工作與思考誌 · 王若婷 Sammi
當 AI 開始增加管理成本,我重新設計了自己的工作系統
網站發布: · 依 BTC 工作台與多模型協作實踐整理
架構圖更新:
AI 讓我做得更快,也讓對話、任務與決策散在更多地方。換模型、換裝置,或隔一天再回來,我常要重新找資料、交代進度。
為了讓工作能接續,我開始重新設計自己的工作系統。
這次實作:讓不同 AI 接得起同一件工作
遇到的問題:工作換到另一個 AI 或裝置時,得重新找資料、交代進度,也容易不清楚哪個決定已經確認。
我的做法:把任務目的、已確認的決定、目前進度和下一步寫進共同紀錄。Max 協助討論方向,Link 整理與追蹤交辦,Just 處理技術與產品工作,Sage 保存公司正式知識與規範。
目前進展:派工通道已設定,Just 端已測試讀寫共同紀錄;第一件真實派工仍在試跑,還不能視為已完成自動協作。工作流中的擬計畫、排優先序和品質驗收也仍有待補齊。
這次留下的方法:接手前先看紀錄,開始前確認授權,做完後回報成果;需要採用、合併或發布的決定,回到負責的人。
我真正想解決的,不是工具整合
我後來把問題重新拆開。
我需要的不是另一個更完整的「第二大腦」,也不是讓所有 AI 都知道所有事情。
我真正需要的是:
- 每天知道現在最重要的是什麼。
- 需要我做判斷的事情,不會被埋在工作裡。
- 不同 AI 可以各自工作,不需要重新理解整個世界。
- 工作換模型、換裝置之後,仍然可以接得回來。
- 事情做完之後,不只完成,還能留下成為下一次的基礎。
於是,我開始把工作重新收斂。
BTC 不是一次設計完成,而是在工作裡一步一步長出來的
回頭看,我真正想留下的,不只是現在這個工作台,而是它怎麼演化到今天。每一次調整,背後都有一個新的摩擦:先遇到問題,再修改系統,實際使用之後,又看見下一個問題。
先解決「東西放在哪裡」
最早我想做的是把策略、決策、知識、專案與工作紀錄留下來,避免每次重新開始。資訊逐漸集中之後,我卻發現:資料找得到,不代表每天知道該先做什麼。
思考與洞察:資訊集中,不等於工作清楚。
從知識管理,轉向「今天從哪裡開始」
於是我開始把「今日」獨立出來,讓自己先看本週、近期、親自處理與交辦等待。這讓工作有了入口,但任務一多,真正需要我判斷的事情還是可能被埋掉。
思考與洞察:任務管理,不等於決策管理。
把「待我裁決」從任務裡抽出來
BTC 開始把今日焦點與待我裁決分開。我不再把所有事情都當成自己的工作,而是先辨識:哪些事情需要我做,哪些事情只需要我做判斷、取捨與資源配置。
思考與洞察:管理者真正稀缺的,是注意力與判斷。
AI 愈多,新的管理成本也開始出現
當策略思考、產品技術、程式實作與不同裝置逐漸分散到不同 AI 與工具後,我開始反覆重建上下文:這裡做到哪裡、另一邊決定了什麼、哪一份才是最新版本。
思考與洞察:如果 AI 讓執行變快,卻讓我花更多時間管理 AI,管理成本只是被換了位置。
不再要求所有 AI 都知道所有事情
我一度想讓不同 AI 共用同一套記憶與資料,但愈往下做,愈發現全量同步本身會產生更多維護、版本與責任問題。不同 AI 可以保留自己的專案、記憶、能力與操作規則。
思考與洞察:AI 協作的核心,不是共享所有記憶,而是共享足夠完成工作的脈絡。
從 Shared Memory 轉向 Minimum Shared Context
跨模型真正需要交換的,只留下任務目的、必要背景、來源、已確認決策、限制、完成標準、進度、風險、下一步與產出。工作能接續,比所有系統擁有同一份完整記憶更重要。
思考與洞察:共用工作事實,不共用全部記憶。
BTC 最後才變成今天的工作控制面
BTC 不再試圖取代 Notion、GitHub、Drive 或 AI 原生工作區。它只保留具有管理意義的資訊:今日焦點、待我裁決、狀態、責任、接手方、風險、下一步、工作紀錄與成果入口。
思考與洞察:真正需要被統一的不是所有資料,而是工作的控制與決策。
資訊整理 → 工作入口 → 注意力管理 → 決策控制 → AI 分工 → 最小交接 → 工作控制系統
這也是我現在認為最值得保留的部分:BTC 的價值不只是最後的畫面,而是每一次遇到新的摩擦後,如何重新定義問題、調整工作方式,再回到實際工作裡驗證。
BTC 就是在這個過程裡長出來的
我最後把它整理成一個總工作台:BTC|Business & Technology Console。
BTC 不是用來保存所有東西。它只留下對工作管理真正重要的資訊:今天的焦點、待我裁決、目前狀態、誰正在接手、風險與下一步,以及工作紀錄與成果入口。
BTC|我的工作台
有所為 · 有所不為 · 做可以控制的事
現在真正重要的是什麼
哪些地方需要人的判斷
策略 · 研究 · 轉譯
