超級個體顧問：把課程知識做成能陪學員拆解卡關的 AI 助教

為什麼要做這個作品

把課程知識做成 AI 助教，讓學員不用等直播或助教回覆，也能先把職涯、接案與個人品牌卡關拆成下一步。

我在準備 AI Agent 的大課時，其中一章想講的是：怎麼讓 AI 萃取一個人的專業大腦，不只是背資料，而是模仿專家處理問題的方式。

原本我以為這會是一個課程中的示範案例。結果做到一半才發現，第一個最適合拿來示範的案例，好像就是我自己的《超級個體工作術》。

因為這堂課本來就累積了大量學員會問的問題：有人卡在職涯選擇，有人不知道接案怎麼報價，有人想做個人品牌卻不知道從哪裡開始，也有人時間管理永遠失控。

這些問題表面上看起來都不一樣，但背後其實會回到幾個固定判斷：你現在的資源在哪裡？真正的風險是什麼？下一步要先補現金流、作品集、客戶來源，還是工作系統？

所以我把這套萃取技術先做成一個真的可以用的小產品：超級個體顧問。

學員可以直接丟出具體卡關，例如「想經營個人品牌，從哪開始？」AI 會用課程中的框架拆成可行動的下一步。

用到的工具與架構

這個作品的重點不是炫技，而是把「課程知識」變成可互動的產品體驗。

• AI 顧問介面：讓學員用聊天方式提問，不必先知道自己該問哪個單元。
• 建議追問：回答完後提供下一步問題，讓使用者繼續往更具體的方向拆。
• Discord 認證：超級個體學員可以一鍵認證，認證後就能持續使用。
• 本機紀錄保存：聊天紀錄保留在使用者自己的瀏覽器裡，不上傳到我這邊。
• Codex 協作開發：從 OG image、SEO metadata 到部署修正，都用 Codex 協助打磨與驗證。

以前怎麼做／現在怎麼做

以前學員遇到問題時，通常會回到幾種方式：翻課程、在 Discord 發問、等直播或助教回覆。這些方式都有效，但問題是阻力比較高。

你要先知道自己卡在哪一類問題，才知道該翻哪一堂。你要把問題描述清楚，才比較容易在社群得到好回答。你也要等到有人有空看，才會得到回覆。

flowchart LR
    A["學員遇到職涯或接案卡關"] --> B["回去翻課程或到社群發問"]
    B --> C{"問題夠具體嗎？"}
    C -->|不夠具體| D["來回補充背景"]
    C -->|夠具體| E["等待老師或同學回覆"]
    D --> E
    E --> F["再回頭整理下一步"]

flowchart LR
    A["學員遇到職涯或接案卡關"] --> B["回去翻課程或到社群發問"]
    B --> C{"問題夠具體嗎？"}
    C -->|不夠具體| D["來回補充背景"]
    C -->|夠具體| E["等待老師或同學回覆"]
    D --> E
    E --> F["再回頭整理下一步"]

現在我想讓第一層拆解先由 AI 助教處理。它不取代真人討論，但可以先陪學員把問題問小一點，把情境補清楚，把下一步行動排出來。

flowchart LR
    A["學員直接丟出卡關問題"] --> B["AI 顧問用課程知識拆解"]
    B --> C["先判斷風險、資源與下一步"]
    C --> D["提供建議追問"]
    D --> E["學員帶著更具體的問題回課程或社群討論"]

flowchart LR
    A["學員直接丟出卡關問題"] --> B["AI 顧問用課程知識拆解"]
    B --> C["先判斷風險、資源與下一步"]
    C --> D["提供建議追問"]
    D --> E["學員帶著更具體的問題回課程或社群討論"]

