返回列表
2026年8月1日 下午07:47

未來一年，這6個 AI Agent 趨勢會徹底改變你的工作方式！

原始影片

學習筆記

TL;DR

未來一年，AI Agent 的發展趨勢將是模型更聰明、技能（Skills）整合、通用智能體興起、自動化普及、電腦操作能力增強，以及高階與開源模型並存，但最終的關鍵在於使用者自身的理解與溝通能力。

快速結論

未來一年，AI Agent 的發展將呈現幾個關鍵趨勢，核心在於 AI 變得更聰明、更自動化，並且能更深入地融入工作流程。首先，AI 模型將越來越聰明，能夠理解更自然、更具體的指令，使用者只需清晰表達需求即可，無須依賴複雜的提示詞。其次，技能（Skills）將變得至關重要，使用者可以預設操作流程，AI 也能主動組合不同的技能來完成任務，這使得 AI 越來越像一個具備經驗的員工。

第三，通用智能體（Universal Agents）正快速興起，這些平台整合了各種知識類工作的 AI 功能，能處理從寫作、程式設計到網頁託管等多元任務，使用者只需選擇一個順手的平台作為主力即可。第四，AI 自動化將讓許多原本需要手動設定的任務，轉變為 AI 在後台自動運行，且無需複雜的技術知識，只需用自然語言溝通即可。

此外，AI 在控制電腦方面的能力（Computer Use）將大幅提升，未來 AI 操作電腦的時間可能超越人類，這將改變人機互動的模式。最後，AI 的成本結構將是高階模型昂貴但體驗最佳，而開源模型則快速追趕，價格親民，足以應付日常大量重複性工作。最終，AI Agent 的應用成效，關鍵不在於工具本身，而在於使用者清晰表達、分配任務和判斷 AI 成效的能力，這與管理真實團隊的能力高度相似。

這支影片在說什麼

這支影片探討了未來一年內將徹底改變工作方式的六個 AI Agent 趨勢。影片旨在幫助觀眾理解 AI 的發展方向，並掌握如何利用這些趨勢，即使 AI 工具不斷更新，也能比大多數人更有效地運用 AI。這支影片適合所有希望提升工作效率、了解 AI 前沿動態的上班族、創業者及對 AI 感興趣的學習者。

最重要的 3-5 個重點

  1. AI 模型越來越聰明，自然語言溝通成為關鍵： 未來使用者無需學習複雜的提示詞（prompt），只需用清晰、具體的大白話表達需求，AI 就能生成更貼近期望的結果。
  2. 技能（Skills）整合與自動化： Skills 預設了 AI 的操作流程，AI 能自行組合多元 Skills 來完成任務，並能學習與升級，使 AI 像經驗豐富的員工，重複性工作尤其適合用 Skills 實現自動化。
  3. 通用智能體（Universal Agents）將成為主力工作平台： 各大平台推出的通用智能體整合了多樣化的 AI 功能，能處理複雜的知識工作，使用者只需選擇一個順手的平台，即可涵蓋大部分工作需求。
  4. AI 的電腦操作能力（Computer Use）將大幅提升，自動化普及： AI 將能獨立完成電腦上的各種操作，包括上網搜尋、點擊、輸入等，並且許多任務將轉變為後台自動運行，無需複雜技術設定。
  5. 成本與選擇：高階模型適用於關鍵任務，開源模型滿足日常需求： 頂級 AI 模型體驗佳但價格昂貴，適合一次性、高要求的任務；開源模型則性價比高，能處理大部分日常、重複性工作，並已能與頂級模型媲美。

知識架構

  • AI Agent 趨勢 (未來一年)
    • 趨勢一：模型越來越聰明
      • 重點：自然語言理解能力提升，無需複雜提示詞
      • 影響：清晰表達能力成為核心技能
    • 趨勢二：技能 (Skills) 整合與自動化
      • 重點：預設操作流程，AI 組合與學習
      • 影響：AI 像員工，重複性工作效率提升
    • 趨勢三：通用智能體 (Universal Agents)
      • 重點：整合多功能平台，取代複雜工具切換
      • 影響：選擇一個主力平台即可
    • 趨勢四：AI 自動化
      • 重點：後台自動運行任務，無需技術背景
      • 影響：降低自動化門檻
    • **趨勢五：電腦操作能力 (Computer

Use)** * 重點：AI 直接控制電腦，執行點擊、輸入等操作 * 影響：人機互動模式改變 * 趨勢六：成本結構 (高階 vs. 開源) * 重點：高階模型昂貴但性能強；開源模型追趕且性價比高 * 影響：根據任務需求選擇模型

  • AI Agent 成功應用的關鍵 (金字塔模型)
    • 頂層：技巧與策略 (Tips & Tricks)
    • 中層：工具 (Tools)
    • 底層：使用者自身能力 (Your Own Capabilities)
      • 清晰的溝通能力 (說清楚)
      • 任務分配能力 (分配任務)
      • 判斷力 (判斷好壞)
      • 專業領域知識

