企業 AI 落地洞察
FDE 實戰方法、系統整合與真實限制
LINE 官方帳號 AI 客服怎麼轉真人？先讓機器人知道「現在誰在回」
LINE 官方帳號的「聊天」和 Webhook 可以同時開，但真人接手時，外部 AI 不一定會自己停。轉真人要先設計三件事：什麼時候轉、轉的時候誰閉嘴、轉過去帶什麼。附 4 個上線前的檢查指標、三種做法的比較表，以及驗證指令。
廣告素材分析方法：報表看完還是不知道改什麼？先把每支素材對上它的成效
廣告每天在花錢、報表也拉了一大堆，但下一輪到底要改哪裡？這份方法把 Meta 廣告素材的判讀拆成四步：對上數據、看卡在哪一段、先排除不是素材的問題、寫成下一輪測試清單。手動就能做。
把 Obsidian 變成 AI 團隊的長期大腦：解決 Agent 記憶漂移與知識庫流失的深入使用手冊
為什麼 AI 對話一長就失憶、換個視窗就推翻前案？本文公開如何以 Obsidian 作為唯一事實來源（SSOT），建立四層記憶契約、工作流閉環與多 Agent 協同治理機制。
廣告投放 Agent 怎麼導入：從素材批次生成到成效異常主動告警的 4 層系統架構
投手每天花數小時跨 Meta 與 Google 後台抄數字？本文拆解如何用本機 AI Agent 接管廣告監控、成效比對與跌破門檻主動回報，讓團隊回歸策略與創意。
企業 AI 客服「自建 vs 購買」決策矩陣：從 Token 真實消耗到 3 年 TCO 總持有成本試算
買現成 AI 客服 SaaS 還是自己用 LLM 串接？本文公開 2,600+ 次真實對話的 Token 成本數據，揭露向量資料庫傳輸的隱藏陷阱，並提供 3 年 TCO 決策矩陣。
ChatGPT Shopping 曝光機制深度拆解：為什麼賣專業服務的 B2B 企業要靠「實體引用」而非 GMC Feed？
拆解 ChatGPT 網頁版購物比價的三層底層機制（L1 Feed、L2 屬性擴充、L3 開放網路聲譽），分析產品電商與 B2B 服務商在 AI 搜尋中的不同存活策略。
B2B 陌生開發 Agent Team 實戰工作流與提示詞筆記
為什麼單一 Prompt 做不好陌生開發？本文拆解如何用知識庫記憶、多 Agent 分工調研、痛點提煉到人工敲門的完整 4 層自動化實戰架構。
企業電話系統接 AI：三個規劃重點，少踩整合的坑
不是買個工具裝上去就結束。電話系統、CRM 與 AI 中間那條縫，才是真正需要規劃的地方。這篇整理匿名化後的通用方法。
把 AI 變成公司內部能力：策略→系統→內容→交接，四層一次看懂
導入 AI 最常失敗的原因不是工具不好，是只做了其中一層。這篇用我駐點時的做法，拆解企業內部 AI 體系該怎麼分四層建。
招募數位化：從紙本申請表到 AI 初評，一間公司實際走過的路
紙本申請表、人工建檔、靠印象排名——招募流程數位化不是買個系統就結束，是流程、表單、評分與面試官工具一次重做。這篇是實際執行的拆解。
讓 Claude Code 幫你把 Obsidian 變成 AI 的團隊知識庫
不用手動整理。裝好三個東西、貼一段話，讓 AI 自己把你的知識庫建起來——這是我每天在用的方法。
從文章到實際做法