過去四十八小時，我請了一個全職的 AI 員工。

他幫我建了一套知識庫系統。每天早上八點，他會寄一份客製化的晨報給我。然後他還自己用 Vibe Coding（用聊天的方式寫程式）做了一個任務管理系統，用來追蹤他的工作進度，讓我指派任務給他。

我看著他自己做出來的任務看板，愣了大概三秒。

我沒有叫他做這個。我只是說「我需要一個方式追蹤任務」。然後他就自己做了。

那是我第一次覺得：這東西不是在回答我的問題，是在幫我工作。

我用過各種 AI 自動化工具和編程助手。這是第一個讓我覺得，真的像是在跟一個員工協作的工具。

它叫 Clawdbot（現已改名 OpenClaw）。

---

這不是工具，是員工

我們先來看一個對比。

傳統的 AI（ChatGPT、Claude）是什麼？

• 你問一句，它答一句
• 每次對話都要重新解釋背景
• 只能在網頁上用，關掉就沒了

Clawdbot 是什麼？

• 它會主動掃描你的信箱、行事曆，主動通知你
• 它記得你說過的所有事情，存成文字檔，永遠不會忘
• 你用 Telegram 丟一句話，它就開始工作——不管你人在哪裡

老實說，這個差別聽起來可能沒什麼。

但當我實際用了之後，我才發現——這個差別，是「工具」跟「員工」的差別。

工具，你要去操作它。員工，你交代一句話，他會自己想辦法完成。

這不是我在誇大。

這個專案在程式開發者社群 GitHub 上，單日增加 9,000 顆星，總數突破 10 萬。它引發了全球性的 Mac Mini 搶購潮——有人一次買 12 台、甚至 40 台，就為了打造自己的「數位員工隊伍」。前特斯拉 AI 主管 Andrej Karpathy 公開推薦。

這不是小眾玩具。這是正在改變工作方式的東西。

---

我實際用了什麼？5 個落地應用

老實說，我以前也用過很多工具。每次都是「興奮三天，然後就放在那了」。

這次不一樣。

過去四十八小時，我跟我的 AI 助理（我把它取名叫 LALA，沒錯，跟我老婆的英文名字一樣）一起落地了五個應用：

1. Morning Brief 晨報

每天早上，LALA 會自動去讀我的 Gmail、我的 To-do、我關注的七檔美股、AI 相關的新聞、我 Twitter 書籤裡存的文章、Google Analytics 跟 Search Console 的數據——然後整理成一份晨報寄給我。

一分鐘內看完，我就知道今天要做什麼。

你知道那種感覺嗎？以前我每天早上要花半小時「進入狀況」，現在一分鐘就搞定了。

2. 任務看板（Kanban Board）

這個最扯。

我沒有跟他講太多細節，只是說：「我需要一個任務管理系統。」

他自己用 Vibe Coding 做了一個任務看板，有 Backlog、To-do、In Progress、Review、Done。

然後他每小時會去看這個看板，看到 To-do 裡有工作，就自己開始做。做完放到 Review 等我確認。

我現在跟 LALA 之間的協作，就是透過這個看板。

3. 驚喜專案：AI 自己做的 Analytics Dashboard

我現在睡前養成了一個習慣：跟 LALA 說「幫我做一些很 cool 的事情」。然後早上起來，就會有驚喜。

像前幾天，他做了一個股票觀察清單的 Dashboard。我沒叫他做，他知道我在關注這七檔股票，就自己做了。

但更扯的是這個：

傳統 AI：你問它問題，它給你答案。

OpenClaw：你指派任務，它自己完成——然後持續優化。

我讓 LALA 做一個整合 YouTube、GA4、Search Console 的 Analytics Dashboard，然後去睡覺。

醒來時，API、UI、測試全部搞定，還發 Telegram 通知我「做好了」。

更厲害的是，她不是做完就沒事了。我設了一個「每兩小時巡邏」的機制，她會自己檢查有沒有可以改進的地方，然後動手改。隔天我又收到通知：「加了健康分數儀表板」「搜尋功能上線了」。

