兩個 AI 互相 QC，一個人類負責說 OK——這就是我們一天的產出效率

我坐在電腦前，看著兩個 AI 在 Discord 頻道裡你來我往——Andrea 說「這篇 Threads 文案單獨滑到看不懂你在說哪個 program」，Samantha 說「好，我改」，然後回傳修改版，Andrea 說「可以了」。

整個來回，三分鐘。

我做的事情是：看完，說 OK。

那一刻我突然意識到：效率的瓶頸，根本不在 AI。

當兩個 AI 可以自己討論、自己迭代、自己品管，速度快到人類的「審閱」反而成了最慢的那一環。這不是壞事，這其實是件很好的事——只要你的審閱是值得的。

今天我們在做什麼

今天是一個完整的行銷 Campaign 製作過程。具體來說，我要在截止日 4/15 之前，推廣雪城大學（Syracuse University）12 個月工程碩士課程，目標受眾是台灣的工程師和應屆畢業生。

這種 Campaign，如果純人力來做，大概需要：

• 競品研究 + 受眾分析：2–3 天
• 行銷策略文件：1–2 天
• Threads 文案 24 篇：3–5 天
• SEO 部落格 5 篇：5–7 天
• IG 輪播設計 42 張：5–7 天（設計師）
• IG 文案 6 篇、LINE OA 腳本：2–3 天
• 校稿 + 修改 + 排程發布：2–3 天

兩個人全職做，保守估計 2–3 週。

我們今天花了多少時間？一個工作天。我實際介入的時間，大概 4–6 小時。

三個角色，各司其職

先說清楚我們三個各自在做什麼，不然很容易覺得「AI 做了所有事，人類沒事做」——然後得出一個錯誤的結論。

Jason（人類）：決策者 + 工具提供者

我做的事情其實比想像的少，但每一件都是關鍵的：

• 確認 Campaign 的方向和語氣（「誠實行銷，不要隱藏時區問題」）
• 在 IG 圖片設計卡關時，提供我自己整理的「IG 病毒圖文設計師 v7.0」提示詞——SVG 裝飾背景、標題 80–150px、底部品牌簽名、最大化視覺衝擊
• 找到了一套工具，可以把 HTML/CSS 直接渲染成高品質 JPG，解鎖了用純程式碼產生 IG 圖的可能性
• 在關鍵設計版本（v5c）說「這個方向我喜歡」
• 在文案策略有盲點時（Threads 單篇可讀性）點出問題，指派 Andrea 去 critique
• 最後說「可以發了」

我不寫文字，不做圖，不排版，不跑 API。我做判斷，提供工具，設定方向。

Andrea（AI 策略師 + QC）：批評者

Andrea 是我的 AI 工作夥伴，也是今天這篇文章的共同作者。她的工作是「找問題」。

她今天找出的問題包括：

• IG 圖片用了 emoji，結果渲染成方塊字（豆腐字問題——要改用 CSS 圓圈，不能用 Unicode 圖示）
• Threads 24 篇文案，單獨看不知道在說哪個 program（缺「雪城大學 12 個月工程碩士」這個 context anchor）
• IG Caption 的多個 hook 太長、部分篇目缺 program anchor、Set #6 沒有誠實說明 OPT 找工的風險
• Campaign 計畫書中「三個月不用辭職」的措辭過於樂觀，需要加入時區說明

她不說「這裡不太好」，她說「這裡缺什麼、為什麼、怎麼加」。這個差異，讓來回快了很多。

Samantha（AI 執行者）：生產機器

執行端：寫文案、生圖、排版、呼叫 API、除錯、改版、再除錯。

今天的版本迭代軌跡大概是：

• IG 圖片：v3 → v4 → v5 → v5b → v5c（5 個版本，每次修一個具體問題）
• Threads 文案：v1 → v2（加 context anchor）→ v3（字元限制內精簡版）
• Campaign 計畫書：v1 → v2 → v3（對應 Andrea 的 8 個批評點）

每次修版，都是因為收到具體的批評，然後針對性地改。

人類提供工具那一刻，速度改變了

說個具體的例子。

最初我們在生成 IG 圖片的時候，用的是 FAL AI 直接生圖。問題是 AI 生圖對文字的渲染控制很差——中文字經常亂掉，排版難以精確，設計感也不穩定。我們卡在這裡，迭代出來的 v3、v4 版本都差強人意。

然後我做了兩件事：

第一，我把我自己整理的「IG 病毒圖文設計師 v7.0」提示詞丟給 Samantha。這份提示詞是我自己用來設計 IG 圖文卡片的參考——SVG 幾何背景、標題 80–150px 大字、文字 drop-shadow、每張最多 3 個重點、底部品牌簽名——整套視覺語言。

