沒有工程背景，我的 AI 自學全是模仿來的

一年多前，我也只是打開聊天視窗問問題。沒有工程背景，也沒上過課，後來做出三十幾個小東西。這集我把這條路一階一階拆開：九個階段、九個作品，講它怎麼來的、我做了什麼、我模仿了什麼。也講了我卡最久的那一階，還有我怎麼用同一套骨架，把續保小助理變成特約廠商查詢。

很多人問我怎麼學的，是不是上了什麼課。

老實說，沒有。我的方法說出來有點不好意思——就是模仿。

看到別人做了一個覺得很棒的東西，我就想，我可不可以也做一個？就照著做。做的過程一定會卡住，卡住就問，問到它動為止。

而且這件事有個有趣的地方：我們現在在學的 AI，它自己也是從模仿開始的。人類丟了大量的資料和知識讓它學，它只是不用睡覺，所以學得比我們快很多。

先講這週的 AI 快報：Amazon 讓 agent 自己跑，五個月後才發現燒掉 180 萬美元

這則我覺得每個開始用 AI agent 的人都該知道。

根據《金融時報》取得的內部文件，Amazon 用 Claude Sonnet 跑一個很普通的任務——把作者資料跟商品列表對起來。結果這個專案燒掉約 180 萬美元、超出預算 9.6 倍（860%），而且過了大約五個月才被發現。內部簡報用了「catastrophically expensive」（貴到災難級）形容這件事。

為什麼會沒人發現？因為 agent 每一筆比對的金額都很小，成本又被攤在企業內部的某一小塊裡。它一遇到對不上的資料就反覆重試、反覆重試，累積起來才變成這個數字。

這件事的重點不是「AI 很貴」，是計費模式變了——很多服務從月費制改成按 token 計費，任務跑得比預期多，帳單就跟著長，而你不會即時感覺到。

所以如果你要放手讓它自己做事，有三件事要先設好：

一、設費用上限。單筆任務、單月總額都要有天花板，到頂自動停。
二、設異常警報。成本突然變高、或某個任務一直重試，要立刻通知你。
三、高風險的動作要人核准。牽涉金額、送單、付款的，一定要你看過畫面再確認。

我自己還有兩條個人紅線：帳號密碼我一定親手輸入，不讓它記錄；還有給它明確的資料夾權限，電腦裡盡量不放高風險的東西。

訂閱制通常比較不會出這種事（本身就有額度上限），但如果你另外接了 API 額度來呼叫，記得去把上限設起來——不然收到信用卡帳單的時候會很痛。

資料來源：Financial Times 報導（2026-07），經 Tom's Hardware、TechSpot 等多家轉載；金額與比例為報導所載內部文件數字。

九個階段，其實是九次「原來這也可以做」

我把這一年多做過的東西排出來，發現它不是一條學習曲線，比較像九個台階——每一階都是我看到別人做了什麼，然後想「我可不可以也做一個」，做出來之後就墊高了一階。

最有意思的是第三欄。做出什麼其實不重要，重要的是那時候我卡在哪——因為那才是會讓你停在原地的東西。

第一階只是打開聊天視窗問問題，卡在「不知道可以問什麼」。第二階做出自己的小幫手，卡在「它老是不照我的規矩」。第三階學會讓表單自己動，第一次碰到「程式」兩個字。第四階網站上線，做得出來，但放不上網——光是部署就卡了很久。

我卡最久的，是從「網站上線」到「AI 進我電腦」

前面四階雖然慢，但都還在瀏覽器裡：打開網頁、填東西、按按鈕。

第五階不一樣。AI 從網頁搬進我的電腦，可以幫我整理資料夾、直接生出能編輯的 PPT 和 Excel。但入口是終端機——一打開全是黑畫面，什麼提示都沒有。

那段時間我卡最久。不是因為難，是因為看不懂的東西太多，多到不知道從哪裡開始問。

後來我的做法很笨：看到不懂的詞，就一個詞一個詞問。不是問「這要怎麼用」，是問「這個字是什麼意思」「這一步在做什麼」。問到它動為止。

模仿，其實只有兩個 3——用我做過的兩個 LINE 機器人拆給你看

講到這裡，我把「模仿」這件事拆開來講，因為它不是「照抄」那麼簡單。

先看懂（別人的東西）：

拆開結構——這東西是由哪幾塊組成的？看懂流程——它怎麼運作的，不是它長什麼樣。找出同異——異中找同，找出可以複用的；同中找異，找出不能照搬的。

再動手（做自己的）：

先做出來——不會的部分先用現成的頂上。調整痛點——哪裡卡、哪裡不順，就調哪裡。整合成品——揉一揉，變成自己的東西。

我在直播裡用兩個作品示範怎麼拆——而且這兩個就是我前後腳做出來的。

先看第一個：續保小助理。它的結構其實只有三塊——有一份固定、不能錯的資料（誰的保單什麼時候到期）、需要提醒人（快到期了要追）、需要人回來確認（對方到底續不續）。流程是個循環：資料進來 → 到期就提醒 → 人回覆 → 更新狀態 → 再等下一輪。

然後是「找出同異」真正發揮作用的地方。做完續保小助理沒多久，公司剛好需要一個特約廠商查詢——員工想知道哪些店家有優惠、優惠是什麼。我就用同一套概念，一樣用 LINE 機器人做出來了。

異中找同：兩個都是「一份固定的資料 ＋ 一個查得到的出口」。資料都不能錯、都要有人用得到的介面，而我兩個的出口都是 LINE 官方帳號。骨架完全一樣。

同中找異：一個是提醒（時間到了它主動推給你），一個是查詢（人有需要時自己去問）。而且對象不同——續保小助理是給保險業務自己用的，特約查詢是給公司員工用的，比較接近「對消費者」的情境。所以連用語都要跟著換。

這就是為什麼我說：你只要會做續保小助理，你就會做特約廠商查詢。因為你抄的不是那個作品，是那條骨架。那你能不能做一個自己生活上的小助理？當然可以。

而做的那半也很單純：先做出來，再調整。做完你就會發現「好像有什麼更適合我」，或是「調哪一個點整個流程會更順」，你就去調它。調完可能又冒出新想法——它就這樣整合成你自己的東西。

你在第幾階？今晚先動一階就好

還在跟 AI 聊天：挑一個你一直想要的小東西，請它「拆成今天做得完的最小版本」。不用做完，跑得動就好。

做得出東西了：把你做的東西拿給第二個人用用看。他卡住的地方，就是你的下一階。

已經有人在用了：挑一件你重複做過三次的事，寫成流程交給它——但要先想好你怎麼驗收。

我一開始也不知道自己要做什麼。連會什麼都不知道，怎麼會知道要什麼？所以我就先模仿。做著做著，想改的地方越來越多，回頭一看才發現，原來我要的是這個。

我以前寫過一句話：思考清楚，你就會知道要什麼了。現在我想補半句：想不清楚的時候，就先動手模仿，做著做著就清楚了。

九階不是進度表，是九個「原來這也可以做」的瞬間。只要先跨出去，在不斷試錯的過程中，你就會找到需求和可能性了。

還有一件事：AI 時代最不怕的就是問，厚臉皮地一直問下去就對了。