你每日都係重新交代同一份工作？
好多創辦人用 AI 時，真正浪費時間嘅唔係等 AI 出答案，而係每次都要由零開始講背景、格式、語氣同交付要求。
例如，你可能每個星期都要整理 leads、寫跟進 email、準備會議摘要，或者將數字變成週報。每次都開新 chat，再重新貼資料，其實只係將「人手工作」換成「人手管理 AI」。
較好嘅做法唔係即刻追求全自動，而係先將一件重複工作變成一個可重複執行嘅流程。你先確認 output 有用，再將穩定嘅部分保存，最後先加入定時執行。
先記住呢個四步判斷法
一次性問題 → 用 Prompt
每次都要跟同一套做法 → 保存成 Skill
想快速啟動同一個任務 → 用 Command
每星期或每月都要做 → 最後才考慮 Scheduling
呢個次序好重要：先做到，然後做得穩定，最後先自動跑。
由一次性任務到 workflow：四個層次
1. Prompt：講清楚今次要交付咩
Prompt 係一次任務嘅指示。唔好只寫「幫我分析 leads」，要講清楚資料來源、判斷標準、輸出格式，同埋你要採取嘅下一步。
例子：將本週新 leads 分成高、中、低優先級；每個 lead 用一句講原因；為高優先級 lead 草擬一封簡短 follow-up；最後以表格輸出。
2. Skill：保存你每次都會重複講嘅工作方法
當你發現自己每次都會補充同一堆要求，例如「用我嘅語氣」、「先列風險」、「唔好過度承諾」、「輸出成三欄表格」，呢啲就值得保存成 Skill。
Skill 唔係一條較長嘅 Prompt，而係一套可重用嘅做事規則。佢令每次執行有一致標準，亦減少你事後大幅修改。
3. Command：令團隊或自己可以快速重用
Command 可以理解成一個容易記住嘅啟動方式。當你已經有一套驗證過嘅流程，就唔需要每次翻查舊對話或者貼長段指示。
例如，你可以將「整理本週 pipeline、找出要跟進嘅交易、草擬下一步」變成一個固定啟動指令。重點唔係個名稱，而係背後要有清楚嘅輸入和輸出。
4. Scheduling：只處理真正穩定嘅例行工作
Scheduling 適合已經跑順、而且週期固定嘅任務，例如每星期一早上整理 pipeline，或者每月做一次內容表現摘要。
如果輸入資料經常變、判斷仍然靠你、或者 output 會直接影響客戶，未適合直接自動化。先保留人工 review。
實例：每週 lead follow-up workflow
假設你每星期要處理 20 至 50 個新詢問。你可以由一個小 workflow 開始：
步驟 1：集中資料
將一星期內嘅 leads 放入同一份來源，例如 CRM 匯出檔或指定試算表。最少包括姓名、公司、需求、上次互動同預算／時間線（如有）。
步驟 2：先手動跑一次
要求 AI 分類優先級、指出資料不足之處，再草擬只供你 review 嘅 follow-up。檢查佢有冇誤解客戶、過度承諾，或者將敏感資料放錯地方。
步驟 3：保存可重複嘅規則
當分類標準、語氣、輸出欄位同檢查清單已經穩定，將呢啲規則保存成 Skill。下星期只需要換新資料，而唔使再由零解釋。
步驟 4：最後才排程
連續幾次 output 都合格，先安排每週定時生成草稿或摘要。保留「需要你批准」嘅最後一步，尤其係涉及 email、報價、付款或公開內容。
一個好 workflow 應該有咩？
目標清楚：最後要交付咩，而唔係只講「幫我處理」。
輸入固定：AI 知道去邊度攞資料，以及缺資料時要點樣處理。
輸出可檢查：例如固定表格、優先級標籤、草稿或 checklist。
人工關卡：高風險行動要由你先 review，再發送或執行。
常見錯誤：太早追求全自動
最大陷阱係未驗證過 output，就直接將流程接到客戶訊息、日曆、付款或公開渠道。自動化會放大效率，亦會放大錯誤。
先用假資料或小批量測試。記錄邊啲情況要人工判斷；只將低風險、規則清楚、重複率高嘅部分交畀 AI。
今晚可以做嘅最小行動
揀一件你下星期一定會再做嘅工作。寫清楚最後要交付嘅成品，手動跑一次，再圈出每次都會重複講嘅指示。嗰部分就係你第一個 Skill 候選項目。
當第二次做同一件事唔再需要由零開始，你先真正開始享受 AI workflow 嘅複利。
注意
Gemini Spark 的實際功能、名稱、帳戶資格及可用地區可能會更新。設定自動化前，請以你帳戶內當刻顯示嘅功能、權限和安全設定為準。
