Vivi Chen：用 AI 解鎖我的跨域新篇章

1. 一句話總結

一個完全不寫程式碼的業務文組人，把 AI 當成不斷試錯的思考夥伴而不是許願池，一年之內從兩小時做出一支 LINE 機器人，滾雪球滾到能獨立生出一套有儀表板的專案管理系統。

2. 重點筆記

Vivi 自我介紹是艾迪英特股份有限公司（Ad2iction）的業務總監，職業背景是媒體廣告業務，非常純的文組生。查證後，他的 LinkedIn 在業務總監之外，同時把自己定位成 AI 應用顧問與生成式 AI 講師，跟這場分享裡展現的角色相符。他說一年前連 GAI 年會都覺得遙遠，直到去年七、八月剛好有一場小型 GAI 聚會辦在公司附近，他假借工作人員名義混進去，就此一腳踏入。到現在做了幾十個小工具與應用程式，但他強調自己至今仍看不懂程式碼，連 Excel 的 IF、ELSE 函數都還搞不清楚。

他把整個歷程分成三個階段，並形容每個階段都是同一座螺旋梯：發現痛點、嘗試解決、學習反思、調整策略，然後往上疊一層繼續轉。

第一階段：兩小時做出 LINE 機器人，也踩到第一個坑

他用 LINE OA 串接聊天機器人「AI 科技麻瓜好朋友」，背後接的是 ChatGPT、Claude 之類的 LLM，搭配 Cursor、Render 免費雲端部署，兩小時就串好上線。他也提到串了一個問答式 AI 服務讓大家可以直接「問大神」查時事（產品名稱待查證）。

但緊接著他想如法炮製，把資料 A、資料 B、資料 C 三份東西丟給 AI 說「幫我整合」，結果反而比做機器人還久，來回修正花了兩三天以上，成果還不理想。他從這次挫折歸納出三個心得：

• 不要把 AI 當許願池，要當成思考夥伴，先跟它討論釐清真正的需求，再請它協助拆解資料，而不是丟一句話要它從頭做到尾。
• AI 不是逃避混亂的捷徑，而是要直面問題核心：資料本身混亂，人工整理時就已經不 OK，不能奢望 AI 憑空把不理想的輸入變成理想的輸出。
• AI 現在很容易「很嗨」地一直吐程式碼，他會刻意喊停，要求先討論再寫。

第二階段：把重複性煩惱化繁為簡

他舉了三個化繁為簡的案例，全部都靠 Google Apps Script（GAS）驅動，寫法是先問 ChatGPT 或 Claude「我有一個 Google Sheet，幫我想辦法生成 Apps Script 的代碼」：

• 內部發文小幫手：公司內部發信有固定但繁瑣的格式（客戶名稱、專案名稱要套進括號），資訊單純但要套的格式很囉唆，他原本要拖到五小時後才寄出的信，改成用 Google Sheet 下拉選單挑客戶、專案、對象，一鍵發送，一分鐘搞定。
• 廣告素材檢核：客戶的廣告素材要投放到 FB、YouTube、Google Ads、LINE 和公司自家的 Ad2 平台，常見尺寸做錯（300×250 做成 301×251）、秒數做錯（30 秒做成 31 秒）的問題，人工抓錯要花至少半小時到一小時。他讓 AI 寫 Apps Script，把 Google Drive 資料夾裡的素材自動整理進 Google Sheet，平台、檔名、檔案類型、尺寸、秒數一次列出，一分鐘搞定。
• 手搖飲問卷：辦公室訂飲料品項太多、客製化選項太雜，他拍下菜單照片用 OCR 辨識，再請 AI 寫 Apps Script 直接生成 Google 表單，省下至少半小時到一小時。

他也提到不同體系有各自的自動化工具可以類比：Google 體系用 Apps Script，Microsoft 體系可以用 Power Automate，或是像前面高見龍場次介紹的 n8n，都能一鍵搞定重複流程。這個階段他的心得是要從自己的具體痛點出發，先從簡單的做起，逐步建立信心，而且要立刻行動。

