Claude Cowork是什麼、怎麼用?新手10分鐘設定教學,一次學會檔案自動化
Claude Cowork是什麼、怎麼用?新手10分鐘設定教學,一次學會檔案自動化

如果你用Claude還停留在「開對話框、貼問題、複製答案」,本文會幫你跨過一道門檻:把AI從雲端的聊天視窗,搬到你電腦本機,直接讀寫整個資料夾的檔案。我們推薦的是Cowork,它能幫你把一份英文研究報告變成可編輯的中文簡報、把一整批檔案整理成報表——這些都是傳統對話模式做不到的。

這是《數位時代》Claude 系列的第二站。第一篇Claude Skills 零基礎入門:把每天重複的工作包成自動啟動的小工具〉教你把每天重複的工作包成會自動啟動的小工具、再把「你是誰」的個人偏好設定一次寫好,省下每次重貼指令的力氣;如果你還沒讀過,沒關係,那些設定在這期會再用到、本文也會帶你回顧重點。而這一篇要做的,是把那套工作流從雲端的網頁,整個搬到你電腦本機。

如果你兩期都想完整收藏,這邊可以免費下載全文PDF(需免費加入會員)。

Claude Cowork 是什麼?先搞懂 Claude 的三種工作入口

本期的主角 Cowork,是 Anthropic 目前三種常見工作入口的其中一個。在進入主題前,先用一張全景圖把這個生態交代清楚,不同入口各有適用情境,多數仍計入同一訂閱用量:

產品 解決的需求 適合誰
Claude(對話 + Cowork) 對話、文件處理、本機檔案自動化 所有工作者
Claude Code 程式開發、跑指令、寫腳本 工程師與技術愛好者
Claude Design 視覺設計(pitch deck、landing page、行動版 mockup、品牌指引) 設計工作者與創業者

本期教的 Cowork 適合「快速、可編輯、跟既有資料連動」的場景;至於要做品牌級視覺輸出,那是 Claude Design 的場景,有興趣的讀者可參考《數位時代》文章〈省 token 心法:用 Claude Design 與 Refero 做品牌簡報〉。

單元一|Claude Cowork 跟 Chat 差在哪?為什麼要切過去?

5 月最後一頁我們說,「下期把雲端的東西搬下本機。」本期就是這場搬遷的開始。但搬下本機不只是換載體,Claude Cowork 跟 Chat 是兩種完全不同的工作模式。先理解差在哪,你才知道什麼時候該切過去。

三個本質差異

差異 Chat Cowork
處理檔案的方式 上傳上限 20 檔 / 單檔 500MB 不受 Chat 上傳件數 / 單檔大小限制
累積記憶的方式 雲端 Memory、有總量上限 寫進本機 CLAUDE.md (資料夾規則檔)
下指令的方式 一步一步陪它走 給結果與約束、走開讓它做

第一,本機檔案存取。 Chat 一次最多上傳 20 個檔案、單檔不能超過 500MB。而 Cowork 卻能直接讀寫你電腦上的實體檔案,不受 Chat 那種上傳件數/單檔大小的限制。舉例來說,你有 100 張收據資料夾要做成費用報告。Chat 處理不了,光是上傳就卡住;而且它回給你的也只是對話框裡的一段文字,你還得自己複製到 Excel。

但是 Cowork 就不一樣了,你只要把資料夾路徑給它,幾分鐘後通常就可以直接在電腦上看到一份格式化的 Excel 初版,模糊看不清的還會自動標 VERIFY 提醒你複核。如果說 Chat 像是需要頻繁寫入的黑板,那 Cowork 就是可以堆疊資料的辦公桌。

第二,持久化記憶。 Chat 的雲端 Memory 鎖在 Claude 內部、有總量上限。Cowork 則可以把規則跟偏好放進你電腦上的 CLAUDE.md(資料夾規則檔,Cowork 對話前會自動讀),你能隨時打開來看、改、備份。

因此對於大部分讀者來說,Cowork 的優勢是「規則寫一次就在那」,下次對話不必再重貼;就算換電腦也只要整個資料夾複製過去,整個工作環境可以輕鬆帶走。

第三,下指令的方式不同。 Chat 期待你一步一步陪它走(先讀這個、然後抓那個、最後寫成段落)。Cowork 期待你給結果與約束、走開讓它做(例如:產出一份 5 段、每段 100 字、存到 outputs 資料夾,不確定的標 TBD)。這條最關鍵,接下來單元三會深講。

要澄清的是,你 5 月建的雲端 Skill 不需要重做。因為 Skill 跟你的 Claude 帳號綁定,在 Chat、Cowork、Claude Code 三個介面都能呼叫,差別只在 Cowork 還能呼叫本機檔案。

何時用 Chat、何時用 Cowork?

