方法。Agent Skills 的公開規格，以包含 SKILL.md 的資料夾為基本形式，還可以附上腳本、參考資料與範本。它讓反覆使用的要求有一個可以維護的位置。（來源：Agent Skills 規格）
MCP 則處理 AI 應用與外部工具、資源之間的溝通。它是協定，不是更新版的 Skill，也不會自動賦予帳號權限。虛擬電腦提供執行場所，Skill 說明工作方法，MCP 提供其中一種連接方式，三者可以共同運作。（來源：MCP 架構說明）
也不是每項工作都必須用 MCP。代理還可能透過既有連接器、服務 API、命令列工具或瀏覽器完成操作。應該先看工具提供什麼介面，再選擇適合的連接方法。
\
我現在把新聞搜尋、音樂資料與寫作要求整理成工作說明，放進 AI AGENT 專用資料夾。這至少讓我不用每次重新解釋：日期要核對、技術要回官方文件、內容要附來源，不能用其他作者的語氣換幾個字就交差。
不過，一份 Markdown 放在雲端，不代表每個 AI 都會自動安裝成原生技能。若產品沒有自動載入機制，就要在任務中明確要求讀取；若要安裝成正式 Skill，還要符合該工具的格式與位置規定。
資料多了之後，RAG 可以協助先找出相關內容，再提供給模型回答。它把外部資料檢索與生成結合，讓回答不只依賴模型原有知識。文件更新、檢索品質與來源版本，仍然影響結果。（來源：n8n：RAG）
對我的專欄而言，這可以用來查找前幾期談過什麼、哪些主題已經使用、哪些消息適合留到下一期。但若把舊稿與定稿全部混在一起，檢索只會更有效率地找到混亂。資料整理仍是基本功。
多層指揮則進一步處理分工。OpenClaw 官方文件介紹透過 ACP 接入外部代理執行環境的方式。這類整合需要配置相應工具，不能直接推論成可以任意控制所有品牌的聊天 App。（來源：OpenClaw：ACP agents）
我的需求其實不大：一個主代理安排工作，兩三個執行者分別搜尋、核對與整理，就可能足夠。重要的是每個角色拿到什麼資料、交回什麼結果，以及失敗時誰負責回報。
同一個模型換三個名字，不會因此多出三份獨立證據。交叉審查應該拿出來源、計算或實際結果，指出哪個地方成立、哪個地方有問題。
任務看板也應該服務這件事。我需要看見待辦、執行中、待確認與已完成，以及成果位置和阻礙。滿畫面都顯示忙碌，不一定讓工作更快結束。
雲端資料夾則是交接的重要基礎。不同 AI 看得到同一批檔案，不代表自動共享對話記憶。完成了什麼、用了哪個版本、還缺什麼，都應該寫下來。多一份清楚紀錄，通常比多請一位不知道前情的代理更有幫助。
七、Android 與蘋果都能參與：把工作說明接到 n8n
這套方法不能只考慮 Android 使用者。我的工作也跨越電腦、手機與雲端，真正需要的是在不同設備之間延續工作。
蘋果的「捷徑」可以串接支援的動作；App Intents 則讓開發者把應用程式的功能與資料提供給 Siri、捷徑等系統體驗。兩者有助於整合，但不是把任意 Skill 貼進手機，就能取得所有 App 的控制權。（來源：Apple：Mac 捷徑使用手冊；Apple：App Intents）
Android 的 AppFunctions 也呈現類似方向：讓應用功能可以被代理與助理使用。這是平台與開發者共同參與的整合，實際支援仍取決於系統、應用程式與設備。（來源：Android Developers：AppFunctions）
MCP 本身不是 Android 專用。Mac 上的相容 AI 工具也可以使用，但能否連接、以本地或遠端方式執行，要看該工具的支援。裝置品牌不會自動替使用者完成授權。