實際用起來會發生什麼

你可以問它很生活化的問題，不需要先把問題包裝得很漂亮。

例如：

• 我該不該離職去做自由工作？
• 接案怎麼報價才不吃虧？
• 時間永遠不夠用，怎麼辦？
• 想經營個人品牌，要從哪裡開始？

它會先用課程裡的判斷框架回答，接著給你幾個可以追問的方向。這個設計很重要，因為很多人真正卡住的地方，通常不是缺一個標準答案，而是不知道下一個問題該怎麼問。

回答不是終點。底下的建議追問會把抽象問題往現金流、客戶來源、可遷移能力等方向繼續拆。

這段短影片展示從提問、回答到建議追問的實際操作節奏。

現在的具體成果

目前這個 AI 顧問已經放在 ask.lifehacker.tw 上，先開放給課程學員使用。

非學員會有提問次數上限；超級個體學員可以透過 Discord 認證，認證後就能持續使用。

這個設計有兩個目的。

第一，讓同學在學課程時不用每次都從零開始找答案。當你卡在「我要不要離職」、「怎麼報價」、「要不要做個人品牌」這類問題時，可以先請 AI 顧問幫你拆。

第二，這本身就是 AI Agent 課程的實作案例。想做 AI 助教或 AI 客服的人，可以直接觀察：一個知識型產品要變成 AI 顧問，除了把資料餵進去，還要處理會員權限、提問次數、追問設計、聊天紀錄保存、等待體驗與 SEO 分享圖。

AI 助教真正困難的地方，不是「資料夠不夠多」，而是它能不能在對的時候追問、收斂，並把一個抽象問題拆回可行動的選擇。

設計時做過哪些取捨與調整

這個小產品看起來只是聊天框，但中間其實做了幾個取捨。

• 不追求百科全書式回答：它不需要回答世界上所有問題，只要先把《超級個體工作術》的核心卡關拆好。
• 先做學員場景，不先做公開流量：非學員可以試用，但真正完整的使用情境是課程學員的複習、提問與陪跑。
• 把聊天紀錄留在本機：我不需要拿走學員的每一段提問，保留在瀏覽器裡對使用者也比較像自己的學習筆記。
• 認證機制要真實處理：AI 產品要走到課程現場，就不只是 prompt，也會碰到誰能用、能用幾次、怎麼認證這些產品細節。
• 封面與 SEO 一起打磨：這次特別補了 OG image、Title、Description 與結構化資料，因為 AI 助教不是只在產品裡被使用，也會在社群、電子報和學員分享時被看見。

這次對 AI Agent 課程的啟發

我以前也會把 AI 客服、AI 助教想成「知識庫問答」。但這次真的做完一輪後，感覺更明確了。

知識庫只是底層。真正像助教的地方，是它知道使用者正在卡住，然後把問題往下一個可回答的方向推。

如果一個人問「我該不該離職」，直接給人生建議其實很危險。更好的做法是先拆：安全墊到了嗎？有沒有第一個付費客戶？可遷移能力夠不夠？現在的工作，是在消耗你，還是在替你累積籌碼？

這也是我後續在 AI Agent 大課裡會展開的重點：怎麼萃取專家的大腦，怎麼把知識變成判斷流程，怎麼讓 AI 不只是回答，而是陪使用者把問題問對。

下一步想優化什麼

接下來我會繼續打磨三件事。

• 更細的課程模組路由：不同問題要對到不同課程框架，不能全部用同一種回答方式。
• 更好的追問設計：讓建議追問更像助教帶路，而不是一般聊天機器人的推薦問題。
• 更多可示範的專家大腦：未來也想做不同專家的知識萃取版本，讓學員看到同一套方法可以怎麼移植到 AI 客服、AI 助教、顧問與內部 SOP 系統。

最後想對其他同學說的話

如果你也想做 AI 助教或 AI 客服，不要一開始就急著把所有文件丟進去。

先問自己三個問題：

• 使用者最常卡在哪三類問題？
• 專家通常會先追問什麼？
• 一次好的回答，最後要把使用者帶到哪個下一步？

把這三題想清楚，比單純塞一堆資料進知識庫更重要。

進一步認識作者

我是雷蒙，長期研究數位工作術、知識管理與 AI Agent，也在《超級個體工作術》和後續 AI Agent 課程裡，持續把這些方法整理成一般人真的能用的工作系統。如果你想看這個 AI 顧問，可以直接到 ask.lifehacker.tw 試試看。