關鍵概念

  • AI Agent： 指的是能夠自主執行任務、做出決策的 AI 系統。
  • 提示詞 (Prompt)： 指使用者輸入給 AI 的指令或問題，用以引導 AI 生成回應。
  • 技能 (Skills)： 預先設定好的一套 AI 操作說明或流程，AI 可以依循執行。
  • 通用智能體 (Universal Agents)： 指整合了多種 AI 功能，能處理廣泛任務的單一平台或系統。
  • AI 自動化 (AI Automation)： 指利用 AI 在後台自動執行重複性或流程性的工作。
  • Computer Use： 指 AI 直接控制電腦執行操作的能力，如滑鼠點擊、鍵盤輸入等。
  • Token Budget： AI 處理文字時的計價單位，用於評估使用高階 AI 模型的成本。
  • 開源模型 (Open-source Models)： 指原始碼開放、可自由取用、修改和分發的 AI 模型。
  • 軟技能 (Soft Skills)： 指與人際互動、溝通、領導、判斷力等相關的能力。

重要例子與細節

  • 模型聰明化範例：
    • 以前：需要用「我希望你扮演一個XXX角色」等複雜提示詞。
    • 現在：直接用「把主標題改成紅色，背景換成淺藍色」等自然語言指令，AI 也能直接操作圖片生成（如 Midjourney）。
  • Skills 應用範例：
    • 設定 Skills：先讓 AI 執行任務並修改至滿意，再請 AI 將此流程保存為 Skills。
    • AI 組合 Skills：當 AI 擁有「查資料 Skills」和「寫周報 Skills」時，只需一句「幫我做一份周報」，AI 就能自動調用並組合使用這兩個 Skills。
  • 通用智能體應用範例：
    • 上班族場景：一個指令讓 AI 整理信箱、安排會議、準備會議資料，所有任務可同時在後台運行。
    • 內建瀏覽器：AI 能夠自行上網搜尋並點擊連結。
    • 網頁託管：AI 能將做好的網站一鍵託管到網上。
  • AI 自動化範例：
    • 設定：每天早上 8:30 幫我整理昨天的 AI 行業新聞成 5 條摘要並發送。
    • 執行：AI 會在指定時間自動完成，無需人工干預。
  • Computer Use 範例：
    • AI 可以直接操作電腦，點擊應用程式、輸入文字。
    • 預測：未來一年到一年半，AI 操作電腦的時間可能超過人類。
    • 安裝 Computer Use 插件後找不到功能：可能是功能仍在分批開放，或需要更新到最新版，或為特定作業系統版本（如 Windows 版 Codex）的功能。
  • 成本比較範例：
    • 製作手機 App 的高階 AI 實測：9-10 次對話花費數百美元。
    • 日常設計工作：開源模型可能只需幾塊錢，與頂配模型相比差距微乎其微。

可學習的洞察

  1. 清晰表達是最高技能： 在 AI 越來越聰明的時代，學會如何清晰、準確地描述自己的需求，比掌握任

何複雜的技巧都更有價值。 2. 善用 Skills 打造個人化 AI 助理： 將重複性高的工作流程轉化為 Skills，可以顯著提升效率，並讓 AI 成為真正能獨當一面的「員工」。 3. 擁抱通用智能體，簡化工具鏈： 未來的工作將圍繞著一兩個強大的通用智能體平台進行，無需分散精力於多個零散工具。 4. AI 自動化是趨勢，門檻將大幅降低： 即使不懂技術，也能透過自然語言實現複雜的自動化流程。 5. 使用者自身能力決定 AI 應用上限： AI 工具越強大，越凸顯使用者在溝通、判斷和專業知識方面的軟技能重要性。優秀的管理者將能更好地管理 AI。

可行動的整理

  • 練習清晰表達： 日常工作中，有意識地將想法和需求表達得更具體、清晰，無論是對人還是對 AI。
  • 開始建立 Skills： 識別工作中最常重複的任務，嘗試將其步驟記錄下來，或使用 AI 工具將流程保存為 Skills。
  • 關注並試用通用智能體： 選擇一兩個主流的通用智能體平台（如 Claud Core Work, Codex），將其作為主力工作平台試用。
  • 關注開源模型發展： 了解並試用新的開源 AI 模型，特別是在日常、非關鍵任務上，評估其性價比。
  • 加強自身專業領域學習： 越是自己的專業領域，越能有效判斷 AI 生成內容的品質，並更好地駕馭 AI。
  • 思考 AI 成本： 對於需要使用高階 AI 的任務，先評估其 Token Budget 和整體成本。

複習問題

  1. 在 AI 模型越來越聰明的趨勢下，使用者最需要培養的核心能力是什麼？
  2. 「技能 (Skills)」在 AI Agent 的發展中扮演什麼角色？舉例說明 AI 如何組合 Skills 完成任務。
  3. 「通用智能體」的出現，對使用者選擇 AI 工具帶來了什麼樣的改變？
  4. AI 自動化與傳統自動化相比，最大的區別是什麼？
  5. 為什麼說使用者自身的「軟技能」是決定 AI Agent 應用成效的關鍵？請結合自身領域說明。

待確認資訊

  • 影片中提到「Claud, ClaudCode, Codework, Codex, Curse」這些主流工具，其中 "ClaudCode", "Curse" 可能為口誤，應為 Claude Code (例如 Claude AI)，Codex (例如 OpenAI Codex)，Codework (例如 CodeWhisperer 或其他 AI 程式助手)。
  • 影片中提到「Computer Use」功能在 Windows 版本的 Codex 中可能正在分批開放，此資訊需要查證實際的開放進度與適用性。
  • 提到「最頂配的AI」一次對話（prompt）燒掉數百美元，以及「Token Budget」的具體換算方式，若有進一步細節會更佳。
  • 影片中提到「開源模型是來自我們中國」，具體是哪些公司或研究機構的開源模型，若能指出會更有幫助。

觀看原始影片