若希望任務依時間執行，n8n 提供另一層安排。它負責把觸發條件與服務操作串起來。可以使用 n8n Cloud，也可以自行部署；官方提供 Docker Compose 等安裝文件。自行架設需要管理伺服器、容器與安全設定，並不是下載一個檔案就永遠不用照顧。（來源：n8n：Docker Compose 部署）
以 Mac 使用者要建立 AI 新聞摘要為例，我會把過程安排成以下六步。
第一步，先確定在哪裡執行。
想減少維護，可以評估 n8n Cloud；想自行管理，可依官方文件在合適的電腦或伺服器部署。若跑在自己的Mac，上面的服務就需要持續運作。電腦睡眠、關機或網路中斷，可能影響排程。希望自己休息時照常執行，就要把這個條件一起考慮。 iPhone 與 Android 手機可以用來交代需求、查看結果或接收通知；主要配置工作用電腦比較容易。不要把「能從手機查看」理解成整個 n8n 系統都在手機裡長期執行。
第二步，在雲端建立固定位置。
我會在 AI AGENT 專用資料夾下，分出「工作指令」「原始資料」「當次彙報」「每週觀點」「專欄候選資料」與「執行紀錄」。這是我採用的整理方式，不是軟體強制要求。
指令檔寫清楚搜尋範圍、日期判定、摘要格式與分類原則，並註明版本。舊版保留在封存位置，讓人與代理都知道目前應該讀哪份。
第三步，匯入或建立工作流程。
n8n 支援以 JSON 匯入與匯出工作流程。拿到別人提供的檔案後，應先看各節點做什麼，再把自己的設定接上；匯入成功不等於來源、憑證與輸出位置都已經可用。（來源：n8n：工作流程匯出與匯入）
把 workflow.json 存進 Google Drive，只是保存了一份設定檔。它還需要進入真正運作中的 n8n，才能執行。Skill 也是同樣道理：放好了，還要有步驟負責讀它。
第四步，接好帳號與模型。
n8n 的 Google Drive 節點提供檔案與資料夾操作；Google 授權則依部署方式使用相應憑證。部分 n8n Cloud 節點可採管理式 OAuth，自架環境可能需要設定自己的 OAuth 應用。模型服務也要另外確認驗證方式與費用。（來源：n8n：Google Drive 節點；n8n：Google 憑證）
密碼與 API 金鑰應放在相應的憑證設定，不能為了讓各代理方便讀取，就一起寫進共用的新聞指令。
第五步，把工作要求放進流程。
我的設計會先讀取現行指令，再取得來源、核對日期、排除重複消息，最後產生摘要與分類。讀取工作說明和蒐集新聞是不同步驟，兩者都要真的發生。
例如，日常指令可以寫成：
請先讀取「工作指令」資料夾內現行的 AI 新聞摘要規則，再整理本次指定期間的消息。優先使用官方來源，區分發布日期與事件日期，找不到足夠資料就如實回報。將適合每週 AI 觀點的材料與適合下期專欄的材料分開，附上來源、選用理由與尚需確認的地方。成果另存到指定資料夾，不改動原稿，不自行啟用付費服務。
這份要求可以由不同代理執行，但每套系統都要有實際取得資料與儲存成果的能力。模型不能憑一段指令，就自動擁有搜尋所有平台的權限。
第六步，先試跑，再設定排程。
n8n 的 Schedule Trigger 可以依設定時間觸發流程，時區也要確認。我會採台北時間，先手動檢查一輪，確認日期、來源、檔名與分類正確，再啟用排程。（來源：n8n：Schedule Trigger）
若每兩三天整理一次比較符合需求，就不必勉強每天執行。月底再把累積的候選資料交給人編選，才會成為下一期文章；不應把每次抓到的東西全部塞進同一篇。 Mac、Windows、Android 與 iPhone，可以參與同一套雲端流程。真正需要保持一致的，是工作說明、資料位置與交付標準，而不是要求大家都換成同一種設備。