簡單對答、改一句話、單檔分析,用 Chat,省 token、回應快;多步驟任務、要處理多個檔案、有可重複的工作流,切到 Cowork。但要注意,Cowork 比 Chat 更吃 token,使用上要注意限額(這部份要看你的付費方案)。判斷標準很簡單:你需要它「做完一整件事」還是「陪你討論」?整理一批檔案、處理一份報告、產出一份簡報這種要它跑幾分鐘才能完成的事,交給 Cowork、給完指令就走開;改一句話、問一個問題、邊看邊調這種一來一往的事,繼續用 Chat。

單元二|10 分鐘把環境設好

這節純操作。7 個步驟、約 10 分鐘設完,之後就一勞永逸。

第 1 步:下載 Claude Desktop、切到 Cowork tab

#0 Claude Cowork工作流
打開App後,可以在左上標籤切換Chat、Cowork、Code模式。
圖/ 數位時代

第 2 步:設定全域指示

全域指示(Global Instructions)是所有 Cowork 對話都會先讀取的常駐指令,位置在 Settings → Cowork → Edit。對全域指示該寫沒有內容沒頭緒的讀者,可以直接複製下面這段簡易版貼上去:

動任何檔案前先列計畫,等我確認再執行。刪除、覆寫、改名檔案前一律問我。預設輸出格式:docx 或 xlsx。不確定的地方明說,不要猜。需要圖的地方留空白給我,不要自動補圖。

貼上之後,之後不管你 prompt 寫得多隨便,這五條指示都默默把關。要注意的是,全域指示跟上一期設的 Profile Instructions(位置在 Settings → General → Instructions for Claude)是不同的方框,分別管 Cowork 跟 Chat。

第 3 步:Capabilities 設定

到 Settings → Capabilities,做四件事:

  1. 開啟「Generate memory from chat history」開啟 Cowork 模式的雲端記憶
  2. 「Location metadata」可考慮關閉(隱私)
  3. Tool access 設為「Load tools when needed」(需要時載入)
  4. 下方其他所有功能全部開啟。若想在 Claude 繼承其他 AI 產品的記憶,可以在「Import memory from other AI providers」處點擊「Start import」上傳

這裡開啟的是 Cowork 的雲端記憶:由系統自動從你跟它的對話中提取你的個人偏好、寫作習慣、常用工具,下次新對話就會自動套用。整個過程不需要你動手寫檔案,用得越久、Cowork 就越貼近你的口吻。

(資料夾內的本地記憶檔屬於進階用法,後面第 9 頁會專門教。)

#4 Claude Cowork工作流
切記,最重要的是允許AI從對話紀錄中存取雲端記憶。
圖/ 數位時代

第 4 步:建一個 Cowork-Playground 空資料夾

到桌面或 Documents 下,右鍵新增資料夾,取名 Cowork-Playground(或任何你喜歡的名稱)。只建一個空資料夾就好,子資料夾和檔案讓 Cowork 稍晚幫你建(第 6 步的事)。這邊要注意的是,不要直接指向 Documents 整層或桌面整層,這會讓 Cowork 看到太多無關檔案,因此給它一個獨立資料夾,將所有跟 Cowork 相關的工作都鎖在這個資料夾內。

第 5 步:開新對話、指向 Cowork-Playground

回到 Cowork ,按「新對話」,左下方有一個資料夾選擇器,點開選 Cowork-Playground。Cowork 會問是否允許存取,選「永遠允許」。從現在起,Cowork 原則上只處理你授權的資料夾、不會去翻整層 Documents 或桌面。

#2 Claude Cowork工作流
不管你的資料夾名稱叫什麼,使用 Cowork 的時候,最好在一個獨立的資料夾裡面運作,避免讓 Cowork 讀取到電腦中其他地方的檔案。
圖/ 數位時代

第 6 步:複製貼上「環境初始化 prompt」

由於這是你第一次體驗 Cowork,因此請複製下面這段 prompt,貼到對話框送出(堅持手工建立也沒問題):

請在這個資料夾建立 Cowork 工作環境:

1. 建三個子資料夾:inputs、outputs、needs-review
2. 建一個 CLAUDE.md 檔案,內容用以下結構(每段先放占位文字,我之後會親自編輯):

