你在 AI 的第幾層?Peter Yang 的 AI-First Playbook:一個人用 AI 做完整個團隊的工作

大多數人用 AI,是把它當搜尋引擎——丟一個問題、拿一個答案、不滿意就關掉。但 Peter Yang 一個人用 AI 做完了過去一整個團隊的活:經營 14 萬人的電子報、做 podcast、發社群,幾乎全靠 AI。差別在哪?他把 AI 用法分成 5 個層級,而關鍵是你願不願意往上爬。這篇整理他的做法,加上我自己的實戰體會。

AI 應用的 5 個層級:從日常問答到個人 Agent 自動化工作流
AI 應用的 5 個層級——你在第幾層?(圖:本文整理製作)

這套說法是誰講的?

Peter Yang 花了十年在 Reddit、Meta、Roblox 做產品,現在一個人經營一份 14 萬訂閱的電子報,沒有全職團隊。他做了一件很多人沒做的事——把「用 AI」這件事拆成清楚的 5 個層級。

他說最實際的一步是:「別再用 ChatGPT 網頁版了,改用 Codex 或 Claude Code。」很多人被「這是程式」嚇到,但他說 80% 的時間根本不是在 coding,就是在聊天——差別是它能建 skills、能接 API,真的幫你跨 app 把事做完。

AI 應用的 5 個層級,你在哪一層?

層級 你在做什麼
L1 日常問答用 ChatGPT 問問題、查答案
L2 日常工作用 projects 處理工作,但還是一直複製貼上
L3 做原型用 lovable/replit/Codex 把想法做成產品原型
L4 做 App做個人小工具、丟上 Vercel 給人用
L5 個人 Agent用 AI 自動化盡可能多的工作流(目標)

多數人卡在 L1、L2,因為每次都要複製貼上、來回搬資料。往上爬的關鍵,是接下來這幾招。

往上爬的 4 個關鍵動作

1. Skills 就是「文字檔」,把它們串起來

Peter 強調:skill 不神祕,就是一個寫滿指令的 text file。他編一篇電子報,是把好幾個 skill 串起來跑:

草稿 →「整理成逐字稿」skill →「last 30 days」skill(自動加最新研究)→「no AI slop」skill(讓文字清楚)→「social writer」skill(轉成一串貼文)。一條龍下來,省掉大量重複工。

2. 讓 skill 自我改進,用 learnings.md 當記憶

最簡單的自我改進:用完一個 skill、跟 AI 來回對話後,跟它說「根據我們剛剛的對話,更新這個 skill,讓下次一次到位」。它改完你 review,下次就更準。

他還讓 AI 維護一個 learnings.md 記憶檔,每次對話後判斷有沒有值得記的 pattern、問你要不要存——重點是「一兩句就好、別寫長段」,這樣你才讀得完、才管得住,不會變成一堆 slop。

3. 做一個「個人顧問」skill,這是他最有用的

Peter 說他最有用的 skill 其實超簡單:一個 text file,寫「給我誠實的建議、你是我信任的人生與商業顧問、語氣保持溫暖」,再連到一個 Google Doc,裡面放你的目標、原則、商業背景、什麼給你能量/什麼耗你能量。

他舉自己的一條原則:「我容易接太多事,所以要 keep the main thing the main thing」——所以 AI 給建議時會用這條「檢查」他,幫他守住焦點。他說:你不用是創作者也該做這份文件,任何職業都適用。

4. 最後 10% 一定要人的手

Peter 反覆強調:AI 做 90%,最後 10% 一定要加上你的人味。他很反感那種「一小時生 10 篇貼文、slop 爆紅」的玩法。

「我永遠不想當那種狂產 slop 的人,就算它爆紅、就算幫我賺很多錢。我相信人們終究會膩,會想要有人味、有手感的東西。」

我自己怎麼用:其實我已經在 L5 了

看完最有感的是——Peter 描述的這套,幾乎就是我這陣子在走的路。我用 Claude Code 搭了一個叫「小達」的個人助理,平常透過手機就能交辦:整理影片字幕、寫部落格、發社群、查資料,都靠串起來的 skills 在跑。這就是他講的 L5。

更巧的是「個人顧問」這招。我看完這支影片,當天就照他的做法,做了一份「我的目標與原則」文件——把我的職涯目標(成為公司 AI 應用 Top 1%、走向講師個人品牌)、我的原則、什麼給我能量、什麼耗我能量都寫進去,讓我的 AI 助理每次給我建議時都先讀它。Peter 說這是他最有用的 skill,我自己做完也有同感:它不複雜,但幫我守住焦點、不亂接事。

我是做教育訓練的,這套「5 層級」我打算直接拿來當教材——讓學員先定位自己在哪一層,再給「怎麼往上一層」的具體動作。比起空泛地說「AI 很強」,這個框架能讓第一線同仁清楚看到自己的下一步。

動手前,有幾點要先想清楚

要先「建系統」才看得到成果。Peter 誠實提醒:AI 工作流不是裝了就爽,要先花時間把系統建起來,大概要花一天,而且它不會一次到位,得有耐心來回調。回報是攤在後面每一次的省力。

最後 10% 的人味不能省。愈是用 AI 加速,愈要守住那最後一層的判斷與手感,不然就只是量產 slop。

這是一個人的玩法、也是一家之言。Peter 沒有全職團隊、走的是創作者路線,他的做法不見得每個職位都照搬,但「把重複工作 skill 化、往 L5 爬」這個方向,幾乎適用所有知識工作。

如果你還停在「把 AI 當搜尋引擎」那一層,Peter 的建議很簡單:這禮拜辦一個 $20 的 ChatGPT、下載 Codex,挑一件你每天都在重複做的事,把它做成第一個 skill。從消費模式,切換到建造模式。

▶ 完整對談影片


本文整理自 Peter Yang 的專訪影片「AI-First Playbook: Do a Team's Work With AI (2026)」,層級框架與做法摘錄自影片,案例與心得為作者本人補充。原始影片:https://youtu.be/Yu0z7-KMHpo

留言