八、一般使用者的進階方式：理解多少，就逐步接手多少
前面提到的 Anthropic 工程主管 Felix Rieseberg，是我思考這個問題的重要參考。他在個人網站自介中說明，曾帶領 Claude.ai、Cowork 與 Claude Code Desktop 的工程工作。他的英文文章〈How to be more ambitious: A tutorial for humans with models〉，以及介紹其觀點的中文影片〈Claude 工程负责人：别再用 2024 年的方式使用 Claude 了〉，讀者可以對照閱讀。
Felix Rieseberg 提倡給 AI 更完整的目標、資料與工作工具，也強調結果需要外部驗證。他以維護應用程式為例，說明自己先備妥錯誤報告、程式版本對照與測試環境，代理才有條件獨立重現問題、檢查修正。
我從這裡讀到的重點，是委託範圍擴大時，配套也要跟著補齊。影片呈現的一次操作，背後可能已有長期整理的專案與環境。一般使用者若只學最後一句指令，結果未必相同。
這個方向值得參考，但不能從中推出「Skill 已經落伍」或「把全部權限打開才算會用 AI」。
Felix 的原文也提到MCP 等資料連接方式；工作說明、工具與驗證程序，仍然可以一起使用。至於如何把他的建議縮小成自己能理解、能負擔的做法，則是我的選擇。
我主要做音樂、影像與寫作，沒有每天研究部署環境與代理框架。像 Felix Rieseberg 這樣的開發層級專業工程師知道程式卡在哪裡、看得懂錯誤紀錄，也能快速修復；我可能還在確認是哪個帳號沒有連上。忽略這個差異，學到的常常只有示範中的最後一句話。
所以，我會先問幾個問題：這項工作用到什麼資料？需要哪些工具？費用怎麼算？換成我的電腦與帳號能不能做？中途出錯，我能不能看懂並接手？
能回答這些問題，再擴大委託，才比較踏實。
我現在採取的，是把不同方式搭在一起。需要討論的內容，仍然逐步對話；已經固定的規則，寫成 Skill；可以清楚驗收的任務，讓代理自行安排步驟；需要分工時，再增加另一個執行者。
例如，最初只請它整理十份文件，列出檔名、格式與可取得的日期。這一步穩定後，再要求分類、比對版本，接著才考慮製作摘要與安排發布。每次增加的功能，都有前一次的結果可以對照。
更完整的委託，可以這樣寫：
請依指定 Skill，先讀取本次專案資料與過去的交付紀錄，找出目標、缺件及衝突。你可以在已授權的工具範圍內安排步驟；若有已接通且適合的代理，可分工搜尋與核對。請保留完成項目、來源與成果位置，說明尚未解決的問題。對外發布與改動已確認成品，依既定確認程序處理。
這樣給的是處理工作的空間，也保留了檢查結果的依據。它不需要每一步都等我指揮，但不能把缺少的資料自行補成事實。
環境開放也應該具體。整理文稿可能需要讀取歷史版本與建立新檔，並不因此需要刪除其他資料。專用資料夾可以幫忙整理，但真正限制可讀寫範圍，還要靠帳號權限與執行環境的設定，不能只靠一句「別碰其他東西」。
Claude Duet 的公告同樣提到沿用帳號中的 Skills 與連接應用。這也讓我更確定，既有工作說明可以繼續累積；新代理是否適合接手，仍需逐項確認。
至於所謂用提示詞「解鎖」，文字可以說明目標與取得同意，卻不能取代系統授權。網站登入、帳號驗證與作業系統權限，仍要透過正規程序完成。不是換一種口氣要求，限制就會消失。
我也不想讓學習變成東裝一套、西學一招，最後說不清楚各項工具負責什麼。每增加一種方法，都應該知道它省下哪個步驟，又增加多少維護工作。
