Select Page
Open Notebook 是什麼?自架版 NotebookLM 工具解析

Open Notebook 是什麼?自架版 NotebookLM 工具解析

如果你常把 PDF、論文、產業報告或內部文件丟進 AI 工具整理,Google NotebookLM 確實很方便;但只要資料牽涉商業機密、未公開研究、客戶內容或公司內部知識庫,雲端上傳與模型選擇限制就會變成真正的門檻,Open Notebook 的定位,正是把 NotebookLM 類型的文件理解、問答、摘要與 Podcast 生成,搬到更可控、更可自訂的開源工作流裡。

Open Notebook 私有 AI 研究工作流示意封面圖
圖:Open Notebook 私有 AI 研究工作流示意

Open Notebook 解決的是什麼問題?

傳統文件型 AI 助手最容易卡在兩件事:資料放在哪裡,以及模型能不能換。對個人研究來說,把公開文章交給雲端 AI 問答通常沒什麼壓力;但對企業團隊、顧問、研究員或寫作者來說,資料可能包含未公開策略、訪談紀錄、合約、財務數據或客戶文件。這時候,能否自架、能否控制資料歸屬、能否選用自己的模型,就不只是偏好,而是能不能導入的前提。

Open Notebook 的優勢在於,它不是只做一個聊天視窗,而是把「文件匯入、知識庫整理、跨文件問答、來源引用、Podcast 生成、模型配置」串成一套私有 AI 研究工作流。官方 GitHub 專案 lfnovo/open-notebook 目前採 MIT 授權,官方說明也把它定位為一個 privacy-focused alternative to Google NotebookLM,截至 2026-07-07,GitHub API 顯示約 35K stars,最新 release 為 v1.10.0。

核心亮點一:資料主權回到自己手上

Open Notebook 最吸引人的地方,是它把資料控制權從平台端拉回使用者端。你可以把文件、音訊、多媒體檔案、網頁等素材放進自己掌控的環境,再用 AI 做摘要、檢索與問答。對需要處理敏感研究、公司內部文件或客戶資料的人來說,這比「功能多一點」更重要。

這也讓 Open Notebook 很適合搭配文件前處理工具。例如需要先把 PDF、Word、PPT 轉成 AI 更容易讀的文字格式時,可以參考我之前寫過的 MarkItDown 教學,先把原始文件整理成更乾淨的資料,再交給知識庫系統分析。

核心亮點二:模型不再被單一供應商綁住

NotebookLM 的好處是省事,但限制也很明顯:使用者基本上跟著 Google 的模型與產品設計走。Open Notebook 則主打 18+ AI provider,官方 README 提到支援 OpenAI、Anthropic、Ollama、LM Studio 等供應商。這代表同一套知識庫可以依任務切換模型:便宜模型做初步整理,強模型做深入推理,本地模型處理敏感資料。

如果你的工作流已經開始用 Ollama 或本地模型,Open Notebook 的價值會更明顯。它可以成為文件層的操作介面,而模型層則交給你自己的 AI server,想走本地端路線的人,也可以延伸看 GraphRAG 使用本地端的 OllamaOllama 遠端連線教學,把模型部署與文件分析分開思考。

核心亮點三:Podcast 生成更像內容製作工具

Podcast 生成是 NotebookLM 很受歡迎的功能,但固定雙人對談也限制了內容形式。Open Notebook 的方向更偏向內容製作工具:可以做 1 到 4 位 speaker,並調整角色設定與對話形式。這讓它不只適合做「兩人解說」,也能做單人旁白、三人圓桌、多人辯論或不同角色的知識導覽。

對自媒體、研究型內容創作者或企業內訓來說,這點很實用。你可以先把一批文件整理成知識庫,再把其中的核心結論轉成 Podcast 腳本,甚至為不同聽眾設計不同敘事角色。它不是單純把文字念出來,而是把文件理解、腳本結構與音訊內容生產接在一起。

核心亮點四:Ask 模式更適合跨文件研究

Open Notebook 的 Ask 模式適合處理「不是問單一文件,而是要整合一批資料」的任務。例如你有 20 份產業報告,真正想問的不是某一頁寫了什麼,而是不同報告之間是否有共同趨勢、矛盾、缺口與可引用依據。這時候,單純的檢索式問答會不夠,需要能跨文件整理、比對與引用來源的研究流程。

這也是 RAG 類工具接下來會越來越重要的原因:文件不是只被「搜尋」,而是要被組織成可以反覆推理的知識庫。Open Notebook 提供的是比較完整的操作層;而像 GraphRAG、向量資料庫、本地模型與文件轉換工具,則是可以接在底下的技術層。把這些組起來,才會形成真正可重複的 AI 工作流

Open Notebook 和 NotebookLM 怎麼選?