   # 工作環境總則

   ## 我是誰
   (請放占位文字「待貼入個人化設定」)

   ## 資料夾用途
   - inputs/:要 Cowork 處理的素材
   - outputs/:Cowork 產出的成品
   - needs-review/:Cowork 不確定的、要我人工檢查的

   ## 工作流規則
   - 收到任務後先列計畫,等我確認再執行
   - 產出存到 outputs/
   - 不確定或多歸屬的丟 needs-review/

3. 完成後列出整個目錄結構讓我確認

接下來 Cowork 會先列出計畫(因為全域指示 設了「動手前先列計畫」),你按確認後它 1 分鐘左右就建好。然後打開 Finder,就會看到資料夾結構出現了:

Cowork-Playground/
├── CLAUDE.md
├── inputs/
├── outputs/
└── needs-review/

為什麼要這樣分?沒有這幾個子資料夾的話,Cowork 跑完任務的成品會散落在 Playground 根目錄、模糊資料也會混進 inputs/,幾週後資料夾就變得難以維護。

#9 Claude Cowork工作流
這個資料夾結構只是簡易版,目的是讓你的 Cowork 可以在一個有明確定義的結構中運作。 這樣一來,不管進行哪一種類型的工作,資料都可以順利歸檔。因此你也可以按照圖四:資料夾結構 圖說:這個資料夾結構只是簡易版,目的是讓你的 Cowork 可以在一個有明確定義的結構中運作。 這樣一來,不管進行哪一種類型的工作,資料都可以順利歸檔。因此你也可以按照自己的需求調整資料夾結構,重點是你的 Cowork 跟你自己都知道這些資料夾的定義是什麼。
圖/ 數位時代

第 7 步:填寫 CLAUDE.md

若直接打開 CLAUDE.md,你會看到「## 我是誰」段落是占位文字,把它換成你的個人化設定。最簡單的做法是複製下面這段 prompt 給 Cowork,它會用 5 題快速訪談跟你互動、自動寫進 CLAUDE.md:

我要為自己建立一份精簡的 AI 工作偏好設定。請用一題一題互動問答的方式跟我跑 5 題訪談,
回答完後把答案整理成 250 字內的 Markdown,直接寫進 CLAUDE.md 的「## 我是誰」段落(覆蓋現有占位文字)。

訪談題目:
1. 你的職業/角色/產業是什麼?
2. 你一週大部分時間在做什麼?(具體任務)
3. 你希望 Claude 給你的東西看起來像什麼?(語氣、長度、格式偏好)
4. 你最受不了 AI 寫東西時哪些習慣?
5. 有沒有絕對不要 Claude 做的事?(硬底線)

回答完之後請:
- 把答案整理成 5 個小段、每段對應一題、用「## 我是誰」當小節標題的子段落
- 字數壓在 250 字以內
- 直接寫進這個資料夾的 CLAUDE.md、覆蓋占位文字

當然,如果你已經有現成的個人化設定(例如 5 月做過的 Profile Instructions 存檔),也可以直接貼進來覆蓋占位文字、跳過上面這段訪談,讀者們可隨喜。

全域指示與 CLAUDE.md 怎麼分工

設好之後,Cowork 對話前其實會讀兩個地方的指示,分工很重要:

名稱 位置 內容性質 範例
全域指示 Settings 面板 跨所有 Cowork 對話的普世規則 不刪檔、動作前列計畫、不要自動補圖
CLAUDE.md 資料夾根目錄 跟這個工作環境綁定的規則 你是誰、這個資料夾結構、產出該放哪個子資料夾

邏輯上,全域指示是最頂層的規範、跨所有資料夾都不變;CLAUDE.md 則是依資料夾不同而有差異。

舉個具體例子:你今天要做兩份 PPTX,一份的工作環境是「蘋果風」資料夾、一份是「輝達風」資料夾。蘋果風的 CLAUDE.md 寫「配色白底黑字、字型無襯線、版面極簡」;輝達風的 CLAUDE.md 寫「配色綠黑強對比、字型有科技感、版面強調力量」。同一個 PPTX 任務,因為兩個資料夾的 CLAUDE.md 不同,產出風格就會完全不同。

但有一類規則是跨資料夾都該守的,這就放進全域指示。例如「不要用中國用語『視頻』」這種文字風格規範,寫進全域指示後,不管你在蘋果風還是輝達風資料夾做 PPTX、都不會出現「視頻」;「動任何檔案前先問我」、「不要自動補圖」這種安全規則也是同類,寫一次就涵蓋所有資料夾,不必每個 CLAUDE.md 重複寫。