這不是聊天機器人，這是會交付成果、還會主動精進的 AI 員工。

4. Second Brain 知識庫

我平常看到好文章，就丟一個 URL 給 LALA，跟他說「幫我存進第二大腦」。

他就會去抓內容、做摘要、加上標籤和分類、分析這篇文章跟我的工作有什麼關聯——然後存到我的知識庫裡。

以前這些事情，我要自己做。現在我只要說一句話。

但這只是「被動收集」。更強的是「主動累積」：

每天的晨報、Twitter 書籤摘要、GA 數據分析——這些全部自動存進知識庫。我不用整理，打開就能查。

週一還會額外給我一份 Content Ideation——根據搜尋數據，建議我這週可以寫什麼主題、為什麼值得寫、競品怎麼做的。

這不是一個「存資料的地方」，是一個會自己長大的知識系統。

---

其他人怎麼用？4 個令人驚訝的案例

我不是唯一一個這樣用的人。網路上有很多案例，有些讓我看了覺得：「這也太扯了吧。」

買車談判省 4,200 美元

有人讓 AI 在 Reddit 搜報價數據，然後自動發郵件給多家車商談判。最後買新車省了 4,200 美元。

跨國家庭的生意助手

有個創業者教他住在以色列的父親用 Clawdbot 管理茶葉生意的庫存跟客戶溝通。

喝杯咖啡的時間

有人出門喝咖啡，回來發現 AI 已經幫他建好一個完整的網站應用。

完全不會寫程式的設計師

有設計師透過對話，在完全沒寫任何程式碼的情況下，建了 25 個網頁服務。

這些案例的共同點是什麼？他們不是在「使用工具」，是在「管理員工」。

---

太強大，讓我害怕

坦白講，我一開始是裝在我的 MacBook Pro 上的。但用了兩個小時之後，我就把它移除了。

不是因為不好用。是因為太過強大。

它可以讀寫你電腦裡所有的檔案。它可以在權限範圍內操控任何的 APP。它可以開你的瀏覽器、進你的 Facebook 後台、看你的數據。

那個晚上，我躺在床上，腦袋一直轉。

如果它誤刪了什麼重要檔案怎麼辦？如果它做了什麼我不知道的事怎麼辦？

我知道這些想法可能是多慮。但曾經當過工程師的人，對權限這種事就是會多想一點。

所以我做了一件事：把它部署到 Digital Ocean 這類的雲端主機上，完全隔離。沒有我個人的資料，沒有敏感的檔案。

我的安全建議

極度不推薦裝在你平常工作的電腦上。

• 用獨立的 Mac Mini，或是雲端主機（月費大概 6-33 美元）
• 先從不具破壞性的任務開始——天氣預報、日曆摘要、簡單的資料整理
• 觀察 AI 的行為之後，再逐步授權

---

真正的轉變：從操作者到設計者

用了四十八小時之後，我發現最大的改變不是「效率提升」。是我的角色變了。

以前我花時間「做事」——寫內容、整理資料、排版、發布。
現在我花時間「設計系統」——決定要做什麼、怎麼做、做完怎麼驗收。

AI 負責發散：想靈感、找資料、執行任務。

我負責收斂：判斷、決策、審核。

以前我會覺得，花時間學工具、學技巧，就是在提升自己。現在回頭看，那只是在變成更高效的操作員。

我很會切菜、很會翻鍋，但我從來沒問過自己：這道菜該不該做？這間餐廳該開在哪裡？

這個轉變，需要更加習慣——習慣指揮，習慣負責方向，而不是習慣動手。

有人說：「技術是油門，品味是方向盤。」

這句話我以前覺得是雞湯。現在我覺得是真的。

當執行力的成本趨近於零，真正稀缺的是什麼？

• 不是誰寫程式寫得快
• 不是誰工具用得熟
• 是誰能「定義正確的問題」
• 是誰有獨特的品味和判斷力

以前你是廚師，親自切菜、翻鍋。現在你是餐廳老闆，設計菜單、管理廚房、確保品質。

有人說，掌握這些工具的個體，產出速度能媲美一年前的一整家公司。這不是誇張。這是正在發生的事。

---

這不是省十分鐘的小工具

最後，我想說一件事。

Clawdbot 不是那種「讓你每天省十分鐘、省一小時」的小工具。它是讓你重新思考：一個人到底能做出多少事。

我不會輕易說什麼「一個人可以創造十億美元公司」的大話。但我可以說：有了這個之後，我很確定，一個人可以 handle 的事情，確實變得非常非常多。

說實話，我現在還在適應這個轉變。有時候還是會忍不住想自己動手做。因為那是我熟悉的方式，是我「感覺有在工作」的方式。

但每次這樣想的時候，我就問自己：

這是我應該做的事，還是我習慣做的事？

---

給兩種人的話

如果你已經在用 AI 工具，但總覺得還是「問一句答一句」：

試試這個。它會讓你知道，AI 不只是回答問題，是可以幫你工作的。

如果你還在觀望，心裡有個聲音在問「AI 會不會取代我」：

我想跟你說：換個問法。

不是「AI 會不會取代我」。是「我願不願意用 AI 來擴展自己」。

未來的競爭，不是人 vs AI。是「有 AI 的人」vs「沒有 AI 的人」。

而你現在就可以選擇，你要站在哪一邊。

👉 安裝教學+5個落地實例：