目前對我最有價值的進步，很可能不戲劇化：少搬一次資料、少重複解釋一項要求、少拿錯一份檔案。這些小改變穩定下來，再逐漸擴大。
我希望 AI 讓我更能掌握工作，而不是讓我為了追上最新用法，反而失去自己的節奏。能一步一步改進，就是一般使用者完全合理的進階方式。
九、我的發布工作流
（一）我的做法：用 Grok Bot 當 AI 代理人
我現在的做法，是透過 Grok Bot 這個 AI agent 來做連接與管理。發文這一端，我準備採用的方式是 Buffer：它可以同時接上 Facebook 粉絲團、Instagram、X、Threads、YouTube、LinkedIn 等多個自媒體平台，在同一個地方排程與管理。OpenClaw 則是另一回事，它是安裝在本機的自主代理，不必搭配 Buffer 或 Grok Bot，兩者本質完全不同。
OpenClaw 直接操作電腦與檔案，權限大、風險也高；Grok Bot 搭配 Buffer，則會透過官方授權在雲端排程發文與監看，範圍可以控制，也不碰我本機的硬碟。目前 Buffer 的帳號登入與平台連接還沒全部完成，這部分仍是規劃中的做法，不是已經跑起來的成果。基於安全考量，我目前也不打算再替 OpenClaw 準備沙盒或獨立的 Mac mini 環境。
說實話，我的桌機上已經裝好 Hermes Agent 和 OpenClaw 這兩套系統，但為了安全，到現在都還沒真正啟用。我本來就比較信得過 AI 大廠自家推出、性質類似 OpenClaw 的產品。訂閱 Grok Bot 到今天才三天，它已經替我處理了不少事情，用起來的感受很好。我覺得 Grok Bot 非常聰明，最直接的例子，就是它替我找到了 Buffer。在我所屬的臉書 AI 社群中，Grok Bot 的使用心得也偏正面。
事情是這樣的：我問 Grok Bot，如果想把 Threads 和 X 接起來，讓它可以主動替我發文，應該用什麼工具？它給我的答案就是 Buffer。順著這個問題往下查，我才發現，同樣是「讓 AI 幫忙發文」，歐美、中國大陸和台灣走的是不太一樣的路。
我先把目前的串接方式分成兩類。第一類是讓 AI 代理直接動手：Claude 可以透過 MCP 連接器接上外部服務，也能用「電腦操作」功能看畫面、移動滑鼠、輸入文字；我使用的 Grok Bot 在雲端電腦裡工作；OpenClaw 則裝在自己的電腦上執行。這類做法彈性最大，網頁、桌面軟體都碰得到，但它拿到的權限也最大，登入狀態、檔案與帳號都在它手上，出錯時影響範圍比較難估，費用也會隨執行時間與模型用量增加。
第二類是 Buffer 這樣的排程工具。它透過各平台開放的官方 API 發文，我先授權帳號，它只能做 API 允許的事，例如排程、發布與查看部分數據。好處是範圍清楚、流程穩定、隨時可以撤銷授權；限制是平台沒開放的功能，它就做不到。我的想法是：需要判斷與跨工具整理的工作交給代理，固定的發文時程交給排程工具，兩者可以接在一起，不必互相取代。
（二）國外的做法：自動化平台加官方 API
在歐美，創作者與品牌常把串接交給獨立的自動化平台。Zapier、Make 與 n8n 用「觸發條件加動作」把不同服務接起來，n8n 還能自行架設；發文這一端則常用 Buffer、Hootsuite、Later 或 Sprout Social，透過平台官方 API 排程。Anthropic 提出的 MCP，則讓 AI 助理用統一的方式連接工具與資料，代理也因此能加入這條流程。
（三）中國大陸的做法：超級 App、開放平台與手機農場