進階用法:memory.md

以下是進階做法,新手可以先跳過、等熟悉 CLAUDE.md 工作流之後再回來啟用。

除了上面講的「全域指示/CLAUDE.md」兩種規則來源,Cowork 還有另一種跟記憶有關的進階用法:本地記憶檔(memory.md)。跟 CLAUDE.md 不同的是,它不會自動載入。要讓它生效,先在 Cowork-Playground 根目錄建一個空白的 memory.md,然後在 CLAUDE.md 加一行:「開始任何任務前,先讀 memory.md,套用裡面記錄的偏好與決策。」這樣 Cowork 每次讀 CLAUDE.md 就會自動翻 memory.md。

接著只要你在每次收工或踩到雷後請 Cowork 把這次學到的東西記進 memory.md,你的 AI 會越來越懂你。

#5 Claude Cowork工作流
多加一句設定,就可以讓AI做事前先讀取記憶檔,這可以讓高頻任務的品質增加。
圖/ 數位時代

不想寫 Skill?錄一段螢幕給它看

Anthropic 在 7 月 給 Cowork 加了一條捷徑:Record a skill。你不用自己描述工組流程,直接做一次給 Cowork 看就好。在桌面版的「+」選單點 Record a skill,按下開始錄製,然後照平常的方式把工作做一遍。Claude 會同時錄下你的螢幕畫面、滑鼠點擊、鍵盤輸入,以及你的語音講解,錄完之後反推出這件事的步驟,整理成一份 Skill 草稿。這項功能開放給 Pro、Max、Team 訂閱者,目前只在桌面版有,網頁與手機版還看不到。

想看這項功能的完整發布內容,可參考《數位時代》這篇〈Claude Cowork推「Record a skill」新功能!3步驟複製你的工作流程,把SOP變AI技能庫〉。

單元三|給 Cowork 下 prompt 的三件事

Cowork 跑得順的人,不是每次都下 prompt 的人。他們把工作分兩層:例行的事丟給 Skill 自動跑、其餘臨時任務才下 prompt。5 月你已經做過第一個 Skill,每週都要做、輸出格式又固定的事就該包成 Skill。本單元教的是另一條路:還沒被 Skill 化的臨時任務該怎麼下指令。

開始用 Cowork 跑真實工作會發現,prompt 只要說清楚下面這三件事,產出品質就穩定。

第一件:成品長什麼樣

要交代清楚成品是什麼格式(docx、xlsx、pdf、新資料夾結構)、長度多少(字數、頁數)、檔案要存在哪裡(哪個資料夾、檔名怎麼命名)。先花幾分鐘寫清楚成品標準,可以省下後面 5 輪「不對、這不是我要的」的來回。

第二件:約束條件是什麼

你以為的「常識」對 Cowork 不一定是常識,所以所有硬性的限制,你都要寫進 prompt,例如哪些事不能做(不刪檔、不蓋掉、不改 A 欄資料);要用哪個範本、哪種配色、哪種字型;有哪些忌諱(不要 AI 風格示意圖、不要太多 emoji、不用「值得注意的是」這類開場白)。這些約束寫一次寫進 CLAUDE.md,之後每次對話自動套用,不必每個 prompt 重講。

第三件:告訴它不確定時怎麼辦

這是最容易漏的一條。一般人下 prompt 時通常只想「完美狀況」,但實作時十次有八次 Cowork 會遇到模糊情境。例如,你丟一份英文 PDF 給 Cowork、請它做成中文 PPT。如果你沒交代「遇到看不清的數字怎麼辦」,它可能就自己估個數字填進去、繼續往下做,最後你打開 PPT 才發現有幾頁數字錯了。

但如果你在 prompt 最後加一句「看不清楚的數字請集中列在最末頁的待補清單、不要自己估」,Cowork 就會把這些有疑慮的地方主動回報、由你決定怎麼處理。寫進這條規則之後,Cowork 就會從「偶爾犯錯、要你回頭找問題的工具」變成「會主動告訴你哪些地方需要人工判斷的助理」。

對照範例:壞 prompt vs 好 prompt

對照 prompt 內容
❌ 壞 prompt 幫我整理檔案
✅ 好 prompt 把這個資料夾的檔案按客戶名分子資料夾,檔名用 YYYY-MM-DD 格式,產一份變動 log 存到根目錄,不刪任何檔,多歸屬的丟 /needs-review

