> ## Content Index
> Fetch the complete content index at: https://jerromy.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# 從 ChatGPT 對話到 AI Agent：我如何設計一個 AI 員工
- URL: https://jerromy.com/chatgpt-to-ai-agent-workflow/
- Published: 2026-09-24T19:29:45.000Z
- Updated: 2026-09-24T19:29:45.000Z
- Description: 從問答、試錯到 Workflow、Skill、Plugin 與 Agent，分享我如何把自動化社群小編做成一套可透過 Email 協作、保留人工判斷的工作方式。
- Author: Lee Chih Min
- Tags: me, ai

以前我使用 AI，方式很簡單。

我問一個問題，AI 給我一個答案。  
問完，事情就結束了。

但真的把 AI 放進工作裡之後，我慢慢發現，難的不是叫它做事，  
而是把「事情怎麼做」說清楚。

第一次產出的文章不對，  
可能是語氣不對、資料不夠，或我自己也還沒想清楚。  
於是我開始回覆：這裡不對、那一段太空、這個步驟實際上會卡住。

整個過程變成：

**做 → 錯 → 想 → 改 → 再做。**

這看起來像是在訓練 AI，其實我也在重新學自己的工作。

## ▋每次叫 AI 重做，都在逼自己說清楚

AI 做錯時，最簡單的反應是叫它再來一次。  
可是重做幾次後，我開始問另一個問題：為什麼這次不對？

有時是提示寫得不清楚。  
有時是順序錯了。  
更多時候，是原本只放在腦中的判斷，從來沒有被說出來。

例如「這篇不像我」，真正要說清楚的可能是：  
開頭太像教學、案例沒有界線、不同平台只是刪字，  
或者文章看似完整，卻沒有一個讓讀者帶走的觀點。

當我把這些錯誤一項一項說明，累積的就不只是對話紀錄。  
我也開始知道，什麼叫做好、什麼叫做錯，以及什麼情況一定要停下來確認。

## ▋經驗多了，對話才開始變成 Workflow

一開始，我可能只會說：「幫我寫一篇社群貼文。」

做過幾次之後，才發現真正的工作其實是：

**選題 → 確認 → 補充資料 → 分析 → 草稿 → 審稿 → 圖卡 → 定稿 → 發布**

這就是 Workflow：把一件事拆成有先後關係的步驟，  
也把需要人判斷的地方留下來。

我現在做的自動化社群小編，就是從這條流程長出來的。  
它不是一收到題目就直接發文，而是先提供選題；  
我確認後，它再準備補充資料入口；  
資料齊了才寫稿；稿件和圖片完成後，仍然要等我審閱。

這些停下來的地方不是效率不好。  
它們是在保留責任：題目值不值得寫、  
經驗能不能公開、內容是否準確、  
最後能不能發布，仍然需要人決定。

## ▋Skill 不是先想出來的，是工作做出來的

流程跑久了，會開始出現固定規則。

哪些資料要先看？不同平台怎麼寫？圖片要檢查什麼？  
發送結果不明時能不能重寄？使用者還沒確認時，哪些動作不能往下做？

把這些可重複的方法、判斷和例外整理起來，就形成 Skill。

OpenAI 的文件把 Skill 說明為一組可重複使用的指令與資源，  
用來告訴 ChatGPT 或 Codex 一項工作何時該用、步驟怎麼走，  
以及完成的結果應該長什麼樣子。

這和我的實際感受很接近。

**Skill 不是在白板上一次設計完成的。它比較像每次返工後，留下來的做法。**

## ▋Plugin 與工具，讓方法可以碰到外面的世界

只有工作方法還不夠。

社群小編要讀 Email、寫檔案、取用知識庫、同步補充資料，  
最後還可能要連到不同服務。這些外部能力，會透過工具、  
連接服務或 Plugin 被組合起來。

嚴格來說，Plugin 不只是一個工具。OpenAI 目前的架構中，  
Plugin 可以包含 Skill、MCP server，  
或把兩者放在一起：一邊保存工作方法，一邊提供資料、驗證與受控動作。

對我來說，這個階段代表的是：AI 不只知道「應該怎麼做」，  
也開始有能力在被允許的範圍內真的把事情往前推。

## ▋到了 Agent，問題不再是「能不能幫我寫」

當 Workflow、Skill 和工具慢慢接起來後，我思考的問題也變了。

以前我問：「AI 能不能幫我寫一篇文章？」

現在我問的是：「我能不能把一段工作交代給它，  
自己先去做別的事，等需要判斷時再回來？」

這也是我為什麼想用 Email 跟 Agent 合作。

它寄信提供今天的題目；我開完會後回覆要哪一題。  
它整理完草稿，再寄給我看；需要修改，我就直接回信。  
內容和圖卡完成後，它再等最後確認，而不是自動替我做決定。

我不需要一直守在聊天視窗前。  
但決定權也沒有因此消失。

OpenAI 對 Agent 的描述，是能使用工具規劃並完成多步驟工作，  
也能在步驟之間維持脈絡。真正放進工作現場時，  
我認為還要多加一層：哪些事可以自己繼續，哪些事必須停下來問人。

## ▋AI 用到最後，我學的是怎麼設計工作

回頭看，這條路很像：

**問答 → 對話 → 試錯 → 思考 → 修正 → 累積經驗 →** 
**找到規律 → Workflow → Skill → Plugin → Agent**

看起來是 AI 的能力越來越多，實際上，人也在把原本憑感覺完成的工作，  
一步一步說清楚。

什麼叫完成？  
哪裡容易出錯？  
什麼可以授權？  
什麼一定要自己判斷？

所以我現在反而覺得，AI 用到最後，真正學到的可能不是怎麼下 Prompt。

而是：

**一件事情，到底應該怎麼被完成。**

---

## 參考資料

- OpenAI Developers, Skills: [https://developers.openai.com/plugins/concepts/skills](https://developers.openai.com/plugins/concepts/skills?ref=jerromy.com)
- OpenAI Developers, Plugin architecture: [https://developers.openai.com/plugins/concepts/plugins](https://developers.openai.com/plugins/concepts/plugins?ref=jerromy.com)
- OpenAI Developers, Agents: [https://developers.openai.com/api/docs/guides/agents](https://developers.openai.com/api/docs/guides/agents?ref=jerromy.com)

![](https://storage.ghost.io/c/14/91/14917ba3-4dad-4ae4-ab57-907c4fc7ce12/content/images/2026/09/card-01.png)

![](https://storage.ghost.io/c/14/91/14917ba3-4dad-4ae4-ab57-907c4fc7ce12/content/images/2026/09/card-02.png)

![](https://storage.ghost.io/c/14/91/14917ba3-4dad-4ae4-ab57-907c4fc7ce12/content/images/2026/09/card-03.png)

![](https://storage.ghost.io/c/14/91/14917ba3-4dad-4ae4-ab57-907c4fc7ce12/content/images/2026/09/card-04.png)

本文四張圖卡：從問答、試錯到設計 AI 員工。