怎麼用Claude Cowork做簡報?6步驟圖解、3進階用法,一次量產出可編輯的PPT
怎麼用Claude Cowork做簡報?6步驟圖解、3進階用法,一次量產出可編輯的PPT

「天啊,又要提案了,投影片一頁都沒做!」、「為什麼用了 AI,做簡報還是好花時間?」如果你也有過這些心聲,你不孤單,我也是!

年輕時還在廣代的我,非常 enjoy 做簡報。看到精心製作的簡報被客戶買單,實在很滿足;進職場一段時間後,工作愈來愈忙、肩負愈來愈多責任,作簡報開始變成「地獄」。尤其是要從空白頁開始,一頁頁填入資訊,真的是完全笑不出來。

但最近,我發現 Anthropic 推出的 Claude Cowork 模式 實在是太強大了!我真的又能笑出來了~今天這篇文章,我想分享這套 Cluade cowork 做簡報的 AI 工作流:

AI 簡報工具比較:Claude cowork、Gemini Canvas、NotebookLM

近期我在「AI 簡報急速工作流」拆解了用 Gemini Canvas、NotebookLM 作簡報,能提升效率、大幅降低修改成本的訣竅,結合這次的 Cluade cowork 模式,三種不同的 AI 簡報工作流大概有以下優缺點:

比較維度 Claude Cowork 模式 Gemini Canvas 模式 NotebookLM+Nano Banana
核心定位 你的「本地執行助理」。 你的「線上共創協作白板」。 你的「專屬文獻研究與視覺化專家」。
簡報生成方式 讀取本地資料夾後,在背景寫程式直接生成實體的 PowerPoint 檔案。 在網頁右側開啟互動式畫布,生成簡報的大綱與草稿,可即時修改文字。 根據上傳的文獻,利用 Nano Banana Pro 影像模型,生成高度視覺化且設計精美的簡報。
輸出格式與編輯性 產出真實的 .pptx 檔案。可在 PowerPoint 內自由編輯每一個圖層與文字方塊。 點擊「匯出成簡報」,會直接連動並轉存為 Google Slides,方便線上後續編修。 產出 PDF 或 PPTX 格式。但注意!匯出的 PPTX 內容本質上是「靜態圖片」,無法直接在裡面修改文字。
如何修改簡報? 用對話框叫 Claude 直接改檔案,或自己打開 PPTX 修改。 在 Canvas 介面中框選文字要求 AI 重寫,或匯出至 Google Slides 後手動修改。 需在 NotebookLM 內對著單張投影片下 Prompt 重新生成圖片,或借助 Canva 魔法抓取、Lovart 等第三方工具拆解圖層。
適用情境 結合多份複雜報表、企劃書,需要直接產出傳統 PPT 檔案交差的商務工作者。 習慣在 Google 生態系工作,需要快速生出草稿並與團隊線上協作 Google Slides 的人。 需要將艱澀的長篇研報、法說會逐字稿,轉化為「極具視覺設計感與圖表」的吸睛簡報場合。

整體來說,透過 AI 作出的簡報,如果需要依情況動態修改、重複使用、或是習慣會逐頁仔細精修的人,仍建議使用 Cluade cowork、Gemini Canvas 模式。

不過,Claude cowork 模式有一個最重要,目前 Gemini Canvas 無法比擬的優勢,就是:超高的穩定性(不會偷懶),還且能一次製作超多頁、或是一個指令產出超多份投影片

實測下來,可以一次製作 100 頁,或是可以根據你的檔案資料來源,一次製作多份簡報。

像是我把「AI 簡報急速工作流」的課程簡報,總共 16 個單元,每個單元的投影片大綱丟給 Cluade cowork,透過一個指令,能一次得到 16 份 PPT。而且每一頁的品質都不麻虎,全是方便編輯的簡報檔案。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

Claude Cowork 教學:6 步驟,秒速做出簡報 PPT

Claude Cowork 跟一般 ChatGPT 或 Claude 網頁版最大的不同,在於它是一個「本地代理助理」(Agent)。它能直接讀取你電腦裡的資料夾,並直接幫你產出真實、可編輯的 PowerPoint (.pptx) 檔案,放到同一個資料夾或你指定的任何位址

Step 1:下載 Claude 桌面版 App

Cowork 模式目前沒有網頁版,必須下載「Claude 桌面版 App」(支援 macOS 與 Windows),並且需要訂閱付費方案(如 Pro、Max 或 Team)才能解鎖。打開應用程式後,將上方模式切換到「Cowork」。

Claude Cowork AI 作簡報
圖/ 林柏源

Step 2:在桌面建立專屬的「簡報工作區」資料夾

在你的電腦桌面建一個新資料夾(例如命名為「新產品提案_AI 簡報急速工作流」)。接著,把你手邊的參考資料,像是企劃書、研究報告、甚至會議逐字稿,通通丟進去。

Step 3:給予 AI 權限編輯資料夾

在 Cowork 介面中,點選對話框左下角並授權 Claude 存取你剛剛建的「新產品提案_AI 簡報急速工作流」資料夾。這等於幫 AI 畫了安全結界,Claude 只會在這個資料夾裡乖乖讀書、做事,不會亂翻電腦裡的其他檔案。且 Claude 能自動幫你把作完的簡報入資料夾中,或是幫你更新資料夾中的簡報內容。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源
Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