兩段差別 30 秒,但 Cowork 跑出來的結果差兩個小時。

單元四|實戰:把一份英文研究報告變成中文 PPTX

讀到這裡你已經學會:把 Cowork 環境設好、把「你是誰」搬進 CLAUDE.md、寫好 prompt 的三件事。現在把這些放在一起,跑一個完整任務:把一份 Anthropic 4 月發布的 15 頁英文研究報告,變成一份 10 頁可編輯的繁體中文 PPTX。

挑這個實戰任務有兩個理由。一是內容剛好夠,這份報告叫《8.1 萬人告訴我們 AI 的經濟意義》,是 Anthropic 4 月 22 日發布、整理自約 8.1 萬名 Claude 使用者回饋的研究。15 頁、6 張數據圖、5 個量化發現、若干受訪者引言,做 10 頁 PPTX 剛好,既不會少到沒料、也不會多到 Cowork 處理不來。

第二,雙重意義。讀者做完學到的不只是「英文長文怎麼變中文簡報」這個工作流,讀完報告本身,也對「AI 對工作的衝擊」有了具體理解。雖然 Cowork 產的 PPTX 在版面精緻度上不如專業設計工具,但結構、字型、配色、可編輯性都到位,足以應付多數內部簡報初稿。

完整流程四步驟

第 1 步:準備素材。 從 anthropic.com/research/81k-economics 下載 PDF(檔名建議重新命名為 81000-people-AI-economics.pdf),放進 Cowork-Playground/inputs/ 資料夾。Cowork 會自己讀 PDF,不需要另外轉檔。

第 2 步:下三件式 prompt。 把單元三的三件式直接套用,複製下面這段給 Cowork:

把 inputs/81000-people-AI-economics.pdf 改寫成 10 頁可編輯的繁體中文 PPTX,
存到 outputs/ 資料夾,檔名 AI-economics-deck.pptx。

結構:
- 封面 1 頁
- Key Findings 1 頁
- 誰擔心被取代 2 頁
- 誰從 AI 受益 2 頁
- 生產力提升的型態 2 頁
- 結論 1 頁
- 延伸閱讀 1 頁

約束:
- 每頁字數不超過 80 中文字
- 保留原報告的 6 張數據圖(用截圖嵌入)
- 配色用 CLAUDE.md 裡的品牌色,字型用思源黑體
- 引言保留英文原文加中譯

不確定時:
- 英文術語找不到精準中譯就用 [原文待譯]
- 數字看不清楚就標 [TBD]
- 集中列在延伸閱讀頁下方的 follow-up 清單

仔細看這段 prompt,其實就是單元三教的三件式:成品定義(10 頁結構)、約束條件(字數、配色、字型、引言處理方式)、不確定時怎麼辦(標記方式、集中列出)。

第 3 步:看計畫、再放行。 因為全域指示設了「動手前先列計畫」,Cowork 會先回類似這樣的訊息:

我打算這樣做:讀 81000-people-AI-economics.pdf、抓出 6 個量化發現與 6 張數據圖、用 python-pptx 套件產出可編輯 PPTX、檔名 AI-economics-deck.pptx 存到 outputs/,預估 3 到 5 分鐘,要繼續嗎?

#7 Claude Cowork工作流
等AI列出製作計畫後,若沒問題就回覆OK,接下來Cowork就會開始製作pptx。
圖/ 數位時代

第 4 步:先用 Cowork 對話改大方向,最後再開 PowerPoint 做交付前檢查。 成品出來後,先別急著打開 PowerPoint 手動改,可以直接在 Cowork 對話框繼續說話,例如「第 3 頁的 81,000 改成 8.1 萬」「整體配色太冷,改暖一階」「結論那頁太空,多加一句總結句」。Cowork 改完直接覆寫檔案;等大方向都改好,再打開 PPTX 做最後檢查(版面、字型、圖表截圖、數字是否正確)。

#1 Claude Cowork工作流
Claude會進去閱讀報告,並截圖製作簡報。
圖/ 數位時代
#6 Claude Cowork工作流
在沒有特別指示的情況下,Claude會去媒合適合的圖表與訪談內文。
圖/ 數位時代

以上從輸入 Prompt 到成品產出,中間耗時大概 8 分鐘。想看完整 PPTX 檔案的讀者請點我。寫到這,Cowork 已經能幫你產出可供檢查與修改的初稿。下一單元教你怎麼讓它不用等你開口、自己按表操課。

