好讀版：https://537sonic.github.io/SONIC/ai_coach_tutorial.html
歡迎跟睿智 (Coach J.)對話！ChatGPT的連結
做一個給新手主管用的AI教練（Chatbot），絕對不是寫幾句咒語（Prompt）就可能搞定。
我設計這一個AI教練的動機很單純：8月底有一場針對初任主管同仁的職能培訓。我想了想，乾脆先讓與會者先試著透過AI教練自我診斷，再參與訓練課程。這樣一來，實體的訓程，我就可以更能專注在特定議題與實際演練。
而且，也看過太多學生，一升上主管就陣亡，不是自己過勞，就是把團隊搞垮。我在想，有沒有可能用生成式 AI，打造一個 24 小時待命、有耐心、而且肚子裡真的有貨的虛擬教練，陪這些菜鳥主管走過最痛苦的前 90 天？這篇文章，分享我的完整工作流程，從找資料、建知識庫，到設計對話、最終生出一個能用的 AI 教練。希望能給所有想打造自己專屬 AI 工具的朋友，一點點的啟發。
發散探索 — 先用 AI 當你的研究助理
一開始，我先把自己當成專案經理，把 Gemini 和 ChatGPT 當成我的研究助理 。
我的第一個指令很簡單：「菜鳥主管要求生存，最常遇到的痛點有哪些？例如，不知如何診斷自己的管理能力優勢與劣勢？不知如何融入到管理體系之中？…管理實務上，權威專家、暢銷專書，提供了什麼樣的想法與有用作法？學術研究中，領導力、心理學、組織動力學…與其他不同學門，又提到了什麼樣的想法與有用作法？」
再透由Gemini改良指令（Meta Prompting真的管用），得到了384字的完整指令。
接下來，同時打開Gemini，ChatGPT，Preplexity的Deep Research，將完整指令放入，得到三份研究報告 。有了這三份研究報告，經過幾輪的交叉比對和收斂（一樣透由Gemini協助），我把新手主管的痛點，歸納為四大核心主題 ：
- 自我認知與角色轉換 (Self-Perception & Role Transition)
- 團隊領導與人際互動 (Team Leadership & Interpersonal Dynamics)
- 授權與權力運用 (Delegation & Authority/Power)
- 任務執行與績效管理 (Task Execution & Performance)
三份研究報告必有重覆觀點，不過，我更看重個別差異。於是，我讓ChatGPT的代理功能，識別三份研究報告內容並梳理其中提到的專家、書籍與學術理論。接著，為每項條目研究其詳細資訊，包括作者、原文名稱、發表年份與網站連結，並整理成結構化的表格。
為什麼要有這一步？因為我要建立「資料庫」 ，像是 Andy Grove 的《High Output Management》、Kim Scott 的《Radical Candor》，這些都是要做為後來建立知識庫的基礎。
給你的建議 #1：別急著要 AI 給你最終答案。先把它當成最強大的研究助理，幫你做「火力偵察」，把整個問題領域的知識地圖畫出來。
建構大腦 — 這是最硬，但也最關鍵的苦工
有了地圖，接下來就要開始蓋城堡了。這一步，是整個專案最花時間，但也最有價值的地方：建立專屬的知識庫。
我透過各種管道（你懂的 ）取得了幾十本經典書籍和學術文章的電子檔，然後，我請出了這次專案的 MVP：
Google NotebookLM。
我把總共 58 份資料，加上後來補充的理論文獻，全部上傳到 NotebookLM 。但只是把檔案丟上去還不夠，重點是「如何讓 AI 理解這些知識」。
這裡，我用了一個關鍵的 Prompt（總共1335字），我稱之為「知識架構師 (Knowledge Architect) 指令」。它的任務不是「摘要」，而是要把每一份文件，拆解成一個個獨立、原子化的「知識元件 (Knowledge Component)」 。每個元件都必須能獨立被理解，並且要模擬「使用者可能會怎麼問這個問題？」的句式來組織 。
這個Prompt的設計一樣是採用Meta Prompting，讓Gemini重寫指令之後，我手動修改。
NotebookLM這裡有兩個設置，
