AI × TOKYO / AFTER THE DEMO

一趟東京旅行，
如何變成一套
AI 工作方法

從搜尋成果，走向可累積、可重用、可回滾的個人資訊系統。

←↑前一頁→↓下一頁

RECAP / 成果回顧

01 / THE RESULT

剛才看到的，不是答案而已；
是一份完整成果。

RECAP / 前期蒐集

02 / EARLY STAGE

前期先廣泛蒐集，
讓問題的輪廓出現。

1先列出多種日期與住宿可能

2把機票、旅館、行程分開查

3初稿是探索，不是最後答案

03 / HUMAN OVERSIGHT

AI 會偷懶。
人要盯住會改變決策的資料。日期、人數、價格口徑、來源與推估，都要能被重新檢查。

04 / MIDDLE STAGE

中期真正的難題，
是四條線交錯。

時間點特殊事件價錢整體規劃

資料越多，越需要用視覺化不斷換角度看。

05 / LATE STAGE

後期不是再找更多，
而是取捨與優化。

1吃進已訂房資料，找撞期與空窗

2用地圖細化順序，減少折返

3保留選擇，也明確說出取消理由

11筆訂房
收斂成保留 4、取消 7

06 / THE MINDSET

案例背後，
其實有三層心法。

方法論

怎麼把一次任務做清楚

宏觀論

怎麼讓成果被更多人重用

本地進化

怎麼保留版本與下一條路

07 / FOUR TOOLS

四種工具，
把複雜工作變得可處理。

拆解大拆小

圖表看見關係

地圖補上順序與距離

本地檔案讓資訊累加

01

METHOD / 拆解

大任務先拆小，
每一步才能驗收。

機票＋住宿＋行程

不要一口氣求唯一答案；先拆成能查、能比、能回頭的子問題。

02

METHOD / 視覺化

圖表不是裝飾；
它讓關係浮出來。

同一日期
哪個選擇最低？ 不同週別
事件影響多少？

線圖、熱力圖、排名表，各自回答不同問題；看不懂就換圖。

03

METHOD / 地圖

表格回答「哪個好」；
地圖回答「怎麼走」。

1看出地點的先後順序

2補上順序與距離感

3把折返變成一條順路動線

04

METHOD / 本地檔案

把資料留在本地，
資訊才會越做越厚。

CSV→分析→HTML

下一次不是重問一次，而是把新資料加進去、重新計算、再產新版。

08 / ZOOM OUT

同一份規劃，
可以一路長成可重用服務。

個人規劃→內容→功能

先替自己做得夠好，再問：別人能不能看？能不能反覆用？

BOOK

09 / 旅遊書

把自己的規劃，
變成別人看得懂的介紹。

補上圖片、故事與背景，成果就從「我的答案」變成「別人的入口」。

SITE

10 / 旅遊網站

讓許多人，
在不同時間反覆觀看。

一次講解，變成可以持續被搜尋、閱讀、分享的內容；這裡開始出現盈利點。

ENGINE

11 / 比價網站

把比較方式，
做成可重複使用的功能。

輸入日期與條件，就用同一口徑重算；價值不只在內容，更在可重跑的方法。

12 / VERSION FOLDERS

先用版本目錄，
替各種可能性留下備份。

旅遊規劃_v1.html旅遊規劃_加飯店比較.html旅遊規劃_地圖優化.html旅遊規劃_最終版.html

簡單、直覺、看得見；但版本一多，就開始不知道差在哪裡。

13 / GIT

Git 讓版本管理進化成
可分岔、可回滾。

主線↗嘗試 A↘帶回好結果

安全試新方向、比較差異；不合適，就回到上一個可靠狀態。

延伸練習再講指令；此刻先記住兩件事：分岔、回滾。

14 / TRANSFER

同一方法，
也能處理條件協調與比較。

01多人聚會的時間地點協調

02租屋／購屋條件篩選

03競品功能矩陣調查

15 / KEEP IT RUNNING

真正的進化，是把一次成果
做成持續更新的系統。

拆解 → 視覺化 → 資訊累加 → 版本保護。換一個題目，方法仍然成立。

每日 AI 新聞摘要

持股每日盤後報告

訂單出貨追蹤