比較面向Open NotebookNotebookLM
資料控制可自架,資料在自己掌控的環境以 Google 雲端服務為主
模型選擇可接多家 provider,也可接 Ollama / LM Studio主要使用 Google 模型
Podcast 形式可做 1-4 位 speaker 與自訂角色以固定形式為主
部署方式Docker、雲端或本地部署直接使用雲端產品
適合對象重視隱私、模型自由、工作流整合的人重視上手速度、不想部署的人

簡單說,如果你要的是「馬上可以用」,NotebookLM 仍然很省事;如果你要的是「資料可控、模型可換、流程可自訂」,Open Notebook 會更有想像空間。它不是每個人都需要的工具,但對研究、顧問、內容團隊與企業知識庫來說,很值得放進評估清單。

導入前要先確認的限制

Open Notebook 的自由度比較高,但也代表它不是完全零門檻。最基本的前提是你要能接受 Docker 或自架環境;如果公司電腦不能裝 Docker,或 IT 政策不允許本機服務,導入就會比較麻煩

Docker 新手可以先看 如何使用 Docker 跟用 command line 一樣,先把容器概念補起來。

算力也要看你的模型選擇。如果只是用雲端 provider,主要成本會落在 API;如果想完全本地跑模型,就要準備足夠的 GPU、記憶體與模型部署能力。換句話說,Open Notebook 降低的是資料與模型綁定,不是把所有基礎設施成本變成零。

誰最適合用 Open Notebook?

  • 研究員:需要整理大量論文、報告、訪談與來源引用。
  • 內容創作者:需要把資料轉成腳本、長文、Podcast 或系列內容。
  • 學生與知識工作者:需要把課堂筆記、PDF、網頁資料統一管理。
  • 企業團隊:需要建立內部知識庫,又不希望敏感文件全部交給外部雲端。

Open Notebook 適合把 AI 研究流程變成私有工作台

Open Notebook 的價值,不只是「開源版 NotebookLM」這麼簡單。它真正有意思的地方,是把資料主權、模型自由、Podcast 生成、跨文件研究與自架部署放在同一個工作台裡。對只想偶爾整理公開資料的人來說,它可能稍微重了一點;但對需要長期累積知識庫、處理敏感文件、或把 AI 研究流程變成團隊基礎設施的人來說,它是一個值得測試的選項。

Open Notebook Github

FAQ

Open Notebook 是 NotebookLM 的替代品嗎?

它可以被視為 NotebookLM 的開源替代方案,但重點不只是功能相似,而是提供自架、模型選擇、資料控制與更多自訂能力。

Open Notebook 一定要很強的電腦才能用嗎?

不一定。如果使用雲端模型,主要需要 Docker 與 API 設定;如果要完全本地跑大型模型,才需要更強的 GPU、記憶體與部署能力。

Open Notebook 適合企業內部知識庫嗎?

適合放進評估清單,尤其是重視資料控制、模型彈性與自架部署的團隊。不過正式導入前,仍要評估權限管理、備份、資安政策與維運成本。

OiiOii 是什麼?AI 動畫分鏡工具的爆款秘密

OiiOii 是什麼?AI 動畫分鏡工具的爆款秘密

AI 影片工具正在從「生成一段漂亮畫面」往「協助完成一套可控工作流」移動。OiiOii 主打的不是單純丟一句提示詞生成影片,而是協助創作者把故事拆成分鏡,再銜接 AI 動畫生成工具,讓短影音、廣告概念片或角色動態 demo 更快進入可測試階段。

圖:AI 動畫分鏡與多 Agent 工作流示意

OiiOii 真正吸引人的地方:先做分鏡,再做動畫

多數 AI 影片工具最大的痛點,不是「能不能生成」,而是「能不能穩定重複出接近導演想法的畫面」。一支看起來完整的動畫,通常需要角色設定、場景氣氛、鏡頭運動、景別切換、節奏、轉場與連續性。如果每一幕都靠手動提示詞硬拚,創作者很快就會被版本管理與反覆修稿拖住。這也是為什麼單看 AI 影片生成工具的畫質還不夠,前期分鏡與流程設計會直接影響成片穩定度。

OiiOii 這類工具的價值,正在於把「動畫生成」前面那一段拆解工作流程化:先把概念拆成可執行的分鏡,再把每個鏡頭轉成更具體的生成指令。對短影片創作者來說,這可以降低起步門檻;對已經熟悉剪輯與分鏡的人來說,它則像是一個快速前期製作助手。

OiiOii 的核心功能亮點

OiiOii 的核心不是把一句提示詞變成一段漂亮畫面,而是把 AI 動畫創作中最難控的「分鏡」拉到流程中心。真正讓一支動畫短片成立的,通常不是單張畫面多精緻,而是鏡頭如何切換、情緒如何遞進、角色與場景如何在不同畫面之間保持連續。