技術 · 產品 · 交付
任務 · 決策 · 交接 · 工作紀錄 · 知識
Decide → Execute → Record → Learn → Next
不同 AI 保留自己的能力、脈絡與工作方式。需要跨模型協作時,只交換完成工作真正需要的內容:目的、背景、已確認決策、限制、進度、風險、下一步與產出。
我的角色也逐漸從「每件事情都親自處理」,轉成掌握注意力、做關鍵判斷、決定資源投入,再讓 AI 與系統負責執行與留存。
SAMMI × GPT × CLAUDE|我的 AI 協作架構
我怎麼安排 AI 分工、交接與成果確認
我把不同工作分給四個 AI 角色。它們不會自動知道彼此聊過什麼,需要透過共同紀錄交接。
- Max(GPT):和我討論商業策略、研究與內容。
- Link(GPT 常駐助理):整理交辦、拆解工作、派工並追蹤成果。
- Just(Claude):和我討論、規劃與試做技術和產品工作,分為技術發展與資安管理兩個工作空間。
- Sage(公司 AI 平台):保存公司正式知識與規範,供組織協作使用。
需要寫程式時,Link 派給 Codex,Just 派給 Claude Code。修改先送出合併請求(PR),由我確認後合併到個人實驗專案。公司的正式開發與交付仍由工程師負責。
我設定方向與優先序,分派任務與授權,審核成果與風險,再決定下一步。AI 的工作成果回到人的判斷,持續調整工作安排。
由 Sammi 驅動的 AI 協作架構
從方向與授權、代理人分工、派工與交接,到成果回報,呈現我如何編排與管理這套工作系統。
整合架構 v3.0 · 2026.10.26
我的個人 AI 工作流
一件事從收件、討論、我裁定、入庫、放行、執行、回報、核對,到採用與交付,每一站由誰負責、記在哪裡。紅色虛線框是還沒設計的關卡。
個人工作流 v0.2 · 2026.10.28
Link 在共同紀錄的任務頁寫好派工內容並設為放行;Just 的排程每個工作日檢查一次,只接已放行、而且能核實我授權的工作,接單前先留回執,完成後回報「已交付,待 Link 核對」。Link 核對成果後更新狀態,需要採用或拍板的事回到我。成型的成果由 Just 交給 Sage,公司的正式開發與交付由工程師負責。
決定要做的事都放進同一張任務總表。任何 AI 新增時只能先放在「待整理」;只有 Link 能在確認我的授權後改成「已派出」;被派到的 AI 依實際進度推到「已接單」「進行中」「已回報」;結案或不採用由 Link 決定,30 天沒有動的事直接不採用。每一支長期排程都有一份母本,寫明它的責任、要讀哪些正本、執行時間與調整紀錄:排程負責執行,母本負責治理。擬計畫與排優先序目前還沒設計,交付品質由誰驗收也還沒定。
整合架構 v3.0 依 2026.10.26 的協作調整重畫:從「GPT 側 × Claude 側」改為四個代理人加兩個寫程式的執行環境;Claude 端由三種角色收斂為兩個房間;先前「原型 repo 經工程師核准晉級正式交付」的流程已不再使用,實驗場與公司正式開發分開。Link → Just 派工的通道已設定,Just 端排程已實測讀寫共同紀錄;第一件真實派工仍在試跑,尚未完成驗證。代理人透過共同紀錄交接,寫進紀錄不等於對方已收到,也不代表全自動執行。前一版為 v2.0(2026.10.24)。
可複製的,不是我的 BTC 畫面
如果只是把我的 Notion 首頁照抄一份,價值其實很有限。
真正可以複製的,是背後四個設計原則。
- 單一控制入口。
每天先回到同一個地方,看焦點、決策、狀態與下一步,而不是先打開所有工具。
- 角色化 AI。
不同 AI 各自負責適合的工作,不要求所有模型共享全部記憶。
- 最小必要交接。
跨模型只交換完成工作需要的上下文,避免複製整套記憶,也避免每次重新開始。
- 保留人的決策點。
AI 可以分析與執行,但注意力如何分配、什麼值得做、什麼不做,以及最後由誰負責,仍然回到人。
從個人工作系統,再走向組織工作系統
BTC 先解決的是我自己的問題:當 AI、工具與工作入口愈來愈多時,怎麼避免效率提升的同時,也把管理成本一起放大。
但在實際使用一段時間之後,我開始發現,同樣的問題也會出現在組織裡,只是多了角色、權限、交接與責任。
這也是我後來繼續往組織 AI 工作流延伸的原因:個人需要一個清楚的工作控制系統;組織則需要把人與 AI 的責任邊界一起設計進流程。
延伸閱讀:一個人用 AI 是效率問題,組織用 AI 是治理問題 →
我現在更在意的,不是再增加多少 AI 工具,而是讓工作在不同工具、模型與時間之間,仍然能夠被接續、被判斷,也能持續累積。
BTC 是我為自己建立的工作控制系統:把注意力、決策、AI 協作與知識累積,收斂到同一個工作閉環。