單元五|讓 Cowork 自己上班:排程任務與外部連線

前四單元都在教你「怎麼跟 Cowork 對話」:你打字、它工作。本單元換軌:「怎麼讓 Cowork 不用對話、自己做事」。從工具升級為系統。

排程任務:用 /schedule 讓 Cowork 按表操課

在任何 Cowork 對話框輸入 /schedule,Cowork 會用問答介面帶你設好頻率(每日、每週、每月、按需)。三個立即能套用、ROI 最高的排程案例:每週一早上 7 點掃 Google Calendar 跟未讀 Slack,整理本週重點與需要準備的會議,你進辦公室時已經有了;每週五下午 4 點從你的專案管理工具撈本週完成事項,產一份週報草稿,週末不必再煩這件事;每天早上 6 點讀 Gmail 分類 + 草擬回信(只產草稿、不自動寄出),你 9 點開電腦時,信箱已經被處理過一輪。

#3 Claude Cowork工作流
要注意,排程任務只在「電腦開機 + Claude Desktop 應用程式開著」時才會跑。睡眠或關機時錯過的任務,Cowork 會在你回來時補跑通知你。
圖/ 數位時代

Connectors:把 Cowork 接到外部服務

Connectors(連接器,把 Gmail、Notion、Slack 等外部服務接進 Cowork 的橋樑)。本機檔案只是 Cowork 能讀的「私領域」,Connectors 把它的眼界拓展到「公開/團隊領域」。設定路徑:Customize → Connectors → Browse connectors,數十個整合可選。最低建議起手的 4 個:Gmail、Google Calendar、Google Drive、Notion。

#8 Claude Cowork工作流
Connectors 是 Claude 可以調用各種工具的關鍵,一定要記得設定。
圖/ 數位時代

一個單獨用 Connector 的小例子是,把 Gmail 連上後,跟 Cowork 說「讀我過去一個月的信件,萃取我的寫作 tone of voice 存進 CLAUDE.md 的『# 我的寫作風格』段落」 下次 Cowork 幫你草擬回信時,會自動套用你的口吻。Connector 也可以跟排程任務搭配,例如每週一早上 7 點自動讀過去一週的 Gmail 跟 Slack、整理出本週重點存進 outputs/ 資料夾,你進辦公室時報告就在桌上。

但必須說排程任務耗費 token 相對多很多,別把不重要的任務也排上去。此外,Cowork 自動讀外部資料時風險也更高,因此敏感操作(轉帳、刪檔、寄信給客戶)要設「動作前需確認」護欄。而且Connectors 的存取範圍也要常檢查,不需要的權限隨時撤掉。

兩期讀完,你帶走了什麼?

兩期讀完,用 Claude Cowork 你帶走了哪三樣資產?這三樣不會因為你換電腦、換公司、或 AI 工具換代而失效,它們是你真正帶得走的資產。

第一樣:第一個工作流 Skill。 5 月教你用 skill-creator 包出來的那個 Skill,它不存在某個 App 裡,是綁在你的 Claude 帳號上的能力。你切到 Cowork、切到手機 App,它都跟著你。再多一個 Skill、再多一個,你的工作流就越被自動化。

第二樣:CLAUDE.md(本機的「你是誰」)。 從 5 月的 500 字 Profile Instructions 開始、現在搬下本機變 CLAUDE.md,未來還會越寫越深。這份檔案是你的數位人格切片,換新電腦時一個資料夾就帶得走。

第三樣:給 AI 下指令的肌肉記憶。 你已經知道:寫好一個 prompt 要說清楚三件事(成品長什麼樣、有什麼約束、不確定時怎麼辦)。這個肌肉不只用在 Cowork。未來 AI 工具更新換代,你也不會被淘汰,因為你會的是「怎麼交辦工作」這件事本身。

4 月教你跟 AI 開始對話、5 月教你建立 Skills、6 月教你下本機進 Cowork。每一期都把你從上一站推到下一站。下一期主題先賣個關子,但有件事可以先說:你接下來最該投資的不是「再多學一個新工具」,是把這兩期建立的三樣資產練深練熟。

登入會員免費收藏專刊、下載全文PDF

延伸閱讀:Claude入門學習地圖!38篇教學、8大主題一次收,Cowork、Skills、省Token秘訣全打包
Claude Code快捷鍵+指令大全!13大類速查不用背,從Ctrl+C到多Agent協作一次整理

本文不開放轉載

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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