因應一天一 AI PRO 上線，我累積了大量製作 AI 工作流的經驗。這些推上網站的工作流，也都是我真實在用的版本。
以「產業情報蒐集雷達」為例，一開始我花很多時間想，AI 要去哪些網站找資料？每週回報幾則？
做到後來，我卻發現真正該跟 AI 說的是：找情報是為了什麼？
例如研究「寵物食品」，如果目的是評估自有品牌，和目的是找海外代理品牌，值得查的情報完全不同。
所以我的工作流會先協助使用者搞清楚：這份情報最後要做什麼決定？接著，把它拆成幾個「真的會影響決策的問題」，去找第一輪資料。
如果第一輪查下來，發現資料都很相似，就回頭去想，還缺哪些證據？下一輪可能要換來源、換角度，找不同的證據來補。
最近看到 MIT 發表的新研究也讓我想到這件事。研究者發現，要求生成模型在每個中間步驟都必須符合硬性限制，反而可能錯過更好的解法。
這個概念跟我做工作流時的體會很像：不要把所有步驟都規定完。以搜尋來說，目的要清楚、來源要查證，但「只能找這 10 家公司」「永遠只查這幾種來源」，就可能讓 AI 錯過真正重要的新訊號。
我把這個發現整理成圖卡給你！
一天一 AI PRO 官網正式上線，去看看我做了哪些工作流吧。有任何心得和許願，歡迎點此留言分享，我都會看！
AI提示詞怎麼寫？先搞懂「情報要拿來做什麼」
去哪裡搜尋？關鍵字怎麼下？多久更新一次？一次回報 3 則還是 10 則？但做到後來才發現，如果不知道情報最後要拿來做什麼，這些問題其實都很難回答。因此，AI 需要協助你釐清的第一題應該是「 查完之後，你要做什麼決定？ 」
產業情報怎麼蒐集？決策目的不同，AI搜尋方向也不同
同樣研究「寵物食品」。要做自有品牌，需要查：台灣市場競爭概況、價格帶、OEM廠商、通路。
但想要代理海外品牌，需要查：品牌潛力、代理條件、競品。 產業相似，決策的目的不同，情報需求就不同。
AI搜尋第一輪不夠怎麼辦？先找出「還缺什麼證據」
假設你想知道：「企業到底有沒有真的開始用 AI？」第一輪找到的資料，全都是：「主管說公司已經導入 AI。」這時真正缺的，可能是其他面向，例如員工意見如何？有沒有真實導入成果？
MIT研究：AI限制愈多愈好嗎？中間步驟綁太死反而影響結果
MIT 最近發表一篇文章，發現同樣的限制條件，如果在 AI 生成的每個中間步驟都強制執行，反而讓它錯過更好的解法。把限制留到最後才檢查，中間讓它自由探索，品質更高。我做工作流的體會也一樣：目的和品質標準先說清楚，但搜尋路徑不要一開始就綁死。
產業情報蒐集雷達怎麼運作？5步驟建立AI情報工作流
① 先問目的：這份情報要幫我做什麼決定？
② 拆成問題：做決定前，哪些事情一定要搞清楚？
③ 先搜一輪：先用目前知道的方向去找答案
④ 看還缺什麼：資料太像、證據不夠，就換來源、換角度繼續補
⑤ 最後收斂：只留下真的改變認知或行動的情報
產業情報蒐集雷達怎麼下載？ChatGPT、Claude安裝教學
登入一天一AI PRO 官方網站，成為付費的年度會員。找到「產業情報蒐集雷達」的立即下載按鈕，下載 zip 檔。
Claude 網頁版的用戶： 從Setting→Skills→右上方Add選擇→Upload skill→上傳 zip 檔。
ChatGPT 網頁版的用戶（要是付費版）： 開一個新對話→選擇「工作」標籤→在對話框上傳 zip 檔→輸入「幫我安裝到個人雲端技能」。完成設定後，重整頁面、開新對話，在對話框輸入「／」或是「@」輸入「產業情報蒐集雷達」就能把技能呼叫出來，再把你的問題貼給它就行了。
訂閱《一天一AI》日報，每天跟你分享超實用的AI小技巧！