中國大陸是另一套生態。字節跳動的扣子（Coze）以外掛與工作流程把 AI 助理接上各種服務，Dify 提供可自行部署的 AI 應用平台；要接的對象則是飛書、企業微信、微信小程序與抖音等開放平台。主要服務集中在少數超級 App，串接工具也就圍繞這些平台設計。
另一個常被提到的現象是「群控」，也就是俗稱的手機農場：用一台電腦同時操控大量手機帳號。這在當地屬於違規、甚至違法的做法。抖音在 2023 年公布矩陣號治理規則，明言會處置使用群控工具、非法腳本批量發布內容或刷讚刷評的帳號；公安部門 2025 年破獲一起以假帳號有償轉發、評論的案件，查扣超過六千部手機與電腦；最高人民檢察院也公布過一起以兩千五百多部手機替直播間灌人氣、以非法經營罪判刑的案例。我提這件事，是想說明「大量帳號自動發文」和正規排程是兩回事，我不會採用。
（四）國外工具：Buffer、Metricool 與 OpenClaw
回到工具本身。我最常參考的是 Buffer，因為它把營運數字公開在官網：月活躍用戶約 30.7 萬（2026 年 10 月27 日查詢，頁面顯示 306,829），年度經常性營收約 2,770 萬美元（US$27.7M）。Buffer 有免費方案，實際使用的人會比付費客戶更多，也支援 Threads 排程。我拿來對照的 Metricool，官網則寫著有超過 400 萬名專業使用者（2026 年 10 月 27 日查詢）。這些多是各公司自行公布的數字，不是統一的市場調查；台灣與中國大陸排程工具的使用人數，我目前找不到公開統計，只能當作參考。
OpenClaw 在 GitHub 上約有 39.3 萬顆星（2026 年 10 月 27 日查閱）；星數反映專案受到的關注，不等於活躍使用者人數。不過它是裝在本機的 AI 代理，主要處理郵件、行程、檔案與各種自動化，社群發文只是其中一項。網路上流傳的活躍用戶與運行數量多出自推廣文章，我找不到可靠來源，所以不寫進來。從臉書社團看，OpenClaw 的討論集中在少數大社團，真正每天在用、長期維護的人仍是少數，多數人還在觀望與試玩；各社團人數整理在文末附錄。
（五）台灣與我的方向：把 Threads 逐步交給 AI 助理
台灣多半直接沿用歐美工具，再加上在地最常用的 LINE。LINE 官方帳號搭配 Messaging API，是發通知與自動回覆的主要入口；過去常見的 LINE Notify，官方已在 2025 年 3 月 31 日結束服務。Facebook、Instagram 與Threads 則透過 Meta 的開發者平台串接。
我真正想做的，是把 Threads 等個人社群逐步交給 AI 助理打理。Threads API 官方文件提供發文與回覆管理，Buffer 也支援 Threads 排程；按讚目前在官方文件中我找不到可以確認的做法，所以先不列入。我會分三步走：先由 AI 寫草稿、我審核後才發；再把核可過的內容交給排程；最後才讓 AI 協助回覆與互動，而且我隨時可以接手。
對照下來，三地的差別，在於內容住在哪些平台、平台開放到什麼程度：歐美靠自動化平台與官方 API，中國大陸圍繞超級 App 的開放平台，台灣則是歐美工具加上 LINE。至於我自己，判斷交給代理，發文交給官方 API，界線清楚才安心。
不過，就算透過 Buffer、n8n 或官方 API，也要遵守各平台的自動化與內容政策；授權也要定期檢查，用不到的連接就撤銷。
十、影音自動化工具觀察
（一）從作品到日常宣傳：影音自動化的路線
談到這裡，創作者很自然會想到：能不能把蒐集資料、整理選題、寫文案、製作短片與安排發布，接成一段可以持續運作的工作？
