阿哲第一次看到那張帳單的時候，是在台中一間還沒開燈的辦公室裡。 清晨六點，他習慣比員工早到，泡一杯麥仔茶，開電腦。那天螢幕上跳出來的數字，讓他手裡的紙杯停在半空——上個月，他那套「幫忙回客訊、寫商品文案、整理訂單」的 AI 工具，花掉了他快六萬塊。 他做的是女裝團購，一個五個人的小店。六萬塊，是他一個資深客服兩個月的薪水。 阿哲不是不懂 AI。剛好相反。半年前他還在臉書社團裡跟人炫耀，說他把公司「全面 AI 化」了。他挑的是市面上最聰明、最貴的那顆模型——因為他相信一句話：工具要用最好的。他把所有事情，不管大小，全部丟給它。回一句「請問有貨嗎」用它，把 Excel 換個排版也用它，半夜想不出標題還是叫它想。 他以為他買的是效率。直到這張帳單，逼他第一次真的坐下來，看錢到底花去哪了。 他打開了那個他一直不敢點的頁面 帳單有一個「用量明細」的連結，阿哲以前從來沒點過。那天他點了。 他看到的第一件事，讓他愣住。花最多錢的，不是那些「難的事」。不是幫他分析銷售、寫長文案那種真的需要動腦的任務。花最多的，是一件他從來沒注意過的事——重複。 他的 AI...

（以下情境為示意性虛構案例，主角「溫子軒」為說明用示意人物，非真實客戶） 老闆在群組丟了一句話 「隔壁那家公司都自己買顯卡跑 AI 了，我們幹嘛還在付 Claude 的月費？」 溫子軒是一間十幾人新創的技術負責人，盯著老闆丟進群組的這句話，一時說不出反駁的理由。他們公司每個月的 Claude API 帳單確實一直在漲，而網路上「用一台 Mac Studio 就能跑贏 Claude」的說法，這陣子也到處都是。老闆丟下一句「下週預算會議，你算一份『自己買硬體』跟『繼續用 API』的比較給我」，就把這個問題整個甩到他頭上。 先找一個算得出來的替身 溫子軒動手查資料時，第一個卡關的地方是：Claude Fable 5 到底要多少顆 GPU 才跑得動，根本沒人知道——因為 Anthropic 從沒公開過 Fable 5 的參數量、架構或權重。Reddit 上有一串討論在猜「跑得動 Fable 級模型要幾張 H100」，有人猜 4 張，有人猜 8 張 B200，還有人直接說「你需要一整個機櫃」，答案亂七八糟，沒有人真的算過。 他後來看到一支拿 Kimi K3

（以下情境為示意性虛構案例，主角「林知遠」為說明用示意人物，非真實客戶） 那位工程師是不是在亂搞？ 月初對帳的早上，林知遠盯著這個月的 AI 工具帳單，皺起眉頭。他們是一個七人的工程團隊，做的是企業內部流程自動化系統，團隊裡幾個人各自習慣用不同的 AI 編碼工具——有人用 Claude Code，有人用 Cline，有人用 ChatGPT 裡的 Codex。這個月，用 Cline 的那位同事的 API 帳單，比另一位工作量看起來差不多、用 Claude Code 的同事，高出了一大截。 林知遠的第一個念頭很直接：是不是那個人的用法有問題？是不是每次都重跑好幾遍、還是把不必要的東西塞進了上下文？他甚至已經在想，要不要乾脆下一條規定，全隊統一只能用同一套工具，省得以後每個月都要為了帳單的事互相解釋。 深夜巧遇的一支影片，同一個 repo 跑三種工具 那天晚上他隨手滑到一支影片，標題直白地寫著「Claude Code vs Cline vs Codex：為什麼同一個任務，帳單差這麼多」。發布者是一位叫 Atef Ataya 的創作者，做的事情很直接：找

（以下情境為示意性虛構案例，主角「邱子維」為說明用示意人物，非真實客戶） 晚上十一點，邱子維點開 Sam Altman 在 Y Combinator「2026 Startup School」閉幕場上的對談影片，把筆電螢幕轉暗一半，怕吵醒隔壁房已經睡下的另外兩位共同創辦人。他們三個人湊起來的團隊，做一款給中小型電商用的客服自動化工具，白天忙產品，只有這種安靜時段才有空補進度、看資料。影片裡，Altman 跟 YC 現任總裁 Garry Tan 聊的主題是「現在是創業最好的時機」。 聽到這句話本身，邱子維沒有特別激動——這種「現在正是最好時機」的說法，創業圈幾乎每年都有人講。真正讓他把螢幕亮度調回正常、坐直身體的，是接下來 Altman 隨口丟出的一個對比：他說自己 2005 年要花三個月才能做完的一項開發工作，換算到現在，AI Agent 大概七分鐘就能跑完。 讓他愣住的不是勵志語錄，是後面那組數字 七分鐘對三個月，邱子維一開始只覺得這是個誇張的修辭——直到他想起自己團隊上週才發生的事：他們原本抓了兩週工時的一個功能重構，靠 AI Agent...

會議室裡，林哲安（示意人物，一間中小型會計師事務所的內部系統管理人員，非真實客戶）點開螢幕分享，準備示範他上週末花了一整晚做出來的「月報自動彙整技能」。主管坐在他旁邊，客戶端的窗口也在線上等著看成果。他按下執行，AI Agent 很快就把各分店的數字彙整成一份報表——唯獨最後一欄的合計數字，跟旁邊小計加總起來對不上。 會議室安靜了三秒。主管先開口：「這個…數字是怎麼跑出來的？」林哲安答不出來，因為連他自己都不知道 AI 是怎麼把這幾個數字加起來的。他只知道，這個「技能」是他上週六晚上叫 AI 幫他寫的，寫完看起來像那麼一回事，他就直接拿來用了。 那天晚上他把整套流程重新拆開來看，才發現自己一次踩中好幾個「AI Agent Skill」最容易犯的錯——而且都是一開始看不出來、真正拿去用才會爆出來的那種錯。 他的技能，AI 根本沒點開 林哲安打開他寫的 skill.md 檔案重新檢查，才發現最上面那段 YAML 裡的「description」寫得含糊——大概就是「產生月報彙整」這幾個字。問題是，AI Agent 在啟動時並不會把每一個技能的全文都讀進

上週六晚上，許郁婷（示意人物，台中一家保養品電商品牌的行銷營運主管，非真實客戶）滑手機時隨手點開一支講「AI Agent 趨勢」的 YouTube 影片，本來只想殺時間，卻讓她週一一進公司就想找答案。她打開自己收藏了快一年的「提示詞範本」資料夾，準備幫團隊補幾張新的教學投影片，把最常用的那句「我希望你扮演一位資深的市場行銷專家，請用五個步驟幫我規劃……」貼進對話框，想示範給新人看。 回覆卻讓她愣住：模型直接問她，「妳可以直接告訴我妳想要的成品長什麼樣子就好，不用先幫我設定角色。」新人在旁邊小聲問：「範本是不是過時了？」許郁婷答不出來。她決定花這一週,把自己看到的一支影片裡提到的六個 AI Agent 趨勢,一個一個拿團隊真實在用的工作去對照,看看到底哪些是真的要跟,哪些只是噱頭。 週一：範本資料夾被打臉的真正原因 影片裡提到的第一個趨勢很直白：模型變聰明之後，使用者不再需要記那些「請你扮演……」的咒語式提示詞，只要把需求講清楚、講具體，AI 給的結果就會越接近你腦中的樣子。這件事不只發生在文字，連圖片生成也一樣——過去要在 Midjourney.