- 知識架構師 (Knowledge Architect) 指令長達1335字，每次在對話中反覆使用指令整理文件，實在太麻煩。因此，可以將這個指令做成「來源」。然後，點選這個指令，與所選擇文件，每次要下的指令只有「根據"""AI知識庫建構指南"""，整理所選擇的文件內容。」
- 若是使用付費版本，NotebookLM可以設定對話風格與輸出長度。我將知識架構師指令精簡至483字，做為對話風格基礎，並將回覆長度選擇「較長」。
這些設定都是為了確保知識粹取成果可做為Chatbot知識庫之用。
這個過程非常耗時。我開了五個 NotebookLM 視窗同時處理 ，最終，我把數十本書跟文章，濃縮提煉成了 82 個結構化的知識庫分頁。
這些知識分頁全部放在Google Docs裡。
Google Docs的分頁非常強大。所以，我可以將三份之前生成式AI所做出來的深度研究報告，與82個知識頁，以簡明結構置入在同一份文件中。
為何要放在同一份文件？因為我之後設置GPT或是GEM時，我只需要這一個文件做為知識庫唯一檔案即可。當然，這是有風險的，一來檔案可能過大，上傳不了，二來，上下文過長時，檢索資料效率可能很差。反正，我賭的是目前大模型足夠強大的記憶與注意力機制管用，就算現在不夠優秀，日後也會進步。而且，我日後更新知識庫，也會比較方便，只需在一份文件內完成即可。
給你的建議 #2：AI 的表現，取決於你餵給它的「料」。花時間建立一個高品質、結構化的私有知識庫，就是你跟別人拉開差距的護城河。
第三部曲：注入靈魂 — 設計一個有同理心的教練
有了大腦，再來要設計「靈魂」，也就是互動流程。
我希望這個 AI 教練不只是一個問答機器，而是一個能傾聽、能引導的顧問 。於是，我設計了一套「彈性診斷對話流程 (Flexible Diagnostic Flow)」。
我的想法是 ：
- 前 4 輪對話：先透過選擇題，快速收集使用者的基本情境 。例如，他的團隊類型？成員組成？他自己最大的感受是什麼？
- 第 5 輪開始：AI 進入「顧問模式」 。它會根據前幾輪的回答，做出一個初步的情境判斷（例如：「看起來，您目前的核心挑戰可能圍繞在『身份轉換』與『人際關係的重新建立』上」），然後提出更具針對性的開放式問題，而不是繼續走死板的流程 。
- 最終目標：在 6-10 輪對話內，協助使用者釐清 1-2 個核心痛點，然後提供一份客製化的「90 天行動建議」 。
有了初步想法，寫了第一版Prompt之後，就讓Gemini為我重寫指令。經過反覆幾次調整，最終這組指令達到3028個字，我為這個 AI 教練取名為「睿智 (Coach J.)」，並嚴格規定了它的知識邊界、對話語氣，以及在遇到能力極限時的標準說法 。
給你的建議 #3：使用者體驗決定一切。別只專注在 AI 的「知識」，更要設計它的「互動」。一個好的 AI 工具，應該像個好顧問，懂得如何提問、傾聽，而不是急著給標準答案。
最終章：一個 AI 教練的誕生
經過四個多小時，從一個簡單的想法開始，經歷了資料蒐集、知識庫建構、對話流程設計與 Prompt 優化，我的「菜鳥主管生存手冊」AI 教練——Coach J.，終於完成了 。
現在，當一個焦慮的新手主管問它：「我以前的同事，現在變成我的下屬，一切都變得很尷尬，怎麼辦？」
Coach J. 不會馬上丟出理論，它會先同理，然後開始它的診斷流程，一步步引導使用者看清問題的本質，最後給出能落地執行的建議 。
接下來，持續改善
這一次我會花點時間寫下這次歷程，也是因為許多人問我怎麼樣打造一個實用的GPT、GEM。我一直相信，生成式 AI 最強大的應用，或許不是取代人類，而是「規模化地賦能 (Empowerment at Scale)」。過去，只有企業高階主管才能享有的貼身教練服務，現在，透過 AI，或許能讓每一個在管理路上掙扎的菜鳥，都能擁有一個隨時支持他的夥伴。
當然，Coach J. 還很年輕，它還有很多要學的。我最好奇的是：
當它真的面對成千上萬、來自不同行業的真實管理問題時，它那 82 個分頁的知識庫，真的夠用嗎？它那套「彈性診斷」的對話模式，能應付得了人性的複雜與善變嗎？
實驗，才剛開始。