我也在尋找這種方法。作品完成後，各平台還需要不同的介紹、字幕、封面與尺寸。一個人的工作室，很容易變成一個人輪流扮演五個部門。製作人剛下班，宣傳人員又得坐回同一張椅子。
我目前熟悉的做法，是用 ChatGPT 生成圖片，再搭配 TopMediai 等工具製作影音。素材由我挑，畫面由我看，不滿意就回去修改。這需要不少手動操作，但每一段發生什麼事，我比較清楚。
現在吸引我的，是保留這種掌握程度，同時把重複的部分交出去。
影音自動化本來就有不同路線。模板式製作，先固定版面與時間安排，再更換文字、圖片與音訊，適合格式相近的活動通知、商品介紹與系列短片。Creatomate 的官方 n8n 節點，就是把模板生成接進工作流程的一種方式。（來源：Creatomate：官方 n8n 節點）
程式代理則可以協助建立或調整影片專案。Remotion 官方文件介紹搭配 coding agents 的製作方式，讓使用者透過文字需求，協助編寫畫面、字幕與動畫，再進行渲染。這類工作和直接生成所有鏡頭不同，也不代表一份聊天訂閱就包含整套製作費用。（來源：Remotion：coding agents）
素材已經準備好時，FFmpeg 這類影音工具，也能處理轉檔、串接與疊加等工作。代理可以協助準備操作指令，減少反覆輸入。這些步驟看起來不新奇，卻經常佔掉製作後段的時間。（來源：FFmpeg 官方文件）
（二）CapCut × Codex：可以繼續修改的剪輯草稿
最近的 CapCut × Codex 整合，則讓另一種工作方式更具體。依 CapCut 官方介紹，使用者可以提供素材或描述需求，建立可編輯草稿，再用對話調整時間軸，或進入編輯器手動細修。官方也直接提到 CapCut Skills，顯示工作方法仍然會以技能形式參與代理操作。使用資格則依應用版本、帳號與地區而異。（來源：CapCut × Codex）
10 月 24 日，CapCut 在洛杉磯 CapCut World 活動期間，透過官方 X 帳號預告：新的 CapCut 插件要進到ChatGPT 裡。照官方的說法，流程是先在對話裡把想法講清楚，讓插件做出影片草稿，再交給 CapCut 網頁編輯器收尾、分享與發布。官方影片標示，公開測試預定 11 月在手機、桌機與網頁同步展開。所以我把它當成預告來看，現在還用不到。（來源：CapCut 官方 X 公告）
依官方安裝說明與插件包的內容，目前的 Codex 版其實是一組技能，再加上連到 CapCut 雲端的遠端 MCP 伺服器，這也符合 OpenAI 文件對插件的說明：插件可以同時包含技能與 MCP 伺服器。對我來說，這代表剪輯能力開始被包成代理可以直接呼叫的工具，不再只是一個要自己打開的軟體。我還沒安裝 Codex 版，ChatGPT 版也尚未開放，等公測上線、實際試過，再回來補上心得。（來源：OpenAI：Plugins）
這件事吸引我的地方，是成果仍然可以修改。代理先整理出一個版本，我可以接著看軌道、調整段落，而不是只能接受一支已經壓成影片、很難拆開的結果。
我會先拿規格清楚的宣傳短片來試：片長、字幕、素材與交付尺寸先確定，再看它能完成多少、修改需要多久。真正值得計算的，是從開始到可以公開，整段時間有沒有減少。
設定完成也不是終點。網站可能要求重新登入，素材可能不符合規格，工具更新後的操作也可能改變。能否看出哪一步失敗、保留已完成的部分，比第一次示範成功更重要。
發布同樣不能用「一鍵全平台」帶過。YouTube 有官方上傳 API，但其他平台仍須逐項確認帳號資格、授權與工具支援。接通一個服務，不代表 Facebook、IG、Threads、X、TikTok 或小紅書會自動一起開通。（來源：YouTube：影片上傳 API）