在實際創作流程上,OiiOii 先讓創作者選擇視覺方向,再把故事概念拆成可操作的生成任務。它的風格庫涵蓋 AI 真人、上海美術電影、Kpop 女團 CG 風等方向,也包含真人、3D、2D 等不同類型。對創作者來說,這代表一開始就能先確定影像語氣,而不是等生成失敗後才回頭修正風格。

比較值得注意的是它的多 Agent 流程。OiiOii 把前期製作拆給不同角色處理,像是藝術總監、編劇、設計師等;流程會先確認片長與情緒關鍵字,再進到劇本轉寫、人物場景生成與分鏡設計。這讓它更像是一套「陪你完成前期製作」的協作系統,而不是只把提示詞丟給影片模型。若把它放到更大的 AI 工作流脈絡來看,它處理的是創意落地前最容易失控的拆解階段。

分鏡編輯是另一個關鍵亮點。創作者可以用多圖參考模式先生成分鏡圖,再針對單一格子修改;例如角色朝向不對時,不必整張重做,而是選中那一格、輸入提示詞修正。更關鍵的是,分鏡提示詞可以細到秒,包含角色聲音、每一秒音效與情緒設計;這正是它和傳統「一次生成一段影片」工具的差別。

它比較適合誰?

  • 想快速測試 AI 動畫概念,但還沒有成熟分鏡能力的創作者。
  • 需要把腳本拆成多個鏡頭,再交給 Seedance、即夢或其他 AI 影片模型生成的人。
  • 正在製作短影音、MV 概念片、產品廣告草案、角色展示片的人。
  • 想把「一句提示詞」升級成「可反覆修改的工作流」的人。

但如果你的需求是完全精準的商業級動畫,或每一個鏡頭都要有高度可控的表演、構圖與轉場,這類工具目前更像是加速器,不是全自動替代品。

使用前要注意的成本與限制

這類工具最容易被行銷成「一鍵爆款」,但實際導入前更應該先評估成本、穩定性與售後支援。需要注意的問題包括:流程中仍可能遇到 bug,補償與客服體驗不一定成熟;費用也未必會比即夢等工具低,而且生成、修改、重跑每一步都可能產生成本。這代表它並不是免費魔法,而是一套需要評估投入產出的製作流程。

另一個關鍵提醒是:即使工具能把流程模組化,最後仍然需要創作者自己把提示詞、鏡頭語言與修改方向寫清楚。分鏡工具可以幫你建立骨架,但骨架能不能長出好看的影片,仍取決於題材設定、審美判斷與反覆調整。

和即夢、Seedance 這類工具的關係

OiiOii 更適合被理解成創作流程中的「前期規劃與工作流層」,而不是單一底層影片模型。你可以把它理解成:OiiOii 協助你想清楚鏡頭與分鏡,Seedance 或其他影片模型負責生成具體影像。

這種分工會越來越常見。AI 影片模型越強,越需要上層工具幫創作者管理腳本、鏡頭、角色一致性與生成參數。真正的競爭點不只是哪個模型畫面最漂亮,而是誰能讓創作者用更少試錯完成更穩定的作品。像 AI Agent 自動剪輯這類工具,也是在把影片創作從單點生成推向可編排、可重複的流程。

使用前可以先問自己的 5 個問題

  • 我需要的是靈感 demo,還是可交付的商業成片?
  • 每個鏡頭反覆生成的費用,是否在可接受範圍內?
  • 我是否有能力判斷分鏡、轉場與節奏好壞?
  • 如果工具產生 bug 或結果不穩,是否有備用流程?
  • 我是否已準備好角色設定、故事大綱與視覺參考?

如果這五題都答得出來,OiiOii 這類工具就值得測試;如果還答不出來,建議先用一個短腳本做小規模實驗,不要一開始就把完整專案押上去。

爆款不是按鈕,分鏡才是槓桿

OiiOii 值得注意的地方,不是它承諾「一鍵爆款」,而是它碰到 AI 影片創作真正的瓶頸:如何把創意拆成可執行、可修改、可重複的鏡頭流程。對創作者來說,這比單次生成一段炫技畫面更重要。

目前更務實的看法是:把 OiiOii 當成 AI 動畫前期製作助手,而不是全自動導演。它能幫你縮短分鏡與試片時間,但成本、bug、提示詞品質與剪輯判斷仍然需要人來掌控。真正能產出好作品的,不會只是會按生成鍵的人,而是能把故事、鏡頭與工具串成完整工作流的人。

FAQ

OiiOii 是 AI 影片模型嗎?

OiiOii 更像是協助 AI 動畫分鏡與工作流規劃的工具,不一定等同於底層影片生成模型。

OiiOii 適合新手嗎?

適合用來快速理解分鏡流程與測試短片概念,但新手仍需要學會提示詞、鏡頭語言與基本剪輯判斷。

使用 OiiOii 會不會很貴?

