學黃仁勳用 AI 思考：如何把 Grok Bot 組成一支真正能工作的 AI 團隊

AI 團隊的表現，不只取決於模型能力，更取決於你寫給每個 AI 代理的「職位說明」。

先看三位企業 CEO 怎麼使用 AI。他們的規模跟我們不同，但每個案例都有一套可以直接搬進日常工作的做法。

黃仁勳：用多個 AI 逼自己想清楚

黃仁勳幾乎每天都在使用 AI，但他沒有把思考外包出去。

據媒體整理，他會按照場景選擇工具：用 Perplexity 搜尋時效性資料，用 ChatGPT 處理日常問題，碰到技術問題時使用 Gemini，藝術和創意工作則交給 Grok。

遇到需要認真研究的題目，他會把同一個提示詞交給幾個 AI，要求它們互相批評，再由自己選出最好的答案。他在 CNN 的訪問中，將這種做法比喻成同時詢問三位醫生。

重點不在於哪一個模型永遠最準，而是不同模型可能帶來不同的推論路徑。比較答案、檢查證據和找出矛盾的過程，本身就是思考訓練。

他也把 AI 當成私人導師。碰到陌生概念時，先請 AI 用十二歲孩子能理解的方式解釋，再逐步提高難度，直到博士程度。

他要的從來不是一次拿到標準答案，而是從多個角度把問題看清楚。

短指令已經夠用，為什麼還要寫職位說明？

幾年前，大家都在談 Prompt Engineering，提示詞動不動就寫得很長。

現在只要一兩句話，AI 通常已經能理解基本意圖。

ChatGPT 剛推出時，我曾拿《國產凌凌漆》裡那道關於農場動物有幾隻腳的 IQ 題測試它。當時它完全聽不懂，甚至開始自行編故事。大約半年後，我再次提出同一條問題，它已經能準確回答。

「有個農場，雞的數目就是鴨的4倍，鴨就比豬少9隻，鴨加埋豬的總和是67，請開（問）成個農場加埋有幾多隻腳？」

那一刻讓我更確定，AI 的理解能力只會愈來愈強。

但 AI 仍然有點像一個「高分低能」的人。

它知識多、反應快，卻未必知道哪些資訊對你的處境最重要。

短指令可以傳達意圖，卻無法完整交代你的工作背景、判斷標準、工具權限，以及它應該用什麼格式交付成果。

所以我現在把職位說明當成脈絡來寫，而不是當成一串咒語。

AI 愈強，記得多就愈不稀奇。

真正重要的是，它是否理解你的處境，以及最後由誰做決定。想跟 AI 比知識量，一開始就選錯戰場了。

Grok Bot 是什麼？

xAI 在 2026 年 8 月 11 日推出 Grok Bot。

你可以建立有名字、能持續執行任務的 AI 代理，並讓它連接 Gmail、Slack、Notion、Google Drive 和 Google Calendar 等工具。由於產品仍在測試，功能、權限和資料條款都可能改變，正式使用前應先查看最新說明。

我的建議是，不要只建立一個什麼都管的聊天機器人。

把工作拆成幾個分工清楚，而且能互相交接的角色，才比較接近一支真正的 AI 團隊。

先給每個 Bot 一份職位說明

一份可以實際使用的 Bot 職位說明，至少要回答幾個問題：

• 你的目標是什麼？
• 希望得到什麼結果？
• 這個 Bot 要負責哪些工作？
• 它可以使用哪些資料和工具？
• 最後要用什麼格式交付？
• 哪些事情一定要回來請你決定？

以我的研究助理為例，它負責追蹤 AI、一人創業、內容創作和商業系統的資訊。它每天閱讀我訂閱的電子報，整理值得注意的內容。

但只做摘要還不夠。

它也要知道我的公司在做什麼、目前有哪些專案，再說明每一則資訊為什麼跟我的身分、工作或專案有關。

這個差別很大。

只會摘要的 Bot，頂多把十封電子報壓縮成十段文字。有背景資料的研究助理則會告訴我：「這則一人創業的新聞跟你正在進行的專案有關，值得進一步閱讀。」

前者在整理資訊，後者已經開始協助判斷。

再給它足夠的背景資料

Airbnb 執行長 Brian Chesky 為公司建立了一個 AI「brain」，加入 18,000 份 Keynote 簡報、50,000 份 Google Docs，以及其他公司文件。

他想解決的問題很具體：不用每次召開會議，也能知道公司正在發生什麼事。據報導，這套做法令會議數量減少了一半。

我們多數人沒有這麼多文件，也沒有必要追求同樣的數字。

資料量不是重點。更重要的是內容是否準確、是否與公司有關，以及 Bot 在需要時能否順利取用。

你可以先讓 Bot 讀取產品計畫、上個月的會議紀錄和團隊回饋，再提出三個問題：

根據我提供的產品計畫、上月會議紀錄和團隊回饋：

1. 公司目前最大的三個執行風險是什麼？
2. 我應該先問團隊哪兩個問題，才能判斷是否繼續推進？
3. 請用三句話客觀總結目前情況，不要刻意樂觀，讓我可以向投資人說明。

它的價值不只是把文件縮短，而是帶著脈絡整理風險，把需要進一步確認的問題列出來。

當然，它引用的背景是否正確、結論是否合理，仍然需要你檢查。

我自己會把 Notion 當成存放重要資訊和整理工作流程的地方，需要時再讓研究助理從 Notion 取用資料。

把重複工作交給固定流程

Tim Cook 在 2026 年 9 月 1 日卸任 Apple CEO，轉任執行董事長。2024 年接受《華爾街日報雜誌》訪問時，他曾分享自己的郵件處理方式。