第三階段：挑戰更多元的工具，也踩到更大的坑

• Chrome 擴充功能：公司內部系統要填同仁績效評估表，關鍵績效指標、解決率、滿意度都要人工擴寫，一個人做還好，十幾三十個成員就是大量重複複製貼上。他讓 AI 寫一個 Chrome extension，選好客服信箱或會議記錄的欄位，就能直接把四個欄位帶到旁邊視窗，換算下來省下超過一百次的複製貼上。
• 旅遊資料爬蟲：東京迪士尼官網要排隊才能進、介面又是日文，他讓 AI 寫爬蟲把幾十個遊樂設施的資訊（身高限制、地圖、影片）抓下來貼進 Notion，可篩選、可分享，省下上百次複製貼上，後來還延伸做了一個即時數據網站。
• 仿 LINE 截圖工具：他很喜歡 LINE 的截圖功能，但用途不是傳訊息而是截網頁資訊，市面上的 Chrome 截圖擴充功能不順手，他就自己做一個致敬版本。過程中他想解決截圖需要左右拖曳的問題，問 AI 怎麼辦，AI 給了固定寬度、維持比例、自適應縮放三個方案，自適應聽起來最完美但「實作複雜容易出錯」。他一度想全盤接受自適應方案，繞了一圈才發現自己根本只需要把原始畫面等比例縮到七、八成就好，不必做到那麼複雜。他的結論是不要全盤接受 AI 給的方案，也不要放任它無腦疊加功能，更不要妄想一次做出完美方案，要按部就班一個個做。
• 專案管理系統：他做了一個有儀表板、能追蹤每個業務專案進度（每案六個階段可打勾）的系統。做的過程中他發現需求會隨著開發越滾越多，得考慮動態資料庫這種對他來說很複雜的東西；他自認視覺能力差，Cursor 做出來的畫面不好看，於是改用 Claude 生成畫面設計，再把 Claude 的 React 渲染畫面或程式碼丟回 Cursor 讓它照著做，等於是交叉運用不同 LLM 的強項來補自己的弱點。最後他碰到權限與資料安全的問題，體認到獨立開發終究需要專業工程師介入，形容這是一場「永遠停不下來、不斷擴張邊界的拔河賽」。

3. 關鍵數據與案例

• 兩小時內做出第一支 LINE AI 問答機器人「AI 科技麻瓜好朋友」。
• 多資料來源整合案花了至少兩三天，結果比預期差，耗時遠超過原本兩小時做機器人的案例。
• 內部發文、廣告素材檢核、手搖飲問卷三個 Apps Script 案例，都從半小時到一小時以上的人工作業，縮短成一分鐘完成。
• Chrome 擴充功能案例：以三十位同仁、每人四個欄位計算，省下約一百二十次複製貼上。
• 專案管理系統設計中，每個專案切成六個階段追蹤進度。

4. 金句

• 「我不應該就是真的把 AI 想像得太美好，就是把它當許願池直接就跟它說；我甚至是應該把它當成一個思考夥伴去跟它做一些討論。」
• 「AI 它不是去逃避混亂的捷徑，它是要真正直面問題的核心。」
• 「我們不懂程式碼的人還是要去擁抱技術學習的一些模糊地帶，一定要保持那個很微妙的懂一點點但不完全懂的狀態之下去持續前進。」
• 「它是一個永遠沒有辦法停止的、一種在擴張自己邊界的拔河賽。」

5. 提到的工具與名詞

LINE OA、ChatGPT、Claude、Cursor、Render、Google Sheets、Google Apps Script（GAS）、Google Drive、Notion、OCR、Chrome extension、Power Automate、n8n。

6. 延伸觀察

三場「非工程師用 AI 寫程式」的分享裡，Vivi 這場最像是拿著鐵鎚到處找釘子：從兩小時做出聊天機器人的興奮，到多資料來源整合踩坑的挫折，他最後歸納出的心法（別把 AI 當許願池、別讓它無腦疊加功能、別想一次做到完美）其實跟 Peggy Lo 後面強調的「拆分測試、逐步溝通」異曲同工，只是 Vivi 是自己一個人跌撞撞試出來的，Peggy 則是更系統性地整理成一套方法論。他提到的「視覺能力差、交叉用不同 LLM 補強項」這段，也呼應了海馬在做品牌網站時強調的「給精確色碼而不是只給圖片」——三位講者其實都在講同一件事：跟 AI 溝通的精準度，決定了 AI 產出的品質。

7. 資料來源