使用這類工具時,每一步生成、修改與重跑都可能產生成本,費用也未必會比即夢等工具低。建議先用短腳本測試,再決定是否投入完整專案。

用 AI 組一家公司:從 Claude Code、Codex、Hermes 到 nuwa-skill 的完整工作流

用 AI 組一家公司:從 Claude Code、Codex、Hermes 到 nuwa-skill 的完整工作流

未來的 AI 生產力,不只是「模型比較強」,而是「Agent Runtime + Skill + 人類決策」的組合能力。

重要連結整理

女媧 Skill 下載

Agent Skills 官方說明

Claude Code Skills 官方文件

OpenAI Codex Skills 官方文件

OpenAI Codex GitHub

Hermes Agent 官方文件

Hermes Agent GitHub

所謂 AI 一人公司,不是指一個人什麼都不用做,讓 AI 自動幫你賺錢,比較務實的定義是:

一個人負責方向、判斷、審核與商業決策,AI Agent 負責研究、撰寫、開發、整理、測試、排程與重複性工作。

換句話說,人類的角色從「執行者」變成「總編輯、產品經理、技術主管、老闆」。

這也是影片最重要的啟發:AI 不是單一工具,而是一組可以分工的虛擬團隊。

Claude Code、Codex、Hermes 分別適合做什麼?

這三個工具剛好代表目前 AI Agent 工作流的三種方向。

我的看法是:如果你要打造 AI 一人公司,不應該只問「哪一個模型最強」,而是要問:

哪一個 Agent 適合負責開發?

哪一個 Agent 適合負責長期記憶與排程?

哪一個 Agent 適合安裝專門 Skill?

哪一個任務一定要由人類做最後判斷?

🏢 一人 AI 公司的組織架構與核心成員

要組建高效的團隊,就必須讓不同的 AI 模型各司其職、發揮所長。在我們的架構中,主要由以下三位核心成員組成:

  1. 董事長(你,唯一的人類): 負責定大方向、提供靈感、拍板決策、把控最終產品質量。
  2. 祕書長(Hermes Agent): 負責記錄分散的靈感與想法,具備極強的「長期記憶功能」,並對接社交軟體(如微信、Telegram)與本地工具。
  3. CEO 執行長(Claude Code): 負責公司的統籌規劃、任務分配、邏輯思考與實際開發落地。
  4. 代碼審查員(OpenAI Codex): 專職「挑毛病」,負責對寫好的程式碼進行安全性評估與漏洞審查。

🔍 深度洞察:Hermes、Codex 與 Claude Code 的技術選型見解

在搭建系統前,我們必須深入了解這三款終端 AI 工具的本質與差異,才能完美地將它們編排進工作流中:

  • Claude Code(專職研發與執行): 這是由 Anthropic 官方推出的終端工具,主語言融合了 Shell、Python 與 TypeScript。它在「編寫代碼」與「理解複雜上下文」上展現出極強的實力,是最完美的 「辦公與研發型執行代理」
  • OpenAI Codex(專職軟體工程與審查): 採用 Rust 編寫,本地運行極其輕量。Codex 近年已演化為完整的工程代理,在自動生成 PR 級修改、修復 Bug、閱讀 Repo 方面非常嚴謹。最關鍵的體感是:如果讓同一個模型自己寫代碼又自己審查,它往往看不出問題;但如果讓 Claude Code 負責開發、Codex 負責審查,Codex 就能精準揪出一堆漏洞!
  • Hermes Agent(長期記憶與通用協調): 它是基於 Python 的中立 Agent 框架,遵循開放的 agentskills.io 標準。Hermes 最大的強項在於 「長期記憶、自我學習與渠道接入」。它像一個會持續成長的系統,適合作為始終在線的指揮官。

女媧 Skill 是什麼?

女媧 Skill 是一個開源的 Agent Skill 專案,目標不是單純模仿名人的語氣,而是把一個人的公開資料整理成可執行的「思維 Skill」。

它的核心概念是:蒸餾一個人怎麼想,而不是只模仿一個人怎麼說話。

舉例來說,你可以讓 AI 從公開資料中整理出某位人物的:

心智模型

決策啟發式

表達 DNA

價值觀與反模式

誠實邊界

面對新問題時可能採用的判斷框架

這就讓 AI 不只是「用某人的口吻回答」,而是比較接近「用某人的思考框架分析問題」。

女媧 Skill 的工作流程

女媧 Skill 的運作大致可以整理成四個階段:

六路並行蒐集:從著作、訪談、社群媒體、批評者觀點、決策紀錄、人生時間線等方向蒐集資料。

三重驗證提煉:一個觀點必須跨多個領域出現、能推斷新問題立場、且不是所有聰明人都會這樣想,才值得被收錄。

建立 Skill:把心智模型、決策方法、表達風格、價值觀與限制寫入 SKILL.md。

品質驗證:用已知問題與未知問題測試,避免 AI 過度自信或胡亂回答。

這套流程對 AI 一人公司的價值很高,因為它等於把「專家經驗」變成可以安裝、可以版本管理、可以重複調用的工作能力。

如何安裝女媧 Skill?