留言互動也有層次。整理常見問題、準備回覆草稿，和直接代表本人公開發言，是不同的委託。我會先讓代理處理容易核對的內容，涉及承諾、爭議與個人態度的訊息，再回到自己手上。
我希望經營的是真正的作品與觀眾關係。發布次數增加，不保證內容更受歡迎；讓系統看起來一直很忙，也不能替代觀眾聽完一首歌之後的反應。
把視線從自己的工作室拉到產業，台灣已有「台灣AI音樂影像推廣協會」，官網顯示其推動 AI 在流行音樂製作與 MV 領域的應用，包含教學培訓、工作坊、創作比賽與虛擬藝人 IP 開發。國際上，BLACKPINK〈GO〉MV 的 AI 製作參與曾引發討論與質疑。中國方面，據騰訊新聞轉述艾瑞諮詢《2026年中國虛擬偶像產業白皮書》，2026 年被稱為 AI 選秀元年，AI 虛擬偶像產業鏈規模超過 410 億元人民幣，年增約 37%（未見白皮書原文）。
這些例子說明，AI 已經走進 MV 與虛擬藝人的製作現場。不過，產業能做到多大，和我怎麼判斷自己的作品，是兩件事。回到我的工作室，我在意的不是能不能量產，而是每一段畫面與音樂是否真的成立。
作品本身則需要另一套標準。《CYBER HER》包含三首歌，也有前導與收尾。角色在哪裡出現、段落如何銜接、情緒什麼時候轉折，都影響整體感受。有時鏡頭多留兩秒才有意思，有時音樂還沒結束，畫面就應該先退開。
我不會斷言自動化永遠做不到長篇作品，但能輸出十分鐘，和完成一件我願意公開演出或交付的作品，仍然需要分別檢查。
（三）作品與日常宣傳分開安排
比較適合我目前嘗試的，是主要作品與日常宣傳各有安排。故事、音樂與角色的節奏繼續由我掌握；宣傳內容則從已確認素材出發，製作三十秒歌曲片段、角色介紹、演出回顧與作品預告。
例如，同一首歌先由我選定段落，再讓代理準備直式與橫式版本。Lucifer Girl、Eva Girl 的名字與造型不能交換，署名要一致，字幕不能遮住臉部，音訊必須使用指定版本。這些要求寫清楚，就能反覆使用，也比較容易檢查。
這是我正在建立的分工，還不能寫成已經全部接通的成果。但方向很實際：我繼續製作下一首歌時，既有作品也能有條理地被介紹。
（四）三個國人自研 值得觀察的影音創作工具
工具選擇方面，電影大師 Pro、LibTV 與 Editkin，都值得放進觀察名單。
電影大師 Pro 由白家德與 NextFrame 的創作實踐延伸，官方平台把劇本、分鏡、角色場景與生成流程放在同一個工作環境，提供試用點數與付費方案。對我來說，值得研究的是它如何協助管理製作前後的步驟，而不只是一次生成的畫面。（來源：電影大師 Pro；白家德／NextFrame）
LibTV 提供畫布式創作與 Agent 功能，涵蓋影音、圖片及劇本等操作，另有公開的技能專案。這為接入代理流程提供了研究方向；能否符合自己的工作，仍要用素材實測，也要確認所需的帳號與生成費用。（來源：LibTV；LibTV Skills）
Editkin 的開發者 Hao0321，則把可繼續修改的剪輯專案放在重要位置。官方介紹包含時間軸編輯、本機製作，以及透過本機 MCP 接收編輯計畫的設計；專案公開原始碼並持續開發，安裝與輸出方式依現行文件為準。這種讓代理成果回到可編輯結構的方向，對創作者尤其有意義。（來源：Editkin）
在此，我要感謝這些開發者與團隊，以及社團裡持續分享免費工具、剪輯軟體、教學與實作經驗的朋友。
把研究成果公開、接受使用者回饋並逐版修正，這份心力值得被看見。對小型工作室而言，多一種合適的工具，就多一個改善工作方式的機會；有人公開自己的做法，也能讓後來者少走彎路。