Step 4:下達精準的任務指令,Prompt 愈詳細愈好

想像你把製作簡報的任務,交辦給一個真人同事,把你會對同事說得話,跟 Claude 說一次,講得愈詳細、愈清楚愈好。

舉例來說,你能對 Claude 說:「 我需要製作一份向主管報告的簡報,目標受眾是總編輯,要讓主管們同意我製作 AI 簡報急速工作流的課程,總頁數最多 20 頁。請根據資料夾內的 [AI 簡報急速工作流_簡報大綱] 來製作簡報,並參考 [AI 簡報急速工作流_簡報風格指令] 來設計排版。在開始製作之前,如果對任務有任何疑問或需要更多資訊,請先問我。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

Step 5:讓 AI 背景作業,它如果卡住會通知你

送出指令後,Claude 會開始發揮代理能力,自動閱讀資料夾內的文件,並在背景寫程式為你建立 PPT 檔案。

目前實測下來,一份 30 頁的簡報,大概需要 25-35 分鐘。這個過程,請確保電腦不要進入休眠狀態。你可以切換畫面,去忙其他任務。過程中,如果 Claude 卡住,會跳出通知來提醒你。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

Step 6:在資料夾中驗收檔案,可再請 AI 調整

任務完成後,你會發現資料夾裡直接多出了一個排版好的 PPT 檔案。打開檢查後,如果覺得第三頁標題不夠有力,可以在對話框對 Claude 說:「請把第三頁的標題改得更有氣勢一點」,它就會自動打開檔案幫你改好並存檔。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

如果是小幅度的修改,會建議既然都拿到 PPT 檔案了,不如手動改比較快;如果要需要新贈一大區塊、數頁的投影片內容,或是整體的方向與口吻要調整,這類比較大的修改需求再交給 AI。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

延伸閱讀:Gamma免費點數用完怎麼辦?盤點10款免費AI簡報工具,這款連PPT原始檔都能直接下載

Claude Cowork 進階用法

熟練基礎操作後,接下來這 3 招,能幫你大幅提升效率!讓你徹底發揮 AI Agent 的威力,甩開只會複製貼上的菜鳥~

進階用法一:建立「風格指令」,維持每份簡報的統一性

先前在 經理人 Podcast 中我曾分享過,AI 工作流最大的效率殺手之一,便是隨機性。AI 每次的產出,像是排版、顏色和字體,可能都會有些微差異。建議大家可以在簡報的工作資料夾內,新增一個名為 風格指令 的純文字檔案。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

風格指令 裡,可以明確規範公司的「品牌視覺準則」(CI)。例如:「背景一律使用色碼 #F5F5F5,主標題請使用 Noto Sans TC、大小 36px,強調色為 #FFCC80」。

Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

接著,在下指令時補上一句:「排版與風格請嚴格遵守資料夾中 風格指令 檔案的規範。」從此,Claude 產出的簡報就會像穿上制服一樣,完美統一,再也沒有廉價隨機感。

進階用法二:串接 Connectors 與 Chrome — 打造雲端無影手

如果要作的簡報,需要上網搜尋參考資料、統計數據,但你還沒把這些資料整理起來,或這些資料並不在電腦裡怎麼辦?

別怕!可以在 Claude 設定中啟用 Connectors(支援 Notion、Slack、Google Drive 等),並安裝「Claude in Chrome」擴充功能。

Claude Cowork AI 作簡報
圖/ 林柏源

你可以下指令給 Claude 說:「請打開 Chrome 搜尋『2026 最新 AI 工具趨勢』,告訴我有哪些值得關注的重點,並把這些資料整合進簡報的『市場概況』這一部分中。」AI 就會像千手觀音一樣,幫你跨平台爬梳資料並做成簡報,或更新舊版的簡報內容。

進階用法三:埋入 AskUserQuestion 防呆指令

最後這一招,是 AI 專家都推薦的技巧!

在每次的指令中,加上這句神奇的咒語:
「Start by using the AskUserQuestion tool before answering to gather enough context.(在開始任務前,請先使用 AskUserQuestion 工具詢問我,以收集足夠的背景資訊。)」

或是能向上面示範的一樣,輸入:在開始製作之前,如果對任務有任何疑問或需要更多資訊,請先問我。

有時候,我也會少根筋,忘記完成任務的重要細節。像是我就忘了在給 AI 的參考資料中,加上主要講師是誰。加上這句指令後,Claude 在動工前會先停下來「反問你」:

  • 請問這堂課的主要講師是誰?
  • 向總編輯提案時,最需要說服的核心重點是什麼?
  • 簡報需要加入具體的預估數字嗎?像是目標學員數、預估營收?
Claude Cowork AI 作簡報_2.jpg
圖/ 林柏源

這種「先對焦、後執行」的專業溝通模式,能強制拉齊你與 AI 之間的認知,確保產出的簡報更能符合你的需求,不再浪費時間反覆做白工!

有了這些技巧,製作簡報再也不是令人頭痛的苦差事!

如果你有興趣,我在「AI 簡報急速工作流」課程中,有講解更多使用 AI 作簡報的技巧,歡迎一起來學習!

經理人商管 LAB 推出《AI 簡報極速工作流》線上課
圖/ 經理人

本文授權轉載自經理人月刊

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