官方 GitHub 下載連結如下:

https://github.com/alchaincyf/nuwa-skill

最簡單的安裝方式是使用通用 CLI 安裝器:

npx skills add alchaincyf/nuwa-skill

如果你想明確指定安裝到某個 Agent,也可以依照 runtime 指定。例如:

帮我安装 skill:https://github.com/alchaincyf/nuwa-skill

如果要手動安裝,可以把 GitHub 專案 clone 到對應的 skills 目錄。

一人產品團隊要靠 Agent Skills 框架、測試自動化、遠端優先的人機協作環境來疊加效率

大神必讀文章連結:https://georgexing.substack.com/p/how-i-build-with-ai-as-a-1-person

給大家一個可以直接複製貼上給 Claude Code 使用的提示詞:

請讀懂這篇文章:https://georgexing.substack.com/p/how-i-build-with-ai-as-a-1-person

# AI 一人公司 / 一人產品團隊完整提示詞

你現在要扮演我的「AI 一人公司作業系統總指揮」。
你的任務不是單純回答問題,而是協助我把一個想法,轉換成可以由 AI Agent 團隊執行的完整產品開發、內容產出或商業驗證流程。

## 一、背景設定

我正在打造一套「AI 一人公司」工作流。

核心概念是:

人類負責方向、品味、商業判斷、使用者價值、品質把關與最後決策。
AI Agent 負責研究、規劃、開發、測試、審查、文件、營運與重複性工作。

請把我視為:

* 創辦人
* 產品經理
* 品質審查者
* 最終決策者

請把 AI Agent 團隊視為:

* Claude Code:主要工程師,負責理解專案、規劃功能、寫程式、重構與除錯
* Codex:嚴謹審查者,負責檢查計畫、審查程式碼、找出邏輯漏洞、資料流程錯誤與後端風險
* Hermes Agent:長期營運助理,負責記憶、排程、跨平台提醒、自動化任務與長期追蹤
* 女媧 Skill / Agent Skills:專家能力庫,負責把人物思維、領域方法論、公司 SOP、品牌規範、開發規範轉換成可重複使用的能力

請避免空泛勵志,重點放在可以執行、可以檢查、可以交給 Agent 的流程。

---

## 二、我要處理的主題

請根據以下輸入,幫我建立完整的一人產品團隊工作流。

### 我的產品 / 專案 / 文章 / 功能想法

【在這裡貼上我的想法】

### 目標使用者

【在這裡描述目標使用者,例如:老師、開發者、內容創作者、中小企業老闆、學生、設計師】

### 我想達成的結果

【在這裡描述結果,例如:做出 MVP、寫一篇 WordPress 文章、設計一個 SaaS 功能、改版某個頁面、建立自動化流程】

### 目前限制

【在這裡填寫限制,例如:只有我一個人、預算有限、時間有限、需要本地部署、需要 WordPress、需要 Next.js、需要支援中文】

### 已有工具或技術

【在這裡填寫,例如:Claude Code、Codex、Hermes Agent、OpenAI、Ollama、llama.cpp、Next.js、Prisma、PostgreSQL、WordPress、GitHub】

---

## 三、你的工作方式

請你按照以下流程執行,不要跳步。

---

# Phase 1:產品腦力激盪與問題定義

請先幫我釐清:

1. 這個想法真正要解決的問題是什麼?
2. 使用者現在怎麼解決這個問題?
3. 使用者最痛的地方是什麼?
4. 這個產品或內容的主要使用情境是什麼?
5. 成功的定義是什麼?
6. 哪些需求是必要的,哪些只是好看但不重要?
7. 哪些地方最容易被 AI Agent 誤解?
8. 哪些地方一定要由人類做最後判斷?

請輸出:

* 一句話產品定位
* 目標使用者描述
* 使用者痛點
* 核心使用情境
* Jobs To Be Done
* 成功指標
* 不做清單
* 風險清單
* 需要我確認的關鍵決策

請注意:
如果我的想法太模糊,你不要直接開始寫執行計畫,而是先幫我整理成幾個可選方向,讓我選擇。

---

# Phase 2:PRD / 規格文件

在 Phase 1 完成後,請幫我產生一份產品規格文件。

格式如下:

## 1. 專案名稱

## 2. 一句話說明

## 3. 背景與問題

## 4. 目標使用者

## 5. 使用者故事

請用這種格式:

* 作為【使用者角色】,我想要【行為】,以便【得到的價值】。

## 6. 核心功能

請區分:

* 必要功能
* 次要功能
* 暫不處理功能

## 7. 使用流程

請用步驟式流程描述。

## 8. UX / UI 原則

請說明:

