說明多數人用不好 AI 的真正原因，通常不只是 prompt 寫不好，而是任務沒定義清楚、工具選錯、上下文不足、沒有特化。

建立 AI 運作的基本認知，理解它依賴語意、上下文與機率預測產出內容，因此模糊輸入常導致模糊輸出。

拆解人與 AI 的溝通差異，說明人會補腦，但 AI 需要被明確定義角色、任務、條件、輸出格式與禁止事項。

說明不同 AI 工具適合不同工作模式，有些擅長聊天與文書，有些擅長長任務、多步驟執行或生態整合。

介紹特化的概念，包括固定角色、任務邏輯、輸入輸出格式、判斷規則、知識範圍與工具權限設定。

用 Email、會議記錄、簡報大綱、行事曆與表格分析等案例，對比一般聊天式使用與特化後使用的差異。

總結第一篇的方法論，建立「先分辨任務類型，再選工具、補上下文、最後寫指令」的工作式使用流程。

定義 AI 自動化與一般問答的差異，說明自動化是讓 AI 在固定流程中持續執行任務，而不是單次對話。

盤點最值得優先導入的場景，包括 Email、文件、簡報、會議、社群與表格等高頻辦公任務。

釐清三種工具的角色：Claude Code 偏向全自動任務執行與派工、Codex 偏向 Google Workspace 文件流與辦公流程整合、OpenClaw 偏向多 Agent 協作與流程編排。

示範如何將收信、開會、社群運營、文件管理等真實工作拆成輸入、處理、輸出、追蹤等步驟。

說明為何多數人直接追求全自動容易失敗，應從手動驗證、固化 SOP、單點半自動，再逐步串成全流程。

建立 AI 產出的驗收標準，包括格式正確性、重點掌握、遺漏檢查、公司語氣與 SOP 一致性。

引導學員選定一條自己的工作流程，做成最小可行版本，從理論走到可落地實作。

從工作方式的變化切入，說明未來競爭力不只來自效率，而來自設計流程、管理 AI 與放大產能的能力。

解釋 AI Agent 不只是聊天工具，而是具備角色、目標、工具與流程的工作單位，可持續執行與分工。

用 CEO Agent、助理 Agent、財務 Agent、法務 Agent、銷售 Agent、社群 Agent、SEO Agent 等角色建立數位團隊藍圖。

說明設計 Agent 時應先定義角色、任務、輸入輸出、可用工具與驗收標準，再談多 Agent 協作。

以財務、法務、銷售、庫存、社群、AI SEO 等案例，拆解 AI Agent 如何進入企業的不同職能場景。

從組織運作角度說明，小公司如何用 AI 補足人力缺口，個人如何用 AI 像小團隊一樣運作。

總結整門課的上位概念，從「我怎麼做更快」進化到「這件事能不能不由我做」，建立系統化思維。