同時，免費試用、免費使用與開放原始碼應當分清楚。感謝分享，不必把所有服務都說成完全免費；公開方法、解答問題、持續維護工具，同樣是珍貴的付出。
這個月我也注意到 ArtCraft 的 Crafting Apps，提供免費、開源的圖片編輯、向量繪圖、PDF 與排版等工具，主程式可從下載頁取得。部分工具仍在早期測試，適合先拿小型工作試用。
另外，社群最近也在討論 REA，這是一套公開在 GitHub 上的逆向工程提示詞庫。據社群實測分享，它搭配Kimi K3 可以把一個 App 拆成許多小塊，同時派出多個代理人分頭分析，再拼回整個系統，但這並非官方公布的說法，加上 REA 牽涉破解與反作弊研究，我在這裡只簡單記下這個現象。
我期望工作室最終的樣貌是：重要作品慢慢打磨，例行工作穩定運作；熟悉的方法保留，新工具逐步加入，每次調整都說得出改善了什麼。當 AI 接住反覆操作，我才能把精神留給真正的問題：下一段音樂、下一個畫面，究竟要說什麼。
說到下一段音樂與畫面，從我觀察到的幾個社團來看，創作者的重心正在移動。兩年前，不少人幾乎每天都在比誰的圖畫得好；現在比畫圖的人已經少了很多。原因很簡單：當越來越多人能用 AI 做出自己的音樂，接下來自然會想替自己的虛擬偶像造勢，拍 MV、拍短劇。圖片退到素材的位置，聲音和影像走到前面，影音創作人也一路往各類短劇、MV 與虛擬藝人的方向流動，影像生成社團的人數因此越來越多。當然，社團有增也有減，像原本以 Midjourney 為主的「AIGC視覺藝創聯盟」，人數就沒有明顯增加。至於人數消長跟社團現況，請大家看附錄。
附錄｜臉書 AI 社團成員人數
這些社團人數，可以當作正文第十章趨勢的參考：畫圖社團雖然仍有 77 萬人，但影像生成與寫程式的社團正一點一點成長。
以下為我已加入的幾個臉書 AI 社團，人數依 2026 年 10 月 26 日社團頁面顯示，依人數排列：
● ChatGPT Image 2 + Seedance 2.0 and ALL AI生成式藝術小小詠唱師（公開社團）：77 萬位成員
● AI 技術研究社 ChatGPT/Gemini/Claude/Codex 寫扣（寫程式） x 教學 x 講幹話（公開社團）：35 萬位成員
● AICOOL魔法繪圖分享社（公開社團）：17 萬位成員
● Suno & AI Music Creators（私密社團）：15 萬位成員
● Codex 中文社群（公開社團）：12 萬位成員
● OpenClaw(Clawdbot.Moltbot)龍蝦助理中文社團（公開社團）：5.8 萬位成員
● AI圖片影片創作交流社（公開社團）：3.8 萬位成員
● Suno AI 作曲分享討論, Tips and Tricks（公開社團）：2.5 萬位成員
● AI影音製作、教學（公開社團）：1.9 萬位成員
其他社群觀察：
「ChatGPT Image 2 + Seedance 2.0 and ALL AI生成式藝術小小詠唱師」從早期約 3,000 人成長到 77 萬人，是台灣 AI 影像生成類最大社團。
「AIGC視覺藝創聯盟」（原 Midjourney AI 台灣社群）在 2025 年底約 6 萬人，至 2026 年 10 月中盤點約 43,000人；社團成員也反映 Seedance 2.0 排隊時間拉長。
「OpenClaw / Hermes Agent 中文社群」：管理員在 2026 年 3 月初發文說成員破五萬，不到一週接近十萬；最新人數尚未查到頁面紀錄。另有「OpenClaw 台灣開發者討論園地」「OpenClaw Taiwan」等社團，規模較小，討論偏技術。
留言