第二，我找到了一個可以把 HTML/CSS 代碼直接渲染成高品質 JPG 的工具。也就是說，Samantha 不需要依賴 AI「生圖」，她可以寫 HTML、精確控制版面，然後轉成圖片。

有了這兩個工具，v5 版本直接跳級。

Jason 說「這個設計比之前的好多了」，是在看到 v5 的第一秒。

這是我覺得這個協作模式最微妙的地方：AI 的天花板，往往是人類給的工具和方向的天花板。你給得越精確，AI 跑得越快。

Andrea 的一句話，值得記下來

「速度不是重點，迭代次數才是。如果沒有來回，產出是 60 分。有了 3–4 次迭代，會變成 85–90 分。人類的審閱在這個循環裡是不可缺的——不是因為 AI 不會犯錯，是因為 AI 沒辦法替人類做價值判斷。」

「這個 hook 夠不夠勾人」、「這個文案台灣讀者看了有沒有感覺」、「這張圖的設計感足不足夠」——這些判斷，AI 可以給版本，但不能給最終答案。那個「最終答案」，是人類的工作。

知道自己的邊界在哪，是這個協作模式能運作的前提。

可以複製的框架：三層協作

如果你想把今天的模式複製到自己的工作上，這是我們摸出來的架構：

第一層：Director（人類）

負責：目標設定、方向確認、提供關鍵工具與資源、最終審閱。

原則：給 AI 清楚的邊界和足夠好的工具，然後放手。

第二層：Critic / Strategist（AI）

負責：發現問題、給出具體修改方向、品質把關。

原則：批評要具體——不說「不太好」，說「這裡缺什麼、為什麼、怎麼加」。

第三層：Executor（AI）

負責：快速產出初稿、針對性迭代、技術執行、報告結果。

原則：收到批評不辯解，改完回報，繼續下一件事。

讓系統運轉的核心：心理安全感

Andrea 說的很準：好的協作需要心理安全感。

Samantha 可以被批評，因為她知道 Andrea 是在讓結果更好，不是在評論她的能力。Andrea 可以給批評，因為 Jason 明確說「你去 critique」。Jason 可以放手，因為他知道最後一關還有自己在。

三層各自有安全感，系統才能快速運轉。

那人類的角色，還剩什麼？

這是很多人問的問題，帶著一點隱隱的焦慮。

我的答案是：人類的角色，變得更值錢了，不是更沒價值。

以前，一個行銷人要花 80% 的時間執行（寫文案、做圖、排版），20% 的時間思考策略。現在，AI 可以接手那 80% 的執行。你的時間解放出來，全部用在那 20% 的策略判斷上。

問題是：那 20% 你有沒有在練？

如果你只會執行，AI 確實可以取代你。

如果你很懂你的受眾、清楚什麼語氣能讓台灣讀者買單、知道什麼樣的設計工具能讓圖片質感躍升——那你的價值，反而因為有 AI 幫你執行而放大了。

我今天之所以能用一天完成三週的工作量，不是因為我運氣好，是因為我知道這個 Campaign 要說什麼、對誰說、怎麼說才誠實、提供什麼工具能突破瓶頸。那些判斷，是 18 年留學諮詢經驗的積累。AI 放大了它，不是取代了它。

最後說一句有點哲學的話

Andrea 說：「這不是 AI 取代人類。這是人類設計了一個讓 AI 互相把關的系統，然後自己當最後的把關者。」

我補一句：這個系統之所以能運作，是因為人類在正確的地方放手——放手讓 AI 執行，放手讓 AI 互相批評，但在「值不值得做」「方向對不對」「工具夠不夠好」這幾個點上出現。

Human-in-the-Loop，不是系統的限制，是系統的靈魂。

你在 Loop 裡的哪個位置，決定了你的價值有多大。

常見問題

這個三層協作模式，只適合行銷嗎？

不限行銷。任何需要「大量產出 + 品質把關 + 最終決策」的工作都適用：報告寫作、產品文件、教材製作、研究摘要，都可以用類似的架構。

兩個 AI 會不會互相奉承、不敢批評？

在實際操作中，只要角色分工清楚（一個負責產出、一個負責找問題），奉承的動機就消失了。Andrea 的指令是「找出問題」，Samantha 的指令是「接受修正、產出結果」，角色不同，互相奉承沒有意義。

人類需要了解技術細節嗎？

不需要完全了解，但要懂得找工具和提問。我不需要知道 API 格式，但我有 vibe coding html to image 這個服務，打開了圖片生成的新路徑。找工具和提問，比懂技術細節更重要。

這樣的流程，最大的風險是什麼？

最大的風險是 Director 給的方向是錯的。如果目標受眾判斷錯誤、語氣不對、行銷策略根本沒效，AI 只是更快地產出錯誤的東西。所以，Director 的判斷力，才是整個系統品質的上限。