* 畫面上最重要的主要行動是什麼
* 哪些資訊要優先顯示
* 哪些資訊應該收合或延後
* 什麼狀態下需要提醒使用者
* 哪些設計會增加摩擦,應該避免

## 9. 技術需求

請包含:

* 前端
* 後端
* 資料庫
* API
* 權限
* 檔案或媒體處理
* 第三方服務
* AI 模型或 Agent 使用方式

## 10. 邊界情境

請列出:

* 空資料狀態
* 錯誤狀態
* 載入狀態
* 權限不足
* AI 回答失敗
* 網路中斷
* 使用者輸入不完整
* 重複送出
* 多人或多裝置同步問題

## 11. 驗收標準

請用 checkbox 格式輸出。

---

# Phase 3:Agent 分工設計

請把整個工作拆給不同 AI Agent。

請用表格輸出:

| 角色 | 使用工具 | 負責任務 | 輸入 | 輸出 | 注意事項 |
| -- | ---- | ---- | -- | -- | ---- |

至少包含:

1. 人類創辦人
2. Claude Code
3. Codex
4. Hermes Agent
5. 女媧 Skill / Agent Skills
6. 測試 Agent
7. 文件 Agent
8. SEO / 內容 Agent

請特別說明:

* 哪些工作可以並行
* 哪些工作必須串行
* 哪些工作需要人類審核後才能繼續
* 哪些工作可以交給較小模型
* 哪些工作必須交給較強模型

---

# Phase 4:實作計畫

請把 PRD 轉換成可執行的實作計畫。

格式如下:

## 實作總覽

* 目標
* 預估修改範圍
* 主要檔案
* 新增檔案
* 修改檔案
* 刪除檔案
* 資料庫變更
* API 變更
* 測試範圍
* 風險等級

## 任務清單

每個任務請用 checkbox 格式:

* [ ] Task 1:任務名稱

  * 目的:
  * 修改檔案:
  * 具體步驟:
  * 完成標準:
  * 可能風險:
  * 建議交給哪個 Agent:

請把任務拆到 AI Agent 可以明確執行的粒度。
不要只寫「完成前端」這種模糊任務。
要寫到「修改哪個檔案、增加哪個元件、處理哪個狀態、需要哪個測試」。

---

# Phase 5:Codex 審查提示詞

請產生一段可以交給 Codex 使用的審查提示詞。

目標是讓 Codex 審查 Claude Code 產出的計畫或程式碼。

Codex 審查提示詞必須包含:

1. 請檢查是否符合 PRD
2. 請檢查是否有資料流程錯誤
3. 請檢查是否有 race condition
4. 請檢查是否有權限問題
5. 請檢查是否有錯誤狀態未處理
6. 請檢查是否有安全風險
7. 請檢查是否有測試缺口
8. 請檢查是否有過度設計
9. 請檢查是否有和原始使用者價值偏離
10. 請用 Critical / High / Medium / Low 分級

請輸出可直接複製的 Codex Review Prompt。

---

# Phase 6:Implementation Review 自動測試設計

請模擬一位人類產品審查者,設計端到端測試情境。

請輸出:

## 使用者情境測試

| 編號 | 情境 | 操作步驟 | 預期結果 | 嚴重性 |
| -- | -- | ---- | ---- | --- |

至少包含:

* 新使用者第一次使用
* 正常成功流程
* 使用者輸入錯誤
* AI 回答失敗
* 網路或 API 錯誤
* 權限不足
* 重複操作
* 長時間載入
* 行動裝置或小螢幕
* 使用者中途離開後回來

## Playwright / Maestro / 手動測試建議

請根據專案類型建議:

* Web 專案:Playwright
* Mobile 專案:Maestro 或 Xcode simulator
* API 專案:API integration test
* WordPress 文章:SEO、可讀性、連結、標題層級、圖片 alt、內外連檢查

---

# Phase 7:遠端優先工作流

請幫我設計一套適合一人公司使用的遠端優先 AI Agent 工作流。

請包含:

## 1. 長時間任務如何執行

例如:

* 使用 tmux 保持 session
* 使用 SSH 遠端連入開發主機
* 使用 Tailscale 或 VPN 連線
* 使用 Git worktree 管理多個功能分支
* 使用通知機制提醒我 Agent 卡住

## 2. 手機上如何追蹤

請設計:

* 手機查看進度
* 手機批准或否決 Agent 決策
* 手機補充語音輸入
* 手機查看測試結果

## 3. 語音輸入策略

請幫我把口語想法整理成可執行規格。
如果我貼上的是語音轉文字,請先整理語意,不要糾正文法而忽略內容。

## 4. 多 Agent 並行策略

請說明:

* 哪些任務可以平行跑
* 如何避免不同 Agent 修改同一個檔案互相衝突
* 如何用 Git branch / worktree 分開任務
* 如何設定合併順序
* 如何保留回滾點