他每天清晨四、五點起床，先查看電子郵件和前一晚的銷售數字。一天大約會收到 800 封郵件，其中包括大量客戶回饋。

以前，他要逐封閱讀。

Apple Intelligence 推出郵件摘要後，他可以先掃過摘要，再判斷哪些郵件值得打開，哪些可以稍後處理。他形容這項功能「改變了我的生活」。（我個人不相信他單用 Apple Intelligence。）

原因很實際：每封郵件省下一點時間，累積成一天、一週和一個月，就是一大段可以重新分配的時間。

不過，摘要有時會失真，長郵件串和群組對話尤其容易出問題。因此，我會把摘要當成分流工具，而不是閱讀原文的替代品。被標記為「今天必須處理」的郵件，我一定會打開原文。

同樣的流程也可以交給 Grok Bot。把幾封郵件交給收件匣 Bot，使用以下指令：

你是我的 Chief of Staff。請處理以下郵件：

1. 每封郵件用兩句話總結重點。
2. 標記為「今天必須處理」「可以交給團隊」或「可以忽略」。
3. 指出哪一封最可能影響公司方向或客戶關係，並解釋原因。

看完結果後，我可以先打開最重要的兩封，其餘再慢慢分派。

這裡才是從「摘要」走向「協助判斷」的關鍵。Bot 不只要告訴你郵件寫了什麼，還要根據你的工作背景，說明它為什麼重要。

用獨立信箱隔開電子報和一般郵件

研究助理不需要讀取整個工作信箱。（Grok Bot 也可以另外為你建立一個電郵。）

我的做法是另外建立一個普通 Gmail，名稱直接使用「品牌名＋newsletter」，例如：

[email protected]

訂閱電子報時，我會直接填入這個地址，讓所有電子報集中寄到獨立信箱，不與客戶往來、報價或日常工作郵件混在一起。

接著把 Grok Bot 連接到這個 Gmail，要求它按照內容自動加入標籤。例如：

請根據每封電子郵件的內容分類並加上標籤。
行銷相關內容加上 newsletter/marketing，AI 相關內容加上 newsletter/ai。如果同一封郵件同時涉及兩個主題，請同時加上兩個標籤。

如果某封電子報同時討論 AI 和行銷，它就會同時獲得兩個標籤。將來需要尋找相關資料時，直接查看對應標籤即可。

這套設定幾分鐘便能完成，但它解決了兩個問題：研究助理只會接觸到電子報，敏感郵件不會進入它的工作範圍；資訊也能按照主題持續累積，不必每次重新搜尋整個收件匣。

有交接，才算是一支團隊

兩個各做各的 Bot，還稱不上團隊。

它們需要交接，也要有人把關。

我目前設計的是三個 Bot，再加上我自己。

收件匣 Bot 先負責分流，把可能影響公司方向或客戶關係的郵件交給研究助理。研究助理補上背景，指出這則資訊或這封郵件跟哪個專案有關。

接著交給審稿官。審稿官只負責挑毛病：結論有沒有證據？是否遺漏風險？判斷是不是太樂觀？

最後才輪到我。我只看通過審稿官檢查的內容，再做最終決定。

審稿官其實是黃仁勳「讓 AI 互相批評」做法的簡化版。

不過它有一個限制：如果幾個 Bot 都來自同一個平台、使用相同的底層模型，它們的盲點很可能相近，互相批評的效果也會有限。

真正重要的判斷，我會把輸出交給另一家公司的模型，再檢查一次。這也能解釋黃仁勳為什麼刻意使用多個平台。

至於日常的分流和整理，留在同一個平台，共用一套背景資料，通常已經足夠。

建議歸建議，決定仍然歸我

如果 Bot 讀完資訊後，能說明它跟哪個專案有關，我會多信任它一點。

如果它不解釋理由，直接代我回覆客戶，我會立刻收回決定權。至少現階段，最後拍板的人一定是我。

權限應該逐步開放。先讓它讀取資料，再讓它撰寫草稿，最後才考慮是否允許自動執行。凡是需要對外送出的內容，一律由我親自確認和送出。

資料也要分級。

公開資訊、訂閱的電子報、已公開的內容草稿，以及不含個人資料的產品計畫概要，可以交給 Bot。

合約、客戶往來、報價和含有個人資料的文件，我只會使用 local LLM，或者自行處理。密碼、金鑰、身分證件和銀行資料，完全不交給 AI。

有一個漏洞很容易被忽略：信箱裡的客戶往來和報價，敏感程度未必低於合約。

這也是我使用獨立 Gmail 收取電子報的原因。研究助理只讀電子報，不會接觸一般工作郵件。只要牽涉客戶，一律人工覆核，最後一關由我親自批准。

從角色、背景和權限開始

AI 會逐漸熟悉你的工作。你也能從它長期的分析中觀察，哪些任務可以再多授權一點，哪些決定仍然必須留在自己手上。

起點其實很清楚：先定義角色，交代背景，限制權限，再決定哪些工作可以自動執行。

不要跟 AI 比它早已超越你的知識量。

把時間花在理解知識之間的關聯，建立自己的判斷標準，然後把最後的決定權留在手上。

延伸閱讀

• 如何設定你的第一個 AI Agent：15 分鐘 Hermes 教學（免寫程式碼）
• 你不是需要更多 AI 工具，而是需要重新整理你的工作流
• 你現在需要的不是 AI Agent，而是第一位客戶