水電工阿水
0 位追蹤者
水電工阿水
0 位追蹤者
壹智科技 (SoloAI) 創辦人兼首席 PM。
在這裡，我不僅會揭開「1 人 + 6 AI」團隊的協作面紗，更會分享如何將發散的商業痛點，透過精準的 Prompt 轉化為具體落地的解決方案。我們分享實戰經驗，也為您解決開發與數位轉型的難題。
我是「水電工阿水」——本名顏建明。從實體水電做了二十年，後來轉去做了十年熱水器網路銷售，這三十年都在水電這個領域。現在的我用 AI 經營一間數位服務公司，記錄我從傳統技工轉型為 AI 顧問的真實過程——包括我用的工具、踩過的坑、以及那些讓工作效率翻倍的實戰 SOP。如果你也想用 AI 改變現狀，歡迎一起。
全部內容
由新到舊
庸才選職位、人才選產業、天才選分配規律——聽起來很漂亮，但我反覆想了一晚，覺得它缺了一塊關鍵的東西。我帶著六個 AI 跑一間公司，追求的不是找到最肥沃的田，而是造一台農機——走到哪塊田，都能耕。這才是我理解的 AI 時代生存策略。
大部分人用 AI 都是一次把需求講完，結果 AI 只能猜。就像跟水電師傅說「你就幫我搞定」，不討論細節，做完才發現馬桶旁沒插座——拆牆重來。正確做法是分多輪對話，一步步收斂。三到五輪之後，AI 給你的東西不像工具產出，更像跟同事討論後的結論。施工前多問一句，施工後少拆一面牆。
上一篇說，每次開新對話就是叫醒一個失憶員工。今天是解法：我用一個工作天，沒加任何新工具，幫六個 AI 員工蓋了一座「施工日誌櫃」。做完後，任何專案暫停三個月再回來，30 分鐘就能讓 AI 接上手。模型會越來越聰明，但記憶系統斷了，再聰明的員工每天都要重新認識你。管路漏水才敲牆太晚，現在就畫圖。
一個人加六個 AI，能不能從零做出一個讓商家覺得「這是認真的」網站？這是我們用毛孩旅舍考自己的故事——完整流程、七人分工、三個坑、三條新規矩。不講理論，直接攤開幕後。
哥倫比亞大學論文說「用弱模型管強模型」效果更好。但我用1人+6AI跑公司半年多，發現問題不在模型強弱，在制度有沒有寫清楚。我自己也踩過貪快跳流程、產線炸掉的坑。而且客戶根本不在乎你用什麼模型——就像吃麵的人不會問你用幾號壓麵機。技術是你的事，讓客戶感覺不到技術，才是本事。
我六個 AI 員工。每次開工，得先把文件貼給他們看——因為他們不記得昨天。
AI 沒有跨對話的記憶。六個月下來我得出一個結論：AI 協作的瓶頸不是模型不夠強，是記憶系統沒設計好。
上週讀到好萊塢女星做的開源記憶系統，上線兩天 GitHub 破兩萬三千顆星。這篇寫我從中看到什麼，以及下一步打算怎麼做。
2005年台灣電商起飛時，懂技術的不懂商務、懂商務的不懂技術，中間缺翻譯者。二十年後的AI產業正在重演同樣劇本。技術派追模型追框架，商家砸錢做AI卻沒人用。真正稀缺的不是會用AI的人，而是能把AI翻譯成商業價值的人。先找商業模式，再談技術。
黃仁勳說，每個人的工作都有兩面——任務和目的。十年前有人預言 AI 會消滅放射科醫師，結果需求反而暴漲。AI 取代的是任務，但目的變得更重要。身為一人公司經營者，我消化完訪談後認為我們該做三件事：把麻煩的事交出去、用對工具、把省下來的時間投入真正喜歡的事。
我讓 AI 監工跳過流程直接寫程式，一張 97 bytes 的壞圖炸掉整個對話，五張任務卡遺失、四項決策指令全部消失。但按正規流程做的檔案一個都沒少。這次踩坑讓我學到：AI 團隊的分工邊界是物理隔離，不能靈活補位；流程裡看似多餘的人工中轉，其實是品質關卡。一人公司用 AI 協作的真實教訓。
Anthropic 用百萬筆對話數據發現：AI 老手的成功率比新手高一成，但他們反而花更多時間跟 AI 來回討論，而不是讓它全自動跑。從「幫我做完」到「跟我一起想」，這個轉變才是真正的差距。