---

# Phase 8:女媧 Skill / 專家顧問團設計

請根據這個專案,建議我應該建立哪些 Skill。

請輸出:

| Skill 名稱 | 用途 | 觸發時機 | 應包含內容 | 不該做什麼 |
| -------- | -- | ---- | ----- | ----- |

請至少思考以下類型:

* 產品品味 Skill
* 工程規範 Skill
* UI / UX 審查 Skill
* SEO 文章 Skill
* 安全檢查 Skill
* 品牌語氣 Skill
* 客戶訪談 Skill
* 測試審查 Skill
* 競品分析 Skill
* 專家人物思維 Skill

如果適合,請幫我產生一份 `SKILL.md` 草稿。
`SKILL.md` 需要包含:

* name
* description
* 使用時機
* 不使用時機
* 工作流程
* 輸出格式
* 品質檢查清單
* 誠實邊界

---

# Phase 9:如果這是 WordPress 文章

如果我的輸入目標是寫 WordPress 文章,請改用以下輸出格式。

請產出:

1. 主標題
2. 三個 SEO 標題選擇
3. SEO 中繼資料說明
4. 文章標籤,請用繁體中文,並用半形逗號分隔
5. WordPress 可直接貼上的文章內容
6. 內部連結建議
7. 外部連結建議
8. 圖片或流程圖建議
9. 可以用「創作圖像」生成的圖片提示詞
10. 延伸閱讀區塊

文章要求:

* 使用繁體中文
* 如果來源有簡體中文,請改成繁體中文
* 使用 WordPress block editor 友善格式
* 避免簡體字
* 標題層級清楚
* 適合 SEO
* 不要堆砌關鍵字
* 官方網站與下載連結必須放入文章
* 對工具的評價要務實,不要過度吹捧
* 文章要能接續「AI 一人公司:Claude Code、Codex、Hermes 與女媧 Skill」這個主題

---

# Phase 10:最後輸出總結

最後請用以下格式總結:

## 我建議你現在先做的 3 件事

1.
2.
3.

## 哪些部分可以立刻交給 AI Agent

## 哪些部分必須由我親自判斷

## 這個專案最大的風險

## 這個專案最快的 MVP 路線

## 下一個可執行指令

請給我一段可以直接貼到 Claude Code / Codex / Hermes Agent 的下一步指令。

---

## 重要規則

1. 不要只給概念,要給可執行步驟。
2. 不要假設 AI 會自動理解我的產品品味,要把標準寫清楚。
3. 不要讓 Agent 直接長時間執行高風險操作,必須設計審查點。
4. 不要只檢查程式能不能跑,也要檢查使用者流程是否合理。
5. 不要把 AI 當成全自動創辦人;AI 是員工,人類才是老闆。
6. 如果資訊不足,請先提出最少量但最高價值的澄清問題。
7. 如果可以先做合理假設,就先標明假設並繼續,不要卡住。
8. 對每個輸出都要加上品質檢查清單。
9. 所有內容都用繁體中文。
10. 若引用外部工具、官方網站、GitHub 或下載連結,請列出來源與用途。

現在請根據我提供的主題,開始 Phase 1。

感想

未來真正有競爭力的人,不一定是最會寫提示詞的人,而是最會設計 AI 工作流的人。

你可以把 Claude Code 當工程師,把 Codex 當快速執行者,把 Hermes Agent 當長期助理,再用女媧 Skill 建立不同領域的顧問團。

但最後,真正的老闆還是你。

AI 一人公司的重點不是讓 AI 取代你,而是讓你從執行者升級成指揮者。

補充:

商業導師:

https://github.com/dontbesilent2025/dbskill

美工與設計:(寶玉skills)

https://github.com/JimLiu/baoyu-skills/blob/main/README.zh.md

Ideogram 4 實作教學:在 ComfyUI 本機部署最強開源 AI 繪圖模型

Ideogram 4 實作教學:在 ComfyUI 本機部署最強開源 AI 繪圖模型

2026 年最受矚目的 AI 繪圖模型之一,莫過於 Ideogram 團隊正式釋出的:

Ideogram 4

這是 Ideogram 首次公開模型權重(Open Weight),也是目前開源陣營中,在:

  • 文字生成(Text Rendering)
  • 海報設計
  • 品牌廣告
  • 排版控制
  • JSON 結構化提示詞

官方資料顯示,Ideogram 4 採用 9.3B 參數的單流 Diffusion Transformer(DiT)架構,並支援原生 2K 圖像生成。

本篇將帶你使用 ComfyUI,在本機部署 Ideogram 4。


系統需求

官方模型共有兩個版本:

版本量化
Ideogram 4 FP8品質最佳
Ideogram 4 NF4VRAM需求較低

目前 ComfyUI 官方整合版本主要使用:

  • FP8
  • NVFP4

其中 FP8 畫質最佳。


第一步:下載模型

ComfyUI 專用模型

官方:

Comfy-Org Ideogram-4

原始模型:

Ideogram 4 FP8 官方模型


第二步:放置模型檔案

依照官方說明建立目錄。

ComfyUI
│
├─ models
│  ├─ diffusion_models
│  │  ├─ ideogram4_fp8_scaled.safetensors
│  │  └─ ideogram4_unconditional_fp8_scaled.safetensors
│  │
│  ├─ text_encoders
│  │  └─ qwen3vl_8b_fp8_scaled.safetensors
│  │
│  └─ vae
│      └─ flux2-vae.safetensors

第三步:了解每個模型用途

ideogram4_fp8_scaled

主模型

負責:

  • 圖片生成
  • 構圖
  • 風格
  • 排版

ideogram4_unconditional_fp8_scaled

CFG 引導模型

負責:

  • 提升細節
  • 強化 Prompt Follow
  • 改善品質

官方建議兩個模型一起使用。若只載入主模型雖可運作,但畫質會下降。


qwen3vl_8b_fp8_scaled

文字編碼器

負責:

  • Prompt 理解
  • JSON 理解
  • 空間推理
  • 海報版面配置

flux2-vae

VAE 解碼器

負責將 Latent 轉換成圖片。


第四步:更新 ComfyUI

Ideogram 4 需要最新版本的 ComfyUI。

更新方式:

cd ComfyUI

git pull

或:

update_comfyui.bat

官方於 Day-0 即已原生支援 Ideogram 4。


第五步:載入官方 Workflow

ComfyUI 官方已提供範例工作流。

建議直接從:

Comfy Blog

下載 Workflow


基礎工作流架構

Prompt
    ↓

Qwen3-VL Encoder
    ↓

Ideogram 4
    ↓

Sampler
    ↓

Flux VAE Decode
    ↓

Save Image

第六步:第一張圖片

測試 Prompt:

A futuristic cyberpunk city at night,
neon signs in Chinese,
cinematic lighting,
ultra detailed,
high contrast,
8k photography

生成尺寸:

1024 x 1024

推理模式:

DEFAULT

第七步:體驗 JSON Prompt

Ideogram 4 最大特色就是:

Structured JSON Prompt

官方模型訓練時即使用 JSON Caption。


範例:海報設計

{
  "scene_summary": "Professional technology conference poster",

  "background": {
    "description": "Modern convention center stage with blue ambient lighting, large LED screen, clean professional environment"
  },

  "style": {
    "description": "Corporate marketing design, professional conference poster, clean typography, premium branding, modern layout"
  },

  "objects": [
    {
      "description": "Conference stage",
      "bbox": [100, 150, 900, 850],
      "colors": ["#0A2540", "#1E88E5", "#FFFFFF"]
    }
  ],

  "text_elements": [
    {
      "text": "AI SUMMIT 2026",
      "bbox": [150, 120, 850, 260],
      "style": "Large bold white sans-serif title"
    },
    {
      "text": "Future of Artificial Intelligence",
      "bbox": [180, 280, 820, 350],
      "style": "Medium white subtitle"
    },
    {
      "text": "Taipei International Conference Center",
      "bbox": [180, 1050, 820, 1120],
      "style": "Small white footer text"
    }
  ]
}

Bounding Box 控制

可直接指定位置。

{
  "text_elements":[
    {
      "text":"SALE 50%",
      "bbox":[100,100,500,300]
    }
  ]
}

座標範圍:

0 ~ 1000

原點:

左上角

這是目前 FLUX 與 Stable Diffusion 所不具備的能力。


色彩盤控制

品牌設計超級好用。

{
  "color_palette":[
    "#FF6600",
    "#FFFFFF",
    "#000000"
  ]
}

官方支援:

  • 最多16色
  • 單元素最多5色

與 FLUX 比較

FLUX 強項

  • 寫實攝影
  • 光影細節
  • 人像品質

Ideogram 4 強項

  • Logo
  • 海報
  • Banner
  • 電商素材
  • 排版設計
  • 中文文字生成

若你是:

  • 電商設計師
  • 行銷公司
  • 品牌設計
  • 廣告公司

Ideogram 4 很可能比 FLUX 更適合。


結論

Ideogram 4 不只是另一個 AI 繪圖模型。

它最大的創新在於:

把 Prompt 從自然語言升級為結構化設計規格。

透過:

  • Qwen3-VL
  • Diffusion Transformer
  • JSON Prompt
  • Bounding Box
  • Color Palette

使用者終於可以像操作 Figma 一樣控制 AI 生成內容。

對於需要:

  • 海報設計
  • 品牌素材
  • Banner 製作
  • AI Agent 自動產圖

的開發者來說,Ideogram 4 是目前最值得研究與部署的開源模型之一。