跳到主要內容
AlanVaneAI & Software

自動化 · 現有工具之間的重複搬運

工具之間那些搬運的活,不該是某個人的工作。

現在

  1. 詢價郵件掉進收件匣
  2. 有人打開讀
  3. 判斷該歸誰
  4. 轉發過去
  5. 同樣的回覆再寫一遍

自動化後

  1. 詢價進來
  2. 自動分類分發
  3. 標準回覆起草好

只有不尋常的才會到人手上——而那本來就是值得人花時間的部分。

多數被叫作「AI 自動化」的活,根本不需要 AI——你的哪些部分需要,我會直說。客製自動化:做一次、交給你、一直跑。我是 Alan,一個人做,你對接的就是寫程式的人。

什麼活真的該自動化

模式幾乎永遠一樣:一個人在系統之間搬資訊,或者拿著同樣的輸入一遍遍產出同樣的文件。有現成產品能覆蓋的,買現成的。沒有正好合適的,客製做出來通常比人們以為的便宜。

前後對照

你的版本能省多少,是摸底時量出來的,不是我在這頁上猜的。

供應商發票入帳

現在

  1. 發票郵件進來
  2. 有人打開
  3. 手敲明細進系統
  4. 存檔 PDF
  5. 追著問對不上帳的那幾張

自動化後

  1. 進來
  2. 欄位抽取並核對
  3. 寫進系統
  4. 只有對不上的到人手上

常規發票完全不再經手。進複核佇列的正是那些本來就值得人看的——對不上帳的——而這個佇列很短。

詢價出報價

現在

  1. 詢價進來
  2. 讀明白人家要什麼
  3. 查價目表
  4. 手工拼報價單
  5. 發出去,還得記著跟單

自動化後

  1. 進來
  2. 需求抽取
  3. 按你的價目表算好
  4. 報價草稿等你過目
  5. 跟進自動排上

每份報價還是你批——判斷留在你手裡。消失的是拍板之前的拼裝活,而報價總是拖到第二天、而不是當小時內發出去,原因多半就是它。

週一晨報

現在

  1. 從三個系統匯出
  2. 貼進表格
  3. 修格式
  4. 寫點評
  5. 群發郵件

自動化後

  1. 定時執行
  2. 拉齊三個來源
  3. 生成報告包
  4. 標出真正有變化的部分
  5. 比你先到收件匣

報告從「某個人的一項工作」變成「本來就存在的東西」。附帶的好處:那個人休假時它照樣出。

自動化,還是 AI 自動化

多數公司故意把兩者混為一談,因為「AI」更好賣。這事值得說清楚:搞錯了,兩個方向都燒錢。好的自動化只在規則幹不了的地方用 AI。

規則派

定時任務、n8n、Zapier、裸寫程式碼。輸入形狀可預測、邏輯能寫成規則,這就是正確答案:做著便宜、跑著便宜、每次行為一模一樣。只要確定性可行,確定性勝過聰明。

AI 派

AI 對得起成本的場景只有兩種:輸入是非結構化的——自由文本、每家版式都不一樣的 PDF、什麼都能沾邊的郵件;或者那個決定本身就模糊,今天靠人在拍板。這兩個場景之外,AI 只是用更貴、更不可預測的方式幹了規則本來能幹的事。

混合

多數真實專案是混合的:規則負責搬運和調度,AI 只幹中間輸入很亂的那一步。誠實地分清哪個是哪個,是我的報價總比人預期小的原因。

工具,以及各自適合什麼時候

n8n 這類工具 —— 接有 API 的系統,按定時或觸發跑。做得快,你的團隊看得懂,以後也能自己調。

直接寫程式碼 —— 邏輯真的複雜、要求快,或者可視化流程圖會變成沒人看得懂的蜘蛛網時。TypeScript 和 Go。

雲端 AI 介面 —— Claude、OpenAI 這類,用在需要真正讀懂語言的步驟上。模型按步驟選:常規抽取用不著最大的那個。

本地模型 —— 資料不能出內網,或者用量大到按次計費不划算時。跑在你自己的硬體上。

什麼時候不該找我

如果一個 n8n 模板加你自己的一個下午就能搞定,你就該那麼幹——我會在第一通電話裡直說,而不是給你報價。你已經付費的功能裡本來就有的能力也一樣:很多「我們需要自動化」,最後發現只是個沒人打開的設置。丟一小單、做你下次真有大事時會找的人,我願意。

定價形狀

不是價目表,是價目表的形狀——上電話之前你就知道在同意什麼。

摸底

免費

把流程真正畫清楚、確認系統真的接得上、量出現在這套流程的真實成本。結尾是一份固定的構建報價——或者一句誠實的「不值得做」。

建構

固定報價

按流程固定報價,不按小時——幹著活數字不會跳。兩個決定因素:要打通的系統有多少,輸入有多亂。

運行

按量

API 用量加託管,由提供方直接收,不經我加價。摸底時按你的真實用量估出來,上線後日誌裡看得見——永遠不會有驚嚇。

支援

可選

需要可以有,從來不是把活做出來的條件。程式碼是你的、有文件——也可以直接拿回團隊自己維護。

你的資料去哪

自動化按定義就碰敏感的部分——發票、客戶記錄、財務資料——所以這些資訊到底流向哪裡值得一個直答,「很安全」不算。對多數業務資料,走 Claude 或 OpenAI 這類供應商的正經方案沒問題,也是我通常的建議。真不能出門的資料——有合規約束的、有合約約束的、或者就是你自己的——本地模型可以完全不出內網。這是真取捨:本地模型跑著便宜、資料一步不出門,但能力確實不如前沿模型。抽取和分類?差距幾乎無所謂。需要真判斷的活?差距就大了。你的流程落在哪一邊,我在摸底時就告訴你——在任何人買硬體之前。

常見問題

這到底是自動化還是 AI 自動化?

每個步驟用它該用的。邏輯寫得成規則的走規則,輸入亂、要拍板的那一步才用 AI。多數專案是混合的——報價總比人預期小,原因就是分得清。

我自己用 n8n / Zapier 做不行嗎?

行的話就該自己做。輸入規整、邏輯簡單,一個下午的事,我第一通電話裡就會直說。客製值回票價的是:輸入亂、邏輯真複雜、或者好幾個系統必須對上。

到底能省多少時間?

我不猜,這頁上也沒有編出來的百分比。摸底時把現在的流程真實跑一遍、量出實際成本,你拿真數字做決定。

要換掉我們現在的軟體嗎?

不用。自動化接的是你已有的工具——它們的 API、資料庫、檔案投遞。你的系統繼續是你的系統。

報價怎麼算?

按流程固定報價,不按小時。兩個決定因素:要打通的系統有多少,輸入有多亂。動工之前你就知道數字。

是什麼在吃掉你的一週?

把那件一直靠手做的流程告訴我。值不值得自動化、大概要花多少、有沒有該先試試的現成工具——我直接告訴你。

預約免費溝通 →